基于IC卡和GPS信息的城市常规公交客流分析

受限于传统调查方法,公交客流数据调查成本较高、精度难以保证.为有效提高常规公交系统分析评估的精度,结合公交IC卡、GPS等数据特点,利用多源数据融合技术,提出了基于多源数据的公交客流分析方法,揭示了特定时间段内公交乘客出行特征、线网客流分布规律.案例论证显示,将多源信息融合技术应用于常规公交领域,实现对乘客出行特征的精准描述,探求系统的运行规律,可以有效支撑现有公交系统焦点问题的量化分析.     

基于IC卡信息的公交客流Origin-destination反推方法

公交客流起止点(origin-destination,OD)矩阵是公交线路调整和优化的重要依据,通过公交IC(integrated-circuit)卡信息获得的数据研究了公交出行的特征.以公交站点上下客人数为约束条件提出了综合考虑了公交乘客上下车概率与公交站点产生吸引因素的反推模型,实例分析表明该方法能显著提高反推的精度,反推结果更具可靠性.     

基于IC卡数据的公交乘客上下站点预测研究

当前一票制的公交IC卡收费系统无法获取乘客的上车站点和下车站点,为公交线路客流量分析造成了一定困难。本文通过充分研究IC卡数据以及GPS数据,构建了以IC卡数据为基础的乘客上下车站点匹配模型,挖掘数据中包含的公交运行特征以及乘客出行特征。模型同时考虑封闭式公交出行链以及非封闭式公交出行链,并采用二分算法以及多概率融合的方法在乘客乘车特征基础上推测乘客的上下车站点,可有效提升公交的高效化运行管理。以承德市7号线路为例进行验证,采用线性回归方程对上下车站点匹配结果进行分析,相关系数高达0.977,校验回归方程系数值为0.978 5。结果表明该模型可实现对公交车乘客上下车站点的有效匹配,具有较好的可靠性。     

基于海量IC卡数据的公交客流时空分析

研究公交客流时空变化规律可以更深入地了解乘客的出行规律和出行需求,从而更好地为公交规划和调度提供服务。本文以厦门市2015年6月13日至26日的公交IC卡数据和车辆GPS数据为数据源研究公交客流的时空分布规律。论文运用Hadoop MapReduce分布式计算框架进行公交客流量的并行计算,从不同日期(工作日、双休日、节假日)和不同用户群体(老人,学生和成人)两个角度以小时为单位探索了公交客流的时间分布特征;在对公交站点的上车人数进行核密度分析的基础上,从站点客流量的总体空间分布及不同时段变化特征两个角度探索公交站点客流的空间分布特征,并以SM城市广场为例进行热点站点客流流向分析。研究发现:厦门市公交客流的时间分布规律呈现M状分布,但有别于北京市公交出行的M状分布,晚高峰的客流量约占早高峰客流量一半;站点客流空间分布规律呈现岛内连片聚集,岛外零星点状分布,岛内站点客流一日内早高峰呈现"入"状分布,随时间而演变为东北—西南走向的"一"状分布; SM城市广场、火车站和中山路商圈一直是全天的公交客流热点区域。     

基于数据驱动的城市居民出行OD预测

[目的]利用"大数据"对城市居民出行量(OD)的预测方法进行改进,以期改善传统城市居民出行调查方法费时、费力且准确度不高的问题,同时也为城市公共交通规划与管理提供可靠的数据支持.[方法]结合手机信令数据、公交IC卡、公交GPS以及地铁闸机数据的特点和优势,利用聚类分析等方法获取城市居民公共交通出行的OD矩阵,并利用小波...     

基于公交数据挖掘的乘客上下站点识别

为制定符合客流的线路公交调度方案，增大公交出行吸引力，减少私家车出行碳排放，有必要提出精确的线路乘客上、下车站点识别方法，获取精确客流数据，为公交调度提供精细数据支撑。本文以福州市常规公交多源数据为基础，针对数据缺陷提出系统时间误差修正及站间缺失数据修复的数据预处理方法。在此基础上，提出乘客刷卡时间与公交到离站时间匹配的上车站点识别方法。将乘客出行行为按照是否具有出行规律，提出基于乘客出行规律的乘客下车站点识别方法及综合出行距离、换乘能力、出行吸引强度、周围土地利用性质等因素影响下的乘客站点下车概率识别方法。最后，以福州市125路公交数据为例，将识别数据与实际调查数据对比，验证识别方法的准确性。研究结果可为城市公交客流OD调查提供数据挖掘方法，减少传统调查产生的人力物力，以及为公交企业运营调度提供数据支撑。     

公交出行OD信息获取方法研究

以往通过人工调查获取公交车出行OD的方法既费时又费力,随着城市公交系统的完善,使用公交IC卡已经成为常住居民的习惯,通过对IC卡数据进行挖掘,结合集合论的数学方法来实现居民公交OD出行信息的提取,不但节省了人力物力,在精度上较人工调查也要更高。方法通过数据挖掘,分别建立IC卡刷卡记录表、公交车到站信息表及公交线路信息表,以此可以准确获取IC卡的上车信息,同时在假设公交出行链闭合(前后两次出行均为公交出行)的前提下,以集合论为基础建立了相应的下车站点推算模型,实现了OD出行信息的提取。     

基于差分进化算法SVM的公交通勤乘客识别

通勤乘客是在早晚高峰出行并具有一定出行规律的人群,准确地从公交刷卡数据中识别通勤人群,对采取措施缓解早晚高峰交通拥堵和整个城市公交线网规划和调整具有重要意义。本文以珠海市公交IC卡数据为依托,提出一种基于差分进化算法优化支持向量机(SVM)的公交通勤识别方法。首先通过通勤乘客调查和实际刷卡数据相结合,分析出通勤乘客出行的特征属性;然后采用SVM算法构建分类识别模型,并利用差分进化算法(DE)对SVM进行参数寻优,得到最优识别模型,其识别准确率高达94.28%,优于其他算法模型;最后利用该模型对珠海公交IC卡数据中的通勤人群进行识别,结果显示其公交通勤人数为178 259人,占公交出行总人数的21.47%。     

基于隐马尔可夫模型的公交乘客出行链识别方法

以公交IC卡数据为基础,结合公交站点周边土地类型及乘客时空转移序列构建隐马尔可夫模型对乘客的出行目的进行识别,继而实现完整乘客公交出行链的提取。采用石家庄某一工作日的公交IC卡数据来实现模型,并与同日期的公交乘客出行调查数据对比,结果表明模型与实际调查结果较为吻合,工作日公交乘客出行链以通勤类出行链为主,总占比达81.87%,通勤活动具有很强的时效性。本文模型为公交IC卡数据的深度研究提供了一定的基础。     

基于IC卡数据估计交通小区的公交OD算法

公交客流OD是公交线网优化、评估的基础数据;也是公交运营管理不可或缺的重要信息,而公交站点OD是区域公交OD客流的基本单元。在分析利用IC卡数据挖掘公交站点OD客流原理的基础上,梳理公交站点OD推算小区OD的影响因素,引入公交站点至小区之间的距离权重系数以及地块用地分配权重系数,构建了公交站点OD推算交通小区OD的模型算法;并对比分析不同参数构建模型的优劣。同时,以广州市为例进行实证研究,算例表明了模型的可行性和算法的有效性。     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。     

空间异质性视角下常规公交客流影响因素

常规公交出行是城市客运体系重要的组成部分,其出行强度明显受城市建成环境的影响作用。以往建模方法未考虑影响因素之间的多尺度空间异质性问题,研究结果均存在一定局限性。以青岛市主城区为研究对象,首先基于公交GPS与IC卡数据提取常规公交客流为研究的因变量,并通过网络地图开放平台获取14个指标作为自变量;其次,通过探索性空间数据分析探究303个研究单元的常规公交客流空间演化特征;最后,分别构建地理加权回归与多尺度地理加权回归模型量化分析建成环境变量对常规公交客流影响的空间异质性。研究结果表明：与地理加权回归模型相比,多尺度地理加权回归模型的对回归结果的解释性更强;学校密度、医院密度、公交线路密度和停车场密度正向影响早晚高峰公交客流量,购物密度、土地利用混合度、距公交站点距离对早晚高峰的常规公交客流均有显著负向影响;公交线路密度、学校密度具有明显的空间异质性,对常规公交客流的影响程度整体上呈现由南向北扩散性递减的趋势。     

公交出行换乘时间模型及时间阈值研究

针对利用公交出行换乘时间阈值可更加准确区别换乘行为和二次出行行为,提高利用公交IC卡数据自动提取公交换乘时间方法的精确性,进而提升城市交通的整体规划和公交整体服务水平. 通过实际调查,首先对公交出行换乘方式进行了分类,分析了各类公交出行方式的换乘时间影响因素及其影响机理. 在此基础上从微观的角度建立了公交出行时间与各影响因素之间的关系模型,并通过实际调查数据验证了该模型的准确性,应用公交出行换乘时间模型得到了基于GIS公交网络要素分类的各类换乘方式的公交换乘时间阈值.     

考虑公交车内拥挤的区间公交优化设计

为满足公交客流走廊集聚的需求,研究了全程车和区间车形成的多服务模式公交优化设计问题.针对公交走廊需求特征,利用公交客流起止点(OD)数据,建立了双层优化模型,上层模型以发车频率和公交座位数为主要输出参数的公交设计研究模型,下层模型为经典的随机选择(SUE)模型,应用序列二次规划(SQP)算法求解模型.最后结合相关案例给出了优化算例,案例结果表明,模型具有较强的实用性,能够较好地反映公交车内拥挤对乘客出行成本的影响,能有效地提高公交走廊的运营效率.同时,模型通过输出不同站点上车在各站点能找到座位的概率,优化乘客选择不同公交出行的行为,均衡了公交客流,提高了车辆服务质量.     

基于空间关联度的高铁综合客运 枢纽客流参数预测算法

提出了基于空间关联度的高铁客运枢纽客流参数预测算法. 通过对高铁综合客运枢纽瓶颈点及其关联点之间的关联度进行研究,利用瓶颈点和关联点的实时客流参数信息,实现对瓶颈点客流参数信息的短时预测. 实验证明该算法在高铁综合客运枢纽客流安全预警实际应用中,能够快速反映客流扰动,具有较强的抗干扰能力,为高铁综合客运枢纽安全预警提供支持.     

基于多源数据融合的高铁枢纽多模式换乘客流分担率估计

为实现高铁客运枢纽换乘客流分担率的精准辨识,研究结合多模式公共交通大数据,提出了一类基于广义出行链的高铁客运枢纽换乘方式选择模型.通过对不同公共交通方式换乘阶段的关联和融合,提取以高铁客运枢纽为端点的个体广义出行链,分析高铁客运枢纽换乘客流的时空分布特征;综合考虑高铁客运枢纽乘客的个体经济社会属性、主观心理因素及其个体...     

基于不完全数据的公交排队系统分析

公共交通系统是一个典型的提供成批服务的随机服务系统。国内对于公交排队系统的研究大多以公交IC卡的统计数据为基础,把公交站台当作服务台、乘客当作服务对象。面对中小型城市缺乏完备有效数据的困境则应该转换思路。本文以绵阳市公交系统为研究对象,得到若干公交站点进出站时间的数据集,计算公交车到达指定站点的时间间隔。在确定公交车到达的平均速率符合泊松分布的前提下,建立单服务台,以公交车辆为服务对象的随机服务系统模型,研究分析该站点周期性的客流变化以及拥堵情况。     

城市综合客运枢纽交通方式换乘分担率模型

为确定城市综合客运枢纽各交通方式的分担率,以RP/SP数据为基础,引入随机效用理论,考虑时间、费用、出行目的和收入4种因素对方式选择的影响,构建了综合客运枢纽内多方式两两交叉换乘分担率模型,并应用于深圳福田客运枢纽。应用结果表明:公交与地铁等公共交通方式分担了将近80%的客流,周末出租车分担率显著高出工作日;模型能够更有效地计算枢纽内一种交通方式换乘某一特定交通方式的选择概率,并计算枢纽内各运输方式的换乘分担率,为城市综合客运枢纽的规划提供决策支撑。     

上海虹桥机场陆侧客流的研究与分析

作为上海市重要的交通枢纽中心,虹桥枢纽在出色完成其交通承载功能的同时,也为社会带来了诸多思考。与此同时,作为枢纽的重要组成部分,虹桥机场面对部分设施的使用效率未达预期、多种交通方式之间换乘存在多种问题以及枢纽中心和市区交通集散点之间的衔接等种种问题,如何能够提高机场运营效率,充分利用发达健全的硬件设施为出行者带来更为高效、快捷与舒适的交通服务,成为当今社会引人深思的话题。为此本文根据实地调查的数据统计结果,分析虹桥机场陆侧客流出行特征,运用层次分析法对虹桥机场各中交通方式的适用性进行分析,并提出相应优化方案。     

基于多层次综合评价的公交运行瓶颈诊断

运行瓶颈诊断对公交发车时刻表调整和车辆调度优化具有重要意义。从公交乘客和公交运营企业的不同关切点出发,结合公交GPS和IC卡等实时运营数据,提出一种公交运行瓶颈诊断方法。在公交企业运营效益、公交乘客出行效率等因素分析的基础上,分别从站点层面提出公交车头时距、车辆延误度等运行评价方法,在线路层面构建公交行程时间与运输效益评价方法,以及基于站点、线路评价结果的线网层面综合分析方法。最后,利用案例获取的公交车位置、行驶速度、公交乘客数量等实时数据,以及公交站点、线路、线网和调度方案等静态数据,对所提方法进行检验。结果表明,公交运行瓶颈诊断结果与公交实际运行状况具有较高符合度,能够实时、有效反应公交运行状态,具有较好的工程实用价值。