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。     

城市通勤出行链模式选择行为研究

通勤出行是城市居民最基本和最重要的出行,对其进行研究是进行交通规划、设计与管理的一项不可缺少的基础工作,因此本文开展了基于2008年东莞城市居民出行调查数据和多项Logistic模型建立居民通勤出行链模式选择模型的研究工作。本文中的通勤出行链模式选择模型将通勤出行链模式细分为五类（HWH、HWHWH、HWH＋、HWHWH＋、HW＋WH）,并考虑了出行方式对出行链模式的影响作用。通过对模型结果的分析,总结了通勤出行链模式的显著影响因素以及通勤出行链模式选择中的特征。研究内容对于建立基于活动的交通需求预测模型、制定交通管理政策具有重要借鉴作用。     

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。     

基于阶梯收费刷卡数据的公交下车站点算法优化与实证评估

以某市连续5日全天公交阶梯收费刷卡数据、公交出行GPS(global positioning system)数据及公交站点数据为基础,结合出行链算法与随机森林网络,构建了一套公交下车站点融合分析模型.在模型中,首先匹配GPS数据与公交站点数据,确定不同时刻的公交到站信息,再以乘客上车站点位置、出行频率、活动空间、下车点...     

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.     

基于朴素贝叶斯分类器的乘客出行属性分析

确定出行目的是探究出行规律的重要环节,而公交智能卡数据中恰恰缺少此部分属性。将出行调查数据与智能卡数据融合,对调查数据中的上、下车时间、出行目的进行提取,基于贝叶斯概率模型对其进行分析;对应智能卡数据集,借助朴素贝叶斯分类器对缺少的出行目的属性加以补充。以石家庄市北国商城公交站为例进行实证分析,并基于不同出行目的,对乘客的日出行次数及每名乘客的出行周变规律进行分析。结果表明,该方法对出行目的估计准确率为85.6%,乘客通勤出行平均每周4.7次,因私出行每周2.9次,归家出行每周3.4次,并给出了相关统计结果。     

基于GIS的公交乘客出行路径选择模型

公交乘客出行路径选择模型是公交乘客信息系统的关键技术。本文通过对公交乘客出行心理的研究,结合地理信息系统（GIS）的特点,提出了以换乘次数最少为首要目标、出行距离最短为第二目标的基本GIS的公交乘客出行路径选择模型。为提高路径搜索效率,模型中提出了GIS方向估价函数的概念。在南京市实际公交网络上的试算结果表明该模型实用、高效。     

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。     

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。     

基于数据融合的公共自行车接驳公交行为辨识

城市智能交通卡和公交自动车辆定位系统的大规模应用为研究公共自行车换乘公交的出行规律提供了契机。本文结合多源数据,研究公共自行车接驳公交的换乘时空阈值,根据自行车站点与公交站点间距离构建匹配站点对;并基于时间阈值提取匹配站点对的刷卡记录构建换乘识别模型的训练集和测试集,应用关联规则挖掘算法实现同一用户公共自行车IC卡卡号与公交IC卡号的匹配;根据设定的验证规则,92%的匹配规则通过验证。之后基于换乘识别结果分析公共自行车接驳常规公交的换乘客流的时空特性。结果表明：公共自行车接驳常规公交呈现出明显的早晚高峰时段,且接驳出行主要分布在城市中心区域。     

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.     

出行链与出行方式相互影响模式

通过居民出行调查数据分析,建立递归联立离散选择模型,从出行链至出行方式和出行方式至出行链2个方向,重点分析了工作出行链和出行方式间的相互作用.研究表明,模型通过直接量化出行链和出行方式之间的相互作用,加强了行为机制对预测分析的指导.分析结果表明,出行链至出行方式的影响模式在工作出行决策过程中占主导地位,出行者首先根据个人和家庭的需要将一日的活动和出行组织成以出行链为单位的片段,然后在出行链各种性质的约束下考虑选择何种交通方式.研究结果对出行需求预测和管理有指导意义.     

考虑车内拥挤状态的公交弹性发车间隔优化

为提高常规公交的出行服务质量，建立了考虑车内拥挤状态的公交弹性发车间隔优化模型.通过量化车内拥挤状态，给出各拥挤状态下的乘车成本;建立了线路各区间的拥挤状态转移函数.考虑乘客的车内拥挤状态感知，建立站点乘客随时间的上下车数量的度量模型;构建乘客出行成本度量模型，以乘客出行成本与车辆运营亏损之和最小化为目标函数，建立了公交弹性发车间隔优化模型;并设计遗传算法对模型进行求解.结果表明:优化模型能够有效降低出行成本.模型对等待成本有着“补短板”效果，对乘车成本有着“削峰”效果，即通过增加乘客到站量小站点的等待成本，降低乘客到站量大站点的等待成本，削弱乘车成本峰值的手段，达到总成本最低的效果.     

基于智能交通卡数据的城市轨道交通乘客个体路径选择模型

在分析城市轨道交通乘客旅行时间组成要素的基础上,提出了一种基于智能交通卡数据的乘客个体路径选择模型,克服了传统路径选择模型只考虑群体路径选择的弊端。通过分析轨道交通刷卡出行的特点,建立了乘客旅行时间模型,确立了各旅行时间要素并分析了其独立性。对出行要素进行了估计,计算出路径旅行时间,提出了乘客个体的出行路径选择模型。以北京地铁网络为案例,分析了乘客个体的路径选择,并用实际数据验证了模型的有效性。