基于交通大数据的公交线路OD矩阵推断方法

随着交通大数据的普及与广泛应用,提出了一种推断多模式交通网络线路OD矩阵的方法。首先,通过匹配乘客的刷卡数据和公交车辆报站数据获得乘客的上车站点,其次结合地铁刷卡数据准确分析乘客的下车站点,最后根据乘客的出行信息获得线路OD矩阵。利用广州一天近800万刷卡数据和600万公交报站数据进行了上车站点、下车站点以及OD矩阵的推断,结果表明:早高峰与全日出行规律一致;广州交通方式呈现多样化等。提出的方法可以更为准确地获得线路OD矩阵,揭示城市交通特点,具有较高的实用价值。     

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。     

基于时空特征提取的城市轨道交通乘客出行目的地预测

为满足城市轨道交通运营组织进行客流管控和行车调度的实时需求,提出了基于乘客OD时空特征的出行目的地在线预测方法。通过分析定义乘客OD时空特征矩阵,以乘客个体的历史自动售检票系统（AFC）数据为训练样本,提出了基于行程密度聚类的乘客OD时空特征提取方法。分析制定乘客实时进站刷卡信息与其OD时空特征矩阵的匹配规则,基于3种匹配情况分别提出了相应的目的地实时预测方法。以南京市轨道交通AFC数据为实例进行验证,结果表明本文提出的预测方法在高峰时段预测准确率、全天预测稳定性等方面效果良好,可为地铁运营组织提供参考。     

基于大数据的南京市共享单车时空特征研究

共享单车的兴起极大地便利了人们的短距离出行,利用单车大数据来挖掘和分析短距离的出行规律已成为智慧城市和智慧交通的重要热点.利用南京市的摩拜单车时空数据,研究了单车的时空分布规律与差异,并重点挖掘了早晚高峰时刻以及区域间单车流动规律等,研究表明:(1)南京市整体早、晚高峰时间分别为7:10-8:37和17:15-18:25;副中心早高峰比主城区早35min开始,且晚高峰持续时间长;(2)早、晚高峰高强度骑行主要分布在以新街口、百家湖等为中心的区域;主城区和副中心区有着骑行差异,短距离骑行主城区相对副中心具有更高的比例,副中心则具有更多的长距离骑行;(3)单车骑行围绕地铁站而显现聚集趋势,并且集中于地铁1,2,3号线区域.     

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NL模型的北京公共交通票价对出行方式影响研究

利用SP(stated preference)调查挖掘了更多乘客选择出行方式时关注的因素,对比研究了MNL(multinomial logit)与NL(nest logit)模型机理,构建了更具适用性的交通方式选择NL模型,以北京市为例验证了模型的可靠性。应用模型分别探究了常规公交及地铁票价变化对乘客交通方式选择的影响。结果表明,随着常规公交票价的增加,0~10 km范围内常规公交出行者向私家车转移,10 km以上则会选择地铁出行;而随着地铁票价的增加,地铁出行方式的分担率明显下降,并导致公共交通分担率的下降。通过探究公共交通票价变化对乘客出行方式选择的影响,为北京市公共交通票价调整提出合理建议。     

地铁广州南站七号线开通时客流组织

随着广州地铁线网的不断扩大,日均客流不断攀升,截至目前广州地铁现运营9条线路,在建11条线路,到2025年广州地铁将再新增16条线路,将实现市域范围内60 min内可到达市中心。客流的增加避免不了的会出现大客流车站,为加快乘客出行及换乘时间,减少客流交叉点,避免乘客拥挤带来的不安全因素,该文以地铁广州南站为例,结合客流组织措施,介绍新线开通时如何进行客流控制。     

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。     

深圳地铁1号线续建工程接触网过渡方案浅析

世界之窗站是深圳地铁1号线一期工程的最后一站，又是深圳地铁1号线续建工程的起始站，深圳地铁1号线续建工程接触网系统在世界之窗与既有的接触网接驳，新架设的承力索、接触线与既有的承力索、接触线形成一个非绝缘锚段关节。由于世界之窗站为已投运车站，接触网施工只能在晚上地铁停运后才能进行，其时间紧、施工难度大，安全、成品设备保护要求高。     

基于自动检票系统数据挖掘的地铁刚性出行起讫点识别方法

刚性用户是地铁用户群的主要构成部分。对刚性出行起讫点的识别有助于深入了解该类型用户的出行特点,为地铁精细化管理和运营提供数据基础。针对现有起讫点挖掘方法指标较笼统、无法针对个体用户出行特征等问题,提出基于自动检票系统(automatic fare collection,AFC)数据挖掘的地铁刚性出行起讫点识别方法。首先,在分析AFC数据特点的基础上,以用户站点序列为媒介,通过用户出行的时空规律识别地铁刚性用户;其次结合刚性用户出行特点,提取刚性出行起讫点属性;最后以北京地铁为例,验证该算法的准确性,探讨北京地铁刚性需求分布。研究结果表明:该算法识别率可达到93. 5%,满足地铁运营和规划的数据要求;北京地铁刚性出行起讫点分布与现状用地属性及客流集散情况相吻合,间接证明了该算法的可靠性。     

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。     

出租车载客热点技术研究

通过挖掘北京市出租车历史轨迹数据,分析出租车载客热点区域,从而为空载行驶的出租车司机提供寻客方向.基于大数据平台的历史轨迹数据预处理,按照数据生成时间对出租车历史数据进行排序,提取历史数据中的所有乘客上车地点;使用聚类算法对提取出的上车地点进行聚类分析,提取乘客频繁出现的区域.以出租车寻找乘客为背景,分别采用基于密度的DBSCAN算法和基于距离的K-means算法对载客点进行聚类.采用聚类算法性能评估中的DB内聚指数对两种算法的聚类效果进行评估,结果显示工作日和非工作日DBSCAN算法聚类结果的内聚效果均优于Kmeans算法.     

地铁列车延误情况下乘客可容忍候车时间预测模型

为预测地铁列车延误发生后不同类型乘客可容忍候车时间以深化非正常运营情况下地铁乘客出行行为方面研究,引入生存分析理论并建模.首先明确乘客可容忍候车时间的定义并分析其特征,在此基础上选择参数模型及Weibull分布构建考虑影响因素的乘客可容忍候车时间预测模型,最后通过行为(RP)和意向(SP)混合问卷调查获得的数据标定并检...     

城市轨道交通换乘常规公交时间优化模型

为探究城市轨道交通换乘常规公交的时间优化模型,以上海市晚高峰时段地铁6号线金桥站换乘874线路公交车为例,利用统计分析软件,分析客流到站时间,得到对数正态分布;并在此基础上建立乘客候车时间模型,运用调查所得数据设置模型各参数值;最后以乘客候车时间最少为目标函数,利用遗传算法求解得到874线路公交车优化后的到站时间.结果表明:利用时间优化模型求得的874线路公交车发车时间与优化前的发车时间相比,乘客的候车时间平均每人节约约52.8 s,有效提高了人们的出行效率.     

基于时间特征行为动力学的通勤模式分析

公共交通是解决城市交通拥堵问题的有效措施.通勤群体作为城市公共交通的主要参与者,其行为模式一直以来是学界的研究重点与难点.本研究以全样本出行数据为基础,采用人类行为动力学方法,通过分析通勤乘客的出行时间间隔分布特征,从群体层面实证了人类行为"幂律呈现"的普适性,但同时也在部分个体样本上观察到了"幂律消散"现象.深入研究发现,这些偏离幂律拟合特征的个体,一般具有更为规则的出行规律.进一步提出了基于曲线拟合参数及出行间隔谱函数的通勤乘客聚类方法,直观、有效地解决了通勤乘客的细分问题.珠海市的案例显示,对于深入研究城市公共交通出行规律具有很强的实用价值.     

考虑乘客时间成本的城市公交发车间隔优化模型

针对城市公交发车间隔优化时对公交运行过程描述不够全面、未充分考虑乘客时间成本的问题,提出了考虑乘客时间成本的城市公交发车间隔优化模型.首先,在详细分析能够体现公交车辆运行特征的不同时段与站间的运行速度、站点停站时间、上车人数、下车人数、滞留人数以及新增候车人数等变量或参数基础上,建立车辆运行约束和乘客人数约束,将包含等候时间和在车时间的乘客平均出行时间作为出行成本、车辆平均满载率作为公交企业载客成本,以乘客出行成本与公交企业载客成本之和最小为目标建立发车间隔优化模型.然后,使用软件Pycharm中scikit-opt代码库调用遗传算法求解模型.最后,以北京市848路公交上行线路早高峰8:00—9:00时段为例,求解其理论最优发车间隔,结合运营实际确定实际最优发车间隔及总成本.研究结果表明：考虑乘客时间成本后的发车间隔较实际发车间隔,乘客平均出行成本降低9.09%,公交企业载客成本上涨0.57%,乘客与企业总成本下降约3.01%,提出的模型可行有效.     

城市轨道交通运营中断条件下乘客路径选择模型

为研究城市轨道交通运营中断条件下乘客的路径选择行为，首先依据运营中断事件对乘客的不同影响对乘客进行分类，并给出对应的路径选择策略。其次基于出行时间和出行费用2个因素确定了广义时间费用的计算方法。然后分析中断时长对乘客的影响，构建了中断下的乘客参考点的取值原则。最后利用累积前景理论和Nested Logit模型构造了乘客路径选择模型。算例结果表明：模型计算的乘客路径选择概率结果与实际统计结果相对误差不超过10%，具有良好适用性；乘客路径选择行为随中断时长的改变呈现动态变化，短时间中断下乘客路径选择行为变化剧烈，长时间中断下乘客路径选择行为相对稳定；乘客对出行费用的接受度越高，越倾向选择出行时间短的路径；乘客对中断忍耐程度越低，对路径综合价值越敏感。     

北京轨道交通单位距离行程时间可靠性评价

本文以北京轨道交通AFC数据为基础,提出了新的单位距离行程时间可靠性评价指标和方法, 并使用该指标和方法对北京市轨道交通行程时间可靠性进行了实例评价。总体上看，乘客出行时间虽然会受到早晚高峰的影响，但影响不是很大，北京轨道交通网络整体的行程时间可靠性较好。     

面向低需求时空的实时预定公交动态调度系统

为改善城市低需求时空下交通供需不平衡问题,提出一种面向交通低出行需求场景的实时预定公交动态调度系统。当低需求时空下的出行者发出预定请求后,调度系统根据时空阈值筛选出满足条件的公交集;采用启发式最短路径算法和Python工具实现动态公交的路径规划;并利用响应判断函数计算出效益为正的公交子集,估算出公交预期到站时间并按到站时间由短至长排列出供乘客选择的公交方案,调度系统根据乘客选定方案指派公交并实时反馈公交信息给乘客。以重庆市396路公交线路为案例,验证了提出系统的可实施性;在三种乘客比例情景下测算乘客候车时间并与传统模式进行对比,结果表明,公交发车间隔增加20%时,乘客候车时间仍将减少53%以上。实时预定公交动态调度系统可有效提高低需求时空下乘客出行效率和公交运营效率。     

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...