基于图数据库的公交出行行为分析

文章基于图数据库Neo4j构建了公交出行行为分析场景建模,对深圳市约1000条公交线路,一天工作日的公交刷卡数据进行建模分析,建模规模达到500万节点,1000万条边。研究分析了同乘人员、站点最大客流提取、关联查询识别、站点群公交出行量识别等公交出行行为。在不同的公交出行行为场景分析中,对比分析了ORACLE数据库与Neo4j的查询性能,多维关联查询中Neo4j性能远高于ORACLE数据库,表明基于图数据库可方便高效实现复杂数据的关联挖掘分析。

基于IC卡数据的老年人公交出行行为

公交是城市老年人主要的出行方式。为研究老年人公交出行行为选择,引导老年人错峰和合理出行,提高公交运营效率,基于长沙市公交IC(Intergrated circuit)卡刷卡数据,分析了老年出行者高峰出行和无谓出行的状况。采用MNP(Multinominal Probit)模型和MNL(Multinominal Logit)模型,以一种新视角构建了老年人公交出发时间和出行次数选择模型,按照出行日期不同分别进行模型参数标定。结果表明:卡片类型、年龄、优惠程度、消费金额对出发时间和出行次数有显著影响,不同年龄段的高峰出行和无谓出行存在差异,且MNL模型的拟合精度度更高,能为解决老年人高峰出行和无谓出行提供指导。

基于公交IC卡数据的乘客出行分类研究

为得到体现公交乘客出行时空规律的数据,采用基于出行链方法推导出公共汽车乘客的下车站点;建立了描述单个乘客多天出行的完整数据框架;根据乘客参加不同活动所产生的出行时空特征定义了3类出行:通勤类出行、普通类出行和随机类出行,将出行频次与出发时间的标准差作为分类标准对公交乘客出行进行分类。研究表明:39.1%的乘客具有普通类或通勤类出行,生成总客流的76.4%;60.9%的乘客只具有随机类出行,生成总客流的23.6%。通过对乘客出行的分类研究可以更好地掌握乘客公交出行的规律和需求。

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异,精准识别乘客公共交通依赖度,有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联,获取包含个体属性的公共交通出行链,从出行行为和个体属性两方面提出8个依赖度指标,构建二阶聚类模型,识别乘客公共交通依赖度.结果表明:样本按依赖度高低被划分为4类群组;部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量,并有向私家车出行转移的趋势;乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响,得出结论,个体属性指标间存在耦合关系,且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性,为精准改善公共交通服务提供支撑.

基于CUBE的公共自行车衔接换乘影响研究

为改善城市公交预测模型的预测效果,提高其对交通方案评价的可靠性,分析了CUBE软件PT模块的运行机理,考虑西安市公共自行车的大规模使用和城市交通模型PT模块中未包含公共自行车出行方式的不足,在原有的PT模块基础上增加了公共自行车接驳和换乘模式,提出了一种包含公交、公共自行车、步行共三种出行方式的改进的公交预测模式。以西安市高新区BRT线路规划为例,对改进的公交预测模式进行了应用。改进前后的预测数据对比分析结果显示:添加公共自行车模块后,3条BRT线路连接小区的数量分别增加11个、12个、18个,与常规公交的换乘量分别增加7.5%、8.1%、9.3%,全天客运量分别增加9.2%、10.2%、13.6%,准确的反应了公共自行车在改善公交接驳方面的作用。

基于CUBE的公共自行车衔接换乘影响研究

为改善城市公交预测模型的预测效果,提高其对交通方案评价的可靠性,分析了CUBE软件PT模块的运行机理,考虑西安市公共自行车的大规模使用和城市交通模型PT模块中未包含公共自行车出行方式的不足,在原有的PT模块基础上增加了公共自行车接驳和换乘模式,提出了一种包含公交、公共自行车、步行共三种出行方式的改进的公交预测模式。以西安市高新区BRT线路规划为例,对改进的公交预测模式进行了应用。改进前后的预测数据对比分析结果显示:添加公共自行车模块后,3条BRT线路连接小区的数量分别增加11个、12个、18个,与常规公交的换乘量分别增加7.5%、8.1%、9.3%,全天客运量分别增加9.2%、10.2%、13.6%,准确反应了公共自行车在改善公交接驳方面的作用。