基于公交GPS和IC卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分,而候车时间是决定公交系统吸引力的关键因素,也是评价城市公交服务水平的指标之一.目前,获取乘客候车时间的主要途径为问卷调查法和视频采集法.但是这些方法费时费力,仅能实现小范围典型站点的候车时间的调查,无法快速完成线路甚至线网级别的候车时间采集.为解决上述问题,本文基于北京公交GPS和IC卡刷卡数据,采用非时齐泊松过程理论构建了乘客到站模型,并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法,该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间.基于此方法本文计算了1 d内北京公交606路全线的人均候车时间变化情况,计算结果表明,606路早晚高峰和中午乘客人均候车时间最短大约在200 s左右,下午乘客的候车时间较长.

基于峰值密度聚类的公交出行目的分类模型

针对如何利用公交卡刷卡数据自动对公交出行目的进行分类问题,基于峰值密度聚类的理论,建立了一个能够在指定区域下对公交乘客出行目的进行准确分类的方法模型。本文根据出行目的不同提取相应特征,将特征相似的乘客进行聚类。得到结果后将每个类簇的特征均值作为该类簇群体的出行特征,根据出行特征可以得出每位乘客的出行目的和群体出行目的的统计结果。利用北京市西单地区乘客的公交卡刷卡数据,通过将实际数据与调查问卷结果进行比对验证,证明了该模型方法与传统调查问卷方法相比节省了大量的人力物力,具有良好的效果和实用价值。

基于IC卡综合换乘信息的公交乘客上车站点推算

现有研究在缺少公交车运营信息的情况下,利用公交线间正交换乘信息的方法来识别公交车持卡乘客的上车站点,但在实际运用中很多班次无正交换乘的乘客,容易导致公交乘客上车站点匹配困难。因此,本文提出了一种基于IC卡综合换乘信息的公交乘客上车站点推算方法,该方法充分利用IC卡数据中的综合换乘信息(公交线间的正交和非正交换乘信息、地铁和公交线间的换乘信息)与公交网数据确定班次行驶方向,对班次内的乘客进行分组,充分利用综合换乘信息确定基准组及其对应的上车站点;然后,通过最小偏差规则匹配待定组的上车站点,实现公交乘客上车站点的推估。利用换乘信息确定班次行驶方向弥补了现有研究无法确定班次行驶方向的不足,使公交乘客上车站点推算方法更科学;最后,基于2011年8月的"深圳通"IC卡数据进行实例分析,对比只利用正交换乘信息确定的基准组数量和利用综合换乘信息确定的基准组数量,结果表明:该方法可使确定上车站点的组数占总组数的比值提高,克服了只利用正交换乘信息推算上车站点方法中存在的单个班次无基准组从而无法进行站点匹配的困难。本文方法比只利用正交换乘信息匹配站点,具有更高的可行性与准确率。