考虑出行特征的电动汽车协同充电调度优化研究

针对大规模电动汽车无序充电导致的充电供需不平衡和资源利用率低等问题,在分析用户出行特征的基础上,提出电动汽车协同充电的调度优化策略。通过经济激励改变电动汽车用户的充电选择,并结合电网的分时电价策略协调充电站内各时段输出功率,以充电站收益最大化为目标建立电动汽车协同充电调度优化模型。为降低解空间的维度,加快求解速度,将模型分解为充电调度主问题和站点功率协调分配子问题,利用改进遗传算法编码求解模型主问题,并通过调用Gurobi求解器求解子问题。最后,分别在经典路网和现实路网中进行仿真实验。结果表明:电动汽车协同充电调度能够提高充电资源利用率和站点收益;随着调度补偿力度增大,站点收益提升效果逐渐减弱;较高的电力峰谷价差可以激励充电站主动实施充电调度和时段充电功率的协调分配,提高站点服务率并缓解电网负载波动。

基于POI-OD矩阵与GTWR分析共享单车出行特征与影响因素

共享单车的时空分布特征反映了居民的出行需求,单车出行的流动则体现了居民使用共享单车的目的性。本文基于东芝加哥中心区域11个月的共享单车出行数据的时空分布特征,结合POI分布建立POI-OD矩阵量化OD的流动特征,结合GTWR分析各类型POI与共享单车流入、流出量的相关性。结果表明:1)共享单车工作日呈现早晚高峰趋势,以短距离出行为主;2)交通运输类和餐饮类POI是主要转移热点;3)户外休闲类、餐饮类、娱乐类、工作教育类和交通运输类POI的数量对格网内共享单车的流入、流出量有积极影响,影响程度递减;住宅类和商业金融类POI的数量对格网内共享单车的流入、流出量有消极影响,住宅类影响最显著。

基于职住地关系的城市轨道交通乘客出行特征挖掘和乘客分类

[目的]依据城市轨道交通出行轨迹数据挖掘出行特征时,乘客出行活动模式与其居住地和就职地站点紧密关联,在出行轨迹上表现为乘客乘车线路固定、进出站站点集中等特征。同时,关联居住地和就职地的乘客出行轨迹也呈现出一定的波动性,与职住地强关联的出行数据和其他出行数据间往往表现出较明显的差异。为实现对乘客出行轨迹特征的精准挖掘,需厘清城市轨道交通乘客出行数据中的职住地关系。[方法]提出一种基于职住地关系的出行特征挖掘和乘客分类机制,从基于居住地、就职地、社会活动地的乘客轨迹活动热点角度形成初步职住地判断,探索与职住地关联性强的出行时空规律;通过基于乘客出行轨迹特征值提取的K-means(K均值)聚类算法对职住地判断后的乘客聚类结果,形成精准匹配乘客出行特征的乘客分类方法。[结果及结论]仿真验证结果表明,职住地关系明确的乘客出行模式分为两点式、两点两线式、三点式及多点式等4类,该出行模式分类结果是构建精细化乘客画像与制定智能安检策略的重要技术基础。

出行特征视角下社区老年人日间照料中心配置研究

社区养老设施是支持老年人实现“在地化养老”的重要环节,在未来的城市建设中将大量配置。文章聚焦社区老年人日间照料设施,以深圳市为例,通过走访调研,收集老年人使用设施的出行数据,并基于设施供需匹配水平及布局公平性,综合评价设施配置的现状。研究发现:第一,老年人日间照料设施配置落后于老年人口增长,且存在设施运营不佳等现实问题;第二,老年人使用社区日间照料设施出行,可接受的最大范围远大于设施的服务半径;第三,综合分析设施供需匹配情况及布局公平性评价,认为目前社区老年人日间照料设施配置处于供给不足且分配不均阶段。文章结合老年人使用设施的出行特征、设施供应能力与空间服务水平评价,从设施分级体系构建、设施15分钟生活圈配置优化和设施功能空间耦合三方面,提出促进设施配置优化的建议。

基于乘客出行特征和综合成本均衡的城轨列车开行方案优化研究

基于乘客的出行特征和线路运营特性,研究构建一个多目标非线性整合优化模型,旨在实现乘客等候时间、车辆运用时间及走行公里的最优组合。该模型以列车开行频率和小交路折返位置为关键决策变量。为简化问题,通过线性加权方法将各项指标转化为总成本,从而将原模型简化为单目标优化模型。以北京地铁A线为例,深入研究如何找到均衡总成本最低的列车开行方案。研究结果表明:与常规交路列车开行方案相比,精准匹配乘客出行特征的大小交路开行方案能够显著降低整体运营成本,最高可降低11.9%;在比较不同覆盖区域和行车间隔的大小交路列车开行方案时,发现越能精准匹配乘客出行特征的方案,其总成本越低,可在满足乘客需求的同时,有效避免运力浪费;当小交路运行区段过短时,可能会使乘客出行不便,且无法进一步降低企业的运营成本。

基于手机信令数据的广州都市圈出行特征分析

利用手机信令数据分析了广州都市圈的居民出行特征,运用统计分析和OD分析方法,探究了广州都市圈城际出行规律,结果表明,前往广州的跨市出行热点区域集中于广州中心城区,而非广州与相邻城市的边界地带。特别是通过分析跨市出行通勤率与圈层大小和城市类别的相关性,发现跨市出行通勤率与圈层大小相关性较弱,且与城市类别关系不强。此外,联系紧密的广州和佛山地区二者之间的出行具有相似性,反映出行“有去有回”的特点。

决策树优化选择下城市交通出行特征研究

文中对基于决策树优化选择下城市交通出行特征进行研究,通过研究城市交通出行方式,缓解城市交通出行压力。基于决策树算法基本理论,构建决策树模型,选取城市交通出行特征作为分类依据,运用C4.5决策树算法对城市交通出行数据进行分类,根据分类后各个不同特征叶子节点对上层子节点的总占比进行城市交通出行特征优化选择分析,并在“Occam's razor”的基础上,利用重新引入法提出优化方法,解决C4.5决策树算法存在的过度拟合问题,提升城市交通出行方式分析效果。实验结果表明,该方法可有效分析城市交通现有出行特征,指导城市交通规划,依据该方法的分析结果对早高峰线路进行优化后,有效减少了长距离拥堵路段,同时避免了严重阻塞路段的产生。

基于居民出行特征的职住地精细化识别

为了解决传统职住模型测算规则的单一性和局限性,降低各区域居民用户因作息规律差异或临时性变化而造成的职住地识别误差,创新性提出一种基于不同区域居民出行特征的职住地精细化识别方法。首先,采用“3 min切片”和“角度+驻留时间+连接次数”等多种方式对手机信令数据进行降噪提炼;然后,基于时空约束密度聚类进行驻留点识别分析;最后,根据各城市居民日常出行特征,通过引入加权驻留时长动态更新各城市区域居民用户职住地测算规则,进而精细化识别不同城市用户职住地分布。实验结果表明,所提方法涉及的过程均合理有效,且最终的职住地识别效果要明显优于传统单一职住模型测算规则,适用于同时批量处理多个区域职住地问题,尤其对因突发状况而产生作息时间变化的城市效果更为显著。

燕郊至北京CBD区域通勤出行特征研究

在京津冀协同发展战略的推动下,燕郊与北京市CBD之间的通勤流量持续增长。然而,由于交通供需不平衡,“出行难、通勤慢”已成为该区域通勤者的主要挑战。本研究基于对燕郊至北京CBD交通供给现状的深入分析,并结合手机信令数据与线下问卷调查结果,探讨了通勤人群在出行时间、耗时及出行方式选择等方面的特点。研究成果旨在为提升两地间的通勤出行服务质量提供实用的参考和指导。

基于K-Means++的地铁乘客出行特征画像研究

识别分析地铁乘客出行特征对于城市轨道交通运营企业准确掌握乘客出行需求,提升运营服务质量具有重要意义。基于地铁乘客满意度调查中获取的性别、年龄、乘坐次数、出行目的等数据,采用K-Means++算法对地铁乘客出行特征进行画像,将乘客分为6类。根据所占比例大小,依次为弱依赖型男乘客、弱依赖型女乘客、通勤强依赖型男乘客、通勤强依赖型女乘客、非通勤女乘客、非通勤男乘客,并对6类乘客出行的显著特征进行了分析。

佛山杨和镇幼儿园出行特征分析

以广东省佛山市高明区杨和镇为例,采用网络问卷调查的方法,对幼儿园的接送家长、出行距离、出行方式和出行时间等出行特征进行研究分析。研究结果为中小城镇幼儿园交通影响评价出行预测调研方法和出行参数提供参考,对幼儿园设计方案和周边交通设施规划建设和管理具有一定启示作用。

巡游出租车满意度调查及出行特征分析

出租车作为城市综合交通系统的重要组成部分,为市民提供了便利的交通服务。现阶段,对比网约出租车的迅速发展,巡游出租车在定价、服务等方面所存在的一些问题逐渐显现出来。文章通过问卷调查西安市市民分别对巡游出租车和网约出租车的满意度,将结果进行对比分析,利用R语言软件对西安市的巡游出租车工作日订单数据进行出行特征分析,得出西安市巡游出租车运行的时间、空间特征。针对需要改进的问题,做出巡游出租车运营服务升级的优化策略,从而提高巡游出租车在出租车市场上的竞争力。

基于出行特征的汽车客运站最高聚集人数测算研究

为实现汽车客运站最高聚集人数的准确测算,在现有客运站最高聚集人数研究成果基础上,进一步探索出行特征与旅客到站时间之间的影响机理,针对同一车站不同发车环境下的班车旅客到站时间倾向性进行统计分析,认为旅客因出行特征的不同,其到站时间存在明显差异;在保证数据获取便捷的基础上选取5个出行特征对旅客到站时间进行预测;进而构建考虑旅客到站时间差异的车站最高聚集人数计算模型,并以重庆陈家坪汽车站为例进行案例分析,验证了方法的有效性。

基于多模式交通网络建模的居民出行特征探测——以深圳市为例

当前研究多基于单一数据源模拟单一出行模式的交通网络,难以客观全面地反映居民真实出行特征。该文以深圳市为例,提出基于交通小区划分和站点路径匹配的多模式交通网络建模方法和居民出行特征分析的多特征融合算法。首先,顾及交通网络时空分异性,设计多尺度交通小区划分算法简化复杂网络;然后,利用站点路径属性与交通小区匹配连接,构建多模式集成的复杂交通网络模型;最后,综合利用移动轨迹挖掘和特征融合技术,设计多模式出行特征融合算法,系统刻画多模式融合下的居民出行特征。实验结果表明:相比仅使用单一数据源,多模式集成方法能有效消除数据偏差,更准确地揭示区域间的交通紧密程度,更全面地反映居民的出行行为和偏好,可以更好地为城市规划和交通治理提供科学决策依据。

老年人公交出行特征及引导策略研究综述

全世界范围内老年人口比重正在快速增长,这一群体的出行需求受到社会各界越来越多的关注。老年人的自然衰老过程伴随着身心健康水平的下降,这些变化可能对其的出行产生重大影响,因此,老年人的出行行为相比年轻群体产生了较大变化。在中国,公交作为一种低成本、大运量的交通工具,成为老年人的主要出行方式之一,研究老年人公交出行的特征,有助于深入了解老年人公交出行需求。本文从老年人公交出行当前发展现状出发,围绕老年人公交出行特征、影响老年人公交出行的因素、老年人公交出行满意度、老年人公交出行引导策略等四个方面对老年人公交出行的研究现状进行了综述并指出现有研究的重点。老年人出行行为方面,公交IC卡数据和问卷调查数据被广泛应用于老年人出行目的、频率、时空特征等问题的统计分析,但对其出行机理的研究有限。影响老年人公交出行的因素主要集中于探究个人属性(年龄、性别、健康状况、经济水平、家庭结构等)和环境因素(天气、地形、城市用地、服务设施、政策等)。在老年人公交出行满意度方面,由于身体机能下降的原因,老年人更加关注公交出行的舒适性、便捷性和安全性。老年人公交出行引导策略方面,众多城市通过出台相关政策法规、改善公交出行环境、保障公交出行安全以及提高公交服务水平等措施主动引导老年人合理出行。最后,本文对老年人公交出行未来发展趋势进行了展望,以期能够为打造适老化的公交出行服务提供参考。

基于聚类算法的公共交通乘客出行特征分析——以北京市为例

为掌握乘客的精细化出行需求,进而提升公共交通系统的服务品质,以北京市为例,利用智能卡数据对乘客的出行特征进行分析。首先通过数据预处理获取乘客的完整出行链,然后从出行强度、出行时间和出行空间三个维度提取乘客出行特征指标,并利用主成分分析法(Principal Component Analysis, PCA)对其进行降维处理,最后基于降维后的特征利用不同的聚类算法对乘客进行分类。研究结果显示:K-means++算法的聚类效果最佳,聚类结果包含5类具有不同出行特征的乘客群体;其中类型一乘客的出行强度较大且出行时空特征稳定性较高,具有较明显的通勤出行特征,该类型乘客人数仅占总乘客数的18.4%,但其出行量占比超过55%,由于其公共交通依赖度较高,高峰期间应作为重点保障对象;类型二主要为生活类出行乘客,其出行时空稳定性较低,应深入挖掘此类乘客的个性化生活出行需求;类型三~类型五主要为低频或偶然出行乘客。根据乘客多天的出行链,进一步挖掘类型一乘客的居住地和工作地,结果显示乘客居住地主要分布在回龙观、天通苑以及黄村等区域,工作地主要分布在国贸、中关村和望京等区域,与北京市现状相符。

限行影响下的城市机动车出行特征研究——以浙江省杭州市为例

以浙江省杭州市为研究对象,分析研究限行新政策实施前后居民出行方式的变化,对目前有驾驶证的杭州市居民的出行特征进行深入分析,研究回收调查问卷中的信息,全面阐释杭州市限行新政策的影响,为杭州未来交通发展提出可行性建议。在完善杭州市限行新政策的基础上,切实提升人民生活的幸福感,构建人性化交通,体现以人民为中心的理念,达到便民利民的目的。

都市圈视角下浙江省高速公路交通运行和出行特征研究

为了更好地掌握都市圈视角下浙江省高速公路交通运行特征及拥堵态势,以浙江省交通投资集团控股的高速公路2021年ETC门架和收费站等数据为基础,利用统计分析方法,分析高速路网交通运行总体特征及都市圈跨区通道时空变化特征,指出高速公路运行存在的问题,从数据感知体系完善、通道走廊改扩容、智慧化提升建设等方面提出相关建议,为浙江省高速公路网运行安全及效率提升提供参考,以期更好地服务浙江省高速公路运营管理者和驾驶出行者。

基于多源异构大数据的出行特征分析——以苏州工业园区为例

融合交通相关的多源异构大数据,持续推进年度交通需求特征分析,是提升交通数字化治理能力的重要工作。基于苏州工业园区连续3年交通出行特征研究工作,形成构建多源数据融合分析的工作体系,建立17类多源异构数据库,形成综合特征分析指标体系,并改进多源数据融合分析算法。连续3年在长三角区域、都市圈和市域市区视角下,研究疫情下苏州工业园区人口岗位、职住和出行特征变化,区域跨市出行需求变化和综合交通枢纽出行需求特征,及时响应和支撑苏州工业园区城市交通发展决策工作。

大、中城市典型出行特征及交通模式探讨

为探讨不同规模城市在城市发展阶段、空间形态、出行特征差异性下的合理化交通模式选择问题,以广州市和汕头市的调查数据为基础,研究这两座城市在社会经济发展、职住聚散、交通出行特征和交通出行模式等方面的差异性,并基于不同交通出行模式特征及适用条件和城市发展战略,提出大、中型城市交通模式差异化的选择方法。研究结果表明:大城市应采取“去中心化”方式发展,其中心城区应强化公交都市模式的建设,其外围城区应由均衡发展模式向公交主导模式进行转变,其外围非城市地区则应注重个体出行与公共交通的均衡发展,适应差异化的交通需求。中等城市的中心城区应从以小灵快交通为主导的模式向以公共交通为主导的模式转变,引导该地区居民形成公交出行的习惯,适应其中心城区高质量发展与建设的趋势,其外围地区则应构建与其短距离出行、均值化密度相适应的以个体交通为主导或均衡发展的模式。该研究成果可为大、中型城市的交通模式的构建和选择提供参考。