联合重复性与周期性的公交乘客个体出行规律分类

针对分别度量个体出行短期规律(重复性)与长期规律(周期性)信息表征不完全问题,本文提出联合重复性与周期性度量公交乘客出行规律,按个体日出行链划分乘客出行模式,分别改进重复性信息熵模型与周期性评分函数,基于K-Means++算法对公交乘客出行规律进行分类。应用2019年10月~12月浙江省海宁市的数据,从时间、空间两个维度分别度量重复性与周期性,得到4个规律程度的信息熵指标;用仅重复性以及联合重复性与周期性两种方法,分别将71080名公交乘客分为重复性强且周期性强、重复性强但周期性弱、重复性弱且周期性弱这3类。比较两种方法下3类乘客出行时间的频数分布与个体数量变化发现,联合重复性与周期性可以使30.52%,即21692名乘客的类别划分更加合理;比较乘客个体出行模式热力图,证明了方法的有效性。结果表明:联合重复性与周期性度量乘客个体出行规律,可以提升公交个性化需求的识别精准度。

基于多时间粒度的地铁出行规律相似性度量

乘客出行规律对城市轨道交通运营管理至关重要,而不同时间粒度下观测到的客流规律差异较大。以往研究缺乏多时间粒度车站层级客流规律的量化研究。本文基于刷卡数据分析不同时间尺度下地铁出行规律的相似性。构建客流时间序列模型和相似性度量方法,使用连续五周北京地铁刷卡数据分别度量1 min到720min共16个时间粒度下,进站客流和OD客流与历史同期的相似性大小,并基于度量结果给出一定精度要求下预测短时进站量和OD量时的最小时间粒度推荐值,以综合相似性指标对全网车站的可预测等级进行划分。多角度统计分析结果表明,工作日客流与历史同期相似性较大,高峰比平峰、早高峰比晚高峰相似性大。

旅游者出行规律的研究

旅游者的出行规律直接影响了旅游区域内交通系统的创建,本文在探讨旅游者出行影响要素的基础上,依据其旅游心理和需求将旅游者分为经济型、文化型和中间型三类,进而分析三类旅游者的出行规律和出行模式。

考虑出行规律的电动汽车规模化协调充电

针对电动汽车规模化充电负荷建模与优化充电,建立了电动汽车接入配电网的0-1整数规划模型,采用扩展微分进化算法与分枝定界法相结合的方法进行求解,得到电动汽车规模化协调充电控制策略;通过配电网仿真实验,证明该策略能够实现电动汽车充电负荷的有效控制,实现"削峰填谷"的效果,降低配电网网损0.3%左右;考虑用户接受协调充电政策的意愿,对协调充电政策的经济性进行分析,结果表明将优化充电政策推广人群比例定于50-80%范围内经济性较好。

北京与伦敦地铁基于自动售检票数据的客流出行规律对比分析

基于地铁自动售检票系统连续一周的数据,从多粒度、多层次、多角度对比分析了北京与伦敦地铁乘客的出行规律。结果显示:北京与伦敦地铁乘客的出行频次分布相似,但伦敦地铁的高频出行乘客更多,而北京地铁的低频出行乘客更多;伦敦地铁的总体换乘比例略低于北京,更便捷,且伦敦的短距离出行比例远高于北京;北京地铁周末的通勤出行更多,而伦敦市民从周五至周日的夜晚出行更多。地铁乘客的出现规律不仅与城市结构,居民的工作生活状态有关,对城市轨道交通的网络结构及运营管理也有重要的参考价值。

构建游客出行规律的NetLogo交通仿真模型

针对当前以通勤交通为主的传统的城市交通系统已无法满足大量的旅游交通的需求的问题,根据对游客出行规律和旅游交通的研究,提出旅游交通道路建设的相关建议。定量分析影响游客出行规律的5个因素:出行方式选择、出行逗留时间和出发地与目的地的距离以及交通属性、目的地属性,并基于NetLogo交通仿真系统建立网状、大马路状和树状三种道路模型,为游客提供更加便捷、舒适的出行,促进旅游业的发展。

太原铁路局旅客出行规律及营销策略研究

随着社会经济的不断发展，人们的出行需求在与日俱增，铁路旅客周转量也随之得到了持续增长。然而，随着国民收入的稳定增长，高价快捷的民航出行方式和通达性强的公路出行显示出强有力的竞争力，铁路客运市场的占有份额呈现出下降趋势，全国范围的运输市场结构发生了巨大变化。因此，铁路客运部门有必要优化运输产品结构，引入市场竞争机制，采取多种市场营销手段，逐步建立系统的铁路运输营销机制，努力取得更好的经济效益和社会效益。

居民公交出行链重复性量化分析及其出行规律研究

作为城市交通的枢纽,公共交通系统承载了大量的居民出行。自动数据采集系统收集的IC卡数据包含了大量的乘客出行信息,通过这些数据可分析居民公交出行规律,进而优化公交服务。引入信息熵及熵率对居民公交出行链重复性进行量化,研究了基于量化指标分析居民公交出行规律的方法。通过出行地点状态标定,将乘客的出行链转化为离散的出行序列;利用信息熵和熵率对出行序列进行量化分析,得到出行重复性与量化指标的关系,即出行序列的信息熵越大,熵率越小,该乘客出行重复性越高,出行规律越强。基于重复性量化处理,以石家庄公交智能卡乘客出行数据为例,分别从群体和个人这2个方面对公交乘客的出行规律进行分析。结果表明,出行链重复性量化指标可以对出行规律的强弱进行直观判断。当乘客出行规律不明显,但信息熵高于样本均值2.53 bits、熵率低于样本均值1.13 bits/事件时,可通过进一步分析挖掘出乘客潜在出行规律。

基于手机信令数据的城市区域居民出行OD预测模型

为揭示城市区域居民出行规律和OD产生原理,基于手机信令数据探索城市区域居民出行目的地选择机制,考虑人口数量和POI数量两类数据建立一个地点机会选择(POS)模型。利用联通智慧足迹平台获取得到哈尔滨市居民手机信令出行数据,从交通小区和交通中区两个尺度,对哈尔滨市市二环、三环、四环不同范围展开实例研究。结果表明:地点机会选择模型预测结果在吸引能力和出行距离分布中基本符合实际数据规律,从交通小区和中区两个尺度上看,该模型预测精度分别能够达到67%~72%、75%~83%,较机会优先选择模型预测精度分别提高了13%~18%、9%~20%,较辐射模型预测精度分别提高了57%~60%、55%~60%。本文所提出模型的优越性在于模型简单且无待定参数,输入数据较容易获取,具有较高的预测精度,能够为城市交通规划提供理论参考。

岳阳市居民出行特征分析及交通发展研究

分析了岳阳市１９９７年居民出行调查的有关数据，通过出行方式、出行强度等一系列指标，总结归纳出岳阳市居民出行的规律及原因，针对其特点提出了发展公交、交通需求管理等建议．

江苏省十一黄金周客运交通出行特征分析

为掌握节假日期间区域客运交通的运行特征,分析公众出行规律和需求,本篇运用数理统计方法,结合高速公路、铁路、航空三大出行方式数据,分析江苏省某年十一黄金周期间出行客流量变化情况,其结果可为城市十一假期交通预测、管理部门规划决策提供量化参考依据。

地铁站客流拥挤风险识别与特征分析

为了更好防范风险,以角门西站为例,选取平时和临近春节的工作日数据,从拥挤风险时段和局部空间拥挤风险两方面分析研究地铁站客流拥挤风险.根据AFC数据,分析乘客在不同工作日进出站和换乘客流特征,确定客流拥挤风险时段;通过Anylogic仿真,用热力图识别地铁站客流拥挤位置.基于服务水平等级标准,提出了1种用密度、单位宽度行人流量和速度参数判别地铁站不同位置的拥挤状态的方法.分析了平时和临近春节的工作日早高峰的客流变化情况,并且用拥挤持续时间来衡量客流拥挤风险的大小.结果表明:该方法可为地铁运营方应对拥挤风险提供理论支撑.

基于AFC数据的城市轨道交通乘客目的站实时预测

为解决轨道交通只有在乘客刷卡离开路网,且获得实际列车运行图后,才可通过清分模型系统仿真推演其全出行链的问题,在实时接入自动售检票系统(AFC)刷卡数据情况下,建立基于乘客出行OD规律、乘客职住地规律及重点去向车站规律的级联目的站预测模型,为进站乘客快速预测目的站,进而与清分模型系统结合实现进站乘客在网分布的实时动态推演。通过开展乘客目的站预测,提高客流实时仿真推演系统对各项客流指标的预测准确度,不仅方便运营管理人员进行科学高效的网络化运营调度指挥及客运管理,还可为乘客出行提供个性化引导。

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。

基于典型行车路线理论的城市交通中诱导屏选址优化方法研究

为了获取城市交通中出行者的群体性出行规律,提出了典型行车路线理论,把典型行车路线上的路段作为诱导屏放置的备选地点,在此基础上综合分析交通量、交通拥堵事件的发生率以及诱导屏的经济制约条件(诱导屏的数量约束条件)等因素,以研究的路网区内的所有诱导屏的诱导效益最大化为目标建立诱导屏选址优化的目标函数,最后并用改进的遗传算法进行求解,获取最优的诱导屏布点方案.

基于数据驱动方式的电动汽车充电需求预测模型

电动汽车充电需求预测是研究电动汽车与电网和交通网互动的重要前提,由于现有工作大都没有采用真实的交通数据来分析电动汽车充电需求。为此,该文提出一种基于数据驱动方式的电动汽车充电需求预测模型。首先利用"滴滴"网约车出行原始轨迹数据进行数据挖掘与融合建模,数据分析过程包括区域范围选定、空间网格建模、轨迹数据映射、POI检索数据识别、城市功能区聚类以及交通路网建模。通过建模处理得到了功能区域划分、出行规律分布以及实际行驶路径等再生特征数据。其次考虑电动汽车的移动负荷特性,建立包含行驶特征参数和充电特征参数的单体电动汽车模型。然后将建模分析得到的再生数据以及单体电动汽车模型作为充电需求预测架构的数据来源和模型支撑。最后以南京市某区域为例,设计路径规划实验和不同场景充电需求负荷实验。结果表明所提模型可以有效预测不同日期类型和不同功能区域充电需求负荷的时空分布特性,也为后续电动汽车充电控制和充电引导的研究奠定理论基础。

公交线路客流OD矩阵推算方法研究

公交线路客流OD矩阵是公共交通管理和控制不可缺少的信息。参照机动车OD矩阵反推技术,对公交线路客流OD矩阵推算进行了专门研究。在公交线路客流OD调查数据的基础上,分析得到居民公交出行规律。首次建立了根据公交乘客上下车人数推算公交线路客流OD矩阵的极大熵模型,分别采用原始资料作为先验OD和重力模型形式的先验OD对模型进行求解,结果证明该模型精度较高。

从黄庄路口看北京交通

文章主要通过在一周不同三天中不同代表时段观察一个路口———北京市城区黄庄路口,收集了公车、轿车和自行车的流量数据,并从这个路口所收集到的交通数据来分析这三种主要交通工具的出行规律,并由此讨论了整个北京市的交通情况,最后提出一些改善目前北京市交通状况的建议。

规模化电动汽车充电负荷的预测及其对电网的影响

电动汽车充电负荷时空分布预测是分析研究电动汽车充电对电网影响的前提,也是电网规划、运行调度的基础和依据。在对充电负荷影响因素分析的基础上,提出将预测区域进行分层分区,对不同功能用地的主要车辆,依据其出行链特性,基于转移概率矩阵建立描述车辆出行规律的模型。根据用户充电行为的随机性和不确定性,应用模糊推理法和概率统计法建立车辆在不同目的地的充电概率,并运用蒙特卡洛法对不同功能用地的充电负荷进行计算。最后,以A城市某片区为例,对其未来充电负荷进行预测,得到该地充电负荷的时空分布,并且分析了不同充电场所充电负荷对电网所造成的影响。

基于交通一卡通数据的交通状态分析及动态控制研究

针对公交出行需求的快速增长及出行结构的现状,提出了公交出行动态收费控制模型及其应用方法.本文以公交线路一卡通刷卡数据为研究对象,通过利用统计、对比、建模等方法,对出行人群的出行时间、出行类型占比及其变化曲线进行分析,总结出城市居民公交出行的行为特征和规律,以此研究并提出公交动态收费控制方法来优化公交出行结构.结果表明,这种针对老年人的动态控制模型设计可以有效优化日常出行结构,降低公交拥挤密度,提升公共交通出行效率和治理水平.