基于智能刷卡数据的乘客上车站点估计研究

针对城市公交自动收费系统中缺少乘客上车站点的问题,本文首先设计两阶段、改进K近邻和改进模糊C均值聚类这3种估计算法,并将估计结果与传统的时间窗算法进行对比;其次,采用熵率方法确定不同算法估计乘客上车站点的准确率;最后,以珠海市18路公交的智能刷卡数据为例,验证所提出算法的有效性。研究结果表明,3种算法均能实现所有乘客上车站点的全部匹配,与传统的时间窗算法相比,匹配率高约36.3%。就3个维度样本数据的平均熵率而言,乘客上车站点估计的准确率从高到低分别为两阶段算法,改进K近邻算法,改进模糊C均值聚类算法;两阶段算法与改进K近邻算法准确率相差不大,选择熵率最小的算法确定乘客最终的上车站点。本文研究方法可以应用于城市公交系统。

基于智能刷卡数据的地铁乘客分类研究

为了解决根据自身属性对乘客分类存在主观性较强的问题,提出一种基于出行特征的地铁乘客分类方法。以杭州市地铁智能刷卡数据为例,以用户卡号为索引提取个体出行轨迹,构建包含进站时间、进站线路、进站站点、出站时间、出站线路和出站站点的用户出行链,从中提取乘客出行强度特征、时间特征和空间特征,利用二阶聚类算法建立乘客出行的分层聚类模型,首先基于出行强度特征对乘客进行初始层聚类,然后基于时间特征和空间特征进行第二层聚类,最终将乘客分为8类,并分析不同类别乘客的出行规律及总体特征。