城市轨道交通系统的层次化功能结构解析——以上海为例

解析城市轨道交通系统的功能结构对于建立以轨道交通为骨架的城市空间结构至关重要,其有助于优化城市空间布局,促进交通与土地利用融合,进而推动城市可持续发展。本文利用交通刷卡大数据,基于轨道交通站域的功能相似性和邻接关系提出了功能站组的概念,并形成了一套“站域功能分类—站组范围划定—站群结构识别”的方法体系。以上海市轨道交通系统为例,针对单个站域,构建表征站域土地利用功能的连续客流时间序列,并依据时间序列特征分类得到站域功能类型;将多个具有相似的出行模式和土地利用功能的相邻站域划定为功能站组;以功能站组为基本单元,采用社区发现算法,对功能站组间的客流交互网络进行分析以识别站群。研究结果表明,城市轨道交通系统的“站域—站组—站群”层次化功能结构解析方法综合了场所空间和流空间视角,有助于认识特大城市轨道交通系统的功能结构特征,并为轨道交通系统的发展提供多层次的空间优化建议。

基于图神经网络和XGBoost模型的物联网卡智能监测系统

随着物联网业务的快速发展,复杂多样的应用场景给物联网卡的运营管理带来了巨大的挑战,传统的管理手段已经无法满足物联网卡使用的监管要求。首先总结物联网卡异常使用现状及管理手段,分析现有异常识别方法的不足,提出了基于图神经网络和Count-Min Sketch算法的物联网卡画像特征融合构建方法,以及基于XGBoost算法的异常流量识别模型。基于以上技术,实现了对物联网卡的智能监测,提升了违规识别的准确率和召回率。

考虑人因-环境因素的山区公路警觉水平量化模型

为描述山区公路驾驶者的警觉状态及水平,综合考虑人因-环境因素,提出了一种山区公路警觉水平量化方法。通过分析驾驶者的眼动及行为数据来确定初始观测指标,基于核主成分分析法对多源数据进行降维,对降维后的主成分使用K-means聚类方法划分高低警觉水平;以低警觉水平样本概率为目标变量,通过筛选人因-环境因素得到了警觉水平量化因子;基于评分卡方法建立了山区公路警觉水平量化模型,并对模型进行了实例验证。研究结果表明:基于人因-环境因素的山区公路警觉水平量化模型的AUC值为0.907,KS值为71.86%,模型效果较好,能为山区公路驾驶者警觉水平动态评价及安全配套设施建设提供参考依据。

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。

物联网卡精细化运营平台研究

当前,在国家电网公司的统一战略部署下,各网省电力公司均大力发展电力物联网相关技术产品,结合综合能源服务相关的业务,逐步实现电力物联架设蓝图。但是对于物联网卡的运营和管理,仍需不断完善物联网卡运营管控。物联网卡的使用情况复杂,存在通信成本浪费、资源无法二次分配、现有资源无法彻底利用等问题。该文提出通过开展物联网卡精细化运营平台开发工作,优化对各类物联网卡的运营模式,拓展运营新模式,深入挖掘新的利润增长点,并提升各分公司服务感知和服务满意度。

轨道新线对公共交通乘客吸引力影响因素研究

研究轨道交通新线对公共交通乘客的吸引力影响因素,有助于理解公共交通乘客的出行方式选择行为,预判新线开通带来的客流变化,以提高公共交通运力投放效率和整体服务水平。本文利用公交智能卡数据构建量化评价轨道新线吸引力影响因素的分类与回归树(Classification and Regression Tree,CART)模型,实证分析轨道新线吸引力与乘客特征间的相关关系。首先,从长时期的刷卡记录中挖掘乘客类型、出行习惯、出行特征和职住地轨道可达性等乘客特征指标;其次,以开通后的乘车次数表征新线吸引力,基于上述特征指标构建整体精度为82.6%的轨道新线吸引力影响因素解析决策树模型;最后,依据决策树结构和指标权重量化解析影响轨道新线对公共交通乘客吸引力的关键因素。分析结果表明,居住地距新线距离是影响新线对其吸引力最重要的因素,其次是居住地的轨道可达性水平及乘客联乘出行比例;而出行时间、出行距离等因素对轨道新线吸引力的影响较小。此外,轨道新线对老年乘客的吸引力与其他群体存在明显差异。本文研究成果对优化公共交通规划与运营组织具有重要指导意义。

基于GPS与IC卡数据的公交站点匹配方法

一票制(单次刷卡)公交线路IC卡数据中缺少乘客上车站点信息,为获得乘客上车站点信息,需要将IC卡交易数据与公交站点进行匹配。首先根据公交车辆GPS数据和公交IC卡数据分别推算站点间运行时间,建立匹配约束规则完成首次站点匹配,并求得公交车辆GPS系统与公交IC卡收费系统的时间平均偏差值,再将时间平均偏差嵌入数据匹配模型,利用禁忌搜索算法对其他未匹配的交易记录进行二次匹配。为作比较,数据试验还包括仅根据站点间运行时间对GPS和IC卡数据进行匹配,从而找到IC卡交易记录与公交站点对应关系。数据试验表明:在GPS数据较完整的条件下,该方法能够精确实现IC卡交易记录与上车站点的匹配,而对比试验方法的匹配精度为80%,低于本文所研究方法。

基于单片机和射频技术的北京市公交“一卡通”系统解决方案

通过分析北京市公共交通现状,提出了一套适合北京市公共交通体系结构的公交“一卡通”系统解决方案.实现了多种收费制度的统一,同时能统计月票的使用情况,实现了月票收入在各运营公司之间、公司内部各车辆之间的动态分配.并针对公交车车载收费系统设计了基于单片机硬件电路,证明了该方案是具有可行性和经济性的.

基于GPS和IC卡数据的公交出行OD推算方法

主要基于GPS和公交IC卡数据研究推算交通小区公交出行OD的一种方法。将居民公交出行分为闭合型出行链和非连续型公交出行链,通过数据的挖掘融合技术,结合居民公交出行规律推算交通小区的公交OD矩阵,利用站点吸引强度对无明显规律的紊乱出行数据进行修正,提出了基于GPS和公交IC卡数据推算公交出行交通小区OD的方法,并以佛山市中心城区为例验证推算方法的可靠性。研究表明:所得公交出行OD矩阵精度较高。

基于公交IC卡和GPS数据的换乘识别方法

为提高公交换乘识别的精度,将IC卡和GPS数据融合推断得到乘客上车站点和下车站点及下车时间,在此基础上根据居民公交出行的特点及过程,从时间角度和空间角度来判断公交换乘行为。时间角度判断是从乘客站台候车时间及乘客站台候车时间段内是否乘坐第一辆目标线路车辆两个方面进行换乘行为识别。空间角度判断通过两个参数即迂回系数和直达系数来进行换乘行为的判断。最后,与只从时间角度识别的方法进行了对比。结果表明:考虑空间因素的识别方法更为合理全面。

基于卡口系统车牌识别数据的交通状态判别方法

车牌识别数据是一种新兴的针对城市道路行驶车辆的实时监测数据技术,具有持续生成且数据量大、时间空间相关等特性.利用车牌识别数据进行高效、准确的旅行时间计算,然后进行单车行程速度及区间平均行程速度计算,以平均速度作为判别标准,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,基于卡口系统车牌识别数据的应用可以获得高质量的交通数据,同时交通拥堵识别方法能够准确获得拥堵持续时间、拥堵类型等有用交通信息,从而为交通管理部门提供实时、可靠的决策依据.

公交IC卡智能管理系统的设计

如何加强企业管理、改善服务质量、降低运营成本、提高经济效益越来越成为公交企业面临的急待解决的难题。研究了城市公交IC卡智能管理系统的设计,对接触式IC卡和非接触式IC卡进行了全面的比较,讨论了系统中的IC卡的选型、IC卡的管理、收费管理和数据采集,整个系统设计成由公交总公司、营运分公司、营运场站构成三级营运管理行政架构。系统的实现有利于提高公交企业的经济效益和社会效益,进一步深化公共交通的全面改革。

基于GBDT算法的地铁IC卡通勤人群识别

随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GBDT)机器学习算法为基础的通勤人群识别方法。首先以周工作日的首末次平均刷卡时间、首末次平均刷卡时长、首末次刷卡时长波动程度、刷卡次数总和等5个特征来制定调查问卷的数据格式。然后利用处理过的带标签(通勤/非通勤)的调查问卷数据去训练GBDT分类器模型,测试样本的通勤识别的准确率高达94.16%。最后利用该模型对广州地铁IC卡数据通勤人群进行识别,结果显示广州地铁刷卡数据中通勤人群数量为131万左右,占总地铁刷卡出行人数32%左右。

城市轨道交通网络单程票卡调配模型

城市轨道交通单程票卡调配是票务组织中的重要组成部分.针对路网票务中心与线路票务中心间票卡调配问题,将其转化为载重能力约束条件下的车辆路径优化问题(Vehicle Routing Problem,VRP),构建以配送成本最小化为目标,以配送车辆路径为决策变量的优化模型,并采用遗传算法求解.以北京市轨道交通网络为对象进行实证分析,结果显示:所构建方法相比单次配送过程,成本平均降低约49.6%;相比既有装卸混合条件下的配送过程,成本降低约18.7%,验证了模型的准确性与有效性.所构建方法能够有效解决轨道交通路网层票卡调配问题,为票务组织提供理论和方法支持.

基于平衡记分卡的轨道交通PPP项目绩效评价体系研究

从我国轨道交通PPP项目绩效评价体系缺失的现状出发,借鉴平衡记分卡四维的理念,在分析轨道交通PPP项目特性的基础上,构建了轨道交通PPP项目的六维绩效评价体系。以灰色关联度分析法确定指标权重,然后选择白化权函数灰评估法确定指标的聚类系数,以聚类系数评价轨道交通PPP项目的绩效。最后,以徐州市轨道交通1号线PPP项目为对象进行实证分析。

SQLite在基于ARM-Linux的公交IC卡数据管理系统的应用

本文对嵌入式数据库SQLite的发展过程、特点、语法结构给予简单的介绍;给出详细的SQLite向ARM体系结构的移植过程;结合基于ARM-Linux的公交IC卡数据管理系统的开发实例讲解SQLite在嵌入式系统中的具体应用。

基于IC卡数据的轨道站点候车时间特征分析

城市轨道在面对高峰时刻大量的通勤客流时,有可能因地铁已满负荷行驶乘客而等待下一车辆,由此产生轨道站点候车时间。基于此,提出了一种基于地铁IC卡数据来计算高峰时期乘客真实候车时间的方法。其特点是针对特定OD,通过高峰时刻乘客出行时间与非高峰时刻乘客的出行时间的关系来计算乘客站内高峰候车时间。基于IC卡数据可计算出真实准确的候车时间,并使用北京市地铁IC卡数据计算了北京市278个轨道站点站内候车时间,并对其候车时间特征进行了分析。

基于智能调度数据的公交IC卡乘客上车站点判断方法

为了能够应用公交IC卡数据分析公交乘客的出行特征,对判断公交IC卡乘客上车站点的方法进行研究.以南宁市智能公交系统为例,采集公交IC卡收费系统和公交智能调度系统的运营数据,应用数据仓库技术建立智能公交数据分析平台.通过将智能调度系统数据与公交IC卡收费系统数据进行关联,判断公交IC卡乘客的上车站点,对提出的方法进行精度分析和算法实现,并应用海量的智能公交系统实际数据对算法进行了试验.研究结果表明,本文提出的方法判断公交乘客上车站点的准确率达到98%以上,算法效率满足实际应用需要,该方法能够用于公交系统的规划和管理工作.

基于IC卡和RBF神经网络的短时公交客流量预测

在公交客流量特性分析基础上,通过IC卡获取了实时公交客流量数据;结合GPS数据,利用OD反推法分析了实时客流分布;进而建立了基于IC卡和RBF神经网络的短时公交客流量预测模型并介绍了具体预测过程。对重庆市841公交线路进行了实例分析,得到上下车客流真实值与预测值的平均绝对相对误差均小于1.5%,实例计算结果表明该模型能获取实时客流数据,预测精度高,具有一定的实际应用价值。

峰前折扣票价下轨道交通乘客出发时间弹性

以北京地铁峰前折扣票价政策为背景,利用自动售检票数据研究折扣票价对乘客出发时间的影响.首先,从"消费行为"视角建立客观的分类指标并对客运市场进行细分;其次,以较长时期内出发时间中位数为指标,基于"事前—事后对比法"对出发时间发生转移的乘客进行辨识;最后,准确测定不同类型乘客出发时间对票价变动的敏感程度.结果显示:乘客出发时间票价弹性随转移时长增加而急剧下降,30 min几乎是乘客所能接受的最大转移时长;通勤类乘客弹性最低,低频及生活类乘客相对富有弹性;限制当前折扣票价政策效果的主要因素在于折扣截止时间过早.该研究能够为差别定价方案编制及优化提供关键参数.