中美交通数据开放现状调查及启示——以中美6个城市公共数据开放平台为例

[目的/意义]公共交通数据的开放程度对我国交通运输事业、社会经济发展以及智慧交通建设具有重要意义。[方法/过程]从政策法规、交通数据集数量及数据来源、交通数据内容建设、交通数据元数据、交通数据下载格式及API设置情况、交通数据创新利用、交通数据获取方式、互动交流情况等方面,详细比较分析中美6个城市公共交通开放数据建设现状、应用现状和用户体验现状。[结果/结论]发现我国公共交通数据开放存在的主要问题,借鉴美国经验提出适用于我国国情的改善策略:完善交通数据相关政策,提高交通数据数量;充分发挥交通数据价值,改善数据下载格式;重视以人为本,扩展交流平台;制定统一标准,补齐建设短板。

基于多源数据的公共汽电车运营评估——以重庆市为例

公共汽电车交通系统需要评估现状供给与需求两端的问题,以制定合理的优化方案。通过融合公共交通设施静态数据、手机位置数据、车辆GPS定位数据、IC卡刷卡数据、高德地图API路径规划数据等多源数据构建底层支撑体系。以乘客通勤出行为切入点,从设施能力、运营服务、竞争力水平3个维度构建运营评估指标体系,提出一种公共汽电车运营评估方法来度量公共交通运营服务优劣势并挖掘潜在竞争力。最后以重庆市某片区为例,深入讨论和分析了现状公共汽电车设施及运营中的不足,尤其是便捷性方面的不足明显,体现为步行距离远、运行速度慢、换乘次数多及候车时间长,并提出针对性的改善策略。

考虑站点吸引度的公交乘客上下车点识别研究

为改善常规公交一票制刷卡收费方式导致的下车站点信息丢失问题,提高常规公交刷卡大数据的实用价值,提出一种基于吸引度的乘客上下车站点识别方法,一方面利用DBSCAN算法精准识别刷卡乘客的上车站点;另一方面在出行链理论的基础上,引入乘客出行热点概念,建立刷卡乘客自身热点、城市热点和线路热点三类出行热点,实现刷卡乘客下车站点的客观刻画,最后以青岛市某线路实际运行数据为例进行了验证分析,证明了模型的有效性。

基于多源数据的共享交通潜在服务范围分析

共享交通作为城市主体交通服务体系补充的交通方式,具有成本低、服务范围广、便捷度高等特征。因此,依据出行需求及各类共享交通方式的功能定位分析其在城市中的潜在服务范围对其布局及发展具有重要意义。基于上海市2019年5月6日—12日的手机信令数据,分析上海市域居民出行时空特征;构建上海市公共交通网络并进行出行需求匹配;确立出行适宜度分级原则并识别公共交通服务薄弱的区域;根据不同类型共享交通的技术经济特征分别识别其潜在服务范围并提出分析与建议。研究发现,定制公交潜在服务范围主要为中心城区外环以外区域与外环以内区域的出行;共享单车潜在服务范围主要集中在中心城区以外区域;分时租赁潜在服务范围主要在上海市全市范围内分布。研究结论可为交通规划与运营部门制定共享交通布局和发展策略提供可靠依据。

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。

交通大数据背景下的公交问题诊断与优化综述

为深化对交通大数据背景下公交问题诊断与优化的理解,推动城市公共交通系统良性发展,围绕出行需求估计、出发时间与出行路径选择、出行时间估算及公交系统优化4类核心问题进行了综述研究。采用系统性文献综述法,对近年来的公交问题诊断与优化研究进行了全面回顾和分析,以总结既有研究的主要贡献和存在的缺陷,并探讨了未来研究的可能方向。文献梳理结果显示,以往研究存在过度关注居民个体出行行为刻画、忽视公共交通与其他出行方式的联系、未能充分考虑潜在客流需求、忽视公交线网设计与时刻表制定之间相互影响4个主要问题。从研究趋势来看,未来公交系统的分析与优化将更加关注多源数据融合和人工智能技术。这些技术将深化对公交乘客和小汽车用户出行规律的分析、解析小汽车用户向公交系统转移的作用机理,并推动公交系统协同优化模型的开发,以推进城市交通系统向更高效、环保和可持续的方向发展。

大数据环境下基于职住地识别的公交通勤行为判断与特征分析

在大量的关于公交通勤行为特征的研究中存在乘客下车站点推算准确度不高、通勤出行行为识别率较低等问题。为此,对交通小区级别的公交大数据进行挖掘,构建基于乘客职住地识别的公交通勤行为分析方法,并展开相应的实证研究。结果表明:与基于出行链的研究方法相比,本文方法识别和提取出的通勤出行链更具完整性;识别出的通勤乘客与非通勤乘客的出行时空特征差异显著。研究为交通规划部门提供了一种大数据环境下精度较高的公交通勤行为分析方法。

顾及公共交通转换自由度的城市行人路网连通性分析——以成都市中心城区为例

现有行人路网连通性研究主要从机动车路网角度出发,忽略了包含人行道、人行横道以及公共交通站点布设对行人路网连通性的影响。该文提出一种顾及公共交通转换自由度的行人路网连通性评价模型,并以成都市中心城区为例,对区域内行人路网连通性进行了评价和分析。研究结果表明:①成都市中心城区行人路网连通性呈现圈层式变化格局,公共交通明显降低了路网连通性的两极分化,显著提升了三环内及沿线区域行人步行便利性;②武侯区和金牛区的行人路网连通性高于成华区、锦江区和青羊区,行人路网整体呈现出“西南高、东北低”的空间分布格局;③在考虑公共交通转换因素后,不同街区行人路网连通性差异缩小,需要进一步优化边缘地区行人路网与公共交通的空间布局。

公交企业数字化转型探索与实践

当前,各地城市公交企业抢抓数字化转型机遇,加速公交行业创新与变革,推动公交企业迈入新阶段。通过剖析城市公交企业在转型过程中的需求,指出公交行业、公交模式、企业组织在数字化影响下的新趋势,探索建立符合公交企业发展的数字化转型总体架构与思路,论述了推动公交企业深化改革的发展理念、重点任务等,总结分析了构建数字公交体系顶层设计、数据中台、平台系统、体系机制的典型应用案例,可供“十四五”期间公交企业数字化转型发展参考。

城市居民出行碳排放模型构建及其应用

根据便携式通讯设备在不同的基站上逐时记录的数据,可推算居民的出行时间、距离和速度,在核算居民出行碳排放方面有突出优势。本研究对我国某城市便携式通讯设备的轨迹序列进行30天连续采样,以此提取出行距离、出行时长以及出行方式数据并形成142877条匿名的有效出行轨迹序列,然后分别构建了基于小汽车动力类型的碳排放核算模型和基于特征时间区间的公共交通碳排放核算模型,最终与步行和骑行出行对比,得到城市居民出行碳排放模型与特征。结果表明,公交车、小汽车和地铁累计产生了出行碳排放33264494.0 g,分别贡献了97.63%、2.09%和0.28%,且单月累计碳排放的最大平均人数区间分别为13.0 g至12715.0 g、40.0 g至579.0 g和20.0 g至38.0 g。本研究还模拟了不同的碳减排场景,其中小汽车出行和公交车出行碳排放削减量分别可以达到51.94%和70.83%。本模型能够快速精准地监测和模拟城市居民出行碳排放,具有实时性、完整性、出行时空全覆盖性的特征,体现了积极的社会意义与生态效应。

基于公交时空数据的宁波城市商业潜力研究

公共交通信息化是直接和间接支撑全社会“双碳”目标的重要方面。本文基于公交大数据提升决策精准性的出发点,利用公交大数据对宁波城市土地利用的商业潜力进行了分析。以宁波市轨道交通1—4号线和公交车刷卡数据为例,分别从总体特征和时空分布特征的角度对宁波市公交数据进行运营时空特征分析;在公交时空运营特征的基础上利用社区发现的算法构建了基于公交OD的宁波城市社区发现模型,并以该模型进行了分人群的社区发现特征分析和商业站点潜力分析。研究成果可为宁波市公交客流结构优化调整和商业站点分析提供参考依据,为构建公交大数据应用的产业化提供基础。

新城建下的智慧公交大脑应用探索

本文以广州公交集团智慧云脑平台的建设实践为案例,分析和探讨大型城市新城建背景下智慧公交大脑的建设方法与技术结构,并对部分技术创新带动传统交通运输行业数字化转型进行了叙述,包括引入深度学习算法实现公交旅行时间预测,增强城市公交的吸引力;讨论公共交通大数据技术能力建设和应用逻辑,分析乘客画像、出行OD调查等在新城建下公交行业管理、企业经营、公众服务等场景的实现;介绍广州公交在移动互联网等新技术环境下对智慧出行的实践,发展的个性化公交服务新模式。

上海公共交通模型发展及关键技术

上海公共交通模型始建于20世纪80年代,经历了从起步到成熟再到进一步完善的发展历程。起步阶段,为解决当时上海市民公共交通乘车难问题,构建了具有宏观客流模拟与分析功能的公共交通规划模型,适用于对公共交通网络及骨干走廊和线路的客流预测分析。成熟阶段,在既有公共交通规划模型偏重中长期宏观规划预测分析功能的基础上,开展技术改革和参数优化,形成公共交通系统模型,并作为当时上海综合交通模型体系建设的重要组成部分,满足对规划、建设、运营管理等不同层面的应用要求。完善阶段,信息化大数据在交通领域的发展为模型补充了新的数据基础,使模型在既有框架下继续优化参数和更新技术,提高模拟和预测的精度,进一步完善功能。通过对上海公共交通模型各发展阶段的回顾,总结关键技术,展望未来可能的发展方向。

基于IC卡数据的公交运行延误时间特征分析

城市交通拥堵问题日益严重.针对高峰时段的公交延误问题,提出一种基于IC卡数据匹配公交到站时间,利用高峰时段和非高峰时段公交运行时间的差值计算公交运行延误时间的方法,并识别公交服务延误较大的地区.基于北京市IC卡数据,计算分析了北京800多条公交线路的延误时间.结果表明,进京走廊和交通集散枢纽是公交运行延误时间大、延误频繁的区域.公交运行延误时间与站点乘客数量和公交站间距离呈正相关,与距城市中心距离和路网密度无明显相关性.单位距离延迟时间与公交站间距离呈负相关.

基于公共交通刷卡数据的轨道线路周边常规公交线路优化布局研究

近年来,大连市轨道交通建设逐步加速,先后建成运营地铁1、2、12号线,有效提升了公共交通系统服务水平,对减少居民出行时间、缓解道路交通拥堵有着重要的意义。但与快速发展的轨道交通相比,常规公交发展缓慢,相关线路并未充分结合轨道交通建设进行调整,在一定程度上出现常规公交与轨道交通竞争的现象,未形成公共交通系统发展合力。为进一步提升轨道交通服务水平,实现轨道交通与常规公交的融合发展,文中结合常规公共交通相关基础数据,提出轨道线路周边常规公交线路优化布局的方法,并通过实际案例验证方法的科学性及合理性。

基于实时路况的城市公交出行相对时空效率特征

文章提出了基于实时路况的城市公交出行时空效率分析框架。首先,通过调用互联网地图接口获取小汽车和公交基于早午晚3个时段实时路况的出行时间,并通过公交智能卡数据获取公交出行量;然后,构建一种基于相对时间效率和出行量加权的城市公交出行时空效率评价指数模型;最后,以深圳市为案例进行分析。结果表明:1)公交相对于小汽车的出行时间,在早高峰差异较大,晚高峰差异较小,即在晚高峰有较高的相对时间效率;2)在空间分布上,中心城区公交站点的时空效率指数在3个时间段整体上呈现较大的波动,外围区域高指数的站点以地铁站点为主;3)公交站点的时空效率指数在3个时间段均呈现空间聚集特征,中心城区和外围城区的站点存在不同的聚类特征,中心城区的站点在晚高峰时段公交出行相对效率更高;4)不同类型的公交站点其时空效率指数会有所差异,地铁站点的时空效率指数普遍比公汽站点高。

大数据在公共交通中的应用

及时、高效、准确的交通数据获取是分析交通管理机制,构建合理城市交通管理体系的前提,而这一难题可以通过大数据管理得到解决。美国、英国和我国的深圳对大数据在交通管理中的应用进行了实践与探索。通过大数据进行公共交通管理将面临着如何开放公共交通数据、如何保护个人隐私、如何进行交通数据的存取等问题,可通过注意保护个人私密信息、提高交通数据存取的多样性、提高交通数据质量等途径去解决。

基于DEA模型的城市公共交通效率评价

从城市公共交通系统的投入产出角度出发建立基于数据包络模型(DEA)的效率评价模型,给出城市交通系统"输入"和"输出"有效度的评价方法与指标,进而得到城市公共交通系统效率的综合评价。文章以南京市近7年(2000年～2006年)的城市公共交通系统输入输出状况为实例进行研究和分析,并从评价研究中发现城市公共交通系统的问题并寻求解决对策,为进一步提高城市交通系统的组织和优化提供基础。

公共交通快捷指数分析模型研究

优先发展公共交通是大城市解决交通拥堵,实现城市交通可持续发展的一项重要措施.居民出行对于公共交通服务快捷性的要求越来越高,掌握公交出行效率的时间变化规律,能帮助出行者合理选择出行时间和出行线路.为了更好地评价公共交通运行效率,本文结合公共交通GPS数据,提出了公共交通快捷指数分析模型,相对于传统评价指标,它能够更科学地反映公交线网运行的真实状况,实现公共交通日常运行的监测和评价.以北京市为例,对公共交通快捷指数进行计算与分析,其结果反映的变化趋势可以较好地刻画不同线路和公交线网运行效率的时变特征和空间差异.

客运枢纽相对换乘效率的数据包络分析

作者探讨了数据包络分析方法在城市客运交通枢纽换乘效率评价中的应用思路和过程,建立了客运交通枢纽换乘效率模型,提出了换乘效率模型中各项指标的计算方法.结合相应的DEA非均一评价模型,进行了北京市部分客运交通枢纽换乘效率评价的实例研究,给出了参评枢纽的换乘效率排序。进行了输入冗余率及输出亏空率分析,换乘功能侧重分析,并针对非DEA有效的决策单元提供了如何调整各项指标使之达到相对有效的有关管理决策信息.