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。

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.

公交线路选择的相关性规律和换乘总量计算模型

传统的公交换乘信息是通过居民出行调查方法获取,具有费用高、数据更新慢等不足.应用公交IC卡数据对乘客连续两次乘车的时间间隔分析,发现当两次乘车为非换乘关系时,选择乘坐相同线路的人次与选择乘坐不同线路的人次之间具有强相关性.通过对相关性规律的内在机理进行理论分析,证明其具有普适性.应用发现的规律建立了公交系统换乘总量的计算模型,并提出了基于公交IC卡数据的计算算法.以大规模实际数据对算法进行了实验和验证,研究结果表明提出的模型和算法具有良好的实用性和精度.

基于多源出行数据的居民行为模式分析方法

基于对智能交通卡数据的挖掘与分析能够为城市交通建设和城市管理提供有力支持,但现有研究数据大都仅包含公交或地铁这两方面数据,且主要关注群体性宏观出行规律。针对这一问题,以某城市交通卡数据为例,该数据包含着城市居民日常出行公交、地铁、出租车等多源数据,首先提出行程链的概念对居民出行行为建模,在此基础上给出不同维度的周期性出行特征;然后提出一种基于最长公共子序列的空间周期性特征提取方法,并对城市居民出行规律进行聚类分析;最后通过规则定义5个评价指标对该方法的有效性进行初步验证。结果表明引入该方法的聚类算法对聚类结果有6.8%的效果提升,有利于发现居民的行为模式。

基于智能交通卡数据的城市轨道交通乘客个体路径选择模型

在分析城市轨道交通乘客旅行时间组成要素的基础上,提出了一种基于智能交通卡数据的乘客个体路径选择模型,克服了传统路径选择模型只考虑群体路径选择的弊端。通过分析轨道交通刷卡出行的特点,建立了乘客旅行时间模型,确立了各旅行时间要素并分析了其独立性。对出行要素进行了估计,计算出路径旅行时间,提出了乘客个体的出行路径选择模型。以北京地铁网络为案例,分析了乘客个体的路径选择,并用实际数据验证了模型的有效性。

太原城市公交一卡通系统设计与规划

解释了城市公交一卡通的含义,介绍了太原城市公交的概况、城市公交一卡通系统的基本组成,分析了城市公交一卡通系统体系结构与安全系数,对城市公交一卡通所产生的效益进行了探讨。

基于IC卡数据的公交通勤熵变模型的构建与应用

建立利用公交IC卡数据计算公交过剩通勤熵变的框架,对优化城市居民通勤出行距离的难易程度进行定量分析.结合公交出行的特点,构建基于Wilson熵模型和双约束重力模型的公交通勤熵变模型;以广州市居民公共交通IC卡数据为例,对通勤筛选、单元问题及过剩通勤熵变评价等进行探讨.结果发现,采用约1 km×1 km的单元格划分是城市公交通勤熵变模型中适合的单元划分方式,公交过剩通勤的熵变能够有效衡量平均通勤距离减少的难易程度和检验改变通勤行为相关政策的有效性.

基于刷卡数据的公共自行车交通流特性研究

传统的自行车交通流特征分析,主要采用在路段和交叉口实地观测的方法,记录自行车的到达时间、车头时距和车速,存在耗时费力、记录误差等缺点.本研究以南京公共自行车刷卡记录为数据来源,克服了传统调查手段的不足,以南京市典型公共自行车站点为例进行交通流特征分析.发现公共自行车的车辆到达分布服从泊松分布,车头时距在不拥挤情况下服从负指数分布;车速服从正态分布,而且在共享单车进入南京后公共自行车车速明显下降.研究结果对公共自行车运营管理和慢行交通系统改善提供了科学依据和决策支持,有利于进一步提升南京市公共自行车的服务水平.

基于朴素贝叶斯分类器的乘客出行属性分析

确定出行目的是探究出行规律的重要环节,而公交智能卡数据中恰恰缺少此部分属性。将出行调查数据与智能卡数据融合,对调查数据中的上、下车时间、出行目的进行提取,基于贝叶斯概率模型对其进行分析;对应智能卡数据集,借助朴素贝叶斯分类器对缺少的出行目的属性加以补充。以石家庄市北国商城公交站为例进行实证分析,并基于不同出行目的,对乘客的日出行次数及每名乘客的出行周变规律进行分析。结果表明,该方法对出行目的估计准确率为85.6%,乘客通勤出行平均每周4.7次,因私出行每周2.9次,归家出行每周3.4次,并给出了相关统计结果。

天气因素对公交客流量的影响研究

公交客流量是公交企业在经营中最关注的经济指标,研究天气因素对公交客流量的影响可以帮助公交企业提前应对天气变化造成的公交客流量波动。利用2014年8—12月广州市6路公交的刷卡数据和日平均及小时天气数据,将公交客流量残差作为因变量,气温、天气状况、风力作为自变量,基于多元线性回归方法分别建立经常性乘客和偶发性乘客的工作日、休息日公交日客流量和小时客流量模型。研究发现,天气对公交客流量的影响随着乘客类型(经常性/偶发性)的不同、出行模式(工作日/休息日)的不同呈现明显的差异性:小雨、中雨/大雨会显著降低公交客流量,休息日相比工作日、偶发性乘客相比经常性乘客更加明显;雷阵雨会显著增加偶发性乘客的公交客流量,但对于经常性乘客的影响不显著;气温、多云、阴、雾对公交客流量的影响仅在小时模型中显著。最后从公交运营、公交站点设计及站点周边步行环境设计等方面提出了应对不利天气的建议。

大数据驱动的地铁留乘行为分析

近年来地铁系统客流量急剧增加,时空上的过度拥挤造成留乘问题日益严峻。留乘严重影响了地铁运行效率,但目前缺少相关的行为学机理研究。该文使用深圳通刷卡数据,从乘客个体层面细化地铁出行过程,以乘客理性出行时间为基础识别留乘,并观测其时空分布特征。统计结果表明:深圳地铁1号线平均留乘率为12.0%,平均留乘时间为4.20 min。该文从个人、车站和线路3个层面挖掘城市地铁留乘的影响因素,提取乘客多日出行的留乘决策数据构建面板logit模型(panel logistic regression model, PLM),进一步以留乘乘客为研究对象,构建考虑个体特定效应的面板数据随机效应回归模型,探究留乘时间影响因素作用机理。结果表明:长距离出行、起始站上车和高峰时段的乘客留乘概率高,频繁出行的乘客留乘概率低;起始站上车的乘客虽有更高留乘概率,但留乘时间未显著增加,晚高峰下行方向和早高峰上行方向留乘时间分别增加0.61和0.88 min,相对运行方向留乘时间不增反降。该文挖掘了留乘行为决策机理,提高了个体留乘行为决策及留乘持续时间的预测精度,能为列车精细化调度和发布面向乘客的定制化引导策略提供依据。

北京市居民地铁出行出发时间弹性时空分布特征研究

伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明:(1)北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;(2)北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;(3)居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。

基于公交刷卡数据的武汉市职住通勤特征研究

通勤出行和职住关系对于理解城市空间结构和职住组织模式具有重要意义。基于公交刷卡数据,以武汉市主城区和都市发展区为研究区,通过构建出行模型和职住地识别规则,识别了职住通勤群体,从职住密度、通勤时间与距离、通勤流向和可视化等方面对武汉市的通勤出行和职住平衡进行测度,并识别了武汉市的职住通勤模式。结果表明:①核心城区的职住密度明显高于其它城区,承载着较多的居住和就业人口;②通勤距离与时间具有核心—外围—边缘的递增模式;③城市主要通勤流位于核心城区和外围城区;④职住通勤模式总体可以概括为核心—外围—边缘的单中心向内通勤模式,越往外围区域越呈现职住错位的趋势。

基于公交IC卡数据的城市空间活动多中心性

城市的空间结构以及功能布局一直以来是城市规划相关学科关注的重点,城市中心带+多个城市副中心的空间布局结构业已成为目前中国大中型城市普遍的规划发展方向。基于上海市轨道交通IC卡数据,通过空间聚类方法对上海城市空间活动联系的多中心结构进行定量分析。分析结果确定了人民广场中心、陆家嘴中心以及静安寺中心等8个城市空间活动中心,与城市总体规划中东西走向的经济发展轴带的预期设想保持基本一致,而4个规划确立的城市副中心(徐家汇地区、真如地区、花木地区以及五角场地区)的发展还尚未完全成熟。研究结果有效识别了城市空间活动联系的多中心结构、提取了相关空间活动特征,并有助于在多中心空间活动环境下对城市交通系统未来的发展方向进行判断与分析。

基于客流时间序列的城市轨道交通车站分类

针对不同类型的车站在城市中的区域特征、交通功能、用地功能等方面差异,进行科学合理的车站分类,了解城市功能分区、解读居民出行特征、理解城市格局和演化以及评价轨道交通基础设施建设情况。采用主成分分析(PCA)方法对轨道交通进出站客流进行特征提取,采用Hopkins统计量分析聚类趋势并探讨聚类数量确定方法,采用CH系数、轮廓系数和DB指标对比分析高斯混合模型(GMM)和K-means聚类的优劣,基于南京市轨道交通2017年连续2周工作日的刷卡数据,采用GMM对其车站的类型进行识别,并对不同类型的轨道交通车站进行空间分析。研究结果表明:在相同的输入变量和迭代次数下,GMM的3个检验指标均优于K-means聚类;采用GMM将南京市轨道交通车站分为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型和枢纽综合型6类;南京市轨道交通车站具有明显的圈层式分布特点,人口稠密的城市中心区域以就业导向型和错位偏就业型车站为主,人口密度适中的主城区以混合型车站(职住错位型、错位偏居住型和错位偏就业型)为主,人口密度较低的远郊区的轨道交通车站功能相对单一;人口密度超过2万人/km^(2)的轨道交通车站有14个,以就业导向型和错位偏就业型为主,人口密度在1万~2万人/km^(2)的轨道交通车站有16个,以就业导向型、职住错位型和错位偏就业型为主,人口密度在0.5万~1万人/km^(2)的轨道交通车站有12个,以职住错位型、错位偏居住型和错位偏就业型为主。研究结果可以辨识城市轨道交通车站工作日的客流高峰时段,为轨道交通运营管理部门制定有效的进出站客流组织、避免大客流冲击造成的拥挤踩踏等群体性事件的发生具有指导意义。

基于拉格朗日松弛算法的自动驾驶公交调度优化研究

为了解决公交实际运营出现的调度方式单一、车辆配合度较差、串车等问题,降低公交运行中人为因素的影响,提高公交系统的运营效率,提出一种考虑乘客动态需求的调度模型,采用自动驾驶环境下的公交运营方式,结合站点实际乘客需求调配车辆,实现了公交车辆利用程度最大和乘客总体等待时间最小的多目标优化。提出的自动驾驶公交调度方法,获取了乘客个体的实时出行需求,同时实现了对车头时距的调控。在模型求解方面,选取拉格朗日松弛算法,最终获得了多目标优化问题的精确解。以北京公交300路快车作为实际案例进行分析,从公交实际运营数据中提取多项参数作为模型的输入,通过拉格朗日松弛算法的求解,得到自动驾驶条件下公交运行时刻表、乘客等待时间、公交承载量、站点上车乘客人数等多项运营指标。通过与公交实际运营状态的对比,论证了采用自动驾驶公交对于改善公交运营现状的可行性。最后将优化结果与公交实际数据进行了对比分析。结果表明:自动驾驶车辆投入公交运营,能够缓解串车问题,同一线路上公交车的载客量分布更为均衡,在同一断面的客流与车头时距的不均衡程度均有所降低;同时高峰时段发车数量减少了20%,公交车的平均承载量提高了21.7%,车辆平均间隔缩短了29.9%。