出租汽车GPS数据的空间分布特征及应用——以广州市为例

出租汽车GPS数据记录了车辆的出行轨迹、时间、起讫点等信息,利用相关算法可以挖掘车辆或乘客的运行特征、时空分布特征等,应用于交通规划和运营管理。在总结出租汽车GPS异常数据的处理方法以及时空分布特征主要算法的基础上,对广州市约2万辆出租汽车的上下客流热点区域、时间分布、OD分布等进行总结。以广州市为例进行实证研究,从交通规划、运营管理、服务模式等方面选择典型案例,剖析广佛出租汽车返程点布局规划、公共汽(电)车夜班线路优化,以及如约巴士+出租汽车新服务模式的应用尝试。

大数据在交通规划和管理中实践探索——以广州为例

大数据条件下的交通系统分析不是将大数据技术简单套用或者移植到交通领域,而是将大数据技术融入到交通体系中,将数据挖掘成为有效信息,从价值信息中提炼特征,从特征变化中发现规律,从特征规律中提出措施.首先,梳理大数据的特征、发展阶段以及交通大数据3大类别;其次,分析手机数据、IC卡数据、GPS数据和道路卡口数据的基本原理和应用领域,以广州市为例进行实证研究,并从单类数据深入挖掘、数据质量评估和验证以及多元数据融合等提出研究3点展望,为下一步城市交通大数据的应用提供参考.

同城化背景下公共客运交通一体化问题探讨——以广佛同城为例

随着经济全球化和区域一体化进程不断加深,行政边界的壁垒成为区域(城市群或都会区)协调发展的主要障碍。研究区域治理措施对促进区域一体化发展具有重要意义。总结国内外关于区域治理的理论基础,其共同点包含管制机构、渠道构建、激励因素等。梳理广佛同城发展脉络,对同城发展四个阶段的宏观举措和交通措施进行总结。以广佛同城为例进行实证研究,从城市规划、道路建设、轨道交通、公共客运交通等方面选择五个典型案例,以管制机构、渠道构建、激励因素为切入点进行剖析。从管理机制、参与主体、法律法规、信息共享等方面提出对策。

基于IC卡数据估计交通小区的公交OD算法

公交客流OD是公交线网优化、评估的基础数据;也是公交运营管理不可或缺的重要信息,而公交站点OD是区域公交OD客流的基本单元。在分析利用IC卡数据挖掘公交站点OD客流原理的基础上,梳理公交站点OD推算小区OD的影响因素,引入公交站点至小区之间的距离权重系数以及地块用地分配权重系数,构建了公交站点OD推算交通小区OD的模型算法;并对比分析不同参数构建模型的优劣。同时,以广州市为例进行实证研究,算例表明了模型的可行性和算法的有效性。

广州与东莞城际公交规划分析

为加强穗莞之间的联系,深化穗莞战略合作,广州与东莞间应尽快开展高效便捷的城际公交网络构建。利用手机信令数据对穗莞城际出行热点需求分析,就出行覆盖盲区进行公交线路规划。分析结果显示现行的城际公交尚未覆盖东莞中心区以及东莞西南侧广莞交界区域等出行热点,结合上述区域周边轨道线网分布情况,建议规划三条城际公交线路,衔接广州4号线、13号线以及东莞2号线,公交可达性显著提升。

基于深度学习的城市轨道交通短时客流量预测

我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出城轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明, DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型--GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax.

城市公交平均候车时间估计模型

城市公交系统中包含海量的IC卡刷卡数据与公交智能调度数据,这些数据是对城市公交的运营状况和服务水平进行全面、客观、科学评价的基础。公交候车时间可以直接反映公交系统的运营和服务水平,是影响公交运输竞争力的一个重要因素。该文分别针对普通公交站点和快速公交(BRT)站点建立平均候车时间估计模型。其中对于普通站点,通过泊松分布、伽马分布等概率模型来估计乘客到达车站的时间,结合公交车的报站信息获取公交车辆的到达间隔,以此进行平均候车时间的计算;而对于BRT站点,通过上下车信息推断算法,估计乘客的上车时间,再结合乘客刷卡进站的时间来进行平均候车时间的计算。通过对公交站点的实地调查,验证了该模型估计的准确性。最后将其应用于广州市公交系统全网的分析计算,实现线路—班次—站点的层面对平均候车时间进行估计。