基于关联规则的公共交通通勤稳定性人群辨识

通过对北京市公共交通乘客出行行为调查数据、公共交通刷卡数据和线站数据进行关联匹配,提取了公共交通通勤乘客出行链。利用一个月的公共交通出行数据,从活动点、出行空间和出行时间的角度提取了非家活动点类别数、典型出行链占比、出行空间均衡度、时间稳定性和时间集中度5类指标用来描述乘客出行稳定性。引入关联规则方法中FP-growth算法,采用支持度、置信度和提升度3个参数挖掘不同项集长度下各特征属性之间的关联规则,识别出3类稳定性差异显著的通勤人群,并对辨识方法的合理性进行了验证。研究为制定针对性和差别化的公交供需管理策略提供了支撑,助力更加高效和精细化的公共交通出行服务。     

中小城市居民出行链特征分析

根据齐齐哈尔市2014年居民出行调查的数据,运用统计分析方法分别从出行链总体特征、出行链出行方式特征、出行链时空特征进行分析研究。齐齐哈尔市平均出行链次数为1.39次/日,近一半的居民出行需要换乘,平均出行链长度为1.68。在不同方式的出行链中,随着出行链长度的增加,小汽车出行链所占比例增大,而公共交通出行链比例减少;当公共交通出行链可达率达到0.6时,大部分人能够接受选择公交出行。出行链中到达时间与出发时间的走势大体一致,但到达时间滞后于出发时间;教育科研用地、商业金融用地和居住用地对出行链吸引量均达到80%以上。总结出了出行链的分布规律,为中小城市交通规划建设提供了理论依据。     

危险货物道路运输车辆出行链活动类型识别

针对危险货物运输(危货)车辆出行链上停留节点活动类型的识别问题,提出基于高斯混合模型-隐马尔科夫模型(GMM-HMM)的活动类型识别方法. 对车辆GPS数据构建基于决策树的车辆起停检测模型,提取出行链活动节点,并通过D-OPTICS算法对活动节点聚类得到活动热区;根据活动节点的个体特征、所在出行链的亲属特征和所处热区的群体特征进行多尺度特征体系构建,通过因子分析进行降维处理;利用GMM-HMM构建危货车辆活动类型识别模型,通过Baum-Welch算法进行参数估计,并使用Viterbi算法解码隐藏状态得到出行链各活动节点的类型识别结果. 在小规模实际活动数据集上直接验证所提方法的正确性,还结合活动节点的POI类别,间接评估所提方法对大规模GPS数据的车辆活动类型识别效果. 实验结果表明:在9种活动类型识别任务中,基于GMM-HMM的出行链活动类型识别方法的活动识别率超过80%. 识别结果可用于分析活动行为模式,及时发现异常活动,为危险品运输监管提供有效的决策支持.     

换乘优惠政策下公共交通乘客换乘决策行为分析

为了研究不同公共交通乘客在出行过程中换乘决策行为的异质性，采用结构方程模型（SEM）分析公共交通乘客的换乘意向与其他潜变量的关系，采用潜在类别模型（LCM）从乘客的心理感知因素视角和社会经济属性视角划分乘客类别.构建公共交通乘客换乘决策模型（SEM-LCM），分析不同潜在类别公共交通乘客的换乘决策行为.结果表明：相比SEM-Logit,SEM-LCM拟合效果更好；公共交通乘客分为换乘体验敏感型和换乘优惠敏感型2类，2类公共交通乘客所占比例分别为70.3%和29.7%；“换乘体验敏感型”和“换乘优惠敏感型”选择换乘的概率分别为51.1%和85.9%；年龄、家庭结构、私家车拥有情况、出行目的、换乘经历和出行模式6个变量表现出显著的异质性.研究结果可以为相关部门优化公交线网衔接、制定换乘优惠政策提供理论支撑.     

租赁自行车用户出行特征及方式的影响因素分析

针对我国市面上2种主流租赁自行车（公共自行车与共享单车）,以南京市为例,基于共享单车骑行数据、公共自行车智能卡数据和租赁自行车用户问卷调查数据,对比2种租赁自行车用户在出行特征及其影响因素方面的差异. 从骑行距离、车辆使用频率与时间分布等方面揭示租赁自行车用户的出行特征差异;构建二元Logistic模型,从用户个人属性和主观感知2个层面探究影响租赁自行车用户出行方式选择的显著性因素. 结果表明：相较于公共自行车,共享单车的平均骑行距离和骑行时间更短,但小时使用量更高;2种租赁自行车在工作日均呈现出明显的早晚高峰时段,且使用量均远高于周末. 退休人员、企业职员和电动自行车拥有者更倾向于使用公共自行车;高收入群体、对互联网技术以及在线支付服务高度敏感的人则更倾向于使用共享单车.     

探索城市公交客流移动模式

以石家庄市公交客流调查数据为实证研究对象,对城市公共交通网络的客流移动模式进行了统计分析。发现公交网络的站点上下车人数具有强烈的异质性,站点间客流量分布具有幂律分布特征,而公交乘客却具有峰值的出行距离分布,可以用负二项分布函数拟合。用随机游走模型再现了实证中观测到的标度性站间客流分布和有峰值的出行距离分布,并探讨了这些统计特征形成的可能机制。     

基于结构方程模型的公交车出行乘客满意度分析

优先发展公共交通能够有效地缓解城市交通拥堵,促使交通资源得到充分利用,并且能在一定程度上减轻交通带来的环境污染和噪声污染。基于西安市公交车出行乘客满意度调查,建立结构方程模型,解析影响乘客公交车出行满意度的因素。以顾客预期、可靠性、便捷性、舒适性、安全性、感知价值和乘客满意度为潜在变量,选取16个相关变量为观测变量,模型构建了公交车乘客满意度结构方程模型,并使用偏最小二乘法估计参数。研究表明,顾客预期、可靠性、便捷性、舒适性、安全性、感知价值均对乘客满意度有显著影响,且顾客预期对乘客满意度的影响最大,安全性影响最小。这为提升公共交通服务水平提供了一定的理论参考。     

基于个体记忆效应和距离效应的出行目的地识别

通过分析个体出行轨迹数据,挖掘个体出行历史记忆特征以及个体所处位置与潜在目的地的距离特征,建立新的出行目的地识别模型.利用杭州市200个匿名个体62 880次出行数据测试所建模型的效果.对基于位置的服务（LBS）数据进行预处理,提取以活动为目的的分段出行数据片段,采用GeoHash网格编码方法得到网格化后的个体历史目的地集合.利用随机缺失的个体出行历史轨迹数据构建训练集和测试集,采用非线性最小二乘法对模型进行参数标定.结果表明,所建模型提升了出行目的地识别精度;对比不同模型的召回率、折扣累计收益和F1分数,所建模型优于马尔可夫模型、决策树模型以及随机森林模型;数据缺失率敏感性分析结果验证了所建模型的鲁棒性.     

基于支持向量机的通勤日活动-出行持续时间预测

构建了通勤者的日活动-出行链,并给出其时间构成要素,对比分析了Hazard和回归支持向量机模型的预测精度,应用回归支持向量机模型建立了出行耗时预测模型和活动持续时间预测模型,预测了通勤日活动-出行链中各次出行的出行耗时和各次活动的持续时间,并应用已建模型考察公交优先策略对出行耗时的影响。研究表明:本文所建模型能够以较高精度预测通勤者的日出行耗时和活动持续时间,在出行耗时预测中回归支持向量机的预测精度高于Hazard模型,相关影响因素分析也有助于掌握居民的通勤出行时间决策规律。研究成果可以为构建通勤日活动-出行行为预测模型系统提供连续时间预测模块,也可以为交通需求管理政策的制定和实施提供决策依据。     

基于峰值密度聚类的公交出行目的分类模型

针对如何利用公交卡刷卡数据自动对公交出行目的进行分类问题,基于峰值密度聚类的理论,建立了一个能够在指定区域下对公交乘客出行目的进行准确分类的方法模型。本文根据出行目的不同提取相应特征,将特征相似的乘客进行聚类。得到结果后将每个类簇的特征均值作为该类簇群体的出行特征,根据出行特征可以得出每位乘客的出行目的和群体出行目的的统计结果。利用北京市西单地区乘客的公交卡刷卡数据,通过将实际数据与调查问卷结果进行比对验证,证明了该模型方法与传统调查问卷方法相比节省了大量的人力物力,具有良好的效果和实用价值。     

综合成本下城市公交出行方式与线路选择

提出了综合考虑换乘次数、出行时间、出行距离、步行距离、等待时间等公交出行因素的广义时间计算方法,给出了基于广义时间和出行费用的公交出行效用函数,构建了考虑轨道交通和常规公交的巢式Logit公交线路选择模型。以广州为例,给出了通过问卷调查进行参数估计的方法,模型计算结果和二次调查数据的比较表明文中的方法可准确计算公交乘客对出行方式和线路的选择。     

基于出行时间分析的公交跳站运行方案优化

针对公交站点需求过剩导致的运行效率下降问题,在分析跳站运行对4种O-D类型乘客出行时间影响的基础上,使用遗传算法建立了以乘客总出行时间最小为优化目标的公交跳站运行方案优化模型。以杭州市实际公交线路为例,调查了详细的公交出行数据,并使用优化模型对该线路的跳站运行方案进行了设计,分析结果显示:跳站运行能够使所有乘客的总出行时间减少8.43%。     

基于GPS数据的日出行模式-出行目的识别

应用活动链理论进行日出行模式划分,基于GPS出行数据构建日出行模式-出行目的识别的Logit模型系统。结果表明,在日出行模式划分的基础上再进行各次出行的目的识别,由于考虑了一天中各次出行目的间的相互关联,从而提高了出行目的的整体识别精度。研究结论可用于基于GPS数据的出行目的和日出行模式识别,同时所建立的模型系统可作为基于GPS数据的出行行为提取建模的一部分。研究成果有利于应用大数据平台提取出行数据以代替传统的居民出行调查,从而提高数据获取途径、数据广度和精度,为交通管理和规划提供数据基础。     

基于IC卡数据的公交乘客下车站点推算模型

对智能公交系统IC卡数据、GPS数据挖掘与应用问题进行了研究,构建了基于公交站点下车概率的乘客下车站点推算模型.该模型提取公交乘客通勤、随机出行等行为链,考虑站点吸引权及当次乘车方向下游站点数等影响因素,判断随机出行下车站点.针对该模型提出了乘客下车站点判断算法,并设计了模型的检验方法.以青岛市11路公交为例验证算法,检验回归方程系数值为1.0211.结果表明,该算法能实现乘客下车站点有效推算,具有良好可靠性.     

基于多源数据的成都市居民出行热点时空特征分析

以成都市主城区为例,利用出租车GPS轨迹生成上下车热点,结合POI数据识别城市功能区,从不同时段、周末与节假日等多角度比较居民出行的时空特征. 研究发现:研究区中商务办公区与休闲旅游区多分布在研究区外围,其他类型功能区分布较为均匀; 周末和工作日各时段上车热点会随着时间的推移由集中变得分散,下车热点会先集聚再扩散; 工作日在商务办公区形成的热点较周末多,其他类别用地在周末和工作日形成的热点区域差别不大; 武侯区和金牛区出行量多,但热点零星不集中; 青羊区热点区域较为连续,且集中分布于城市中心区域.     

基于马尔科夫链的轻轨乘客轨迹预测新算法

利用重庆轻轨的乘客刷卡数据,分析了乘客出行特征,并提出了一种基于马尔科夫链的乘客轨迹预测算法。该算法首先利用贝叶斯分类器对乘客下次出行轨迹进行分类;然后,根据乘客最近一次出行轨迹与其常住地的关系,预测其下次出行轨迹。在真实轻轨交通数据集上的实验结果表明,该算法对乘客出行轨迹的预测效果优于LTMT、RNN和2-MC;同时,该算法基于大数据处理框架Spark进行编码,减少了运行时间。     

基于Landsat卫星影像的江淮分水岭土地 利用空间特征分析

为了解江淮分水岭区域土地利用特点和空间布局特征,基于Landsat系列卫星2005年、2010年和2017年遥感影像解译数据,结合GIS空间分析技术和计量地理模型,从利用程度、组合类型和区位意义角度对江淮分水岭土地利用状况进行研究。结果表明:江淮分水岭区域以耕地和建设用地为主要地类,各地类数量差异明显;土地利用多样化和集中化处于中等水平;土地利用程度差异明显,地类组合是以耕地为主的2～3个地类的组合;西部多样化水平较高,东部集中化水平较高,西部和西北部区域地类组合类型较为丰富;耕地和建设用地的区位意义相对突出,但建设用地逐渐增强,耕地逐渐下降;研究区内各地类斑块形状相对复杂,但复杂度逐渐降低,耕地和建设用地分布相对集中,草地和未利用地分布较为离散。     

北京南站公共交通可达性计算与评价

北京南站作为北京市重要的客运枢纽站,承担着铁路、地铁及地面公交上大量旅客的集散、换乘任务,为提高铁路进京旅客出行至市区的便利性,需要对其出行可达性进行计算及评价分析.选取旅客从北京南站出发,通过站内公共交通疏散到市区的出行可达性为研究对象,构建多模式公共交通可达性模型.结合调查数据和应用程序接口(application programming interface,API)出行数据,计算旅客由北京南站至市内区域的地面公交、地铁和地铁换乘地面公交的出行时间,通过ArcGIS软件绘制不同时段下可达范围,结合城市地形结构与土地利用对出行可达性进行分析.选取公共交通出行时间、换乘次数为指标,对北京南站公共交通系统可达性进行评价.结果表明,北京南站公共交通可达性受到地铁线路网络的走向和站点分布的影响,可达性范围受地形、公园设施等土地利用的影响,不同时段的可达性与地面公交的交通状况相关.该方法可用于提升公共交通枢纽系统运行效率的运营优化指导,评价结果同时对于城市公共交通网络的优化具有指导意义.     

地铁乘客站点的选择行为分析及预测

采用数据互补的方法,融合智能卡数据和公交车GPS轨迹数据,获取了公交和地铁乘客在地铁新线路开通前后的乘客个体出行信息。利用居民空间行为指标——“出行质心”对地铁乘客的公交出行质心定位,并分析了地铁站点与乘客公交出行质心之间的距离对乘客地铁站点选择的影响。结果表明有86.15%的乘客选择距离他们公交出行质心更近的地铁站点,地铁站点与乘客公交出行质心之间的距离是影响乘客出行站点选择的重要因素。基于这一发现,建立Logit模型对乘客是否会选择新地铁站点进行预测,预测准确率、精确率、召回率和特异性分别为83.87%、 84.23%、83.66%和84.09%,预测结果表现良好。研究结果可用于评估计划新建的地铁站点对邻近既有站点的影响,有助于地铁营运计划的设计。     

基于手机信令数据的居民工作日出行链判别方法

针对大数据时代手机的普及和移动网络在人们生活中的渗透,丰富的手机信令大数据可为城市管理者重现大部分居民的日常出行、时空活动分布,提出了一种基于手机信令数据的居民工作日出行链判别方法。通过数据的时空特性,对"噪声"数据进行预处理,根据手机基站切换顺序构造出行网络中的主体部分,计算出行网络中的边权值,从而提取居民的工作日典型出行链信息。以深圳市手机信令数据为例,将计算结果与已知深圳市居民出行调查数据进行比较,结果表明,此方法可以简便有效识别出工作日出行链。