基于数据库的公交客流调查数据处理与挖掘

智能公共交通系统的技术基础是实时掌握公共交通的需求情况，这就要求对公交客流调查获取的需求数据进行准确、快捷的分析处理。文中利用Visual Foxpro数据库和数据挖掘技术，构建了公交客流调查数据处理新模式，并说明了其功能和运行效果。     

基于智汇卡的公交大数据挖掘研究

选取公交行业大数据,涉及公交交易数据、公交GPS数据、地铁交易数据等,对数据结构进行分析,利用Oracle数据库对源数据进行筛选、清理,利用R语言、Python对数据进行更加精细化的分类、融合,通过设计算法分别实现公交交易数据与GPS数据融合、公交交易数据与GPS数据的上车站点名称匹配。以南京37路公交为例,挖掘公交客流特征,包括总体客流特征,老年人、学生和残疾人等特殊人群的公交出行特征;挖掘公交客流的日客流分布、时客流分布和空间客流分布;挖掘公交的运行状态中的运行参数,把握公交运行状态的规律。为智能公共交通系统建设、政府决策、公众便捷出行、企业运营调度优化及数据验证提供数据支撑。     

不完备信息下公交断面客流的推算模型

为解决不完备交通数据信息下城市公交线路的断面客流量的计算问题,以断面客流的预测为研究对象,探讨了公交车站下车客流的预测模型。运用区段覆盖的思想,将公交沿线以客流集散点为中心划分成不同的客流分布区段。结合各站点的区位条件、客流条件建立不同区段内的公交分担率模型。以此为基础结合公交IC卡上车客流数据构建各车站的下车客流预测模型,结合上车客流、下车客流与断面客流三者的关系模型,计算得到公交断面客流量。最后以西安市某条公交线路某个时段的上车刷卡数据为例进行了模型的适用性分析,统计该条线路沿线各个站点周边300 m吸引范围内的土地利用性质以及人口密度,采用改进的遗传算法对模型中的未知参数进行标定。结果显示,待确定参数α和β分别取0.419 1和0.482 3时目标函数取得最优解,利用标定的结果计算该线路各车站的下车客流,进而求得断面客流量。通过与实际跟车调查结果对比,运用构建的模型预测得到的断面客流量与实际值存在一定的差异,平均相对误差在23%以内,平均绝对误差约为5人/断面,从整体结果来看预测的断面客流的变化趋势与实际调查断面客流情况基本一致,表明构建的模型具有一定的可靠性。     

公交专用道设计中的公交线网优化和站台设计

以武汉市和平大道公交专用道的设计为例,从提高公交运营效率的角度出发,依据道路公交运营现状调查和统计数据,并结合基础数据对道路公交客流进行合理分析和预测,有针对性地提出了公交站台和公交线网的优化设计,确保公交专用道安全高效运营。     

基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

公交客流信息采集技术研究

城市公共交通在我国城市交通中占有重要的地位,公交客流信息是公交调度管理及线网优化的基础。本文介绍了常用的公交客流信息采集方法,其中包括人工调查、公交IC卡、自动乘客计数等系统的技术实现方式及各自特点,提出了适于我国国情的公交客流信息采集技术的选用方法。     

基于乘客主观感知的公交客流拥塞量化表征模型

为了综合量化表征公交走廊客流承载设施及工具的空间拥挤性和客流运送时间效率,并科学评价客观技术指标和主观乘客感知对公交系统运行状态的敏感度,提出客流拥塞的概念,并用客流拥塞指数量化表征公交系统运行状态。通过解析客流拥塞与出行时效的关联,并分析公交出行阶段特征,基于“时效延长”思想构建客流拥塞量化表征模型,用于系统量化乘客对出行时间和空间拥挤的主观感知;选取影响出行时效的核心要素作为特征变量（车厢客流密度、站台乘客密度、区间乘车时间和站点候车时间）,采用直观类比打分SP调查法获取数据用于估计模型参数;基于北京西三环公交走廊实测数据,分析全天区间客流拥塞指数时空分布特征和走廊客流拥塞指数动态演化趋势。研究结果表明：北京西三环公交走廊客流拥塞高峰阈值为0.193 9,客流拥塞状态存在明显的方向特征,下行方向客流拥塞高峰状态更显著且持续时间更长;4个特征变量灵敏度系数均值分别为0.449 2,0.165 2,1.427 1和0.408 3,即区间乘车时间为客流拥塞指数最显著的影响因子,而站台乘客密度的影响程度最小,模型识别公交客流拥塞成因的能力得以体现;该模型能够综合全面地反映公交走廊客流拥塞时空分布和动态演化趋势,并能够应用于公交运行状态改善措施研究。     

基于HRHN模型的城市常规公交线路客流预测

准确的公交客流预测对于城市公交线网规划设计和线路运营管理有着重要意义.为了提高公交客流预测的准确度,研究出一种基于HRHN模型的公交线路客流预测方法.在Encoder模块中,采用ConvNet对输入特征进行提取,利用RHN对提取到的特征建立时间依赖性关系;在Decoder模块中,历史客流量作为输入,利用RHN模型建立时序的关联性;输出值和特征之间的相互作用通过注意力模型进行分析,从而在Decoder中进行预测.对公交数据进行预处理并获取公交客流量,在考虑客流特性的基础上,结合气候因素,利用特征工程进行公交客流预测的特征选取,并利用HRHN模型对客流进行预测.使用了郑州市1个月的公交客流数据,其中选择前24 d数据进行训练,后7 d数据进行测试.分别预测60号公交线路上行方向和下行方向线路客流,并将HRHN模型预测结果与其他5种模型(ARIMA,BPNN,LSTM,RNN,SVR)进行比较.结果表明,HRHN模型在上行方向线路客流预测、下行方向线路客流预测的MAPE分别为0.1161,0.1444,HRHN模型精度最佳.      

基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。     

基于深度学习的城市地面公交客流集散点刷卡客流预测——以常州市为例

提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusion LSTM RNN)模型,并应用于常州市地面公交客流集散点的智慧卡(Smart Card)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.     

基于聚类分析方法的公交站点客流匹配方法研究

对公交IC卡数据收集、处理和分析得到的结果可以为公交客流分析提供重要依据。文中针对一票制IC卡数据信息不完善的缺陷,结合公交其他运营信息,利用聚类分析方法,研究基于公交IC卡数据的匹配技术,并给出应用于匹配技术的实例计算结果。结果表明,提出的方法有很强的实用性,为得到准确、实时且连续的公交客流信息提供良好的平台。     

基于SVM-KNN的降雨条件下短时公交客流预测

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型.分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响.进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型.具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流.通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性.结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%.      

公交线路客流时段分布估计新方法--首末站分层不等概率整群抽样法

在对南京市公交线路客注解调查数据研究的基础上，提出一种公交线路客流时段分布估计的新方法，即利用首末站分层不等概率整群抽样方法，对线路客流进行估计，并给出相应的方差估计公式。该方法在南京市的公交企业中得到了实际的应用。     

北京市国贸地区公交客流特征分析及对策

国贸地区公交客流量大,造成交通拥堵、路面秩序混乱,通过对国贸地区公交IC卡数据进行详细分析,总结国贸地区各公交场站的公交线路客流量分布规律;为获得国贸不同地块的客流吸引,对公交乘客进行了问卷调查,总结国贸地区的公交客流需求特点,提出了国贸地区公交站点优化的重点、优化方向以及整合线路等方面的对策。     

基于大数据分析的客流走廊判别方法研究

在轨道交通规划、公共交通规划类项目中,面临的一个核心难点是对现有公交走廊的判断以及对走廊客流量的调查收集。简要介绍常规公交调查并分析其调查成果,发现仅采用常规的公交调查手段,总体抽样率较低,并且难以对一个城市做到相对全面的客流调查。在常规调查基础上,介绍通过手机信令数据分析的手段,采用多种方式拟合之后,判断研究出城市的主要客流走廊,其成果可为后续规划设计提供充足依据。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.      

基于灰色马尔可夫模型的近期公交客流量预测

为了科学准确地预测近期公交客流量,提出了应用灰色马尔可夫模型进行预测的方法。利用历史数据建立灰色GM(1,1)模型,通过确定系数可获得公交客流量的时间响应序列及还原值的表达式,从而可获得未来年公交客流量的发展序列值,结合马尔可夫链过程将随机序列状态划分为3类,通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值,最终求得各序列的修正值。通过铜陵市公交客流的历史数据,预测了近3年的公交客流。实例证明该预测模型具有较高的精度,能够指导公交经营管理者近期的决策行为。     

基于贝叶斯网络的短时公交客流预测模型

针对公交客流的时变特征,假设当前时刻的客流量仅与历史客流量和发车频率相关,提出一种基于贝叶斯网络的短时公交客流预测模型,给出了节点定义、网络结构与参数学习及推理算法,揭示了它们之间的因果关系;通过南通市301路公交线路某个站点的实际客流调查,利用该模型预测其发展趋势,并与神经网络、支持向量机等预测模型进行比较,验证了其有效性。     

厦门市公交系统近期发展特征及对策研究

为保证可比性沿用公交连续性假设概念及算法分析厦门市2018年公共交通数据,通过对比分析2015年分析结果,发现常规公交系统效率提升、满载率居高不下;乘客出行距离更加集中优势区间、换乘习惯正在形成;全市客流集中本岛,本岛客流聚焦局部,岛外客流近湾发展.研究分析表明:常规公交面临轨道成网运营挑战、多元方式出行挑战和服务品质提升挑战;提出借助轨道成网运营契机,发挥常规公交便利高效优势;提出了以做大公共交通客流总量为目标,调整组织方式、深耕优势出行距离区间、构建错位发展的常规公交优势体系的建议.     

轨道交通环境下公交专用道布网及设置

研究轨道交通环境下公交专用道网络布局,提出宏观、微观层面,定性与定量相结合的规划方法。通过分析客流OD分布、路网结构、交通布局、土地利用、道路等级等确定公交专用道线网总体布局;通过公交客流比例、公交车流率、路段饱和度、机动车道数、公交车平均运行速度等定量分析可实施专用道的条件。以上海闵行区公交发展为例,研究现有5条轨道交通线路下公交专用道线网的布局。预评估表明公交客运能力提高约20%,公交车车速提高约15%。