论文部分内容阅读
准确地掌握公交乘客出行特征是获取公交需求、优化公交线网、构建公共交通体系的基础,有助于规划管理部门进行科学决策。同时,随着智能公交系统建设规模的不断扩大,数据采集的深度和广度急剧增加,公交系统在运营过程中积累了海量数据,这就为提取出行链奠定了数据基础,为进行乘客出行特征分析提供了新的思路。本文将以公交IC卡刷卡数据为主,结合公交、地铁的基础数据及地铁运行数据进行数据的关联匹配和分析,通过时空判别的算法提取公共交通出行链,进而进行公交乘客出行特征的分析。本文首先介绍了公交IC卡刷卡数据、公交和地铁的线路站点数据及地铁运行时间和换乘时间等多源数据的数据结构及处理方法。先对原始的公交IC卡刷卡数据进行清洗、修复等预处理工作提高数据质量,然后利用数据间的关联对多源数据进行处理,得到匹配后的公交IC卡刷卡数据和公交地铁步行换乘表,为后续提取出行链奠定基础。基于公共交通出行链的定义及分类,本文提出了在不同出行模式下提取公共交通出行链的算法。该算法以公交IC卡刷卡数据为主,通过对不同出行模式下出行链的特点进行分析,判断公交与公交、公交与地铁换乘的时空条件。针对出行链的提取算法,本文给出了算法中重要参数的确定方法。利用实际调查数据确定换乘比例,根据定义给出换乘时间的计算公式并进行计算,采用基于换乘时间的广义费用模型确定地铁出行阶段OD出行时间。并通过选取部分数据进行出行链的提取验证了算法的可行性。根据以上出行链提取算法,本文利用北京公交IC卡刷卡数据完成了不同时段不同出行模式的出行链提取,并分析了公交乘客出行特征。通过个人出行链分析还原了乘客出行选择,再根据出行链的结构特征进行宏观出行特征的统计分析,包括乘客全日刷卡量的时间分布特征、乘客出行的空间分布特征、出行时间和距离的计算及换乘特征的计算分析等。实例分析表明,出行链的提取算法具有良好的适用性,进行公交乘客出行特征分析能为城市公交规划与运营管理提供良好的数据支持。