论文部分内容阅读
公交站点客流是交通枢纽规划、公交运营调度和行车组织的基础性数据,但城市规模的扩大,公交线路和站点在不断增多和频繁变化,导致通过传统的人工调查方法获取这些数据变得越来越困难。并且站点换乘客流统计涉及到出行者的个人选择行为,采用问卷或询问等调查方式,获取成本高,而且数据质量往往难以满足要求。随着公交IC卡在国内很多城市的推广使用,基于IC卡数据的处理及分析研究有了广泛的操作平台和庞大的数据支持,采用信息化手段的站点客流统计变得可能。目前,公交IC卡数据分析的目标主要是获得用于公交运营决策的公交客流信息和用于公交规划的居民出行特征信息,但公交IC卡设计的初衷是为票务结算,因此分段计价公交数据缺少上车时间,而单一票制公交数据缺少上车站点、下车站点和时间,而且为方便乘客,目前北京市仅上车刷卡的一票制公交线路占全部线路的53%,这些都使得直接利用IC卡数据获取公交客流规律便得相当困难。本文针对IC卡数据中出行信息不全、记录数据有误等问题,以北京公交IC卡数据为基础,开展基于公交IC卡数据获取公交站点客流量的研究,主要工作与结论包括:1、简单介绍了公交IC卡的数据组成和数据特点,包括分段计价、单一票制和地铁三类数据,其中地铁数据的时间、站点信息最全。总结提出了IC卡数据存在的问题,主要有字段丢失、数据错误、零站距三类,对字段丢失数据采取相应的补齐措施,对准确识别出的错误数据作为丢失字段处理,将零站距客流重新分配,形成实际站点客流数据并存储,由此提高公交IC卡数据质量。在此基础上,确立了以站点客流推算为目标的公交IC卡数据分析架构和数据分析过程。2、针对一票制公交IC卡数据缺少乘车站点信息的现状,首先对公交车次进行区分,由最短距离系统聚类法对单车次IC卡数据进行分类,通过每一类中第一张IC卡刷卡时间与公交GPS数据的到站时间匹配来确定各类上车站点;在无GPS数据的情况下,由换乘信息得到至少2个已识别聚类,由统计模式识别方法确定待识别聚类。对完全公交方式的出行,由后次乘车上车站点确定前次乘车下车站点,对偶然性的非公交出行,提出站点吸引强度的概念计算各站下车概率。3、提出换乘识别的距离约束和时间约束,即对不同公交线路和不同票制间的相邻两次刷卡记录,如果走行距离在1000m以内,刷卡间隔在由一次乘车时间、换乘走行时间、换乘等待时间组成的的可变参数范围内的两次乘车将被视为一次换乘,采用出行标识字段对识别结果予以体现,同一张IC卡的出行标示相同的两次刷卡为换乘,否则视为二次出行。本文根据调查数据对各方法进行了验证,并与固定参数的换乘识别方法进行了对比。4、提出了基于换乘识别结果的公交站点客流推算方法,包括站点到达客流量、换乘客流量和离去客流量。将每站点线路间换乘量累加得到公交线路间换乘量矩阵,并由此计算公交平均换乘系数、换乘率和平均候车时间作为公交换乘服务水平的评价指标。研究结果表明,本文提出的基于IC卡数据的公交站点客流推算方法,可有效推断公交乘客的上车站点、下车站点,并进行换乘识别,来获取公交站点客流量信息,从而为公交规划和调度提供决策支持。