城市公共交通作为市民的主要出行方式,具有疏导密集人流的功能,对缓解交通拥堵问题起到重要作用。但随着经济的快速发展,城市化进程的加快,使得流动人口数量迅猛增加,从而对城市公共交通造成巨大的通行压力。目前,有限的公共交通资源和庞大的出行需求矛盾给乘客出行和交通主管部门规划公交线路带来了许多问题。例如:部分公交线路客流过多,给乘客带来极差的公交乘坐体验;线路分流及负载功能不均衡,进一步加剧了公交线路的拥堵程度等。解决这些问题的关键在于建立乘客与线路的关联模型来预测乘客选乘公交线路规律。因此基于交通一卡通大数据平台的公交线路选乘预测课题具有重要意义。围绕该课题的研究,本文的主要工作包括如下几个方面:(1)本文为了更好地建立乘客与公交线路的关联模型,构建出更全面的特征集。针对以往学者对影响乘客出行的因素考虑的不足,对时间日期、天气信息与人群等多个特征进行全面可视化分析。根据可视化分析结果,构建出乘客与线路特征、时间特征和天气特征的特征集合,并采用过滤法和集成模型方法相结合筛选出最优的特征子集。(2)本文采用XGBoost模型对乘客选乘公交线路进行预测。首先,用于建模的数据是通过交通一卡通大数据平台采用Sqoop和网络爬虫技术获取,通过平台获取的数据更好地体现乘客乘坐公交线路的真实情况。其次,XGBoost模型是一种较新的集成学习算法,尚未应用到乘客选乘公交线路预测中。该模型在梯度提升决策树模型上进行了改进:支持并行计算、在处理损失函数时引入了一阶导数和二阶导数、目标函数中引入正则化项等,具有训练速度快、预测精度高、泛化能力强的优点。最后,在逻辑回归模型、梯度提升决策树模型和XGBoost模型对乘客选乘公交线路仿真测试中,实验结果表明XGBoost模型训练速度更快,预测精度更高。综上所述,本文综合考虑时间日期、天气信息与人群等因素,采用XGBoost模型能在复杂的真实环境中预测乘客选乘公交线路规律,对缓解交通拥堵问题具有积极意义。