城市快速发展带来交通拥堵、环境污染等社会问题,使得优先发展城市公共交通体系已成为各级政府的共识。目前,城市公共交通领域研究重点之一,是对乘客公交出行模式的研究,它有助于掌握乘客出行的分布,有助于优化公共交通系统资源配置,提高运行效率。长期以来,城市交通出行研究受制于有限的交通出行问卷调查,多数局限在宏观层面。随着交通乘车刷卡收费、公交车辆自动报站等交通信息化技术的推广使用,人们从交通系统运营过程中获得了比传统人工调查全面、准确的客流时空数据,为深入研究乘客公共交通出行的内在机理提供了有利条件。大数据背景下,本研究提出了基于乘客刷卡数据和车辆报站数据的乘客公交出行轨迹挖掘改进方案,以此为基础开展公交出行特征的动力学实证分析及公交出行机理研究,挖掘出行时空图谱信息,探讨了公交出行路径识别问题。出行研究成果反馈作用于公交出行轨迹挖掘,有助于进一步提升数据挖掘精度和效率,形成良性循环。本研究开展的主要工作包括:(1)全样本数据个体出行轨迹挖掘。本研究提出一种融合乘客交通卡刷卡时间戳与区间行程时间的报站系统缺失数据推断方法,建立以行程时间为条件的概率模型,在报站数据缺失的条件下匹配乘客上车站点信息;通过建立乘客刷卡时间序列与车辆报站时间序列的互相关函数,求取时间误差的最佳值,校正车辆报站数据;引入概率推断、居住地预估计等方法,用以在数据缺失的条件下最大程度还原乘客的出行时空轨迹。(2)行为动力学出行特征与出行模式研究。本研究在实证乘客公交出行特征幂律分布“普适性”的同时,发现部分乘客出行时间间隔偏离幂律分布,并由此创新性地提出:出行特征对幂律分布的偏离,代表着隐藏秩序和深层规律,即,公共交通出行模式。其次,开展基于生存、求学等需求驱动的公交出行模式研究,提出基于行为动力学方法的回归分析聚类模型和时间谱函数模型,应用于乘客出行模式识别。(3)公交出行图谱分析。通过构建乘客个体的出行时空图谱,挖掘乘客出行的行为习惯,实现乘客出行模式聚类;根据乘客出行轨迹挖掘乘客对现有公交线网的认知情况,用于对现有公交网络规划设计的评价;通过构建公交站点时空图谱,用于站点所在区域功能识别。(4)交通出行多路径识别问题研究。构建交通网络多路径识别的高斯云变换模型,以站点行程时间历史数据求取行程时间谱函数,建立站点行程时间云模型,通过自适应高斯云变换方法实现概念划分(即,出行路径的识别),并通过设定变换过程中的含混度指标控制概念划分效果;通过与贝叶斯信息准则方法对比,证实云模型的有效性;通过分段叠加的改进方法,进一步提高模型评价的准确性。