【摘要】：隨著城市化進程日益加劇,機動車數(shù)量激增,早晚高峰道路擁堵已成為困擾我國大中小城市交通出行的首要頑疾,嚴重降低了居民的幸福指數(shù)。通勤人群作為城市早晚高峰出行的主力軍,深入挖掘和分析公交通勤出行的特征規(guī)律和時空特性,感知通勤出行環(huán)境特點,對提升公交通勤服務(wù)水平,誘導(dǎo)客流轉(zhuǎn)移,緩解高峰擁堵具有重要意義。目前公交通勤出行研究多借助調(diào)查問卷數(shù)據(jù),無法掌握真實的通勤出行特征與客流規(guī)律,而基于刷卡數(shù)據(jù)的通勤研究,通勤識別方法簡單,提取結(jié)果不準確,特征分析不深入。為此本文以多源公交數(shù)據(jù)為數(shù)據(jù)基礎(chǔ),提出了兩種新穎、高效、準確的通勤識別方法,對通勤出行特征和出行環(huán)境進行深入分析。具體研究內(nèi)容如下:(1)多源公交數(shù)據(jù)處理層面,針對GPS報站數(shù)據(jù)缺失和IC卡刷卡系統(tǒng)與GPS系統(tǒng)時鐘不一致等問題分別給出相應(yīng)解決方法,然后利用數(shù)據(jù)融合技術(shù),給出上車站點匹配、下車站點推斷、換乘站點識別的具體步驟和方法,還原得到乘客公交出行軌跡的OTD數(shù)據(jù),為之后通勤識別和特征分析打下基礎(chǔ)。(2)基于機器學(xué)習算法通勤識別模型,首先進行特征工程,選擇最佳識別特征并給出各屬性特征值處理方法,然后據(jù)此制定調(diào)查問卷獲取訓(xùn)練數(shù)據(jù),選擇與之最佳的機器學(xué)習算法,利用改進代的價敏感性GBDT(梯度提升決策樹)算法訓(xùn)練分類模型,最后從真實刷卡數(shù)據(jù)中提取相應(yīng)特征,代入模型完成通勤識別。(3)基于閉合出行鏈的通勤出行提取,首先給出閉合公交出行鏈的定義,構(gòu)建基于OTD的出行拓撲圖,然后進行深度優(yōu)先的閉合環(huán)路搜索和相似性關(guān)聯(lián),從不完全、片段化出行軌跡信息中完成閉合出行鏈的提取,并從通勤出行時間和空間規(guī)律出發(fā),制定篩選規(guī)則完成通勤提取。最后對兩種通勤提取結(jié)果和方法優(yōu)缺點進行綜合對比分析。(4)通勤出行特征研究層面,首先基于提取的公交通勤結(jié)果,從出行鏈角度分析其特征規(guī)律,并對其出行時間和空間特性進行分析,然后針對出行主要考慮因素—通勤時間,建立通勤時間影響模型,對選取各因素影響程度進行分析,給出具體改善意見。論文以珠海市源公交數(shù)據(jù)為基礎(chǔ),利用Python、Mysql數(shù)據(jù)庫、ArcGIS、Spss等工具,從真實刷卡數(shù)據(jù)中完成了公交通勤的精確提取和特征的多層次分析,為公交通勤出行的研究提供了新思路。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U491.17
【圖文】：

圖 2-5 IC 卡刷卡事件按時間排序離散信號圖 2-6 GPS 報站事件按時間排序離散信號看出刷卡事件離散信號脈沖相比 GPS 報站事件一站都有人刷卡上車，接著移動刷卡時間信號脈算，其運算結(jié)果如下圖 2-7 所示：

圖 2-8 乘客出行信息處理結(jié)果截圖煉后的具體出行站點信息如下表 2-5 所示：表 2-5 數(shù)據(jù)處理結(jié)果示列乘客 IC 卡號 線路號 上車時間 上車站點 下車時間 下車站點00020100486 00012015-05-0920:06:12海納石鳴苑 21:16:39 城軌珠海站000888322758 03082015-05-0908:01:41新青科技北 08:10:03 金灣市場000888322758 04062015-05-0919:29:54金灣市場 19:37:07 新青科技北000000449647 00552015-05-0908:39:24海榮新村 09:40:20 香山驛站000000449647 00552015-05-0910:52:41市圖書館 11:44:33 海榮新村了驗證結(jié)果的準確性，對珠海市40路公交車的早高峰時間段內(nèi)進行跟車調(diào)查實驗個站點的上車人數(shù)和下車人數(shù)，之后提取出改天該輛車的公交數(shù)據(jù)，采用本文

第二章 多源公交數(shù)據(jù)處理圖 2-9 上下車各站點推斷與實際結(jié)果對比圖 2-9 中可以看出上下車的總體匹配準確度比較高，其中個別站點誤現(xiàn)金支付造成的，整體計算上車站點的匹配準確度 90%左右，而下車出行推斷而得，準確率相對低一點為 85%左右。因此本文利用多源公乘客出行信息具有相當高的準確性和可靠性。據(jù)其乘客的出行 OTD 數(shù)據(jù)，利用 Echarts 等工具可以得到上、下車站行的空間分布依次如圖 2-10、圖 2-11 及圖 2-12 所示：

【參考文獻】

相關(guān)期刊論文 前10條

1 孫世超;楊東援;;基于樸素貝葉斯分類器的公交通勤人群辨識方法[J];交通運輸系統(tǒng)工程與信息;2015年06期

2 胡繼華;鄧俊;黃澤;;結(jié)合出行鏈的公交IC卡乘客下車站點判斷概率模型[J];交通運輸系統(tǒng)工程與信息;2014年02期

3 王若琳;趙婭麗;譚永凱;;基于IC卡數(shù)據(jù)的公共交通換乘識別方法[J];城市軌道交通研究;2014年02期

4 文婧;王星;連欣;;北京市居民通勤特征研究——基于千余份問卷調(diào)查的分析[J];人文地理;2012年05期

5 王一明;易露霞;;基于供需理論構(gòu)建廣州低碳陸路交通調(diào)控研究[J];生態(tài)經(jīng)濟;2012年09期

6 趙瑩;柴彥威;;基于出行鏈的居民行為決策影響因素分析[J];城市發(fā)展研究;2010年10期

7 尹長勇;陳艷艷;陳紹輝;;基于聚類分析方法的公交站點客流匹配方法研究[J];交通信息與安全;2010年03期

8 于勇;鄧天民;肖裕民;;一種新的公交乘客上車站點確定方法[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2009年01期

9 徐建閩;熊文華;游峰;;基于GPS和IC卡的單線公交OD生成方法[J];微計算機信息;2008年22期

10 楊敏;陳學(xué)武;王煒;萬濤;;通勤出行簡單鏈和復(fù)雜鏈的選擇行為研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2008年02期

相關(guān)碩士學(xué)位論文 前10條

1 葉東;基于出行鏈的中小城市居民出行方式選擇行為研究[D];重慶交通大學(xué);2018年

2 孫曉雪;通勤時間對城市居民幸福感的影響研究[D];北京交通大學(xué);2018年

3 王俊兵;基于出行鏈的公交乘客出行特征分析[D];北京交通大學(xué);2017年

4 周亞楠;基于一卡通數(shù)據(jù)分析的通勤性定制公交線路規(guī)劃[D];吉林大學(xué);2017年

5 賈佃精;基于出行鏈的公共交通出行需求預(yù)測研究[D];哈爾濱工業(yè)大學(xué);2015年

6 張樂典;公共交通通勤出行時間影響模型研究[D];北京工業(yè)大學(xué);2015年

7 趙鵬;基于成都公交IC卡數(shù)據(jù)的乘客上下車站點推算方法研究[D];西南交通大學(xué);2015年

8 王月s

本文編號：2749832