發(fā)布時間：2020-08-09 22:03

【摘要】：公交客流OD(origin-destination,起止站點)數(shù)據(jù)作為城市公共交通特征研究的基礎數(shù)據(jù),在公交客流分析、預測和公交路網(wǎng)規(guī)劃與優(yōu)化等工作中扮演了重要的角色。近年來,隨著我國智慧城市體系的逐步完善,城市公共交通系統(tǒng)的核心業(yè)務不斷得以拓展,以大數(shù)據(jù)技術為支撐的公交大數(shù)據(jù)挖掘方法與可視化技術研究逐步成為智慧交通領域中的研究熱點。公交大數(shù)據(jù)作為城市公共交通系統(tǒng)的產(chǎn)物,是城市空間大數(shù)據(jù)的核心組成部分,為公交客流OD特征挖掘方法的研究提供了數(shù)據(jù)支撐。公交大數(shù)據(jù)繼承了大數(shù)據(jù)的“大量”、“高速”、“多樣”、“低價值密度”、“真實性”等特征,在公交大數(shù)據(jù)中存在數(shù)據(jù)噪聲大、數(shù)據(jù)冗余等問題。同時,由于城市公共交通采用上車一票制的計費方式,公交客流OD數(shù)據(jù)難以從多種數(shù)據(jù)采集機制所產(chǎn)生的公交大數(shù)據(jù)中直接提取。論文研究了公交大數(shù)據(jù)的存儲與預處理方法,提出了基于公交大數(shù)據(jù)的公交客流OD數(shù)據(jù)挖掘算法,獲取了公交客流時空分布數(shù)據(jù),構(gòu)建了基于公交客流數(shù)據(jù)的城市空間大數(shù)據(jù)可視化系統(tǒng)。具體研究內(nèi)容如下:(1)以石家莊市AVL(Automatic Vehicle Location,車輛自動定位)數(shù)據(jù)、公交IC刷卡數(shù)據(jù)和公交站點GPS數(shù)據(jù)等為主要研究對象,研究了公交大數(shù)據(jù)的分布式存儲方法,通過分析公交大數(shù)據(jù)數(shù)據(jù)結(jié)構(gòu),提取了公交數(shù)據(jù)中的關鍵字段和多源公交數(shù)據(jù)間的時空映射關系,實現(xiàn)了公交大數(shù)據(jù)清洗、集成、變換及歸約等預處理過程。(2)利用時間匹配方法,通過設立時間彈性因子,實現(xiàn)了IC刷卡數(shù)據(jù)和AVL數(shù)據(jù)的融合,推算得到了乘客上車站點;基于乘客公交出行行為特征,利用乘客上車站點數(shù)據(jù)提取乘客出行下游站點集合與高頻站點集合,基于泊松分布理論,分別研究了在出行線路、出行時間相異的條件下乘客出行站點數(shù)即參數(shù)λ的不同表現(xiàn),結(jié)果表明參數(shù)λ受到了出行線路、出行時間的綜合作用,因此提出了多時段公交站點吸引強度與公交出行鏈法結(jié)合的方法,實現(xiàn)了下車站點的推算,并提出了集計層面的模型檢驗方法,以石家莊市公交數(shù)據(jù)為例進行了實例驗證。(3)研究了城市空間矢量數(shù)據(jù)在線爬取方法,設計了基于3DGIS(3D Geographic Information System,三維地理信息系統(tǒng))平臺的城市路網(wǎng)與建筑物輪廓的在線爬取方法,通過三維模型快速構(gòu)建技術,實現(xiàn)了3D城市景象可視化;基于公交客流OD數(shù)據(jù),提取客流時空分布特征,以時間、位置為關鍵因素,研究了公交站點及線路客流量可視化方法、動態(tài)客流分布可視化方法與公交運營指標可視化。論文以石家莊市公交大數(shù)據(jù)為基礎數(shù)據(jù),對本文的研究成果進行了有效性和適用性的驗證,同時獲取到了石家莊市公交客流時空分布特征數(shù)據(jù),基于3DGIS平臺實現(xiàn)了石家莊市3D城市景象、公交客流特征可視化。
【學位授予單位】：石家莊鐵道大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U491.17
【圖文】：

圖 1-1 Benomar 熱力圖展示王勝開[18]構(gòu)建了 B/S 架構(gòu)的 WebGIS 可視化客戶端，通三維動態(tài) OD 圖的方式，實現(xiàn)了公交特征的可視化。申北京市公交出行的一些規(guī)律，基于 Cesium 以及 Leaflet 工以及動態(tài)軌跡圖實現(xiàn)了北京市公交站位登量、公眾出行 以及出租車軌跡的可視化。李文鋒[40]基于 GIS 平臺疊加構(gòu)建了公交站點客流量熱力圖，實現(xiàn)了公交客流量可視點數(shù)據(jù)、線數(shù)據(jù)、區(qū)域數(shù)據(jù)，將可視化方法分為四個級數(shù)據(jù)的準確表達。劉銘崴等[42]基于空間信息系統(tǒng)設計了了分析性與探索性多層次任務需求，描述了任務需求與陳輝等[43]基于經(jīng)典隱馬爾可夫模型地圖匹配算法，分析高質(zhì)量高頻軌跡數(shù)據(jù)序列，實現(xiàn)了公交線路的地圖匹配本語言開發(fā)的方式進行了職住地與通勤行為的識別方法視化開發(fā)。

- 11 -圖 2-2 公交 AVL 系統(tǒng) BJON 數(shù)據(jù)格式MongDB 可通過水平拓展實現(xiàn)數(shù)據(jù)分布式存儲，每組 MongDB 實例包含多組 database（數(shù)據(jù)庫），每組 database 包含多組 collection（數(shù)據(jù)集），數(shù)據(jù)以 BJO格式存儲在 collection 中。MongDB 數(shù)據(jù)庫數(shù)據(jù)存儲技術路線圖如圖 2-3 所示。

系統(tǒng)通過 GPS、AFC 等設備將車輛位置數(shù)據(jù)、時間數(shù)據(jù)以及乘客刷卡數(shù)據(jù)傳回系統(tǒng)調(diào)度中心的服務器中，如圖2-5 所示。城市公交他系統(tǒng)產(chǎn)生的公交大數(shù)據(jù)包含了城市公交系統(tǒng)所產(chǎn)生的過程數(shù)據(jù)以及結(jié)果數(shù)據(jù)，主體數(shù)據(jù)為站點 GPS 數(shù)據(jù)、AVL 數(shù)據(jù)、IC 刷卡數(shù)據(jù)等。圖 2-5 公交數(shù)據(jù)采集與傳輸技術路線圖公交大數(shù)據(jù)共包括 AVL 數(shù)據(jù)、IC 刷卡數(shù)據(jù)和公交站點數(shù)據(jù)，每日數(shù)據(jù)量共記錄一百萬多條，包括了研究區(qū)域周一至周日不間斷的所有公交數(shù)據(jù)，涵蓋了各類乘客的出行時間與空間位置分布。公交大數(shù)據(jù)作為城市空間大數(shù)據(jù)的重要組成部分之一，具有多元化、結(jié)構(gòu)化的特點，蘊含了豐富的交通流特征。大部分城市在公交運營系統(tǒng)中均采用了上車一票制[45]，乘客通過上車刷IC卡而下車不再刷卡的方式完成公交乘坐流程，因此在公交原始數(shù)據(jù)中存在上車站點未記錄、下車站點未知的問題。公交客流OD 數(shù)據(jù)體現(xiàn)了乘客在公交出行過程中的出發(fā)地與目的地。完整的公交客流 OD數(shù)據(jù)是交通流特征分析的數(shù)據(jù)基礎，更是科學組織交通、優(yōu)化交通布局強有力的數(shù)據(jù)支持，因此公交客流 OD 推算方法的研究具有重要的科研價值與社會意義。2.2.2 公交客流 OD 推算方法公交客流 OD 是指公交客流的上車站點與下車站點的集合，表達了客流的出行發(fā)生地與結(jié)束地的交通信息，是公交客流分析的重要特征。在現(xiàn)有的城市公交系統(tǒng)下，公交大數(shù)據(jù)包含了 AVL 數(shù)據(jù)、乘客 IC 刷卡數(shù)據(jù)和站點 GPS 數(shù)據(jù)，由于大多數(shù)城市中的公交系統(tǒng)采用了上車一票制，乘客的上下車站點在現(xiàn)有的公交數(shù)據(jù)中無法得到直接體現(xiàn)，乘客的上下車站點信息需要基于現(xiàn)有的公交數(shù)據(jù)進行匹配、推算才能得到。

【相似文獻】

相關期刊論文 前10條

1 馬玉春;王兵;陳婉;;大規(guī)模公交客流隨車調(diào)查的組織與實施[J];城市公共交通;2016年09期

2 孫平;;公交客流的若干問題討論[J];消費導刊;2009年02期

3 吳麗華;;公交客流調(diào)查數(shù)據(jù)的實用性分析研究[J];城市公共交通;2009年06期

4 程泓璋;羅鑫浩;郭蕎聲;于子博;劉偉東;;基于Wi-Fi探測數(shù)據(jù)包的公交客流檢測研究[J];中國科技信息;2020年Z1期

5 宗君振;王起發(fā);陳慧陽;;基于突發(fā)事故的大型活動期間公交客流疏散研究[J];西部交通科技;2017年02期

6 楊斌;;公交客流統(tǒng)計與駕駛員疲勞檢測系統(tǒng)解決方案[J];中國公共安全;2017年Z1期

7 李林波;康琳涓;王婧;;基于天氣影響分析的公交客流調(diào)查日期確定方法[J];交通科技;2016年01期

8 孫愛充;公交客流預測方法研究[J];北京規(guī)劃建設;1999年06期

9 高詠玲;楊浩;;城市公交客流影響因素的改進灰色一致關聯(lián)分析[J];交通運輸系統(tǒng)工程與信息;2007年06期

10 武勇彥;魏中華;榮建;劉小明;;大型活動公交客流分配方法[J];北京工業(yè)大學學報;2011年04期

相關會議論文 前10條

1 魏領軍;張利;魏領紅;陸建榮;;城市公交客流調(diào)查數(shù)據(jù)修正方法的研究[A];2008中國汽車工程學會年會論文集[C];2008年

2 吳超騰;張yN;周昱;;城市公共交通軌道換乘公交客流大數(shù)據(jù)研究實戰(zhàn)[A];第十一屆中國智能交通年會大會論文集[C];2016年

3 林軍記;陳靜萍;龔文森;張輝;;基于WiFi探測數(shù)據(jù)包的公交客流信息采集[A];第十二屆中國智能交通年會大會論文集[C];2017年

4 張彬;;城鄉(xiāng)公交客流OD分層次反推[A];2017年中國城市交通規(guī)劃年會論文集[C];2017年

5 閻逸飛;于琛;李彬;劉雪芬;;基于上海公交IC卡的公交客流走廊OD獲取方法[A];品質(zhì)交通與協(xié)同共治——2019年中國城市交通規(guī)劃年會論文集[C];2019年

6 叢曉潔;;基于IC卡和GPS大數(shù)據(jù)的公交客流分析[A];協(xié)同發(fā)展與交通實踐——2015年中國城市交通規(guī)劃年會暨第28次學術研討會論文集[C];2015年

7 王春雨;顧軍華;;基于知識發(fā)現(xiàn)的公交客流分析平臺[A];全國第十屆企業(yè)信息化與工業(yè)工程學術年會論文集[C];2006年

8 周韜;;基于GPS和IC卡數(shù)據(jù)的公交客流OD反推方法[A];協(xié)同發(fā)展與交通實踐——2015年中國城市交通規(guī)劃年會暨第28次學術研討會論文集[C];2015年

9 周欣;倪亞洲;;公交客流調(diào)查抽樣方法及抽樣模型的研究[A];“迎全運”提升城市建設管理水平研討會優(yōu)秀論文集[C];2008年

10 羅云輝;;基于IC卡和GPS信息的公交客流及公交服務水平分析和評價方法研究[A];2016年中國城市交通規(guī)劃年會論文集[C];2016年

相關重要報紙文章 前10條

1 記者 徐朝暉;復工復產(chǎn)帶動市區(qū)公交客流復蘇[N];金華日報;2020年

2 本報記者 史春勇 通訊員 趙東云;大數(shù)據(jù)引領城市公交發(fā)展[N];濟南日報;2016年

3 本報記者 孫宏陽;中心城區(qū)精減重復公交線路[N];北京日報;2017年

4 本報記者 劉冕;早高峰公交客流增長百萬人次[N];北京日報;2014年

5 鞠紅梅;公交客流6年來年遞減3%[N];哈爾濱日報;2007年

6 記者 趙蘊穎;過年“宅人”多 公交客流連年走低[N];大連日報;2015年

7 蘇建鳳邋特約記者 張桂芳;“十一”北京公交客流將達1億人次[N];首都建設報;2008年

8 賈曉燕邋通訊員 孫文劍 張桂芳;公交客流1600萬人次創(chuàng)歷史新高[N];北京日報;2007年

9 深圳商報記者 肖晗;地面常規(guī)公交客流下降8%[N];深圳商報;2011年

10 記者 陳秀雅;上半年公交客流同比增加近兩成[N];蘇州日報;2010年

相關博士學位論文 前5條

1 陳深進;基于云服務平臺的智能交通關鍵技術研究[D];華南理工大學;2019年

2 曾鸚;考慮乘客選擇行為的城市公交客流分配及系統(tǒng)演化[D];西南交通大學;2014年

3 朱方;多信息融合模式分類方法研究及在公交客流識別系統(tǒng)中的應用[D];河北工業(yè)大學;2010年

4 張曉亮;城市公交站點優(yōu)化與高峰時段公交客流分配模型研究[D];吉林大學;2015年

5 楊富社;大城市常規(guī)公交動態(tài)調(diào)度理論與方法研究[D];長安大學;2015年

相關碩士學位論文 前10條

1 費惠;智能公交客流大數(shù)據(jù)采集、分析預測研究與應用[D];青島大學;2019年

2 蘇文恒;公交客流出行特征解析及預測方法研究[D];山東理工大學;2019年

3 段釗寧;基于公交大數(shù)據(jù)的客流OD推算及可視化方法研究[D];石家莊鐵道大學;2019年

4 李梅;基于深度學習的短時公交客流預測研究[D];北京交通大學;2019年

5 朱攀;基于機器學習的嵌入式公交客流統(tǒng)計系統(tǒng)[D];廈門大學;2017年

6 楊鑫;基于IC卡數(shù)據(jù)的公交客流智能推斷方法研究[D];北京郵電大學;2019年

7 李明志;公交客流時空分析及三維可視化表達研究[D];中國礦業(yè)大學;2019年

8 張俊杰;基于地理加權(quán)回歸模型公交客流影響因素的空間異質(zhì)性研究[D];長安大學;2018年

9 張文濤;基于機器學習的公交客流統(tǒng)計方法研究[D];長安大學;2018年

10 鄔浙東;基于云計算的動態(tài)公交客流OD獲取方法研究[D];長安大學;2018年

本文編號：2787616