公交客流出行特征解析及預測方法研究
發(fā)布時間：2021-10-20 12:00
伴隨著城市化進程的不斷加快,機動車保有量急劇增加,交通擁堵問題日益嚴重。研究經驗表明,優(yōu)先發(fā)展公共交通,科學合理的制定公交運營調度方案是解決城市交通擁堵問題的關鍵措施。公交客流信息是公交運營管理部門進行公交規(guī)劃、制定調度方案的基礎信息,公交系統(tǒng)管理者準確高效的收集到公交客流信息才能為方案制定提供保障�，F階段我國在客流信息采集方面運用人工調查法較多,此種方法成本高、不能反映公交客流的長期變化特征。隨著公交IC卡技術的不斷發(fā)展和完善,利用公交IC卡數據采集方法收集客流信息已經逐漸成為主流的信息采集方式。公交IC卡數據采集法方式簡單,所得數據包含信息全面,成本低,并且不受時間限制,能夠為研究公交客流的長期變化特點提供數據支持。本文的研究基于青島市公交IC卡刷卡數據,從原始刷卡數據入手,針對公交IC卡數據預處理、公交出行特征解析、公交短時客流預測方法展開了研究,具體研究內容如下:首先,研究了公交IC卡數據結構以及預處理方法。以青島市公交IC卡數據為基礎,對數據結構進行分析并探討公交IC卡數據預處理方法。其次,對公交客流出行特征進行研究�；谇鄭u市公交IC卡一周刷卡數據,從公交客流出行時間特征和...
【文章來源】：山東理工大學山東省
【文章頁數】：71 頁
【學位級別】：碩士
【部分圖文】：
數據變換方法
第三章 公交客流出行特征解析的準確采集為公交運營管理者以及研究人員提供了必要的求，提高公交服務水平要求公交規(guī)劃與運營管理部門針對應的公交調度方案。本章將從青島市公交 IC 卡刷卡數據間特征以及不同人群的出行特征進行解析。礎C 卡數據庫構建市一周的公交 IC 卡刷卡數據作為分析的數據基礎，青島量1000多萬次，數據量非常龐大，選取大型數據處理分析017 對青島市公交出行情況進行分析[53]。icrosoft SQL Server Management Studio 中新建一個名為，如圖 3.1 所示。
圖 3.3 客流量日變化圖Fig. 3.3 Diurnal change chart of passenger flow圖 3.3 反映了周末和工作日的客流量存在明顯的差異，周末的刷卡量明顯。周一到周四刷卡量穩(wěn)定在 154 萬次左右，周五的客流量較前四天有一定達到了 160 萬次，周六周日刷卡量連續(xù)下降，分析其原因有兩點：（1）在刷卡人群中有很大一部分是學生和上班通勤客流，這兩類人群的顯的周期性，受周末影響較為明顯，同時周一到周四的客流量較為穩(wěn)定，顯提升，這是由于大部分寄宿制學校學生會選擇周五回家，同時由于周五周末的過渡，很多商業(yè)促銷會在周五展開，同時新電影絕大部分會選擇周五這兩點分析，周五會增加大量客流。（2）周六周日出行者會選擇外出娛樂購物等活動，但由于減少了學生和刷卡量，總體刷卡量呈下降趨勢，因此通過大量數據統(tǒng)計分析得到的結果致的。
【參考文獻】：
期刊論文
[1]考慮出行模式和周期性的公交出行特征分析[J]. 何兆成,余暢,許敏行. 交通運輸系統(tǒng)工程與信息. 2016(06)
[2]基于公交IC卡數據的乘客出行分類研究[J]. 李軍,鄧紅平. 重慶交通大學學報(自然科學版). 2016(06)
[3]數據倉庫中數據清洗技術分析[J]. 羅強,何利力,王曉菲. 電腦編程技巧與維護. 2015(02)
[4]基于客流數據的區(qū)域出行特征聚類[J]. 冷彪,趙文遠. 計算機研究與發(fā)展. 2014(12)
[5]出行成本對居民出行方式的影響[J]. 徐婷,藍瑧,胡大偉,孫小端,王偉力. 交通運輸工程學報. 2013(01)
[6]基于多核最小二乘支持向量機的短期公交客流預測[J]. 鄧滸楠,朱信山,張瓊,趙錦煥. 交通運輸工程與信息學報. 2012(02)
[7]動態(tài)公交客流預測方法研究[J]. 梁雪玲. 城市公共交通. 2012 (04)
[8]基于卡爾曼濾波的公交站點短時客流預測[J]. 張春輝,宋瑞,孫楊. 交通運輸系統(tǒng)工程與信息. 2011(04)
[9]基于ARMA模型的公交樞紐站客流量預測方法研究[J]. 顧楊,韓印,方雪麗. 交通信息與安全. 2011(02)
[10]基于時間序列分析的ARIMA模型分析及預測[J]. 常亮. 計算機時代. 2011(02)
碩士論文
[1]基于成都市公交IC卡數據的公交客流量分析[D]. 劉文芳.西南交通大學 2015
[2]公交客流實時分析與短時預測研究[D]. 董海洋.大連理工大學 2013
[3]基于公交IC卡信息的大站快車調度方法研究[D]. 黃悅.西南交通大學 2012
[4]基于數據挖掘的公交客流規(guī)律研究[D]. 舒國輝.北京交通大學 2009
本文編號：3446871
【文章來源】：山東理工大學山東省
【文章頁數】：71 頁
【學位級別】：碩士
【部分圖文】：
數據變換方法
第三章 公交客流出行特征解析的準確采集為公交運營管理者以及研究人員提供了必要的求，提高公交服務水平要求公交規(guī)劃與運營管理部門針對應的公交調度方案。本章將從青島市公交 IC 卡刷卡數據間特征以及不同人群的出行特征進行解析。礎C 卡數據庫構建市一周的公交 IC 卡刷卡數據作為分析的數據基礎，青島量1000多萬次，數據量非常龐大，選取大型數據處理分析017 對青島市公交出行情況進行分析[53]。icrosoft SQL Server Management Studio 中新建一個名為，如圖 3.1 所示。
圖 3.3 客流量日變化圖Fig. 3.3 Diurnal change chart of passenger flow圖 3.3 反映了周末和工作日的客流量存在明顯的差異，周末的刷卡量明顯。周一到周四刷卡量穩(wěn)定在 154 萬次左右，周五的客流量較前四天有一定達到了 160 萬次，周六周日刷卡量連續(xù)下降，分析其原因有兩點：（1）在刷卡人群中有很大一部分是學生和上班通勤客流，這兩類人群的顯的周期性，受周末影響較為明顯，同時周一到周四的客流量較為穩(wěn)定，顯提升，這是由于大部分寄宿制學校學生會選擇周五回家，同時由于周五周末的過渡，很多商業(yè)促銷會在周五展開，同時新電影絕大部分會選擇周五這兩點分析，周五會增加大量客流。（2）周六周日出行者會選擇外出娛樂購物等活動，但由于減少了學生和刷卡量，總體刷卡量呈下降趨勢，因此通過大量數據統(tǒng)計分析得到的結果致的。
【參考文獻】：
期刊論文
[1]考慮出行模式和周期性的公交出行特征分析[J]. 何兆成,余暢,許敏行. 交通運輸系統(tǒng)工程與信息. 2016(06)
[2]基于公交IC卡數據的乘客出行分類研究[J]. 李軍,鄧紅平. 重慶交通大學學報(自然科學版). 2016(06)
[3]數據倉庫中數據清洗技術分析[J]. 羅強,何利力,王曉菲. 電腦編程技巧與維護. 2015(02)
[4]基于客流數據的區(qū)域出行特征聚類[J]. 冷彪,趙文遠. 計算機研究與發(fā)展. 2014(12)
[5]出行成本對居民出行方式的影響[J]. 徐婷,藍瑧,胡大偉,孫小端,王偉力. 交通運輸工程學報. 2013(01)
[6]基于多核最小二乘支持向量機的短期公交客流預測[J]. 鄧滸楠,朱信山,張瓊,趙錦煥. 交通運輸工程與信息學報. 2012(02)
[7]動態(tài)公交客流預測方法研究[J]. 梁雪玲. 城市公共交通. 2012 (04)
[8]基于卡爾曼濾波的公交站點短時客流預測[J]. 張春輝,宋瑞,孫楊. 交通運輸系統(tǒng)工程與信息. 2011(04)
[9]基于ARMA模型的公交樞紐站客流量預測方法研究[J]. 顧楊,韓印,方雪麗. 交通信息與安全. 2011(02)
[10]基于時間序列分析的ARIMA模型分析及預測[J]. 常亮. 計算機時代. 2011(02)
碩士論文
[1]基于成都市公交IC卡數據的公交客流量分析[D]. 劉文芳.西南交通大學 2015
[2]公交客流實時分析與短時預測研究[D]. 董海洋.大連理工大學 2013
[3]基于公交IC卡信息的大站快車調度方法研究[D]. 黃悅.西南交通大學 2012
[4]基于數據挖掘的公交客流規(guī)律研究[D]. 舒國輝.北京交通大學 2009
本文編號：3446871
本文鏈接：http://sikaile.net/kejilunwen/daoluqiaoliang/3446871.html
