公交乘客出行有著較強(qiáng)的規(guī)律性和時空重復(fù)性,對這些規(guī)律性及重復(fù)性的研究有助于揭示乘客的出行規(guī)律及行為偏好,進(jìn)而規(guī)劃公交線路、優(yōu)化公交運(yùn)營參數(shù)等。為深入研究公交乘客的出行重復(fù)性變化機(jī)理,引入信息論中信息熵的概念,提出一種基于熵率的公交乘客出行重復(fù)性度量方法。針對乘客出行時空變化,提出出行重復(fù)性概念,結(jié)合隨機(jī)過程將乘客出行逗留時長、出行地點(diǎn)狀態(tài)等特征事件進(jìn)行標(biāo)定,將出行者多日出行序列作為隨機(jī)過程,利用信息熵和熵率對乘客的出行重復(fù)性進(jìn)行度量,通過Burrows-Wheeler轉(zhuǎn)換對熵率進(jìn)行求解,以石家莊公交智能卡乘客出行數(shù)據(jù)為例進(jìn)行應(yīng)用分析。結(jié)果表明:通過該方法對乘客的出行重復(fù)性進(jìn)行度量時,信息熵越大、熵率越小,出行重復(fù)性越高。依此可判斷乘客的出行規(guī)律變化情況,并給出相關(guān)分析結(jié)果。通過選取典型特征下4名不同持卡人的具體出行信息對所提出方法及應(yīng)用進(jìn)行深入闡述,結(jié)合出行序列示意圖對所選乘客的出行重復(fù)性進(jìn)行量化呈現(xiàn)。通過此方法,可在研究數(shù)據(jù)不完整的前提下對乘客的出行規(guī)律進(jìn)行補(bǔ)充估計,以增加出行規(guī)律推算的準(zhǔn)確性。 

【文章來源】：公路交通科技. 2020,37(09)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

出行序列示意圖

以收集到的2018年1月1日—2018年2月1日石家莊公交智能卡乘客出行數(shù)據(jù)為例,將乘客的出行記錄進(jìn)行鏈化處理,依照前文所述方法將出行序列進(jìn)行整理后得到如圖2所示的46 923名乘客的出行特征事件序列分布情況。其中橫坐標(biāo)所示的出行特征事件序列長度指乘客出行中的地點(diǎn)狀態(tài)累計排列長度。3 度量方法

智能卡乘客出行序列的信息熵分布

【參考文獻(xiàn)】：
期刊論文
[1]基于多時間粒度的地鐵出行規(guī)律相似性度量[J]. 張晚笛,陳峰,王子甲,汪波,王挺.  鐵道學(xué)報. 2018(04)

碩士論文
[1]快速公交乘客出行的時空規(guī)律特征研究[D]. 楊光.西南交通大學(xué) 2017



本文編號：3584146