【摘要】：基于對智能交通卡數(shù)據(jù)的挖掘與分析能夠為城市交通建設(shè)和城市管理提供有力支持,但現(xiàn)有研究數(shù)據(jù)大都僅包含公交或地鐵這兩方面數(shù)據(jù),且主要關(guān)注群體性宏觀出行規(guī)律。針對這一問題,以某城市交通卡數(shù)據(jù)為例,該數(shù)據(jù)包含著城市居民日常出行公交、地鐵、出租車等多源數(shù)據(jù),首先提出行程鏈的概念對居民出行行為建模,在此基礎(chǔ)上給出不同維度的周期性出行特征;然后提出一種基于最長公共子序列的空間周期性特征提取方法,并對城市居民出行規(guī)律進(jìn)行聚類分析;最后通過規(guī)則定義5個評價指標(biāo)對該方法的有效性進(jìn)行初步驗證。結(jié)果表明引入該方法的聚類算法對聚類結(jié)果有6.8%的效果提升,有利于發(fā)現(xiàn)居民的行為模式。
【圖文】：

?2)乘車日期(date):乘客刷卡上下車日期，格式為YYYY-MM-DD;3)乘車時間(time):乘客刷卡上下車時間，為24小時制;4)乘車站點(diǎn)(station):若類型為公交或地鐵，則為公交線路或地鐵站點(diǎn)，其他為無;5)乘車類型(type):公交、地鐵、出租、輪渡、P+R停車場等多種乘車方式;6)消費(fèi)金額(price):此次記錄消費(fèi)的金額;7)是否優(yōu)惠(discount):根據(jù)交通部門制定的一些優(yōu)惠政策對消費(fèi)記錄進(jìn)行判定。1．2交通卡數(shù)據(jù)清洗城市交通卡數(shù)據(jù)由于網(wǎng)絡(luò)傳輸、設(shè)備故障等原因存在數(shù)據(jù)丟失或產(chǎn)生臟數(shù)據(jù)，本文給出了對該類數(shù)據(jù)的清洗流程，如圖1所示。數(shù)據(jù)清洗流程中給出了對應(yīng)的清洗規(guī)則，該規(guī)則結(jié)合了該城市數(shù)據(jù)采集機(jī)制、刷卡優(yōu)惠政策等，對數(shù)據(jù)的合理性進(jìn)行評估。首先對交通卡數(shù)據(jù)按照交通卡編號和乘車時間排序;然后檢查數(shù)據(jù)中是否存在時間格式錯誤的記錄以及針對每名乘客每天是否存在單條地鐵數(shù)據(jù)，若發(fā)現(xiàn)將其剔除;最后經(jīng)過優(yōu)惠政策的篩選得到清洗后的數(shù)據(jù)。圖1中的優(yōu)惠政策過濾模塊主要針對地鐵乘車記錄。乘坐地鐵每刷一次卡就會生成一條記錄，乘坐地鐵進(jìn)出站各刷卡一次為完整的記錄，因此處理數(shù)據(jù)時按照每兩條進(jìn)行處理，獲取所有乘客列表，遍歷每名乘客的乘車記錄，具體流程如圖2，其中cnt表示該用戶的總記錄數(shù)，idx表示當(dāng)前乘客第idx條記錄，idx+1＜cnt表示當(dāng)前處理的下一條記錄序號小于記錄總數(shù)。由于判斷條件較多，為方便表示，圖2中判斷缺少的處理默認(rèn)為:跳過當(dāng)前記錄，讀取下一行。圖1交通卡數(shù)據(jù)清洗流程Fig．1Cleaningprocessoftrafficcarddata圖2優(yōu)惠政策處理流程Fig．2Processofpreferentialpolicy圖2中出站換乘規(guī)則具體如下:若在換乘站點(diǎn)出站后在間隔30min內(nèi)再進(jìn)站可以享受出站換乘連續(xù)計費(fèi)。例如，某名乘客的一日乘坐地鐵記錄，共計n?

檢查數(shù)據(jù)中是否存在時間格式錯誤的記錄以及針對每名乘客每天是否存在單條地鐵數(shù)據(jù)，若發(fā)現(xiàn)將其剔除;最后經(jīng)過優(yōu)惠政策的篩選得到清洗后的數(shù)據(jù)。圖1中的優(yōu)惠政策過濾模塊主要針對地鐵乘車記錄。乘坐地鐵每刷一次卡就會生成一條記錄，乘坐地鐵進(jìn)出站各刷卡一次為完整的記錄，因此處理數(shù)據(jù)時按照每兩條進(jìn)行處理，獲取所有乘客列表，遍歷每名乘客的乘車記錄，具體流程如圖2，其中cnt表示該用戶的總記錄數(shù)，idx表示當(dāng)前乘客第idx條記錄，idx+1＜cnt表示當(dāng)前處理的下一條記錄序號小于記錄總數(shù)。由于判斷條件較多，為方便表示，圖2中判斷缺少的處理默認(rèn)為:跳過當(dāng)前記錄，讀取下一行。圖1交通卡數(shù)據(jù)清洗流程Fig．1Cleaningprocessoftrafficcarddata圖2優(yōu)惠政策處理流程Fig．2Processofpreferentialpolicy圖2中出站換乘規(guī)則具體如下:若在換乘站點(diǎn)出站后在間隔30min內(nèi)再進(jìn)站可以享受出站換乘連續(xù)計費(fèi)。例如，，某名乘客的一日乘坐地鐵記錄，共計n條，其中第i條記錄為:Ri:{uid，timei，stationi};1≤i≤n由于地鐵記錄進(jìn)出站點(diǎn)刷卡兩次為一條完整出行記錄，所以按照每兩條數(shù)據(jù)進(jìn)行處理，一般情況下從station0站出發(fā)，中間經(jīng)過站點(diǎn)stationi－1∈“換乘車站”出站，并且在30min內(nèi)再次從該站點(diǎn)進(jìn)站(即timei－timei－1≤30min)，最后到達(dá)stationn站。系統(tǒng)會將票價連續(xù)計費(fèi)，計算從station0站到stationn站的總費(fèi)用。若n為奇數(shù)，且最后兩條記錄乘車站點(diǎn)為換乘車站，則說明最后一條表示從換乘車站出站。2基于LCS匹配的出行模式特征提取基于給定的清洗后的數(shù)據(jù)，本章將給出基于最長公共子序列(LCS)匹配的出行模式特征提齲首先對軌跡與站點(diǎn)序列等概念進(jìn)行定義，然后給出基于站點(diǎn)序列等相似性度量方第8期徐曉偉等:

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 許志榕;;上海市職住關(guān)系和通勤特征分析研究——基于軌道交通客流數(shù)據(jù)視角[J];上海城市規(guī)劃;2016年02期

2 龍瀛;孫立君;陶遂;;基于公共交通智能卡數(shù)據(jù)的城市研究綜述[J];城市規(guī)劃學(xué)刊;2015年03期

3 李婷;裴韜;袁燁城;宋辭;王維一;楊格格;;人類活動軌跡的分類、模式和應(yīng)用研究綜述[J];地理科學(xué)進(jìn)展;2014年07期

4 龍瀛;張宇;崔承印;;利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行[J];地理學(xué)報;2012年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐曉偉;杜一;周園春;;基于多源出行數(shù)據(jù)的居民行為模式分析方法[J];計算機(jī)應(yīng)用;2017年08期

2 李雅楠;徐鶴;王成新;;大數(shù)據(jù)在城市空間結(jié)構(gòu)研究中的應(yīng)用進(jìn)展[J];工業(yè)經(jīng)濟(jì)論壇;2017年04期

3 韓龍玫;卿粼波;;視頻大數(shù)據(jù)在城市公共空間規(guī)劃領(lǐng)域的應(yīng)用前景探索[J];四川建筑;2017年03期

4 尹凌;姜仁榮;趙志遠(yuǎn);宋曉晴;李曉明;;利用手機(jī)通話位置數(shù)據(jù)估計城市24 h人口分布誤差[J];地球信息科學(xué)學(xué)報;2017年06期

5 翁劍成;涂強(qiáng);林鵬飛;徐碩;;票價調(diào)整對公交出行者出行選擇的影響分析[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2017年03期

6 許園園;塔娜;李響;;基于地鐵刷卡數(shù)據(jù)的城市通勤與就業(yè)中心吸引范圍研究[J];人文地理;2017年03期

7 吳瑞君;朱寶樹;古葒歡;;上海市就業(yè)人口的職住分離和結(jié)構(gòu)分異[J];中國人口科學(xué);2017年03期

8 鄧羽;陳田;劉盛和;;城市物質(zhì)空間更新研究進(jìn)展與展望[J];地理科學(xué)進(jìn)展;2017年05期

9 袁佳;楊東援;李瑋峰;孫世超;;基于GPS數(shù)據(jù)的公交線路校核:以廈門市為例[J];綜合運(yùn)輸;2017年05期

10 李東屹;;上海市現(xiàn)代有軌電車系統(tǒng)發(fā)展策略研究[J];城市軌道交通研究;2017年05期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龍瀛;孫立君;陶遂;;基于公共交通智能卡數(shù)據(jù)的城市研究綜述[J];城市規(guī)劃學(xué)刊;2015年03期

2 鈕心毅;丁亮;;利用手機(jī)數(shù)據(jù)分析上海市域的職住空間關(guān)系——若干結(jié)論和討論[J];上海城市規(guī)劃;2015年02期

3 李海波;陳學(xué)武;;基于公交IC卡和AVL數(shù)據(jù)的換乘行為識別方法[J];交通運(yùn)輸系統(tǒng)工程與信息;2013年06期

4 隋正偉;鄔倫;劉瑜;;基于簽到數(shù)據(jù)的城市間交互網(wǎng)絡(luò)研究[J];地理與地理信息科學(xué);2013年06期

5 關(guān)美寶;郭文伯;柴彥威;;人類移動性與健康研究中的時間問題[J];地理科學(xué)進(jìn)展;2013年09期

6 秦蕭;甄峰;熊麗芳;朱壽佳;;大數(shù)據(jù)時代城市時空間行為研究方法[J];地理科學(xué)進(jìn)展;2013年09期

7 申悅;柴彥威;;基于GPS數(shù)據(jù)的北京市郊區(qū)巨型社區(qū)居民日�；顒涌臻g[J];地理學(xué)報;2013年04期

8 陳君;楊東援;;基于智能調(diào)度數(shù)據(jù)的公交IC卡乘客上車站點(diǎn)判斷方法[J];交通運(yùn)輸系統(tǒng)工程與信息;2013年01期

9 桂智明;向宇;李玉鑒;;基于出租車軌跡的并行城市熱點(diǎn)區(qū)域發(fā)現(xiàn)[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2012年S1期

10 龍瀛;張宇;崔承印;;利用公交刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤出行[J];地理學(xué)報;2012年10期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳冬牛;用于零件成組的多目標(biāo)聚類分析[J];成組生產(chǎn)系統(tǒng);1986年01期

2 蔡建國;;排序聚類分析在成組技術(shù)中的應(yīng)用[J];機(jī)械工藝師;1985年01期

3 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

4 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

5 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應(yīng)用[J];成組生產(chǎn)系統(tǒng);1986年03期

6 吳國安;聚類分析在鳥的分類中的應(yīng)用[J];黑龍江大學(xué)自然科學(xué)學(xué)報;1989年04期

7 盧澤生;;零件分類成組的聚類分析法[J];機(jī)械工程師;1990年04期

8 高偉平;;聚類分析在化學(xué)中的應(yīng)用及在可編程序計算器上的實現(xiàn)[J];化學(xué)工程師;1990年06期

9 陳艾荷;;一種基于非線性映射的聚類分析[J];武測科技;1992年03期

10 田盛豐;;聚類分析方法[J];計算機(jī)研究與發(fā)展;1992年03期

相關(guān)會議論文 前3條

1 李輝;蔡敏;;基于聚類分析的數(shù)字通信信號的分類[A];江蘇省系統(tǒng)工程學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

2 龔毅;何琳華;;企業(yè)技術(shù)掃描模式聚類分析[A];第十一屆中國青年信息與管理學(xué)者大會論文集[C];2009年

3 胡立;陳健;沈書毅;黃晉;;基于用戶軌跡聚類分析的推薦算法研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 張建萍;基于計算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年

2 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 周穎;基于蟻群算法的聚類分析在學(xué)生成績中的研究[D];南昌大學(xué);2015年

3 王帥宇;K-Means算法在用戶細(xì)分方面的應(yīng)用研究[D];北京理工大學(xué);2015年

4 張玉超;公安重點(diǎn)關(guān)注對象的聚類分析研究[D];山東大學(xué);2015年

5 馮棣夫;聚類分析在H銀行客戶分類中的應(yīng)用[D];華南理工大學(xué);2015年

6 王偉;基于聚類分析的社會網(wǎng)絡(luò)社團(tuán)劃分方法研究[D];南京郵電大學(xué);2015年

7 欒海洋;動車組質(zhì)量數(shù)據(jù)聚類分析研究與應(yīng)用[D];北京交通大學(xué);2016年

8 王冰冰;雙類型信息網(wǎng)絡(luò)聚類分析[D];吉林大學(xué);2016年

9 李萌萌;基于Hadoop的聚類分析研究[D];昆明理工大學(xué);2016年

10 李林;基于聚類分析和決策樹算法的交通流量挖掘[D];江蘇科技大學(xué);2016年

本文編號：2575558