您好,欢迎来到中国公路网!

投稿须知 2019WTC专题
基于IC卡和GPS数据的不同公交乘客群体出行行为分析

作者:丛佳敏 高林杰 等 来源:中国公路网 时间:2019-03-14

丛佳敏1,高林杰1,隽志才2

1上海交通大学,上海

2上海交通大学 安泰经济管理学院,上海

导言

交通IC卡数据不仅可以用于提高出行调查数据的准确完整性,还可用于减少传统出行调查中被低估的出行,为研究居民出行行为提供必要的数据支持。上海交通大学的从佳敏、高林杰和隽志才用交通IC卡数据、公交车GPS运行轨迹数据和公交线路信息数据等进行数据挖掘,深入探讨了这一问题,论文发表在交通研究类期刊上(IET Intelligent Transport Systems)。本研究以中国浙江省绍兴市的公交数据为实证案例,提出了一系列理论方法,用以提高学生群体的下车站点成功识别率和识别精度,最终得到学生群体一周内的日出行链和OD矩阵。实证结果显示学生群体的下车站点成功识别率为74.9%,并表明该理论方法可用于识别分析学生群体的出行链和出行行为、优化学生群体的公交服务。

(文献来源:Cong, J. , Gao, L. , Juan, Z. . (2019). Improved algorithms for trip-chain estimation using massive student behaviour data from urban transit systems. IET Intelligent Transport Systems, 13, (3), p. 435-442, DOI: 10.1049/iet-its.2018.5183)

引言:智能公交系统和乘客出行行为

智能公交系统(Advanced Public Transportation Systems,APTS)是智能交通系统中的一个重要子系统,为交通管理人员提供了数据信息的管理服务,也为研究人员提供了大量的系统数据。本研究将基于公交IC卡数据、公交车GPS运行轨迹数据和公交线路信息数据,识别并分析学生群体的出行链和出行行为。

识别站点、出行链和OD矩阵的方法

比起传统调查方法,基于交通IC卡的数据挖掘在探索居民出行活动方面更有效率。首先,公交IC卡数据比较容易获取。其次,交通IC卡数据的存储量极大。此外,基于乘客出行记录的时空信息,能够获得其出行活动路线信息。

本文对智能公交系统数据进行数据挖掘,提出一系列理论方法,用以提高对学生群体的下车站点成功识别率和识别精度,最终得到学生群体一周内的个人日出行链和OD矩阵,并对其出行链和出行行为进行分析,最后提出了一些应用和建议。

研究方法

1数据预处理

由于公交公司提供的数据可能存在缺失,导致公交IC卡数据与公交车GPS运行轨迹数据匹配困难。另外,公交线路信息,包括站数、站点名、站点位置等存在不统一的问题。因此,需对各类数据和信息进行预处理,以便进行后续研究。

2站点识别

首先进行上车站点识别、下车站点识别与换乘站点识别。之后,基于学生群体的典型出行行为模式,进一步提出额外的识别方法,进而提高学生群体的下车站点成功识别率。

3乘客出行链与OD矩阵推断

基于识别的上车站点、下车站点、换乘站点的时间位置信息,确定出行者的出发时间、出发地点、出行时长、换乘站点、出行目的地、活动时长等信息,从而推断出乘客的日出行链与OD矩阵。

4出行行为分析和公交运营分析

基于OD矩阵和出行链信息,能够获得学生群体的公交客流信息与出行行为,进而可以用于优化公交网络、保证学生群体出行的便利安全。

结果与分析

1学生群体的下车站点成功识别率

基于住宿生与走读生的典型出行行为模式,提出改进算法,进一步提高学生群体的下车站点成功识别率。在绍兴案例的实证结果中,识别率显著提高了8.6%。该实证结果表明,基于学生群体的典型出行行为模式的算法,极有可能会进一步提高其下车站点的成功识别率。

2建议与应用

基于学生群体的出行链和OD矩阵,可以获得该群体的出行次数、出行距离、出行时间、换乘时间等指标(如图9所示),并对这些指标进行分析,进而可以应用到政策规划中,如公交时刻表的优化调整、识别学生群体周末的出行目的等。

image.png

总结:对采用智能公交系统数据分析学生群体出行行为的批判性评估

本研究采用智能公交系统数据来分析学生群体的出行行为,研究结果表明,本研究提出的一系列方法可用于识别并提高学生群体的下车站点识别成功率。本研究关注的是学生群体,而非整个出行群体或仅仅是通勤群体。本研究还改进了下车站点的识别方法,基于传统出行理论进行推广,提出了相邻两日连续出行链的假设,随后又基于学生群体的典型出行模式,进一步提高了下车站点成功识别率。

尽管本研究目前取得了很多成果,但未来还有许多地方值得深入探究。首先,本研究的算法需要用其他数据集进行验证,通过比较正确识别出的结果,以证明所提出算法的准确性。其次,随着绍兴市地铁的建设和共享自行车的广泛使用,地铁和共享自行车的数据也可以添加到本文的数据集中。最后,如果能从政府获得更多的信息,如土地利用数据、更长时间段内的交通IC卡和公交GPS数据等,就能得到更详细准确的结果,使案例应用中得到的结果更为精确。

附参考文献

Barry, J.J., Newhouser, R., Rahbee, A., Sayeda, S., and Trb: 'Origin and Destination Estimation in New York City with Automated Fare System Data', 'Transportation Planning and Analysis 2002: Planning and Administration', (2002), pp. 183-187

Barry, J.J., Freimer, R., and Slavin, H.: 'Use of Entry-Only Automatic Fare Collection Data to Estimate Linked Transit Trips in New York City', Transportation Research Record, 2009, 2112, (2112), pp. 53-61

Zhao, J., Rahbee, A., and Wilson, N.H.M.: 'Estimating a Rail Passenger Trip Origin‐Destination Matrix Using Automatic Data Collection Systems', Computer‐aided Civil & Infrastructure Engineering, 2007, 22, (5), pp. 376–387

Trépanier, M., Tranchant, N., and Chapleau, R.: 'Individual Trip Destination Estimation in a Transit Smart Card Automated Fare Collection System', Journal of Intelligent Transportation Systems, 2007, 11, (1), pp. 1-14

Ma, X.-l., Wang, Y.-h., Chen, F., and Liu, J.-f.: 'Transit Smart Card Data Mining for Passenger Origin Information Extraction', Journal of Zhejiang University-Science C-Computers & Electronics, 2012, 13, (10), pp. 750-760

Ma, X., Wu, Y.-J., Wang, Y., Chen, F., and Liu, J.: 'Mining Smart Card Data for Transit Riders' Travel Patterns', Transportation Research Part C-Emerging Technologies, 2013, 36, pp. 1-12

Munizaga, M.A. and Palma, C.: 'Estimation of a Disaggregate Multimodal Public Transport Origin-Destination Matrix from Passive Smartcard Data from Santiago, Chile', Transportation Research Part C-Emerging Technologies, 2012, 24, pp. 9-18

Munizaga, M., Devillaine, F., Navarrete, C., and Silva, D.: 'Validating Travel Behavior Estimated from Smartcard Data', Transportation Research Part C-Emerging Technologies, 2014, 44, pp. 70-79

Pineda, C., Schwarz, D., and Godoy, E.: 'Comparison of Passengers' Behavior and Aggregate Demand Levels on a Subway System Using Origin-Destination Surveys and Smartcard Data', Research in Transportation Economics, 2016, 59, pp. 258-267

【中国公路网编辑记者王珏 在线QQ:1485994861】
       【电话:13810405128/010-84990788—1369 邮箱:1485994861@qq.com 】

0

相关阅读

关注一下,不做时代的旁观者

微信公众号

微信订阅号