基于一卡通数据的公交客流时空特征分析.docVIP

基于一卡通数据的公交客流时空特征分析 　　摘要：一卡通数据记录了乘客的出行地点、时间信息，可反映城市居民公交出行的总体特征。文章提出了基于刷卡数据的常规公交、地铁客流计算方法，结合深圳市实际刷卡数据，分析了公交客流的时段分布特征、线路与站点特征和接驳换乘特征，可为行业主管部门优化公交线网、提升公众出行服务提供决策依据。 　　关键词：公交客流；一卡通数据；时空特征分析；客流分析；公共交通 文献标识码：A 　　中图分类号：U23 文章编号：1009-2374（2016）17-0087-03 DOI：10.13535/j.cnki.11-4406/n.2016.17.042 　　1 概述 　　随着物联网技术的不断发展，公交一卡通在国内大量城市得到了广泛应用，持卡出行的居民占比持续增加，一卡通刷卡数据作为公交乘客出行行为的记录，通过与城市智能公交系统其他动静态信息的结合，经过挖掘分析后，可为公交线网规划、企业运营管理和市民出行服务提供决策依据。 　　本文基于一卡通数据，将乘客的一次出行划分为上车、经过、下车/出站、换乘四类基础行为，通过公交到站时间计算、公交乘客上下车站点匹配、地铁乘客上下车站点识别等数据处理模块，从时间和空间维度展开，挖掘分析常规公交和地铁客流时空分布规律。 　　2 常规公交客流计算算法 　　随着卫星定位数据的发展与广泛应用，公车GPS数据已经成为辅助城市公交管理的重要数据基础。本文综合分析一卡通数据与公交GPS数据，识别乘客上下车点，实现常规公交的客流统计。 　　2.1 到站时间计算 　　公交车GPS数据包含有公交车的空间位置与速度信息，需要结合站点位置数据计算到站时间。首先，基于线路轨迹相似度分析确定车辆运行的实际线路；其次，通过计算连续GPS点的时空关系确定车辆运行方向；最后，以线路和方向为约束条件计算GPS轨迹点与各站点位置的距离，识别GPS点所在的站点区间，并取距离站点最近的轨迹点为进站点，记录到站时间。 　　2.2 乘客上车站点匹配 　　得到了公交的到站信息后，可通过与一卡通数据融合，确定乘客的上车站点。深圳一卡通刷卡数据通过设备编码号实现与特定车牌的关联，因此可根据车牌和时间两个关键字段判断乘客上车站点，算法流程如下：（1）读取当天深圳一卡通清洗后的数据和当天公交到站数据；（2）根据两个数据表中的车牌号，筛选出深圳通数据中每一条刷卡记录所乘坐的车辆的全天到站时间表；（3）选取到站时间和刷卡记录中刷卡时间最近的一对，将对应的站点作为此乘客的真实上车站点。 　　2.3 乘客下车站点估计 　　由于深圳公交采取单次刷卡制，本文基于出行链估计推断乘客下车站点。由于公交乘客在工作日出行呈现明显的潮汐特性，故算法通过聚类分析识别公交乘客可能的居住地、工作地，进一步提升下车站点识别的可靠度，总体流程如下：（1）将每位乘客的刷卡记录按照时间排序，将相邻的两条记录合并为一条；（2）对于合并后的记录，将距离第二次乘车的上车站点最近的第一次乘车方向的站点作为其第一次乘车的下车站点，同时去除距离大于2000米的数据；（3）取每位乘客每天的第一次上车站点刷卡站点作为可能的居住地站点；（4）取工作日与第一次刷卡记录相邻刷卡时间差大于3小时的第二次刷卡站点作为可能工作站点；（5）聚类分析一个月每位乘客的可能居住地和工作地站点，计数排序，取最可能的居住地/工作站点作为其最终居住地/工作站点；（6）对于乘客每天的最后一条刷卡记录，若乘车时间处于工作日6∶00～8∶00/16∶00～18∶00，则其下车站点为其工作地/居住地。 　　3 地铁客流计算模型 　　深圳地铁乘客的进出站需要刷卡两次，且通过设备编号与站点关联，一卡通刷卡数据记录了每位乘客的进出站时间、地点等交易信息。将当天地铁乘客的刷卡记录（进站、出站）按照时间排序，取第一、第二条记录为进站、出站标识，保留进出站时间差小于3小时、进出站站点不相同的记录，可判断地铁乘客的进出站点情况。 　　由于地铁轨道网络存在大量的站内换乘，当进出站之间有多条路径可选择时，乘客选择的具体线路无从得知，为客流统计分析带来困难。本文基于一卡通刷卡出行时刻和时间间隔，建立客流分配模型与算法，推断出行者在轨道交通网络中的出行路径，实现城市轨道交通客流量的精确分配，步骤如下： 　　步骤1：读取同一张卡ID下的相邻两个进站/出站记录，通过进站和出站的车站代码获得出行的起讫点，即出行OD对。若该OD之间只存在一条可达路径，则该路径为出行路径；若OD之间存在多条路径，进入多路径选择的判断过程。 　　步骤2：在多路径选择过程中，若该OD对是位于同一线路上且离进站时刻最近的发车班次和离出站时刻最近的进站班次相同，则认为出行过程没有换乘。 　　步骤3：若进出站时的列车班次不一