不同人群公交出行区域活跃模式挖掘与分析

发布时间：2020-06-08 11:11

【摘要】：随着常规公交系统中公交刷卡数据和定位数据的积累,研究者可以提取公交乘客出行特征、出行链等与乘客出行行为相关的信息,而对公交卡数据的研究主要集中在对数据的应用以及乘客出行的分布特征上。尽管如此,目前公交刷卡数据当中仍旧有很多规律性的知识可以被挖掘和利用。本文基于公交出行卡种信息,针对不同人群的活跃特性进行分析,尝试从区域层面量化挖掘人群出行的不同活跃模式。论文主要内容包括以下四个方面:(1)对挪威特隆赫母市和北京市的公交刷卡数据进行清洗、筛选和修正,在FCM(Fuzzy C-Means)聚类方法的基础上提出改进的IFCM(Inner-Restricted Fuzzy C-Means)算法,.考虑站点服务范围和客流量两种因素,对公交站点进行小区划分,为后续区域层面的分析提供研究基础。(2)利用奇异值矩阵分解(Singular Value Decomposition)的方法对挪威特隆赫母城市公交刷卡数据进行时段划分,确定最佳划分时段,并对区域刷卡次数及停留时间作统计分析;提出改进的非负矩阵分解(Nonnegtive Matrix Factorization)初始维数的确定方法,从而获取数据中隐藏的不同人群在不同区域的活跃模式;结合区域空间分布、各活跃模式特征值占比大小,分析不同类型人群的区域访问频次以及区域停留时间的时空特征。(3)基于不同人群公交OD出行信息进行区域OD对的活跃模式挖掘分析,获得与不同活跃模式相匹配的公交OD分布图,从出行时空数据中提取人群差异化的区域OD对活跃特性。(4)利用本文提出的方法,处理和分析北京市地面公交刷卡数据,挖掘和对比不同城市中不同人群在不同区域的活跃模式,从而发现不同城市间的共性与差异性。图63幅,表10个,参考文献94篇。
【图文】：

图１－１论文组织结构图逡逑Ｆｉｇ．邋１－１邋Ｌｏｇｉｃａｌ邋Ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｔｈｉｓ邋ｐａｐｅｒ逡逑

由图可以明显看到，公交站点的分布较为不均，大多公交站点主要集中在市逡逑区中心，即港口区附近。而市区边缘的很多区域，并没有完全被覆盖到。逡逑下图２－２是市区中心及附近地段的公交站点及线路信息：逡逑－逦－—邋Ｗ逦三口二逦逦逡逑爹—逡逑ＣＶ＾＇逦°逦Ｔｒｏｎｄｈｅｉｍ邋？—＊＝＝＂逡逑＼逦Ｓｅｎｔｒｕｍｓｔｅｒｍｉｎａｌｅｎ逦逦逡逑ＭＬｆＸｆｍ邋ｊ逦．？＊＊逦0？？？？？？§＊＊？？逡逑一—巨逡逑Ｉ逦—＂Ｔ邋＜逦？—邋—邋－ＴＬ＊逡逑＝＝邋Ｉ邋Ｗ逡逑＾－Ｔ逦ｒ，ｒｒｒ．｜Ｓ－逦＝：■＝邋｜邋ｉ＝＝－逡逑一邋＿邋１逦ＳＳ邋ｉ逦一！Ｓ邋４逡逑、
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.17

【参考文献】

相关期刊论文 前10条

1 陈剑军;刘智秉;;基于SVD确定NMF初始化矩阵维数[J];电脑知识与技术;2015年24期

2 杨万波;王昊;叶晓飞;徐闯闯;姜冬雪;;基于GPS和IC卡数据的公交出行OD推算方法[J];重庆交通大学学报(自然科学版);2015年03期

3 周康;何世伟;宋瑞;;基于出行行为的公交网络多目标优化方法[J];公路交通科技;2015年06期

4 李向楠;;城市轨道交通站点分类的聚类方法研究[J];铁道标准设计;2015年04期

5 张倩敏;陶亮;周健;王华彬;;非对称代价函数的稀疏卷积非负矩阵分解方法[J];信号处理;2015年01期

6 胡继华;邓俊;黄泽;;结合出行链的公交IC卡乘客下车站点判断概率模型[J];交通运输系统工程与信息;2014年02期

7 钱X;毛保华;;城市轨道交通客流强度及其基本特征分析[J];综合运输;2014年01期

8 邵克勇;蔡苗苗;李鑫;;基于小波分析及奇异值差分谱理论的滚动轴承故障诊断[J];制造业自动化;2013年08期

9 刘颖;;模糊C-均值聚类算法的研究与实现[J];知识经济;2012年14期

10 王群英;;矩阵分解方法的探究[J];长春工业大学学报(自然科学版);2011年01期

，

本文编号：2702995