基于公交大数据的客流OD推算及可视化方法研究

发布时间：2020-08-09 22:03

【摘要】：公交客流OD(origin-destination,起止站点)数据作为城市公共交通特征研究的基础数据,在公交客流分析、预测和公交路网规划与优化等工作中扮演了重要的角色。近年来,随着我国智慧城市体系的逐步完善,城市公共交通系统的核心业务不断得以拓展,以大数据技术为支撑的公交大数据挖掘方法与可视化技术研究逐步成为智慧交通领域中的研究热点。公交大数据作为城市公共交通系统的产物,是城市空间大数据的核心组成部分,为公交客流OD特征挖掘方法的研究提供了数据支撑。公交大数据继承了大数据的“大量”、“高速”、“多样”、“低价值密度”、“真实性”等特征,在公交大数据中存在数据噪声大、数据冗余等问题。同时,由于城市公共交通采用上车一票制的计费方式,公交客流OD数据难以从多种数据采集机制所产生的公交大数据中直接提取。论文研究了公交大数据的存储与预处理方法,提出了基于公交大数据的公交客流OD数据挖掘算法,获取了公交客流时空分布数据,构建了基于公交客流数据的城市空间大数据可视化系统。具体研究内容如下:(1)以石家庄市AVL(Automatic Vehicle Location,车辆自动定位)数据、公交IC刷卡数据和公交站点GPS数据等为主要研究对象,研究了公交大数据的分布式存储方法,通过分析公交大数据数据结构,提取了公交数据中的关键字段和多源公交数据间的时空映射关系,实现了公交大数据清洗、集成、变换及归约等预处理过程。(2)利用时间匹配方法,通过设立时间弹性因子,实现了IC刷卡数据和AVL数据的融合,推算得到了乘客上车站点;基于乘客公交出行行为特征,利用乘客上车站点数据提取乘客出行下游站点集合与高频站点集合,基于泊松分布理论,分别研究了在出行线路、出行时间相异的条件下乘客出行站点数即参数λ的不同表现,结果表明参数λ受到了出行线路、出行时间的综合作用,因此提出了多时段公交站点吸引强度与公交出行链法结合的方法,实现了下车站点的推算,并提出了集计层面的模型检验方法,以石家庄市公交数据为例进行了实例验证。(3)研究了城市空间矢量数据在线爬取方法,设计了基于3DGIS(3D Geographic Information System,三维地理信息系统)平台的城市路网与建筑物轮廓的在线爬取方法,通过三维模型快速构建技术,实现了3D城市景象可视化;基于公交客流OD数据,提取客流时空分布特征,以时间、位置为关键因素,研究了公交站点及线路客流量可视化方法、动态客流分布可视化方法与公交运营指标可视化。论文以石家庄市公交大数据为基础数据,对本文的研究成果进行了有效性和适用性的验证,同时获取到了石家庄市公交客流时空分布特征数据,基于3DGIS平台实现了石家庄市3D城市景象、公交客流特征可视化。
【学位授予单位】：石家庄铁道大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.17
【图文】：

数据序列,热力图

图 1-1 Benomar 热力图展示王胜开[18]构建了 B/S 架构的 WebGIS 可视化客户端，通三维动态 OD 图的方式，实现了公交特征的可视化。申北京市公交出行的一些规律，基于 Cesium 以及 Leaflet 工以及动态轨迹图实现了北京市公交站位登量、公众出行以及出租车轨迹的可视化。李文锋[40]基于 GIS 平台叠加构建了公交站点客流量热力图，实现了公交客流量可视点数据、线数据、区域数据，将可视化方法分为四个级数据的准确表达。刘铭崴等[42]基于空间信息系统设计了了分析性与探索性多层次任务需求，描述了任务需求与陈辉等[43]基于经典隐马尔可夫模型地图匹配算法，分析高质量高频轨迹数据序列，实现了公交线路的地图匹配本语言开发的方式进行了职住地与通勤行为的识别方法视化开发。

实例图,AVL系统,数据分布,数据格式

- 11 -图 2-2 公交 AVL 系统 BJON 数据格式MongDB 可通过水平拓展实现数据分布式存储，每组 MongDB 实例包含多组 database（数据库），每组 database 包含多组 collection（数据集），数据以 BJO格式存储在 collection 中。MongDB 数据库数据存储技术路线图如图 2-3 所示。

技术路线图,客流,数据,乘客

系统通过 GPS、AFC 等设备将车辆位置数据、时间数据以及乘客刷卡数据传回系统调度中心的服务器中，如图2-5 所示。城市公交他系统产生的公交大数据包含了城市公交系统所产生的过程数据以及结果数据，主体数据为站点 GPS 数据、AVL 数据、IC 刷卡数据等。图 2-5 公交数据采集与传输技术路线图公交大数据共包括 AVL 数据、IC 刷卡数据和公交站点数据，每日数据量共记录一百万多条，包括了研究区域周一至周日不间断的所有公交数据，涵盖了各类乘客的出行时间与空间位置分布。公交大数据作为城市空间大数据的重要组成部分之一，具有多元化、结构化的特点，蕴含了丰富的交通流特征。大部分城市在公交运营系统中均采用了上车一票制[45]，乘客通过上车刷IC卡而下车不再刷卡的方式完成公交乘坐流程，因此在公交原始数据中存在上车站点未记录、下车站点未知的问题。公交客流OD 数据体现了乘客在公交出行过程中的出发地与目的地。完整的公交客流 OD数据是交通流特征分析的数据基础，更是科学组织交通、优化交通布局强有力的数据支持，因此公交客流 OD 推算方法的研究具有重要的科研价值与社会意义。2.2.2 公交客流 OD 推算方法公交客流 OD 是指公交客流的上车站点与下车站点的集合，表达了客流的出行发生地与结束地的交通信息，是公交客流分析的重要特征。在现有的城市公交系统下，公交大数据包含了 AVL 数据、乘客 IC 刷卡数据和站点 GPS 数据，由于大多数城市中的公交系统采用了上车一票制，乘客的上下车站点在现有的公交数据中无法得到直接体现，乘客的上下车站点信息需要基于现有的公交数据进行匹配、推算才能得到。

【相似文献】