基于IC卡数据的公交客流智能推断方法研究

发布时间：2021-01-13 21:10

　　城市公交是城市公共交通系统的重要组成部分,发展城市公交可以改善城市发展带来的多种交通问题。公交站点间的客流量反映了乘客出行的时间和空间分布特征,是进行公交系统评价、公交车辆调度和公交线网优化的重要基础数据。公交IC数据包含了海量的乘客出行数据,是获取公交客流的主要数据资源。然而目前多数城市中IC数据只记录了乘客的上车相关信息,缺失了下车相关数据,无法直接获取客流,如何准确地推断出乘客的下车站点,进而获取公交站点间的客流量,是亟需解决的现实问题,对城市公交系统的优化有着重大的意义。本文针对公交客流推断问题,基于公交IC数据,提出了一种结合规则和序列化标注算法的两阶段的公交客流推断方法。首先设计了两种强规则推断方法:换乘推断和往返推断,分别针对两种常见的出行模式,通过引入时间、空间等方面的限制和规则,挖掘出了符合条件的部分乘客和记录,对其进行规则推断,可以得到高准确率的结果;接着,将问题看成是序列化标注问题,抽取出乘客的基本出行特征并加以选择,结合第一阶段得到的结果构造了训练集和测试集,本文采用了循环神经网络嵌套条件随机场的序列化标注模型（Bi-LSTM-CRF）,训练完成的模型可以对所有... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

宁行程链示意图

??位置Ｃ??行程２??图２－２行程链示意图??概率模型法也是基于简单的规则对乘客在各个站点下车概率进行建模，该方??法将各个站点的上车人数、土地利用性质、通过的线路数、各个站点之间的距离??等因素都考虑进来，转换成易于计算的数字表示形式，通过设定几个权重参数使??用最小二乘法＿进行拟合。??概率模型法有极具价值的引入额外信息的思想，并且假设比行程链复杂，但??是相对于复杂的城市出行模式来说，概率模型的构建依然过于简单，存在权重不??易设置、依赖人工经验、没有考虑乘客之间行为习惯的差异等缺点，实际效果并??不理想，现在已经很少使用。??行程链和概率模型法是使用规则进行公交客流推断的主要代表方法，此类方??法假设简单

机器翻译Ｍ等应用，常用的模型有概率图模型Ｍ中的条件随机场和循环神经网络??及其变种ＬＳＴＭ丨明、Ｂｉ－ＬＳＴＭ丨３４】等。??如图２－４所示为条件随机场中使用最普遍的链式条件随机场Ｍ模型，给定观??测序列Ｘ?＝?｛；ｑ，ｘ２，?Ｙ?＝?｛ｙ１；ｙ２，为对应的标注变量，模型中主要构建??了两种关于标注的特征函数，不仅考虑单个标注变量，还考虑了相邻的两个标注??变量的转移，通过构建和选择合适的特征函数，即可得到式（２－２）所示的条件概率??定义，其中是定义在输入观测序列的两个相邻标注位置上的转移??特征函数，用于表示在观测序列已知的情况下相邻标注变量之间的相关关系，??是定义在输入观测序列的第／个标注位置上的状态特征函数，用于表示??在观测序列己知的情况下当前标注变量为少，的概率，Ａ／和叫为模型的参数，表示??设计出的特征的权重

【参考文献】：
期刊论文
[1]基于GPS和IC卡数据的公交出行OD推算方法[J]. 杨万波,王昊,叶晓飞,徐闯闯,姜冬雪.  重庆交通大学学报(自然科学版). 2015(03)
[2]基于站点吸引的公交客流OD分布概率模型[J]. 张萌萌,郭亚娟,马玉娇.  交通信息与安全. 2014(03)
[3]基于IC卡信息的公交客流起止点反推方法[J]. 周雪梅,杨熙宇,吴晓飞.  同济大学学报(自然科学版). 2012(07)
[4]基于站点上下客人数的公交客流OD反推方法研究[J]. 窦慧丽,刘好德,杨晓光.  交通与计算机. 2007(02)
[5]基于改进BP神经网络的公交线路OD矩阵推算方法[J]. 俞洁,杨晓光.  系统工程. 2006(04)



本文编号：2975567