基于人类行为特征的城市公共交通出行模式研究

发布时间：2021-02-12 16:32

　　城市快速发展带来交通拥堵、环境污染等社会问题,使得优先发展城市公共交通体系已成为各级政府的共识。目前,城市公共交通领域研究重点之一,是对乘客公交出行模式的研究,它有助于掌握乘客出行的分布,有助于优化公共交通系统资源配置,提高运行效率。长期以来,城市交通出行研究受制于有限的交通出行问卷调查,多数局限在宏观层面。随着交通乘车刷卡收费、公交车辆自动报站等交通信息化技术的推广使用,人们从交通系统运营过程中获得了比传统人工调查全面、准确的客流时空数据,为深入研究乘客公共交通出行的内在机理提供了有利条件。大数据背景下,本研究提出了基于乘客刷卡数据和车辆报站数据的乘客公交出行轨迹挖掘改进方案,以此为基础开展公交出行特征的动力学实证分析及公交出行机理研究,挖掘出行时空图谱信息,探讨了公交出行路径识别问题。出行研究成果反馈作用于公交出行轨迹挖掘,有助于进一步提升数据挖掘精度和效率,形成良性循环。本研究开展的主要工作包括:（1）全样本数据个体出行轨迹挖掘。本研究提出一种融合乘客交通卡刷卡时间戳与区间行程时间的报站系统缺失数据推断方法,建立以行程时间为条件的概率模型,在报站数据缺失的条件下匹配乘客上车站点信... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：139 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 研究目的和意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 国内外相关研究
        1.3.1 公交出行特征研究
        1.3.2 公交出行模式研究
        1.3.3 复杂系统研究
        1.3.4 人类行为动力学研究
        1.3.5 文献综述总结
    1.4 研究内容和技术路线
        1.4.1 研究内容
        1.4.2 技术路线
    1.5 论文结构
第二章 公交出行数据及其处理
    2.1 公共交通数据
        2.1.1 公共交通基础数据
        2.1.2 公共交通运营数据
        2.1.3 现有数据的局限性
    2.2 本研究采用的公共交通数据
        2.2.1 公共交通数据
        2.2.2 地铁交通数据
    2.3 公共交通数据处理
        2.3.1 缺失数据修补
        2.3.2 误差信息校正
        2.3.3 封闭OTD挖掘
    2.4 本章小结
第三章 公交出行动力学特征分析
    3.1 基本概念
        3.1.1 行为动力学
        3.1.2 出行特征与出行模式
    3.2 行为动力学方法
        3.2.1 时间间隔分布分析
        3.2.2 阵发性与记忆性分析
    3.3 群体层面的动力学特征
        3.3.1 行为动力学实证
        3.3.2 回归分析
        3.3.3 阵发性与记忆性分析
    3.4 个体层面的动力学特征
        3.4.1 行为动力学实证
        3.4.2 回归分析
        3.4.3 阵发性与记忆性分析
    3.5 本章小结
第四章 公交出行动力学模式研究
    4.1 需求驱动的公交出行模式
        4.1.1 研究思路
        4.1.2 生存需求驱动的出行模式
        4.1.3 求学需求驱动的出行模式
        4.1.4 相对灵活的出行模式
    4.2 通勤模式识别
        4.2.1 回归分析聚类方法
        4.2.2 时间谱函数聚类方法
        4.2.3 聚类小结
    4.3 本章小结
第五章 基于图谱分析的公交出行研究
    5.1 图谱分析方法
    5.2 出行时间图谱
        5.2.1 个体出行时间图谱
        5.2.2 站点出行时间图谱
    5.3 出行OD图谱
        5.3.1 个体出行OD图谱
        5.3.2 站点出行OD图谱
    5.4 本章小结
第六章 基于高斯云混合模型的出行路径识别研究
    6.1 出行路径识别问题
        6.1.1 出行路径的不确定性
        6.1.2 影响路径选择的因素
    6.2 基于云变换模型的出行路径识别
        6.2.1 行程时间云模型
        6.2.2 换乘识别云变换模型
        6.2.3 改进的换乘识别模型
    6.3 案例分析
        6.3.1 基础数据处理
        6.3.2 基本方案I:自适应高斯云变换模型
        6.3.3 对比方案II:贝叶斯信息准则模型
        6.3.4 改进方案Ⅲ:分段叠加的改进模型
    6.4 本章小结
结论
    1 研究结论
    2 研究工作及创新点
    3 研究展望
附录
    附录1 公交出行动力学特征运算程序
    附录2 自适应高斯云变换实现程序
参考文献
攻读博士学位期间取得的研究成果
致谢
附件


【参考文献】：
期刊论文
[1]基于高斯混合聚类模型的公交出行特征分析[J]. 黄艳国,韩亮,张硕,许伦辉.  现代电子技术. 2019(16)
[2]轨道交通换乘出行特征分析[J]. 梁春岩,汤庆如,曹帅.  城市公共交通. 2019(08)
[3]空间出行行为动力学研究综述[J]. 张荦.  公路交通科技(应用技术版). 2013(12)
[4]人类行为时空特性的统计力学[J]. 周涛,韩筱璞,闫小勇,杨紫陌,赵志丹,汪秉宏.  电子科技大学学报. 2013(04)
[5]利用公交刷卡数据分析北京职住关系和通勤出行[J]. 龙瀛,张宇,崔承印.  地理学报. 2012(10)
[6]基于GPS与IC卡数据的公交站点匹配方法[J]. 陈绍辉,陈艳艳,赖见辉.  公路交通科技. 2012(05)
[7]城市通勤出行链模式选择行为研究[J]. 杨柳.  科技资讯. 2012(07)
[8]人类个体出行行为的统计实证[J]. 闫小勇.  电子科技大学学报. 2011(02)
[9]交通流研究最近进展概述[J]. 汪秉宏.  复杂系统与复杂性科学. 2010(04)
[10]人类行为动力学研究[J]. 韩筱璞,汪秉宏,周涛.  复杂系统与复杂性科学. 2010(Z1)

博士论文
[1]基于多源数据融合的城市公交系统乘客出行模式挖掘及其应用研究[D]. 刘永鑫.华南理工大学 2018
[2]智能交通系统中的时空数据分析关键技术研究[D]. 夏英.西南交通大学 2012
[3]通勤者活动—出行选择行为研究[D]. 鲜于建川.上海交通大学 2009

硕士论文
[1]基于出行链的公交乘客出行特征分析[D]. 王俊兵.北京交通大学 2017
[2]基于IC卡信息的公交客流OD推算方法研究[D]. 王超.北京交通大学 2012
[3]基于活动的节假日出行分析方法[D]. 李妲.北京交通大学 2008



本文编号：3031141