公交客流出行特征解析及预测方法研究
发布时间：2021-10-20 12:00
伴随着城市化进程的不断加快,机动车保有量急剧增加,交通拥堵问题日益严重。研究经验表明,优先发展公共交通,科学合理的制定公交运营调度方案是解决城市交通拥堵问题的关键措施。公交客流信息是公交运营管理部门进行公交规划、制定调度方案的基础信息,公交系统管理者准确高效的收集到公交客流信息才能为方案制定提供保障。现阶段我国在客流信息采集方面运用人工调查法较多,此种方法成本高、不能反映公交客流的长期变化特征。随着公交IC卡技术的不断发展和完善,利用公交IC卡数据采集方法收集客流信息已经逐渐成为主流的信息采集方式。公交IC卡数据采集法方式简单,所得数据包含信息全面,成本低,并且不受时间限制,能够为研究公交客流的长期变化特点提供数据支持。本文的研究基于青岛市公交IC卡刷卡数据,从原始刷卡数据入手,针对公交IC卡数据预处理、公交出行特征解析、公交短时客流预测方法展开了研究,具体研究内容如下:首先,研究了公交IC卡数据结构以及预处理方法。以青岛市公交IC卡数据为基础,对数据结构进行分析并探讨公交IC卡数据预处理方法。其次,对公交客流出行特征进行研究。基于青岛市公交IC卡一周刷卡数据,从公交客流出行时间特征和...
【文章来源】：山东理工大学山东省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
数据变换方法
第三章 公交客流出行特征解析的准确采集为公交运营管理者以及研究人员提供了必要的求，提高公交服务水平要求公交规划与运营管理部门针对应的公交调度方案。本章将从青岛市公交 IC 卡刷卡数据间特征以及不同人群的出行特征进行解析。础C 卡数据库构建市一周的公交 IC 卡刷卡数据作为分析的数据基础，青岛量1000多万次，数据量非常庞大，选取大型数据处理分析017 对青岛市公交出行情况进行分析[53]。icrosoft SQL Server Management Studio 中新建一个名为，如图 3.1 所示。
图 3.3 客流量日变化图Fig. 3.3 Diurnal change chart of passenger flow图 3.3 反映了周末和工作日的客流量存在明显的差异，周末的刷卡量明显。周一到周四刷卡量稳定在 154 万次左右，周五的客流量较前四天有一定达到了 160 万次，周六周日刷卡量连续下降，分析其原因有两点：（1）在刷卡人群中有很大一部分是学生和上班通勤客流，这两类人群的显的周期性，受周末影响较为明显，同时周一到周四的客流量较为稳定，显提升，这是由于大部分寄宿制学校学生会选择周五回家，同时由于周五周末的过渡，很多商业促销会在周五展开，同时新电影绝大部分会选择周五这两点分析，周五会增加大量客流。（2）周六周日出行者会选择外出娱乐购物等活动，但由于减少了学生和刷卡量，总体刷卡量呈下降趋势，因此通过大量数据统计分析得到的结果致的。
【参考文献】：
期刊论文
[1]考虑出行模式和周期性的公交出行特征分析[J]. 何兆成,余畅,许敏行. 交通运输系统工程与信息. 2016(06)
[2]基于公交IC卡数据的乘客出行分类研究[J]. 李军,邓红平. 重庆交通大学学报(自然科学版). 2016(06)
[3]数据仓库中数据清洗技术分析[J]. 罗强,何利力,王晓菲. 电脑编程技巧与维护. 2015(02)
[4]基于客流数据的区域出行特征聚类[J]. 冷彪,赵文远. 计算机研究与发展. 2014(12)
[5]出行成本对居民出行方式的影响[J]. 徐婷,蓝瑧,胡大伟,孙小端,王伟力. 交通运输工程学报. 2013(01)
[6]基于多核最小二乘支持向量机的短期公交客流预测[J]. 邓浒楠,朱信山,张琼,赵锦焕. 交通运输工程与信息学报. 2012(02)
[7]动态公交客流预测方法研究[J]. 梁雪玲. 城市公共交通. 2012 (04)
[8]基于卡尔曼滤波的公交站点短时客流预测[J]. 张春辉,宋瑞,孙杨. 交通运输系统工程与信息. 2011(04)
[9]基于ARMA模型的公交枢纽站客流量预测方法研究[J]. 顾杨,韩印,方雪丽. 交通信息与安全. 2011(02)
[10]基于时间序列分析的ARIMA模型分析及预测[J]. 常亮. 计算机时代. 2011(02)
硕士论文
[1]基于成都市公交IC卡数据的公交客流量分析[D]. 刘文芳.西南交通大学 2015
[2]公交客流实时分析与短时预测研究[D]. 董海洋.大连理工大学 2013
[3]基于公交IC卡信息的大站快车调度方法研究[D]. 黄悦.西南交通大学 2012
[4]基于数据挖掘的公交客流规律研究[D]. 舒国辉.北京交通大学 2009
本文编号：3446871
【文章来源】：山东理工大学山东省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
数据变换方法
第三章 公交客流出行特征解析的准确采集为公交运营管理者以及研究人员提供了必要的求，提高公交服务水平要求公交规划与运营管理部门针对应的公交调度方案。本章将从青岛市公交 IC 卡刷卡数据间特征以及不同人群的出行特征进行解析。础C 卡数据库构建市一周的公交 IC 卡刷卡数据作为分析的数据基础，青岛量1000多万次，数据量非常庞大，选取大型数据处理分析017 对青岛市公交出行情况进行分析[53]。icrosoft SQL Server Management Studio 中新建一个名为，如图 3.1 所示。
图 3.3 客流量日变化图Fig. 3.3 Diurnal change chart of passenger flow图 3.3 反映了周末和工作日的客流量存在明显的差异，周末的刷卡量明显。周一到周四刷卡量稳定在 154 万次左右，周五的客流量较前四天有一定达到了 160 万次，周六周日刷卡量连续下降，分析其原因有两点：（1）在刷卡人群中有很大一部分是学生和上班通勤客流，这两类人群的显的周期性，受周末影响较为明显，同时周一到周四的客流量较为稳定，显提升，这是由于大部分寄宿制学校学生会选择周五回家，同时由于周五周末的过渡，很多商业促销会在周五展开，同时新电影绝大部分会选择周五这两点分析，周五会增加大量客流。（2）周六周日出行者会选择外出娱乐购物等活动，但由于减少了学生和刷卡量，总体刷卡量呈下降趋势，因此通过大量数据统计分析得到的结果致的。
【参考文献】：
期刊论文
[1]考虑出行模式和周期性的公交出行特征分析[J]. 何兆成,余畅,许敏行. 交通运输系统工程与信息. 2016(06)
[2]基于公交IC卡数据的乘客出行分类研究[J]. 李军,邓红平. 重庆交通大学学报(自然科学版). 2016(06)
[3]数据仓库中数据清洗技术分析[J]. 罗强,何利力,王晓菲. 电脑编程技巧与维护. 2015(02)
[4]基于客流数据的区域出行特征聚类[J]. 冷彪,赵文远. 计算机研究与发展. 2014(12)
[5]出行成本对居民出行方式的影响[J]. 徐婷,蓝瑧,胡大伟,孙小端,王伟力. 交通运输工程学报. 2013(01)
[6]基于多核最小二乘支持向量机的短期公交客流预测[J]. 邓浒楠,朱信山,张琼,赵锦焕. 交通运输工程与信息学报. 2012(02)
[7]动态公交客流预测方法研究[J]. 梁雪玲. 城市公共交通. 2012 (04)
[8]基于卡尔曼滤波的公交站点短时客流预测[J]. 张春辉,宋瑞,孙杨. 交通运输系统工程与信息. 2011(04)
[9]基于ARMA模型的公交枢纽站客流量预测方法研究[J]. 顾杨,韩印,方雪丽. 交通信息与安全. 2011(02)
[10]基于时间序列分析的ARIMA模型分析及预测[J]. 常亮. 计算机时代. 2011(02)
硕士论文
[1]基于成都市公交IC卡数据的公交客流量分析[D]. 刘文芳.西南交通大学 2015
[2]公交客流实时分析与短时预测研究[D]. 董海洋.大连理工大学 2013
[3]基于公交IC卡信息的大站快车调度方法研究[D]. 黄悦.西南交通大学 2012
[4]基于数据挖掘的公交客流规律研究[D]. 舒国辉.北京交通大学 2009
本文编号：3446871
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3446871.html
