基于公交IC卡和AVL数据的公交换乘识别方法研究
发布时间：2021-11-18 16:12
随着城市建设规模不断增大,城市急剧向外扩张,居民远距离出行需求不断增长,而常规公交线网无法满足城市中各OD（Origin and Destination）对间的公交直达服务,因此无法避免公交换乘现象。随着智能公交系统的不断发展,其产生的海量公交数据为研究换乘提供了新的可能,结合推算成功的上下车站点信息,并根据其时空特性可识别出公交网络上的换乘信息。本文结合换乘乘客的出行特征,提出两阶段法识别换乘,即初步识别和深度识别阶段;首先对连续出行阶段间的转移过程进行初步识别是否为换乘;其次在初步识别结果为换乘的基础上继续结合乘客出行链进行深度识别。初步识别换乘过程中,首先利用现有各地图提供的开发平台获取乘客在换乘站点间的步行路径距离代替前人研究使用的欧式距离,使识别过程更加合理准确;并精细化考虑时空约束,在确定时间、空间阈值时考虑了不同乘客类型的步行速度、结合信号灯数量设置冗余时间、计算公交车在站点的车内拥挤度、上车机会数的分布等因素;最后用本文优化后的迂回系数及非最优率指标进行深度识别,以区分出换乘和短时活动。并以成都市一周的出行数据为例识别换乘,结果表明平均换乘系数为1.256。其次,通过比...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
换乘过程示意图
（c）第三阶段：进一步细化识别 （d）第四阶段：深入识别图 1-2 国内外换乘识别方法的不同发展阶段示意图综上所述，目前最新的换乘识别方法总体停留在第四阶段，即基于“随到随走”的原则以及结合乘客出行链相关特征共同识别。从第一阶段到第四阶段的识别方法的发展说明了换乘识别的过程逐渐走向完善，也由最粗糙的仅从时间间隔识别到逐步精细考虑时间约束的识别，可发现换乘识别方法的演变思路是从考虑单一的因素向考虑更为全面的因素转变，包括对乘客出行链的考虑。但对于目前最新的第四阶段的识别换乘方法仍存在不足之处，具体如下：（1）现有换乘识别方法未成系统上述对换乘识别的研究仍是简单地从时间、空间约束上对其进行识别判定，但由前文可知，换乘过程中不同阶段有不同的时间和空间约束，如乘客由 B 到 C 的转移过程中，时间约束包括换乘时间间隔、等待时间间隔，空间约束包括换乘步行距离；而从乘客完整的出行链识别时，即从站点 A→B→C→D 过程中，时间约束还有非最优率指
图 1-3 识别换乘行为的两阶段法示意图2）结合地图开发平台获取换乘站点间步行路径距离，符合实际换乘于初步识别过程（B 到 C 转移过程）中欧式距离代替乘客步行距离的计算误差，本文结合现有各地图提供的开发平台可得到不同站点间的以优化换乘识别中的空间约束，使整个初步识别过程由模糊变得清晰
【参考文献】：
期刊论文
[1]基于高德地图API的多种交通方式下城市公园时空可达性分析——以广州市海珠区为例[J]. 黄应淮,刘小平,刘艳平,张晗. 地理与地理信息科学. 2018(06)
[2]基于百度API开源数据的居民出行研究[J]. 王振,张志敏,王伟,高歌,沈俊峻. 交通运输研究. 2018(03)
[3]百度、高德及Google地图API比较研究[J]. 向玉云,高爽,陈云红,黄嘉成,许新华. 软件导刊. 2017(09)
[4]出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性[J]. 高坤,涂辉招,李浩,孙立军. 中国公路学报. 2017(07)
[5]基于公交IC卡和GPS数据的换乘识别方法[J]. 李莹,翁小雄. 广西大学学报(自然科学版). 2017(02)
[6]现状OD调查方法的不足与展望[J]. 刘博恺. 山东交通科技. 2016(01)
[7]城市轨道交通车厢立席密度计算模型[J]. 吴奇兵,陈峰,高永鑫,李小红,翟庆生. 交通运输工程学报. 2015(04)
[8]基于IC卡数据的公共交通换乘识别方法[J]. 王若琳,赵娅丽,谭永凯. 城市轨道交通研究. 2014(02)
[9]“大数据”背景下我国交通数据管理应用的转型与发展[J]. 叶亮. 交通与运输(学术版). 2013(02)
[10]基于公交IC卡和AVL数据的换乘行为识别方法[J]. 李海波,陈学武. 交通运输系统工程与信息. 2013(06)
硕士论文
[1]考虑舒适度的公交线网优化设计[D]. 张鑫.华南理工大学 2018
[2]基于AVL与AFC数据的公交换乘行为研究[D]. 丰海宽.西南交通大学 2018
[3]常规公交换乘时间可靠性价值及换乘惩罚研究[D]. 王佳.长安大学 2017
[4]基于公交AVL数据和AFC数据的常规公交服务可靠性研究[D]. 陈竹青.西南交通大学 2017
[5]基于多日公交IC卡数据与AVL数据的公交OD推算方法研究[D]. 钱易.西南交通大学 2017
[6]基于公交GPS和IC卡数据的公交线网优化方法[D]. 宋子杭.北京交通大学 2017
[7]基于IC卡数据与GPS数据的公交客流时空分布研究[D]. 王周全.西南交通大学 2016
[8]地铁换乘枢纽拥挤度识别及预警调控研究[D]. 张文.长安大学 2014
[9]常规公交高峰时段运行可靠性评价方法研究[D]. 亓秀贞.重庆交通大学 2013
[10]哈尔滨市居民公交IC卡数据分析方法研究[D]. 邓春瑶.东北林业大学 2013
本文编号：3503204
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
换乘过程示意图
（c）第三阶段：进一步细化识别 （d）第四阶段：深入识别图 1-2 国内外换乘识别方法的不同发展阶段示意图综上所述，目前最新的换乘识别方法总体停留在第四阶段，即基于“随到随走”的原则以及结合乘客出行链相关特征共同识别。从第一阶段到第四阶段的识别方法的发展说明了换乘识别的过程逐渐走向完善，也由最粗糙的仅从时间间隔识别到逐步精细考虑时间约束的识别，可发现换乘识别方法的演变思路是从考虑单一的因素向考虑更为全面的因素转变，包括对乘客出行链的考虑。但对于目前最新的第四阶段的识别换乘方法仍存在不足之处，具体如下：（1）现有换乘识别方法未成系统上述对换乘识别的研究仍是简单地从时间、空间约束上对其进行识别判定，但由前文可知，换乘过程中不同阶段有不同的时间和空间约束，如乘客由 B 到 C 的转移过程中，时间约束包括换乘时间间隔、等待时间间隔，空间约束包括换乘步行距离；而从乘客完整的出行链识别时，即从站点 A→B→C→D 过程中，时间约束还有非最优率指
图 1-3 识别换乘行为的两阶段法示意图2）结合地图开发平台获取换乘站点间步行路径距离，符合实际换乘于初步识别过程（B 到 C 转移过程）中欧式距离代替乘客步行距离的计算误差，本文结合现有各地图提供的开发平台可得到不同站点间的以优化换乘识别中的空间约束，使整个初步识别过程由模糊变得清晰
【参考文献】：
期刊论文
[1]基于高德地图API的多种交通方式下城市公园时空可达性分析——以广州市海珠区为例[J]. 黄应淮,刘小平,刘艳平,张晗. 地理与地理信息科学. 2018(06)
[2]基于百度API开源数据的居民出行研究[J]. 王振,张志敏,王伟,高歌,沈俊峻. 交通运输研究. 2018(03)
[3]百度、高德及Google地图API比较研究[J]. 向玉云,高爽,陈云红,黄嘉成,许新华. 软件导刊. 2017(09)
[4]出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性[J]. 高坤,涂辉招,李浩,孙立军. 中国公路学报. 2017(07)
[5]基于公交IC卡和GPS数据的换乘识别方法[J]. 李莹,翁小雄. 广西大学学报(自然科学版). 2017(02)
[6]现状OD调查方法的不足与展望[J]. 刘博恺. 山东交通科技. 2016(01)
[7]城市轨道交通车厢立席密度计算模型[J]. 吴奇兵,陈峰,高永鑫,李小红,翟庆生. 交通运输工程学报. 2015(04)
[8]基于IC卡数据的公共交通换乘识别方法[J]. 王若琳,赵娅丽,谭永凯. 城市轨道交通研究. 2014(02)
[9]“大数据”背景下我国交通数据管理应用的转型与发展[J]. 叶亮. 交通与运输(学术版). 2013(02)
[10]基于公交IC卡和AVL数据的换乘行为识别方法[J]. 李海波,陈学武. 交通运输系统工程与信息. 2013(06)
硕士论文
[1]考虑舒适度的公交线网优化设计[D]. 张鑫.华南理工大学 2018
[2]基于AVL与AFC数据的公交换乘行为研究[D]. 丰海宽.西南交通大学 2018
[3]常规公交换乘时间可靠性价值及换乘惩罚研究[D]. 王佳.长安大学 2017
[4]基于公交AVL数据和AFC数据的常规公交服务可靠性研究[D]. 陈竹青.西南交通大学 2017
[5]基于多日公交IC卡数据与AVL数据的公交OD推算方法研究[D]. 钱易.西南交通大学 2017
[6]基于公交GPS和IC卡数据的公交线网优化方法[D]. 宋子杭.北京交通大学 2017
[7]基于IC卡数据与GPS数据的公交客流时空分布研究[D]. 王周全.西南交通大学 2016
[8]地铁换乘枢纽拥挤度识别及预警调控研究[D]. 张文.长安大学 2014
[9]常规公交高峰时段运行可靠性评价方法研究[D]. 亓秀贞.重庆交通大学 2013
[10]哈尔滨市居民公交IC卡数据分析方法研究[D]. 邓春瑶.东北林业大学 2013
本文编号：3503204
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3503204.html
