城市居民公交出行数据分析研究及可视化

发布时间：2017-08-20 04:33

  本文关键词：城市居民公交出行数据分析研究及可视化

  更多相关文章： IC卡数据 公交客流 居民出行 可视化

【摘要】：城市公共交通是城市基础设施的重要部分,关系着一座城市经济、政治、文化和教育的发展。目前,我国许多城市公共交通出行比例偏低,且出行不便、道路拥堵、环境污染等问题较为严重。城市公共交通已难以满足居民日常出行和社会发展的需要。为解决城市交通中出现的问题,国家提出了“大力优先发展城市公共交通”的政策。因此,挖掘分析城市居民公共交通出行数据,对于制定合理的城市交通规划措施具有重要意义。公交是城市公共交通的重要组成部分,公交客流信息的准确获取是城市公交管理调度和公交线路调整规划的重要基础。相比于依靠人工调查方法获取公交客流数据而言,实时产生的大量公交IC卡刷卡和公交GPS数据具有覆盖范围广、连续性好,且数据获取耗费人力物力少、效率高等特点。深入挖掘分析公交IC卡刷卡数据和公交GPS数据,可以快速获取大量可靠的公交客流信息。并且利用数据可视化技术可以把公交数据间的关系以不同方式呈现出来,帮助管理者直观的掌握居民公交出行状态。本文以重庆市公交IC刷卡数据和公交GPS数据为主要研究对象,首先对大量原始噪声数据进行预处理,分析数据之间的关系,确定上下车站点推算方法,最终得到乘客上下车站点;进而从公交客流和居民出行两方面进行分析,以支持公交运营决策和公交规划;最后用不同的可视化形式展现不同的分析结果,为城市交通规划提供支撑。本文的主要内容如下:(1)提出了一套新的上下车站点推算方法。根据IC卡刷卡数据只记录上车时间,不记录乘客上下车站的特点,本文结合IC卡刷卡数据和公交GPS数据,利用公交站点站间距和车辆到总站的距离获取公交到站时间,并结合IC卡刷卡数据聚类分组结果,推算出乘客上车站点;运用基于乘客公交出行链的下车站点推算方法,推算获得乘客出行下车站点。(2)公交客流特性分析。根据公交客流数据,建立基于Fisher最优分割法的峰值区间划分模型,将线路公交客流量划分为不同的峰值区间,便于调整线路发车间隔;分析公交客流的时间特性和空间特性,以可视化方式展现公交客流规律和客流量空间分布,得出客流分布与城市主干道和城市中心区域的关联关系,为公交运营决策提供支撑。(3)提出考虑时间范围的职住地识别算法。在单次刷卡制的IC卡刷卡数据中加入时间范围,以识别一日的居民居住地和就业地,再利用一周数据得到居民最终的居住地和就业地,提高职住地识别精度;最后利用居民职住地数据,识别通勤人员的通勤出行,得到通勤出行路线。(4)以Tableau和百度地图为基础地图可视化地理空间数据。根据数据的特性在地图中加入可视化元素,解决了GIS地图加载大量元素缓慢、真实性差等问题,增强地图展示真实性。
【关键词】：IC卡数据 公交客流 居民出行 可视化
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.17
【目录】：

• 中文摘要3-5
• 英文摘要5-9
• 1 绪论9-15
• 1.1 背景及意义9-10
• 1.2 国内外现状10-12
• 1.2.1 公交数据研究现状10-11
• 1.2.2 交通可视化研究现状11-12
• 1.3 研究内容及目标12-13
• 1.4 章节安排13-14
• 1.5 本章小结14-15
• 2 相关技术与理论15-25
• 2.1 数据挖掘技术15-17
• 2.1.1 公交数据挖掘流程15-16
• 2.1.2 公交数据挖掘方法16-17
• 2.2 数据可视化17-21
• 2.2.1 数据可视化定义18-19
• 2.2.2 数据可视化产生及现状19-20
• 2.2.3 数据可视化特点20-21
• 2.3 数据可视化工具21-23
• 2.3.1 ECharts21-22
• 2.3.2 Tableau22-23
• 2.4 本章小结23-25
• 3 公交上下车站点推算25-47
• 3.1 公交数据预处理25-32
• 3.1.1 公交IC刷卡数据预处理26-28
• 3.1.2 公交GPS数据预处理28-30
• 3.1.3 公交基础数据预处理30-32
• 3.2 数据关系32
• 3.3 上车站点推算方法32-41
• 3.3.1 基于公交IC卡和GPS数据的时间匹配法33
• 3.3.2 基于IC刷卡数据的聚类分析法33-35
• 3.3.3 基于IC卡聚类和站间距的上车站点推算方法35-38
• 3.3.4 上车站点推算结果38-41
• 3.4 下车站点推算方法41-45
• 3.4.1 公交站点吸引权法41
• 3.4.2 乘客公交出行链法41-44
• 3.4.3 下车站点推算结果44-45
• 3.5 本章小结45-47
• 4 公交客流分析及可视化47-61
• 4.1 客流峰值区间划分47-51
• 4.1.1 基于Fisher最优分割法的公交客流峰值区间划分模型47-48
• 4.1.2 确定客流峰值区间48-51
• 4.2 公交客流时间特性51-57
• 4.2.1 一周客流时间分布51-52
• 4.2.2 全日客流时间分布52-53
• 4.2.3 单条线路客流时间分布53-54
• 4.2.4 单个站点客流时间分布54-55
• 4.2.5 不同群体出行时间分布55-57
• 4.3 公交客流空间特性57-60
• 4.3.1 单条线路站点客流量分布57-58
• 4.3.2 全部站点客流量分布58-59
• 4.3.3 公交站点上下车客流量分布59-60
• 4.4 本章小结60-61
• 5 居民出行分析及可视化61-71
• 5.1 居民职住地识别及可视化61-66
• 5.1.1 考虑时间范围的职住地识别算法61-64
• 5.1.2 居民职住地可视化64-66
• 5.2 通勤出行分析及可视化66-69
• 5.2.1 基于职住地的通勤出行识别66-68
• 5.2.2 通勤出行可视化68-69
• 5.3 本章小结69-71
• 6 总结与展望71-73
• 致谢73-75
• 参考文献75-78

【相似文献】

中国期刊全文数据库 前10条

1 牛学勤,王炜;基于最短路搜索的多路径公交客流分配模型研究[J];东南大学学报(自然科学版);2002年06期

2 沈家军;王炜;陈峻;;基于灰色马尔可夫模型的近期公交客流量预测[J];公路交通科技;2007年09期

3 高咏玲;杨浩;;城市公交客流影响因素的改进灰色一致关联分析[J];交通运输系统工程与信息;2007年06期

4 陈山;潘天红;李正明;王平石;;网络型公交客流检测系统的研制[J];自动化与仪表;2009年06期

5 刘凯;李文权;赵锦焕;;短时公交客流小波预测方法研究[J];交通运输工程与信息学报;2010年02期

6 孔哲;过秀成;何明;严亚丹;罗丽梅;;基于动态聚类的大城市公交客流走廊甄别方法[J];东南大学学报(自然科学版);2010年05期

7 ;上海公交新装备应对大客流[J];城市公共交通;2010年11期

8 吴飞军;;杭州公交客流走廊提速研究[J];交通标准化;2014年05期

9 冯树民;李晓冬;;公交客流生成预测的神经网络模型[J];交通运输系统工程与信息;2006年01期

10 范海雁;李秀君;;基于公交客流统计信息的公交调度决策方法[J];统计与决策;2007年24期

中国重要报纸全文数据库 前10条

1 特约记者 周广洁;广州公交优惠效果初显[N];中国交通报;2008年

2 鞠红梅;公交客流6年来年递减3%[N];哈尔滨日报;2007年

3 记者 卞建国 通讯员 王威;家乡游外地客汇津城 公交运客1450万人次[N];天津日报;2006年

4 本报记者 杨汛;公交客流下滑 地铁不堪重负[N];北京日报;2014年

5 本报记者 刘有仪 葛妍 王茸 本报通讯员 葛川平 钱春龙;核心区车流量降了15% 地铁公交客流都小幅上升[N];南京日报;2014年

6 深圳商报记者 肖晗;地面常规公交客流下降8%[N];深圳商报;2011年

7 记者 陈秀雅;上半年公交客流同比增加近两成[N];苏州日报;2010年

8 刘中元 交宣 陈洁娜 梁桢 郑佳欣 姚艺曲 陶达嫔 张睿 谭亦芳;广州正式终结摩托车时代[N];南方日报;2007年

9 贾晓燕邋通讯员 孙文剑 张桂芳;公交客流1600万人次创历史新高[N];北京日报;2007年

10 记者 李平/北京;智能交通市场还待培育[N];电子资讯时报;2002年

中国硕士学位论文全文数据库 前10条

1 王佳嘉;基于GIS的公交客流时空分析[D];北京建筑大学;2015年

2 刘文芳;基于成都市公交IC卡数据的公交客流量分析[D];西南交通大学;2015年

3 张彬;城乡公交客流OD分层次反推研究[D];长安大学;2015年

4 王凤刚;公共交通运营调度优化方案研究[D];山东大学;2015年

5 王周全;基于IC卡数据与GPS数据的公交客流时空分布研究[D];西南交通大学;2016年

6 李进钢;基于OpenCV的公交客流计数方法研究[D];郑州大学;2016年

7 刘欣彤;降雨天气条件下短时公交客流预测研究[D];哈尔滨工业大学;2016年

8 赵倩;基于视频分析的公交客流统计技术研究与实现[D];重庆大学;2016年

9 邓晨晨;城市居民公交出行数据分析研究及可视化[D];重庆大学;2016年

10 左快乐;基于IC卡数据的不同时间层次公交客流预测方法与应用研究[D];东南大学;2016年

，

本文编号：704678