基于活动识别的公交出行行为重构与分析

发布时间：2021-01-04 05:42

　　摸清城市居民的公交通勤出行规律特征,可以更好的为公交运营管理提供支撑.通过挖掘IC卡数据获取公交出行信息是出行行为分析的新手段.根据以活动为基础的出行分析理论,提出以活动区域属性判别为核心的公交出行重构分析方法.通过对公交出行的起讫站点进行空间聚类分析,获取居民的主要活动区域;基于居民多日出行信息及相应出行特征指标,分别对居民的居住和工作区域进行识别;根据出行目的地区域的活动属性,对公交出行链进行重构.以广州市为例,对居民公交出行特征规律进行实证分析. 

【文章来源】：交通运输系统工程与信息. 2020年04期 北大核心

【文章页数】：7 页

【部分图文】：

刷卡出行间隔分布图

实现居民出行行为判别后，根据每次出行的时空分布特征推断出行目的.由于目的地公交可达性的影响，对于相同的出行起点，若出行终点不同，乘客会根据可达线路选择在不同的车站上车；而对于相同的出行终点，根据不同的出行起点，乘客会在出行终点周边不同的车站下车，如图2所示.直接对出行的起终站点进行统计会导致统计特征指标的离散，不利于出行规律分析和出行目的识别，因此需要对可能属于同一个活动区域的站点进行聚合.系统聚类法根据类间距离对距离近的类不断进行合并，适用于分类规则明确的聚类问题.居民通常会选择在出行地周边的步行可达范围内乘坐公交，因此，通过对居民日常使用的公交站点进行空间聚类，实现居民日常活动区域的识别.

为合理确定用于居住地判定的日首次出行率r的阈值，统计全部出行者样本各活动区域的日首次出行率，其中所有样本的最高首次出行比例区域的首次出行率分布及累计曲线如图3所示.由图3可知，超过95%的出行者均具有一个日首次出行率超过40%的活动区域，对于出行者来说，每日第一次出行大概率发生在该区域，具有明显的居住地特征.因此，以40%作为指标阈值，将每日首次出行比例大于40%的活动区域判别为该居民的居住地.


本文编号：2956257