基于多源出行数据的居民行为模式分析方法

发布时间：2020-02-02 01:23

【摘要】：基于对智能交通卡数据的挖掘与分析能够为城市交通建设和城市管理提供有力支持,但现有研究数据大都仅包含公交或地铁这两方面数据,且主要关注群体性宏观出行规律。针对这一问题,以某城市交通卡数据为例,该数据包含着城市居民日常出行公交、地铁、出租车等多源数据,首先提出行程链的概念对居民出行行为建模,在此基础上给出不同维度的周期性出行特征;然后提出一种基于最长公共子序列的空间周期性特征提取方法,并对城市居民出行规律进行聚类分析;最后通过规则定义5个评价指标对该方法的有效性进行初步验证。结果表明引入该方法的聚类算法对聚类结果有6.8%的效果提升,有利于发现居民的行为模式。
【图文】：

流程图,数据清洗,流程,乘客

?2)乘车日期(date):乘客刷卡上下车日期，格式为YYYY-MM-DD;3)乘车时间(time):乘客刷卡上下车时间，为24小时制;4)乘车站点(station):若类型为公交或地铁，则为公交线路或地铁站点，其他为无;5)乘车类型(type):公交、地铁、出租、轮渡、P+R停车场等多种乘车方式;6)消费金额(price):此次记录消费的金额;7)是否优惠(discount):根据交通部门制定的一些优惠政策对消费记录进行判定。1．2交通卡数据清洗城市交通卡数据由于网络传输、设备故障等原因存在数据丢失或产生脏数据，本文给出了对该类数据的清洗流程，如图1所示。数据清洗流程中给出了对应的清洗规则，该规则结合了该城市数据采集机制、刷卡优惠政策等，对数据的合理性进行评估。首先对交通卡数据按照交通卡编号和乘车时间排序;然后检查数据中是否存在时间格式错误的记录以及针对每名乘客每天是否存在单条地铁数据，若发现将其剔除;最后经过优惠政策的筛选得到清洗后的数据。图1中的优惠政策过滤模块主要针对地铁乘车记录。乘坐地铁每刷一次卡就会生成一条记录，乘坐地铁进出站各刷卡一次为完整的记录，因此处理数据时按照每两条进行处理，获取所有乘客列表，遍历每名乘客的乘车记录，具体流程如图2，其中cnt表示该用户的总记录数，idx表示当前乘客第idx条记录，idx+1＜cnt表示当前处理的下一条记录序号小于记录总数。由于判断条件较多，为方便表示，图2中判断缺少的处理默认为:跳过当前记录，读取下一行。图1交通卡数据清洗流程Fig．1Cleaningprocessoftrafficcarddata图2优惠政策处理流程Fig．2Processofpreferentialpolicy图2中出站换乘规则具体如下:若在换乘站点出站后在间隔30min内再进站可以享受出站换乘连续计费。例如，某名乘客的一日乘坐地铁记录，共计n?

处理流程图,处理流程,地铁,乘客

检查数据中是否存在时间格式错误的记录以及针对每名乘客每天是否存在单条地铁数据，若发现将其剔除;最后经过优惠政策的筛选得到清洗后的数据。图1中的优惠政策过滤模块主要针对地铁乘车记录。乘坐地铁每刷一次卡就会生成一条记录，乘坐地铁进出站各刷卡一次为完整的记录，因此处理数据时按照每两条进行处理，获取所有乘客列表，遍历每名乘客的乘车记录，具体流程如图2，其中cnt表示该用户的总记录数，idx表示当前乘客第idx条记录，idx+1＜cnt表示当前处理的下一条记录序号小于记录总数。由于判断条件较多，为方便表示，图2中判断缺少的处理默认为:跳过当前记录，读取下一行。图1交通卡数据清洗流程Fig．1Cleaningprocessoftrafficcarddata图2优惠政策处理流程Fig．2Processofpreferentialpolicy图2中出站换乘规则具体如下:若在换乘站点出站后在间隔30min内再进站可以享受出站换乘连续计费。例如，，某名乘客的一日乘坐地铁记录，共计n条，其中第i条记录为:Ri:{uid，timei，stationi};1≤i≤n由于地铁记录进出站点刷卡两次为一条完整出行记录，所以按照每两条数据进行处理，一般情况下从station0站出发，中间经过站点stationi－1∈“换乘车站”出站，并且在30min内再次从该站点进站(即timei－timei－1≤30min)，最后到达stationn站。系统会将票价连续计费，计算从station0站到stationn站的总费用。若n为奇数，且最后两条记录乘车站点为换乘车站，则说明最后一条表示从换乘车站出站。2基于LCS匹配的出行模式特征提取基于给定的清洗后的数据，本章将给出基于最长公共子序列(LCS)匹配的出行模式特征提龋首先对轨迹与站点序列等概念进行定义，然后给出基于站点序列等相似性度量方第8期徐晓伟等:

【参考文献】