论文部分内容阅读
城市轨道交通网络化运营的不断深入和网络客流量激增，使得日常运营中的大客流压力加剧，准确把握网络客流的流量和流向成为提升网络运营效率和安全的关键。传统基于进出站数据的数学模型或仿真方法不能充分考虑个体乘客出行的多样性、随机性和不确定性，由Wi-Fi嗅探与定位技术采集的乘客出行轨迹数据能够实时记录乘客进出站、换乘及乘车过程，但目前轨迹数据缺失率较高，利用轨迹数据对乘客出行全过程进行分析，还需结合网络拓扑、列车运行图等其他外部输入。
本文以还原个体乘客时空出行链为目标，基于地铁乘客出行过程中产生的轨迹大数据，通过数据清洗与轨迹分段实现乘客原始出行轨迹数据预处理，根据轨迹的语义信息与城市轨道交通网络拓扑结构匹配个体乘客出行路径，结合列车运行时空网络，最终得到复杂网络下的个体乘客出行链还原方法。本文研究成果旨在打开基于实际采集轨迹数据的个体乘客出行过程分析的全新思路，为轨道交通乘客出行特征的精细化分析提供数据参考。主要研究内容包括：
(1)Wi-Fi嗅探数据分析与预处理：在明确Wi-Fi技术原理与轨迹数据构成的基础上，针对原始数据特点提出噪声数据清洗与轨迹分段方法，就轨迹数据缺失问题明确乘客出行链的还原目标。
(2)基于轨迹语义信息的乘客出行路径匹配：在“由果寻因”的大数据思想下，提出一种基于历史轨迹大数据的网络路径集合生成方法，为个体乘客路径匹配提供结构基础；结合个体轨迹与网络路径的语义信息，设计了基于文本编辑距离的个体乘客出行路径匹配方法，实现采集轨迹点向物理出行路径的转化。
(3)基于时空网络的乘客出行链还原：设计了基于列车运行时空网络与不完整轨迹数据的个体出行链还原方法，该方法以时空网络理论为基础实现物理路径在时间轴上的拓展，以乘客与列车实际交互过程分析为核心达到乘客进出站、上下车、乘车以及换乘全过程还原的目标。案例分析结果表明，该方法在包含大小交路、共线段及多路径的复杂网络中均具有良好的适用性。
本文以还原个体乘客时空出行链为目标，基于地铁乘客出行过程中产生的轨迹大数据，通过数据清洗与轨迹分段实现乘客原始出行轨迹数据预处理，根据轨迹的语义信息与城市轨道交通网络拓扑结构匹配个体乘客出行路径，结合列车运行时空网络，最终得到复杂网络下的个体乘客出行链还原方法。本文研究成果旨在打开基于实际采集轨迹数据的个体乘客出行过程分析的全新思路，为轨道交通乘客出行特征的精细化分析提供数据参考。主要研究内容包括：
(1)Wi-Fi嗅探数据分析与预处理：在明确Wi-Fi技术原理与轨迹数据构成的基础上，针对原始数据特点提出噪声数据清洗与轨迹分段方法，就轨迹数据缺失问题明确乘客出行链的还原目标。
(2)基于轨迹语义信息的乘客出行路径匹配：在“由果寻因”的大数据思想下，提出一种基于历史轨迹大数据的网络路径集合生成方法，为个体乘客路径匹配提供结构基础；结合个体轨迹与网络路径的语义信息，设计了基于文本编辑距离的个体乘客出行路径匹配方法，实现采集轨迹点向物理出行路径的转化。
(3)基于时空网络的乘客出行链还原：设计了基于列车运行时空网络与不完整轨迹数据的个体出行链还原方法，该方法以时空网络理论为基础实现物理路径在时间轴上的拓展，以乘客与列车实际交互过程分析为核心达到乘客进出站、上下车、乘车以及换乘全过程还原的目标。案例分析结果表明，该方法在包含大小交路、共线段及多路径的复杂网络中均具有良好的适用性。