论文部分内容阅读
以乘客需求为导向提供快捷、舒适、高效的供给服务，构建需求与供给高度耦合的城市公共交通系统将提升其吸引力，引导城市交通发展朝向公共交通主导型结构转变，加快实现公交优先的国家发展目标，从而缓解城市交通拥堵、降低环境污染、提升人民群众生活品质。然而在当今大数据时代，交通管理部门利用大数据准确获取出行需求的能力不足、量化供给的方法不够合理，难以精准挖掘出当前公共交通系统的供需不匹配问题，供给调整的依据不够全面、准确且方法的合理性有限。
本文研究的科学问题是：如何利用公共交通IC卡刷卡数据、公交GPS数据、出租车及网约车出行数据、共享单车骑行数据及土地利用、建筑数据等多源大数据，结合数据挖掘、GIS技术全面、精准的挖掘公共交通服务需求及供需不匹配问题，为公共交通系统供给优化调整提供全面、准确的依据，并研究如何集成相关挖掘成果优化及调整供给。主要研究内容及成果如下：
深入挖掘IC卡用户历史出行数据，并通过细化还原推断情景提升当前一票制IC卡刷卡系统的公交客流OD推断合理性。构建了多模式公共交通系统下数据驱动的公交客流OD非集计推断模型，涵盖两大部分共8个情景，实现了下车站点及活动/换乘判别一体化推断。利用北京市特有的上、下车信息记录完整的公交IC卡数据对提出的推断模型及基于出行链的推断算法进行了对比验证实验，结果验证了数据驱动非集计推断模型的有效性。
以职住出行需求挖掘为例，分别针对一票制IC卡刷卡系统及基于距离计价刷卡系统构建了街区级公共交通出行需求挖掘模型。以个体出行者职住站点识别算法为基础，利用出行站点位置信息、多模式公共交通线网约束、土地利用数据及建筑数据，结合空间分析技术构建了基于GIS的分步式职住街区挖掘模型，并基于需求生成模型获得最终的街区级职住出行需求。通过实例研究对模型进行了应用及验证。
无桩共享单车的出现改变了很多公共交通用户出行模式及出行行为，基于步行可达距离的公共交通需求识别方法会导致引入共享单车城市的公共交通需求识别出现错误。对此，构建了由出行轨迹聚类算法、序列模式挖掘算法及空间关联挖掘算法组成的共享单车用户时空出行模式挖掘集成模型，挖掘时空出行模式、需求。提出基于公交IC卡及共享单车用户ID匹配的接驳出行识别算法，实现对与公共交通接驳的出行需求精准识别。接驳出行需求挖掘结果将对公交OD推断及街区级职住出行需求结果进行修正。基于实例数据对方法进行了应用及验证。
针对基于实际公共交通出行大数据生成的街区级出行需求，构建了对应的街区级公共交通供需匹配测量模型。模型综合考虑了相对时间可达性及公共交通服务供给水平两大方面多个因素，并考虑了多模式公共交通系统下出行方案复杂性，以集计、非集计相结合的方式测量供需匹配，真正实现了基于真实需求的细粒度供需匹配测量。并进行了实例应用研究。
以出租车、网约车订单时空OD为潜在出行公共交通出行需求，通过乘客视角下基于门到门的公共交通综合供给量化模型测量对应OD间公共交通供给，识别出供给不足的OD需求作为挖掘出的供给未能满足的潜在公共交通需求。构建在网格约束下基于密度聚类的DBSCAN-UGC算法及针对细粒度供需不匹配的挖掘算法，对突出的供给问题进行精准挖掘。应用实例数据，证实本文方法可系统性挖掘出城市公共交通系统存在的供需不匹配问题，为供给优化调整提供重要的依据。最后，综合街区级供需匹配测量结果及通过出租车、网约车数据挖掘出的供需不匹配结果，提出了公共交通供给优化调整方法策略。
本文研究的科学问题是：如何利用公共交通IC卡刷卡数据、公交GPS数据、出租车及网约车出行数据、共享单车骑行数据及土地利用、建筑数据等多源大数据，结合数据挖掘、GIS技术全面、精准的挖掘公共交通服务需求及供需不匹配问题，为公共交通系统供给优化调整提供全面、准确的依据，并研究如何集成相关挖掘成果优化及调整供给。主要研究内容及成果如下：
深入挖掘IC卡用户历史出行数据，并通过细化还原推断情景提升当前一票制IC卡刷卡系统的公交客流OD推断合理性。构建了多模式公共交通系统下数据驱动的公交客流OD非集计推断模型，涵盖两大部分共8个情景，实现了下车站点及活动/换乘判别一体化推断。利用北京市特有的上、下车信息记录完整的公交IC卡数据对提出的推断模型及基于出行链的推断算法进行了对比验证实验，结果验证了数据驱动非集计推断模型的有效性。
以职住出行需求挖掘为例，分别针对一票制IC卡刷卡系统及基于距离计价刷卡系统构建了街区级公共交通出行需求挖掘模型。以个体出行者职住站点识别算法为基础，利用出行站点位置信息、多模式公共交通线网约束、土地利用数据及建筑数据，结合空间分析技术构建了基于GIS的分步式职住街区挖掘模型，并基于需求生成模型获得最终的街区级职住出行需求。通过实例研究对模型进行了应用及验证。
无桩共享单车的出现改变了很多公共交通用户出行模式及出行行为，基于步行可达距离的公共交通需求识别方法会导致引入共享单车城市的公共交通需求识别出现错误。对此，构建了由出行轨迹聚类算法、序列模式挖掘算法及空间关联挖掘算法组成的共享单车用户时空出行模式挖掘集成模型，挖掘时空出行模式、需求。提出基于公交IC卡及共享单车用户ID匹配的接驳出行识别算法，实现对与公共交通接驳的出行需求精准识别。接驳出行需求挖掘结果将对公交OD推断及街区级职住出行需求结果进行修正。基于实例数据对方法进行了应用及验证。
针对基于实际公共交通出行大数据生成的街区级出行需求，构建了对应的街区级公共交通供需匹配测量模型。模型综合考虑了相对时间可达性及公共交通服务供给水平两大方面多个因素，并考虑了多模式公共交通系统下出行方案复杂性，以集计、非集计相结合的方式测量供需匹配，真正实现了基于真实需求的细粒度供需匹配测量。并进行了实例应用研究。
以出租车、网约车订单时空OD为潜在出行公共交通出行需求，通过乘客视角下基于门到门的公共交通综合供给量化模型测量对应OD间公共交通供给，识别出供给不足的OD需求作为挖掘出的供给未能满足的潜在公共交通需求。构建在网格约束下基于密度聚类的DBSCAN-UGC算法及针对细粒度供需不匹配的挖掘算法，对突出的供给问题进行精准挖掘。应用实例数据，证实本文方法可系统性挖掘出城市公共交通系统存在的供需不匹配问题，为供给优化调整提供重要的依据。最后，综合街区级供需匹配测量结果及通过出租车、网约车数据挖掘出的供需不匹配结果，提出了公共交通供给优化调整方法策略。