论文部分内容阅读
大力推进公共交通出行已成为缓解城市交通拥堵的主要途径。轨道交通出行作为公共交通的主要组成部分，因其快速性、便利性、准时性、大容量等优势而受到城市居民的广泛青睐。准确掌握基于轨道交通的居民时空出行特征是保障轨道交通安全运营、优化轨道交通服务水平、推动轨道交通人性化设计的基础。显然，轨道交通智能化设备所采集的乘客刷卡历史大数据，可为轨道交通出行特征挖掘奠定良好的数据基础。但是，如何有效地划分轨道交通站点功能、挖掘和可视化居民的时空出行特征，还缺乏一套完善的方法体系。 在此背景下，论文基于轨道交通乘客刷卡大数据，深入挖掘轨道交通乘客出行规律，综合采用多种聚类算法，实现了基于通勤时间的出行模式划分和乘客出行分类，并利用地铁周边兴趣点采用LDA文本主题提取模型对地铁站点进行了功能划分，最后全方位、多角度地可视化分析居民出行的时空特性，并深入剖析居民出行现象的根源及影响因素。具体而言，论文的主要内容和贡献可以概括为以下三点: (1)基于轨道交通刷卡大数据，提出了一种对地铁乘客出行规律进行挖掘的方法。从通勤出行角度，采用DBSCAN聚类算法对出行时间进行聚类分析，然后根据分析的结果划定通勤出行乘客，并结合通勤出行时间分析了这部分乘客的出行模式。从总体乘客出行角度，提取所有乘客出行特征进行K-means聚类，将出行规律具有相似性的乘客聚在一起，得到乘客的五个分类，并从时间和空间上对乘客分类进行可视化分析。 (2)为了结合站点本身的特点进一步分析乘客出行特征，提出了一种基于LDA的站点主题提取方法。采用站点周边兴趣点数据，将LDA文本主题提取方法应用于地铁站点主题提取中，对地铁站点进行了功能划分，最后将站点功能与乘客分类结合进行了可视化分析。 (3)针对轨道交通出行行为分析结果，设计并实现了轨道交通出行行为分析系统。从基于站点的行人流量可视化、基于时间和空间的行人出行分类可视化和基于地理信息的可视化探索三个层次完成可视化分析，并实现了交互式查询。 论文实现了对乘客出行规律的挖掘，并通过可视化方法对其进行了分析，从结果上看，得到的乘客出行规律与轨道交通空间和时间信息密切相关，结论与北京市居民出行调查结论吻合，同时取得了良好的展示效果，可为保障轨道交通安全运营和人性化设计提供参考。