一種基于交通od數(shù)據(jù)的城市居民群體換乘模式發(fā)現(xiàn)系統(tǒng)及方法
【技術領域】
[0001] 本發(fā)明屬于智能交通技術領域，提出一種基于交通0D數(shù)據(jù)的城市居民群體換乘 模式發(fā)現(xiàn)系統(tǒng)及方法。
【背景技術】
[0002] 公共交通不僅是居民經(jīng)濟、綠色的出行方式，更是緩解城市擁堵的重要手段。據(jù)統(tǒng) 計，60%的城市人口每天至少花費1小時在乘坐公共交通工具（多少人乘坐公交，多少人乘 坐地鐵）。然而，城市建設的不斷發(fā)展導致城市功能區(qū)和興趣點分布的動態(tài)改變，改變了城 市客流分布規(guī)律，例如，新建的購物商場和商業(yè)區(qū)等都會激發(fā)新的出行需求。因此，如何提 高居民公共出行效率，動態(tài)發(fā)現(xiàn)新的公共出行需求對交通服務者及城市規(guī)劃都是非常重要 的。
[0003] 當前，市民出行選擇的公共交通工具主要包括公交車、地鐵以及公租自行車等。公 交車和地鐵是用戶優(yōu)先選擇的經(jīng)濟便捷的出行方式，這類交通工具的優(yōu)點是快捷、覆蓋面 廣且省時省力；另一特點是從出發(fā)地到某個目的地經(jīng)常需要通過換乘，公交與公交的換乘 或者公交與地鐵的換乘，這也成為了公共交通規(guī)劃的難點所在。
[0004] 換乘是多模式交通出行的重要環(huán)節(jié)，以北京早高峰為例，1/5的人無法依靠單一旅 程直接到達目的地，中間需要換乘。換乘使出行花費提高，步行距離以及出行時間增加，出 行效率明顯降低。調(diào)查研究，80%的居民在出行時選擇直達方案，避免換乘，所以換乘作為 衡量出行效率的關鍵因素是合理的。另外，通過換乘可以發(fā)現(xiàn)現(xiàn)有交通系統(tǒng)的不足之處， 例如，當換乘客流超過一定閾值，并且該情況發(fā)生頻率較高時，就可以發(fā)現(xiàn)公交規(guī)劃的不合 理，并進一步通過對出行路徑的研究，可以提供設置公交直達線路的需求依據(jù)；當假節(jié)日或 演唱會等特殊事件發(fā)生時，會涌現(xiàn)出非規(guī)律性的換乘需求，可以為動態(tài)車輛調(diào)度，緩解交通 擁堵等提供數(shù)據(jù)支持。從換乘區(qū)域角度分析，還可以了解及掌握乘客的出行變化規(guī)律，并可 以通過換乘點的記錄，推算出行者的真實目的地。
[0005] 然而乘客的換乘行為難以準確采集，調(diào)查問卷等傳統(tǒng)方法具有區(qū)域局限性且代價 昂貴，一卡通供城市居民乘坐主要交通工具，公交和地鐵，隱含著公交、地鐵換乘的重要信 息，與GPS、手機相比，近似全樣本、全時的描述居民公共出行特征，滿足需求。本發(fā)明采用的 數(shù)據(jù)基于AFCS的公交和地鐵數(shù)據(jù)，涵蓋了城市居民95%的公交換乘出行。
[0006] 另外，城市公共交通中，對個體出行行為的研究對于城市交通政策制定以及管理 都有較大的參考價值，如常用的出行方式、出行距離等。由于個體出行行為是個性化的，并 且在一定程度上具有隨機性，所以對個體出行行為的分析并不能體現(xiàn)城市整體出行特征。 由于公共交通站點的規(guī)劃，采用公共交通進行出行的居民往往會形成客流"群體"。這種"群 體"代表著在某一段時間和空間下具有相似出行目的出行人群。由于群體具有共性，所以較 大的出行群體能夠體現(xiàn)出在出行群體中的個體出行不能體現(xiàn)的特征，如站臺擁擠度的潮汐 性變化以及城市客流時空密度變化等。因此在分析城市公共交通換乘模式時，有必要對群 體換乘模式進行分析。
[0007] 公交與公交換乘客流、地鐵與公交換乘客流一直是出行特征研究的一個重點，對 換乘站的研究在城市規(guī)劃領域有著重要的意義。
[0008]由于乘客的換乘行為難以準確采集，公共交通網(wǎng)絡實際運行的換乘次數(shù)難以得 到，傳統(tǒng)的換乘次數(shù)指標的評價往往是基于線網(wǎng)拓撲結(jié)構的網(wǎng)絡分析，如鄰接矩陣分析法、 Floyd算法等，成為制約公交線網(wǎng)服務水平評價的主要障礙之一。有效的識別換乘是進行公 共交通合理規(guī)劃的關鍵。
[0009] 國外對于基于一卡通數(shù)據(jù)的換乘有一些研究，通過利用乘客上車數(shù)據(jù)來得到公共 交通的換乘信息并描述了一個迭代分類算法，這個算法把乘客上車數(shù)據(jù)分為兩類：換乘出 行和單次出行。換乘節(jié)點識別矩陣的分析，等待時間分布圖和空間第一次和第二次站點分 布圖。這個算法可以為交通調(diào)度人員提供重要的信息：乘客上車，換乘和等待時間等相關信 息。這些信息可以為他們進行交通規(guī)劃和政策制定提供有力的數(shù)據(jù)支持。
[0010] 由于基礎數(shù)據(jù)的限制，當前國內(nèi)外對公共交通的換乘模式的研究較少，大多數(shù)研 究集中在單一交通方式的內(nèi)部換乘以及對大的換乘樞紐站的建設的改進，更少有對居民在 綜合公共交通之間的換乘行為進行建模與分析。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明的技術解決問題：克服現(xiàn)有技術的不足，提供一種基于交通0D數(shù)據(jù)的城市 居民群體換乘模式發(fā)現(xiàn)系統(tǒng)及方法，建立在大量的真實居民公交出行一卡通刷卡數(shù)據(jù)，具 有魯棒性和普遍適用性，解決了現(xiàn)有城市居民群體換乘需求問題，并為公共交通線路優(yōu)化 以及動態(tài)車輛調(diào)度提供了數(shù)據(jù)支撐。
[0012] 本發(fā)明技術解決方案：一種基于交通0D數(shù)據(jù)的城市居民群體換乘模式發(fā)現(xiàn)系統(tǒng)， 包括以下幾個模塊：數(shù)據(jù)預處理模塊、換乘軌跡識別模塊、換乘熱點區(qū)域發(fā)現(xiàn)模塊、群體換 乘模式挖掘模塊。
[0013] 屬于智能交通技術領域。換乘模式代表大客流量頻繁發(fā)生的換乘軌跡的時空特 征，體現(xiàn)了城市居民換乘需求。該模型包括數(shù)據(jù)預處理模塊、換乘軌跡識別模塊、換乘熱點 區(qū)域發(fā)現(xiàn)模塊和群體換乘模式挖掘模塊。數(shù)據(jù)預處理模塊用于公交、地鐵的一卡通刷卡數(shù) 據(jù)處理得到0D數(shù)據(jù)；換乘軌跡識別模塊從本模型的輸入數(shù)據(jù)0D數(shù)據(jù)通過時間閾值和空間 閾值判斷個人連續(xù)出行0D數(shù)據(jù)是否為換乘，得到個人換乘軌跡數(shù)據(jù)；熱點區(qū)域發(fā)現(xiàn)模塊通 過聚類算法，判斷站點及其相鄰站點客流聚集程度得到熱點區(qū)域，在此基礎上通過交通小 區(qū)數(shù)據(jù)對熱點區(qū)域進行二次合并與劃分得到熱點交通小區(qū)，即換乘熱點區(qū)域；群體換乘模 式挖掘模塊通過聚合個人換乘軌跡得到群體換乘軌跡數(shù)據(jù)，定義群體換乘模式，交通數(shù)據(jù) 本身具有高維特性，通過建立高維數(shù)據(jù)描述模型，并利用降維的方法挖掘出熱點區(qū)域間的 大客流量的群體換乘模式。本模型建立在大量的真實居民公交出行一卡通刷卡數(shù)據(jù)，模型 具有魯棒性和普遍適用性，城市范圍內(nèi)換乘模式的發(fā)現(xiàn)為公共交通線路優(yōu)化以及動態(tài)車輛 調(diào)度提供了數(shù)據(jù)支撐和合理建議。
[0014] 數(shù)據(jù)預處理模塊：用于處理公交、地鐵一卡通刷卡數(shù)據(jù)，以得到個人完整公交出行 0D數(shù)據(jù)，作為后續(xù)換乘識別模塊的基礎輸入數(shù)據(jù)；具體實現(xiàn)如下：
[0015] 輸入數(shù)據(jù)為公交一卡通刷卡數(shù)據(jù)、地鐵一卡通刷卡數(shù)據(jù)等多種數(shù)據(jù)源，首先提取 有效字段、剔除異常數(shù)據(jù)，然后通過對上下車時間、位置及相關信息進行填補，并標記出行 方式；最后經(jīng)過按卡號合并及時間序列化等步驟，得到公交0D數(shù)據(jù)；
[0016] 將不同數(shù)據(jù)源的0D數(shù)據(jù)按卡號合并，并按上車時間排序得到個人完整公交出行 時空0D數(shù)據(jù)，主要包括上下車時間信息、上下車站點空間位置信息等。
[0017] 換乘軌跡識別模塊：通過對于城市居民公交出行的時空0D數(shù)據(jù)，按照同一卡號提 取，判斷連續(xù)兩條0D數(shù)據(jù)，設定換乘識別時間閾值Th和空間閾值Td，時間閾值判斷連續(xù)兩 條0D數(shù)據(jù)前一次下車時間和后一次上車時間間隔是否小于Th，空間閾值判斷連續(xù)兩條0D 數(shù)據(jù)前一次下車地點和后一次上車地點間距離是否小于Td，符合上述兩個條件即判斷為一 次換乘軌跡，依次遞推，可以判斷出連續(xù)多次換乘軌跡。
[0018] 換乘熱點區(qū)域發(fā)現(xiàn)模塊：定義站點客流密度，將站點客流作為密度和站點間平均 距離作為半徑通過密度聚類，以DBSACN方法為例實現(xiàn)，得到熱點區(qū)域，并通過交通小區(qū)數(shù) 據(jù)對熱點區(qū)域進行二次合并與劃分得到熱點交通小區(qū)，劃分方法：a.若聚類完的熱點區(qū)域 內(nèi)的站點中某兩個站點的距離（地表距離）大于閾值dis，則需要進行切分。b.若熱點區(qū) 域的站點一半以上都分布在某交通小區(qū)內(nèi)，則將其劃入此交通小區(qū)。重復上述步驟直到所 有熱點區(qū)域全部處理完，得到熱點交通小區(qū)作為換乘熱點區(qū)域。
[0019] 群體換乘模式挖掘模塊：定義了