随着移动通信技术的快速发展和普及,越来越多的车载移动智能终端被应用于城市交通管理与规划研究中,从而产生了海量的、深层次且极为丰富的交通大数据。交通大数据包括GPS轨迹数据、IC卡刷卡数据和站点信息,GPS轨迹数据是基于公交车的真实行驶路径,按一定的采样频率采集的轨迹点,而IC卡刷卡数据则记录了乘客刷卡的时间和位置信息。这些数据包含了移动对象丰富的时空信息,体现了城市公交系统运营规律和城市居民的出行特征,对于城市公交线路的调整优化和乘客出行线路选择等难题的研究具有重大意义。乘客出行线路选择是城市服务中的研究难点,越来越多的城市居民追求更好的交通服务。如何从大量的GPS轨迹数据和IC卡刷卡数据中挖掘出有利于改善和提高城市交通服务的有用信息,从而为乘客出行线路选择提供依据,成为了当前交通大数据研究的热点。当前乘客出行线路推荐算法主要分成三类,第一类是以最小化乘客出行的起点和终点之间的地理距离为目的;第二类则是以减少交通道路的拥堵,从而达到最小化乘客的乘车时间的目的。第三类是最小化乘客的换乘次数,从而给乘客的出行带来便利。在这三类算法中,均没有同时考虑乘客乘车的拥挤度和交通道路拥堵等因素对乘客线路选择造成的影响。因此,本文提出了一种基于交通拥堵和车内拥挤度预测的乘车线路推荐方法,该方法包含了基于交通道路拥堵预测模型、车内拥挤度预测模型和乘车线路推荐模型。首先,从公交GPS轨迹,IC卡消费记录、站点和线路矢量数据中提取时间、位置等信息,分别通过地图匹配和上、下车站点推算方法推断出公交车入站时间和各站点乘客流量,并以高峰期时段公交车在两站点之间的行驶时间与无拥堵行驶时间的差值来估算交通道路拥堵系数,同时,以每个站点上车拥挤的乘客数量与总上车乘客数量的比值来作为衡量车内拥挤度的指标。其次,通过LSTM模型,结合天气、时间等时空特征,根据历史时间的道路拥堵状况和乘车拥挤度来预测未来时间段的相关数据,并引入等间隔分类法对道路拥堵和车内拥挤度进行分类。最后,通过一个权重可调节的加权函数,结合道路拥堵和乘车拥挤度的分类结果来对各线路评分,并对偏省时乘客、偏舒适乘客和均衡群体的出行线路作出科学的推荐。本文使用了中国广州市的6条公交线路数据来对该方法的性能进行测试和评估,从而证明了该方法的有效性和实用性。