论文部分内容阅读
发现轨道交通中乘客的出行模式和客流分布对于列车时刻表的编制和应对突发事件是至关重要的。在“一票换乘”情况下,如何在近似黑箱的轨道交通网络中准确有效识别乘客的时空位置是客运管理工作的基础。本文就是在交通大数据背景下利用数据挖掘城市轨道交通网络中乘客出行轨迹,得到城市轨道交通网络中的客流分布情况,为列车时刻表的编制工作和提高突发事件的应急响应提供决策支持。非接触式智能卡系统(AFC系统)可以记录与乘客出行相关的时间地点数据,这为分析乘客的出行轨迹提供了大量真实可靠的出行数据。本文首先介绍了城市轨道交通中的基本数据,并利用这些数据简单分析了城市轨道交通客流时空分布规律以及路径旅行时间的特点。为了估计乘客的时空轨迹,本文提出了基于AFC数据的乘客出行轨迹估计模型。首先建立了城市轨道交通中乘客旅行时间模型,在此基础上,将乘客的旅行时间分为进站走行时间、候车时间、乘车时间、出站走行时间和换乘时间。利用典型乘客的AFC数据通过不同的方法估计旅行时间要素。然后,基于旅行时间进行城市轨道交通乘客出行路径匹配来发现选择乘客出行路径,并通过位置估计模型估计乘客的出行轨迹。最后,结合列车时刻表,将单个轨迹映射到车辆中。在实例分析中对乘客的出行轨迹进行应用,得出了北京市城市轨道交通网络的时空分布、列车载客人数及站内人数,并用实际数据对模型进行了验证。基于AFC数据的乘客出行轨迹估计模型具有简单、易操作的特点,但忽略了乘客在实际出行过程中会有所差别,尤其是候车时间等方面。在前面模型的基础上,本文考虑了乘客的选择偏好,提出了基于乘客选择偏好的出行轨迹估计模型,不仅将乘客的候车时间考虑为随机变量,而且可以估计出乘客在所有可能路径中选择不同路径的比例,弥补了前面模型没有考虑乘客选择偏好的不足。在实例中进行了分析及验证。