基于数据挖掘的公交客流规律研究

公交客流是城市公交规划、运营调度和行车组织的基础性数据。如果能够及时、准确的获得公交客流规律,公交公司便可以采取相应的措施来满足乘客的公交需求,提高运送能力,降低经济成本和社会成本。由于公交IC卡每天产生大量运营数据,利用这些数据能够及时、准确地反映公交客流特征。正是基于这个原因,本文基于数据挖掘技术,利用公交IC卡数据,对公交客流规律进行了研究。 本文主要围绕“公交客流规律”展开研究。虽然,现在的公交客流规律的客流数据以及客流规律研究方法已经比较成熟且应用广泛,但还存在着一定的缺陷:客流数据主要来自于人工调查,费财费时而且数据的准确性得不到保证;数学统计方法在海量数据面前显得力不从心。本文研究客流规律选用的客流数据是公交IC卡数据,研究方法则结合传统数学统计方法和先进的数据挖掘方法,通过对海量公交IC卡数据的分析处理,得到公交客流规律以及公交企业运营所需的客流指标。 本文根据数据挖掘结果的序贯性以及相关性,首先研究客流峰值区间的划分,并利用划分结果推算乘客的上、下车站点以及时刻;然后基于前面已经挖掘的结果,利用神经网络预测站点时段上下车人数;最后用数学统计方法求解客流规律各项指标,对公交客流规律进行归纳总结。在公交IC卡数据的客流规律挖掘模型的基础上,本文选取北京公交集团的客流数据对所设计的模型和算法进行研究,结果证明客流规律挖掘模型具有较好的适用性。 本文对公交客流规律的研究主要集中在三个方面: 第一,研究乘客的出行特征,包括乘车时间,出行距离等; 第二,研究公交客流的时间性规律,包括客流周期性以及公交客流在时间上的不均衡性; 第三,研究公交客流的空间性规律,包括站点客流,断面客流以及公交客流在空间上的不均衡性。