基于活动识别的公交出行行为重构与分析

交通运输系统工程与信息 ›› 2020, Vol. 20 ›› Issue (4): 143-149.

基于活动识别的公交出行行为重构与分析

魏广奇，苏跃江^*，余畅

广州市交通运输研究所广州 510635

收稿日期:2020-04-09 修回日期:2020-06-24 出版日期:2020-08-25 发布日期:2020-08-25
作者简介:魏广奇(1977-)，男，山西长治人，高级工程师.

Transit Travel Reconstruction and Analysis Based on Activity Identification

WEI Guang-qi, SU Yue-jiang, YU Chang

Guangzhou Transport Research Institute, Guangzhou 510635, China

Received:2020-04-09 Revised:2020-06-24 Online:2020-08-25 Published:2020-08-25

摘要/Abstract

摘要：

摸清城市居民的公交通勤出行规律特征，可以更好的为公交运营管理提供支撑.通过挖掘IC卡数据获取公交出行信息是出行行为分析的新手段.根据以活动为基础的出行分析理论，提出以活动区域属性判别为核心的公交出行重构分析方法.通过对公交出行的起讫站点进行空间聚类分析，获取居民的主要活动区域；基于居民多日出行信息及相应出行特征指标，分别对居民的居住和工作区域进行识别；根据出行目的地区域的活动属性，对公交出行链进行重构.以广州市为例，对居民公交出行特征规律进行实证分析.

关键词: 智能交通, 出行特征, 活动区域识别, 活动属性识别, 公交出行信息

Abstract:

Finding out the characteristics of transit travel behaviors can provide an effective evidence for transit management and decisions. Nowadays, mining the smart card data to obtain travel information have become a new means for travel behavior analysis. Based on the theory of activity-based travel behavior analysis, a methodology of activity identification and purpose assignment is proposed to reconstruct and analyze residents' daily bus travel behavior. Firstly the main activity areas of residents are obtained through the spatial clustering analysis of travel's Origin- Destination. Secondly, the residence and workplace areas are recognized based on multi- day trip information and a series of travel features. Then the bus travel activities are reconstructed according to the properties of travel destinations. Finally, a case study of Guangzhou citizen bus travel behavior analysis is conducted to analyze the travel characteristic.

Key words: intelligent transportation, travel characteristics, activity area identification, activity properties identification, bus travel information

中图分类号:

U491

魏广奇，苏跃江，余畅. 基于活动识别的公交出行行为重构与分析[J]. 交通运输系统工程与信息, 2020, 20(4): 143-149.

WEI Guang-qi, SU Yue-jiang, YU Chang. Transit Travel Reconstruction and Analysis Based on Activity Identification[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(4): 143-149.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract20092.shtml

http://www.tseit.org.cn/CN/Y2020/V20/I4/143

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.