【OD矩阵】《城市公交IC卡·数据分析方法及应用》换乘行为识别

《城市公交IC卡·数据分析方法及应用》 陈学武、李海波、候贤耀著

《城市公交IC卡·数据分析方法及应用》换乘行为识别

公交换乘过程分析

分类：

• 换乘公交方式划分：
  • 同一种公交方式内部换乘 和 不同公交方式的换乘
• 换乘空间距离划分：
  • 同站换乘 和 异站换乘

公交换乘行为的识别可以从时间角度考虑

主要时间包括：出发、上车、下车、到达

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hzehS6ZI-1643251258946)(C:\Users\hp\Desktop\《城市公交IC卡·数据分析方法及应用》——OD矩阵的推导·笔记\eeee.jpg)]

基于公交IC卡数据换乘行为识别

刷卡时间既可以认为式乘客的上车时间，则两次连续的乘坐行为的时间间隔来识别换乘行为（即$t_{21}-t_{11}=T_1+T_{12}$）

步骤：

1. 提取某一天全天的公交IC卡数据，并统计该日有刷卡记录的公交IC卡卡号；
2. 提取卡号$CardN{o}_k$ 当日的所有刷卡记录并按照时间排序
3. 计算连续两次刷卡时间$t_k$ 和 $t_{k(i+1)}$ 之间的时间差$\Delta t_i$
4. while (CardNo in 卡号 )
   1. if $\Delta t_i$ <= ΔT
   2. 认为第i 次刷卡和第i+1次刷卡为连续公交出行——换乘
   3. else
   4. 两次是独立的出行

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GatwOHOS-1643251258948)(C:\Users\hp\Desktop\《城市公交IC卡·数据分析方法及应用》——OD矩阵的推导·笔记\d511e793bca916d47a7575c5427d5f9.jpg)]

此出 核心是对连续两次乘车上车时间差的判断 关键在于 $\Delta T$ 的取值，一般来自调查报告

条件允许的情况下，尝试自动调参AutoML

基于公交IC卡和AVL数据的换乘行为识别

算法步骤

初步筛选：

​ 去重、去空、取除异常值

判断上车点：

​ IC卡上实际没有标注上车点　需要和定位系统结合判断出刷卡时间

​ 判断： 线路$L_k$的上车站点$O_k$

查找线路间可换乘的站点：

​ 计算两条线路上　所有站点之间的距离（直线距离　和　路网上的最短路径距离）并与　设定的最大步骤距离进行比较

​ 当 两个站点之间的距离＜最大步行距离，则认为 对应站点之间可以换成，记为换乘站点$S_{k,k+1}$ 即线路$L_k$的下车站点$D_k$

​ 建议 在进行公交换乘判断前，首先 把公交网络上所有线路之间的换乘站点计算出来并单独存储 有利于算法效率的提高

下车时间判断：

​ 根据站点$O_k$ 的刷卡时间和对应时刻路线$L_k$的行驶方向，从车辆定位数据筛选出车辆行驶至下午站点$D_k$ 的时间，即 认为是乘客的下车时间

步行时间估算：

​ 根据换乘站点之间的直线距离（或通过ArcGIS等地理信息系统软件查询出站点间的最短道路长度），结合正常步行速度，来估算步行时间$T_{walk}$,则公交乘客步行至站点 $O_{k+1}$的时间为$t_{12}^{\prime }=t_{12}+T_{walk}$

换乘线路车辆到站时间查询：

查询在下车时间$t_{12}$ 站点$D_k$ 与 上车时间 $t_{21}$站点$O_{k+1}$之间，线路B道站点$S_{T2}$ 的所有公交车里的到站时间集合 {$t_i^a$}

换乘判断：

通过以上的计算，如果在$t_{21}^{\prime }$与$t_{21}$时刻之间没有其他公交车辆到达站点$O_{k+1}$,则认为两次刷卡记录为换乘；如果有其他车辆到达站点$O_{k+1}$ ,如图中的$t_2^a$,则认为连续两次刷卡记录不是换乘