基于聚类算法的公共交通乘客出行特征分析——以北京市为例

摘要：

为掌握乘客的精细化出行需求,进而提升公共交通系统的服务品质,以北京市为例,利用智能卡数据对乘客的出行特征进行分析.首先通过数据预处理获取乘客的完整出行链,然后从出行强度、出行时间和出行空间三个维度提取乘客出行特征指标,并利用主成分分析法(Principal Component Analysis,PCA)对其进行降维处理,最后基于降维后的特征利用不同的聚类算法对乘客进行分类.研究结果显示:K-means++算法的聚类效果最佳,聚类结果包含5类具有不同出行特征的乘客群体;其中类型一乘客的出行强度较大且出行时空特征稳定性较高,具有较明显的通勤出行特征,该类型乘客人数仅占总乘客数的18.4％,但其出行量占比超过55％,由于其公共交通依赖度较高,高峰期间应作为重点保障对象;类型二主要为生活类出行乘客,其出行时空稳定性较低,应深入挖掘此类乘客的个性化生活出行需求;类型三～类型五主要为低频或偶然出行乘客.根据乘客多天的出行链,进一步挖掘类型一乘客的居住地和工作地,结果显示乘客居住地主要分布在回龙观、天通苑以及黄村等区域,工作地主要分布在国贸、中关村和望京等区域,与北京市现状相符.

关键词：城市公共交通、智能卡数据、聚类算法、出行特征、通勤出行

所属期刊栏目：9

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：国家重点研发计划2020YFB1600703

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：72-81