基于个体出行图谱的公共交通通勤行为辨别方法研究

梁 泉，翁剑成*，林鹏飞，周 伟，荣 建

(1.北京工业大学北京市交通工程重点实验室，北京100124；2.中华人民共和国交通运输部，北京100736)

0 引言

2016年，北京市工作日日均公共交通客运量达2 163.01万人次，通勤出行作为公共交通服务的主体，占公共交通出行总量的66.3%[1].通勤与非通勤人群出行特征存在显著差异，有效分析公共交通通勤乘客出行需求，准确把握通勤乘客出行规律，对于合理引导客流出行具有重要意义.其中，实现公共交通乘客类型的准确鉴别是深度挖掘通勤乘客出行需求和规律的前提.

当前研究主要基于通勤出行规律分析实施公共交通通勤乘客辨别，通勤出行特征包括出行往返性、出行时间规律性、模式选择固定性、线路选择多样性等[2-3].研究能够鉴别通勤特性显著的乘客，但无法准确归类行为特征不明显的通勤乘客.部分研究采用问卷调查或走访调研的方式获取乘客类别属性[4-5]，但成本高、样本有限，无法实现全样本乘客行为分类.

随着互联网+等新兴技术的发展，公交系统智能化水平极大提升，汇聚形成了多源公共交通数据，为准确实现公共交通出行者分类提供了丰富的数据基础.人工智能和机器学习的横向发展和纵向延伸，也为数据驱动下的通勤乘客判别提供了方法支撑.目前少量研究采用决策树[6]、SVM[7]等方法开展通勤人群辨识，但模型的输入层特征变量考虑不全面，结构与参数解析不深入，适用性有待提高.

由于人工神经网络能实现输入到输出的高度非线性映射，具有自学习、自组织、较好容错性和优良非线性逼近能力，可以较好地解决分类问题；……