姚远 陈瑜 雷怡
【摘 要】本文提出了一种利用手机大数据进行换乘客流挖掘的方法。本方法考虑了地铁网络的拓扑结构,结合图论相关原理,阐释了地铁出行路径的识别算法。最后以上海曹杨路-漕河泾区段为例,通过志愿者调查系统进行了换乘数据验证。结果证明,此方法得出的换乘量与实际换乘量偏差较小。
【关键字】手机大数据;地铁换乘客流
中图分类号: U293.13 文献标识码: A 文章编号: 2095-2457(2018)18-0001-002
DOI:10.19694/j.cnki.issn2095-2457.2018.18.001
【Abstract】Therefore,in this paper a method of mining transfer passenger flow base on big data of mobile is presented.It has taken into account topology structure of metro transit network combine with necessary knowledge of graph theory,expounding identification algorithm of trip route in metro network.At last,paper takes the sector between Caoyang Road and Caohejing as an example,verifying transfer data by volunteer investigation system.The results show that the method has a good performance in illustrating the actual transfer passenger flow.
【Key words】Big data of mobile;Metro transfer passenger flow
1 研究背景
无论地铁人流诱导、应急管理还是票务清分业务,地铁换乘客流都是一个及其重要的指标。地铁运营管理公司广泛采用自动售票检票(Automated Fare Collection,AFC),可以获取出行的起讫点(Origin-Destination,OD),但无法直接获取出行者在地铁网的出行路径。有学者尝试用AFC数据进行推算,研究思路主要有:(1)最短路径法,即最短路径上客流按100%分配。但实际出行者中的路径选择并非完全按最短路。(2)建立路径选择模型,如Logit模型。(3)设置路径阻抗,如出行时间,出行费用等等,进而影响路选择。(4)将乘客进出站时间与列车到发时刻进行关联,当两者在一定时间范围内,则认为该路径是乘客所选路径。然而,这些方法均是通过理论推算出来的,因模型而异都有较大的误差。
另一方面,随着手机使用的普及和基于个体的手机大数据客流挖掘技术的不断完善,使用原汁原味的检测数据直接获取换乘客流成为了可能。本文利用移动通信定位原理,通过分析地铁系统内部的手机大数据,匹配拓扑路网接口,从而挖掘出关键节点的换乘量。……