公共交通乘客个体活动链的日相似性研究

来源：交通运输系统工程与信息杂志2020年第6期北京时间：

作者：林鹏飞，翁剑成，胡松，荆云琪，尹宝才

单位：北京工业大学 交通工程北京市重点实验室，北京 100124

摘要：刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据，通过提取乘客活动地，推断居住地位置和识别活动类型3个步骤构建乘客个体活动链；基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式，采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明：每类用户中约70%乘客的频繁活动序列是对称模式；普通卡和学生卡用户的相似性高于老年卡用户，平均值分别为 0.645、0.649和0.530；3类乘客的工作日与非工作日活动链具有明显差异，而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律，为科学优化公共交通服务提供依据.

关键词：智能交通,相似性,序列挖掘,公共交通乘客,PrefixSpan算法

基金资助：国家自然科学基金/National Natural Science Foundation of China(52072011，U1811463)；北京市科技新星计划项目“/ Beijing Nova”Program by the Beijing Municipal Science and Technology Commission(Z171100001117100).