基于个体出行图谱的公共交通通勤行为辨别方法研究

来源：交通运输系统工程与信息杂志2018年第2期北京时间：

作者：梁泉，翁剑成，林鹏飞，周伟，荣建

单位：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

摘要：不同公共交通类型乘客的出行特征存在显著差异，实现公共交通通勤乘客准确辨识，有助于获取精细化的公共交通出行特征，更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据，对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据，采用多层规划理论构建了个体出行知识图谱，提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入，乘客分类为输出，构建了面向公共交通乘客分类的BP神经元网络模型.验证表明，模型平均分类精度为94.5%，Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客，为优化公共交通运营及公共交通精准化服务提供支撑.

关键词：城市交通,通勤辨别,知识图谱,个体乘客,神经元网络

基金资助：国家自然科学基金/National Natural Science Foundation of China(51578028)；北京市“科技新星”计划项目/“Beijing Nova” Program by Beijing Municipal Science and Technology Commission(Z171100001117100).