[发明专利]一种基于地铁刷卡数据的出行人群识别方法

说明书

技术领域

本发明涉及一种基于地铁刷卡数据的出行人群识别方法,属于交通数据分析与建模技术 领域。

背景技术

居民出行数据常常用来反映城市交通发展状况，并指导城市交通管理与规划，而地铁刷 卡数据由于极大的客流吸引力，包含大量的居民出行记录，能够提取并反映地铁出行用户的 行为特征；近来随着交通信息技术的发展，如何从多维、无序的原始数据中发掘交通特征有 效数据，成为亟待解决的重要问题。

现有技术多依赖于调查数据辅助分析，从而对地铁刷卡数据进行人群识别，但问卷调查 费时费力，而且难以反映大量真实信息，其次，现有的识别方法仅着眼于通勤人群的识别及 特征分析，对弹性人群及其弹性程度的分析不足，难以分析在出行选择波动时弹性人群的特 征。

发明内容

本发明所要解决的技术问题是提供一种基于地铁刷卡数据的出行人群识别方法，能够从 大量真实出行记录数据中分析不同弹性程度的人群，减少交通调查成本，分析出行特征，指 导交通管理与规划，同时能够为分析地铁出行用户受其他因素影响变化奠定理论基础。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于地铁刷卡数据的出行人群识别方法，该方法包括以下步骤：

步骤1)利用Access数据库对地铁自动检售票系统AFC采集的地铁刷卡数据进行筛选处 理，构建基础数据；

步骤2)对个体出行记录进行早晚高峰期间进出站的站点匹配，具体为：

2-1)基于地铁出行高峰时间，确定分析时段；

2-2)依据Access数据库实现对分析时段内的出行记录进行站点匹配，若满足条件则识 别为“完全刚性”，否则进行步骤3；

步骤3)基于弹性度模型量化识别未满足站点匹配条件的人群的类型，具体为：

3-1)引入弹性度概念，并构建弹性度模型；

3-2)基于弹性度模型，分析人群划分类型，并确定各类型弹性度区间；

3-3)利用步骤1)预处理后的基础数据量化上述模型参数，计算个体出行弹性度大小， 对应各类型弹性度区间，识别步骤2)剩余的人群类型；

步骤4)综合步骤2)与步骤3)的人群识别结果，确定地铁刷卡人群类别。

作为本发明的进一步技术方案，步骤1)中的筛选处理为：剔除周末出行记录以及系统 采集误差的数据，其中，系统采集误差的数据包括进出站点等于同一站点数据、进站时间晚 于出站时间数据以及出行记录未采集完全的数据。

作为本发明的进一步技术方案，步骤2-1)中分析时段的确定，具体包含如下步骤：

a、统计地铁全日出行客流数据，分析地铁出行早晚高峰时间；

b、确定分析时段为：早高峰及其以前、晚高峰及其以后。

作为本发明的进一步技术方案，步骤2-2)中站点匹配为：对同一个体在2-1)确定的分 析时段内任意两条出行记录A、B，满足A次出行的进站站点＝B次出行的出站站点且A次出 行的出站站点＝B次出行的进站站点。

作为本发明的进一步技术方案，步骤3-1)中构建的弹性度模型为；

其中，K(D)为弹性度；n为选择肢数目；P_i为选择肢i的被选概率。

作为本发明的进一步技术方案，当所有选择肢的概率相同时，弹性度最大且K(D)＝1； 当其中某个选择肢的概率为1时，弹性度最小且K(D)＝0。

作为本发明的进一步技术方案，步骤3-2)中人群划分类型以及确定各类型弹性度区间， 具体为：

a、若n≥4，则将人群划分为四类：“完全刚性”、“部分刚性”、“部分弹性”及“完全弹性”；

各类型的弹性度区间为：

其中，p为出行者对某一个选择肢具有刚性选择需求概率的最低阈值；

b、若n＝3，则将人群划分为三类：“完全刚性”、“部分刚性”及“部分弹性”；

各类型的弹性度区间为：

c、若n＝1或2，将出行人群划分为“完全刚性”或“完全弹性”两类，具体为：

①当n＝1时，K(D)＝0，则为“完全刚性”；

②当n＝2且两个选择肢的备选概率相同时，K(D)＝1，则为“完全弹性”；

③当n＝2但两个选择肢的备选概率不同时，若存在某一个选择肢的备选概率小于p时则 为“完全弹性”，否则为“完全刚性”。