刚性用户是地铁用户群的主要构成部分。对刚性出行起讫点的识别有助于深入了解该类型用户的出行特点,为地铁精细化管理和运营提供数据基础。针对现有起讫点挖掘方法指标较笼统、无法针对个体用户出行特征等问题,提出基于自动检票系统(au...刚性用户是地铁用户群的主要构成部分。对刚性出行起讫点的识别有助于深入了解该类型用户的出行特点,为地铁精细化管理和运营提供数据基础。针对现有起讫点挖掘方法指标较笼统、无法针对个体用户出行特征等问题,提出基于自动检票系统(automatic fare collection,AFC)数据挖掘的地铁刚性出行起讫点识别方法。首先,在分析AFC数据特点的基础上,以用户站点序列为媒介,通过用户出行的时空规律识别地铁刚性用户;其次结合刚性用户出行特点,提取刚性出行起讫点属性;最后以北京地铁为例,验证该算法的准确性,探讨北京地铁刚性需求分布。研究结果表明:该算法识别率可达到93. 5%,满足地铁运营和规划的数据要求;北京地铁刚性出行起讫点分布与现状用地属性及客流集散情况相吻合,间接证明了该算法的可靠性。展开更多
文摘刚性用户是地铁用户群的主要构成部分。对刚性出行起讫点的识别有助于深入了解该类型用户的出行特点,为地铁精细化管理和运营提供数据基础。针对现有起讫点挖掘方法指标较笼统、无法针对个体用户出行特征等问题,提出基于自动检票系统(automatic fare collection,AFC)数据挖掘的地铁刚性出行起讫点识别方法。首先,在分析AFC数据特点的基础上,以用户站点序列为媒介,通过用户出行的时空规律识别地铁刚性用户;其次结合刚性用户出行特点,提取刚性出行起讫点属性;最后以北京地铁为例,验证该算法的准确性,探讨北京地铁刚性需求分布。研究结果表明:该算法识别率可达到93. 5%,满足地铁运营和规划的数据要求;北京地铁刚性出行起讫点分布与现状用地属性及客流集散情况相吻合,间接证明了该算法的可靠性。
