基于海量IC卡數(shù)據(jù)的乘客出行網(wǎng)絡(luò)及動(dòng)力學(xué)研究.pdf

1、在現(xiàn)代社會(huì)中公共交通系統(tǒng)一直充當(dāng)著重要的角色，無(wú)論在實(shí)踐中還是學(xué)術(shù)中，交通問(wèn)題極大地引起了各界的注意。伴隨著交通工具的不斷普及，乘客出行量逐年增加，公交與地鐵換乘不協(xié)調(diào)、交通擁擠及城市公共交通系統(tǒng)整體運(yùn)營(yíng)效率低等問(wèn)題日益凸顯。如何提升城市公共交通系統(tǒng)的運(yùn)輸效率，已成為交通領(lǐng)域的熱點(diǎn)話題。在如今大數(shù)據(jù)的時(shí)代背景下，通過(guò)對(duì)海量、多樣化的交通數(shù)據(jù)進(jìn)行挖掘，不僅能夠分析出公共交通網(wǎng)絡(luò)的拓?fù)涮卣?，同時(shí)也能挖掘出乘客的出行行為規(guī)律，對(duì)提升公交與地鐵

2、之間的高效配合以及公共交通的綜合運(yùn)輸能力具有重要的現(xiàn)實(shí)意義。
　　首先，本文通過(guò)構(gòu)建公交-地鐵復(fù)合網(wǎng)絡(luò)，并分析了復(fù)合交通網(wǎng)絡(luò)的拓?fù)湫再|(zhì)及魯棒性；其次，利用基于多頭絨泡菌仿生模型改進(jìn)的粒子群算法，對(duì)地鐵乘客出行網(wǎng)絡(luò)進(jìn)行社團(tuán)劃分；最后，采用非負(fù)矩陣分解-自回歸模型，對(duì)地鐵乘客動(dòng)態(tài)起訖（Origin Destination, OD）矩陣進(jìn)行預(yù)測(cè)。本文的主要貢獻(xiàn)如下：
　　（1）實(shí)現(xiàn)構(gòu)建公交-地鐵復(fù)合網(wǎng)絡(luò)，同時(shí)對(duì)比分析復(fù)合網(wǎng)絡(luò)與子網(wǎng)

3、絡(luò)的拓?fù)涮匦约棒敯粜裕和ㄟ^(guò)采用兩種建模方式（Space L方式、Space P方式）構(gòu)建了公交-地鐵復(fù)合站點(diǎn)網(wǎng)絡(luò)及公交-地鐵復(fù)合換乘網(wǎng)絡(luò)，并對(duì)比分析兩種復(fù)合網(wǎng)絡(luò)與其相應(yīng)模式下公交子網(wǎng)絡(luò)與地鐵子網(wǎng)絡(luò)的拓?fù)涮卣髦怠４送?，?duì)比分析復(fù)合網(wǎng)絡(luò)與子網(wǎng)絡(luò)在不同攻擊模式下的魯棒性指標(biāo)，即最大連通子圖相對(duì)大小、平均路徑長(zhǎng)度、網(wǎng)絡(luò)直徑、網(wǎng)絡(luò)性能參數(shù)等魯棒性指標(biāo)的變化情況。并以中國(guó)西部某市的公交網(wǎng)絡(luò)及地鐵網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果表明：該市公交-地鐵網(wǎng)絡(luò)復(fù)合

4、網(wǎng)絡(luò)、公交子網(wǎng)絡(luò)、地鐵子網(wǎng)絡(luò)都是小世界網(wǎng)絡(luò)，且具有無(wú)標(biāo)度特性。復(fù)合網(wǎng)絡(luò)在隨機(jī)攻擊模式下的魯棒性較強(qiáng)，然而在目標(biāo)攻擊模式下較弱；對(duì)于這兩種攻擊模式，公交-地鐵復(fù)合站點(diǎn)網(wǎng)絡(luò)的魯棒性均優(yōu)于公交子網(wǎng)絡(luò)和地鐵子網(wǎng)絡(luò)。
　?。?）實(shí)現(xiàn)對(duì)地鐵乘客出行網(wǎng)絡(luò)的社團(tuán)劃分：通過(guò)引入多頭絨泡菌模型得到目標(biāo)函數(shù)即網(wǎng)絡(luò)模塊度的粗略解，并以此作為初始解，結(jié)合粒子群算法對(duì)模塊度函數(shù)進(jìn)行優(yōu)化求解，從而完成對(duì)乘客出行網(wǎng)絡(luò)的社團(tuán)劃分。以中國(guó)西部某市交通IC卡信息為基礎(chǔ)

5、，構(gòu)建地鐵乘客出行網(wǎng)絡(luò)，并同粒子群算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明：在對(duì)加權(quán)網(wǎng)絡(luò)進(jìn)行社團(tuán)挖掘時(shí)，基于多頭絨泡菌網(wǎng)絡(luò)模型改進(jìn)的粒子群算法在解的可行性方面有了明顯提升。
　　（3）實(shí)現(xiàn)基于非負(fù)矩陣分解-自回歸的算法來(lái)對(duì)地鐵乘客動(dòng)態(tài)OD矩陣進(jìn)行預(yù)測(cè)：首先，通過(guò)非負(fù)矩陣分解得到地鐵乘客的出行特征量，然后基于非負(fù)矩陣分解得到系數(shù)矩陣建立自回歸模型，從而完成對(duì)地鐵乘客出行流量的預(yù)測(cè)。并以中國(guó)西部某市的地鐵乘客流量數(shù)據(jù)為基礎(chǔ)，通過(guò)與 K近鄰、C4.5