论文部分内容阅读
城市公交是居民日常出行的主要公共交通方式之一,具有环保、高效集约化的优点,是解决大中城市交通问题的重要途径。在优先发展公交的过程中,准确把握公交车辆、线路及站点客流信息的时空变化特征,不仅可以为居民出行提供相应的路径规划建议,还可以为公交规划和调度提供服务,为城市公共资源的合理配置和城市空间结构的优化调整提供科学理论依据。本文以厦门公交为例,以IC卡数据、车辆GPS数据、线路站点数据和车辆基本信息数据为数据源,基于目前流行的分布式存储、并行计算技术进行公交乘客OD(Origin-Destination)并行推算。在获取乘客OD的基础上分别进行公交车辆、线路及站点客流时空变化分析。论文的主要研究内容如下:(1)公交大数据关键技术研究。基于大数据相关特征来理解大数据在公交领域的具体表现,详细分析了分布式存储与并行计算的相关理论与技术,为后续研究提供重要的理论和技术支撑。(2)海量公交乘客OD并行推算。提出一种公交乘客OD并行推算算法,该方法利用分布式存储(HDFS、HBase)实现了公交IC卡和公交车辆GPS数据的分区存储,基于MapReduce并行计算模型,结合连续出行链及居民历史出行规律实现了海量乘客OD并行推算。基于厦门公交数据进行了方法验证和对比分析,结果表明本文方法具有更高的乘客OD提取率和计算效率。(3)城市公交拥挤度时空分析。在获取公交乘客OD基础上结合并行计算技术(MapReduce)进行公交车辆及线路的满载率计算。基于车辆和线路满载程度进行公交车辆及线路拥挤程度级别划分,根据居民日常出行规律,从高峰期、平峰期和低峰期三个时段分别对公交车辆及线路进行拥挤程度时空分析。研究发现,连接厦门岛内外的公交线路早晚高峰期拥挤区间相似,数量多于岛内公交线路且拥挤级别较高。(4)公交站点客流时空变化分析。基于并行计算实现公交站点客流量分时段计算,探讨了工作日、双休日、节假日三种日期和老人、学生和成人等三类乘客公交客流的时间分布特征;对站点客流进行核密度分析,探究了公交站点客流的总体空间分布特征及其各时段的变化特征;对热点站点的客流流向进行可视化展示并分析其成因。研究发现:厦门公交客流主要集中于厦门岛内,早高峰呈现“入”状分布,随时间而演变为东北-西南走向的“一”状分布。SM城市广场、火车站和中山路商圈一直是公交客流热点区域。