摘要
随着移动信息技术的快速发展，以大数据为基础、利用数据挖掘技术，打造高质量、个性化的城市智慧出行服务平台，成为当前城市公共交通发展的重要机遇。在此背景下，研究乘客出行习惯活动规律，有利于从响应需求角度改善公共交通服务质量，对缓解城市交通拥堵、提高公共交通分担率有积极意义。 为精确度量公交乘客的出行规律、精确掌握不同乘客群体的出行习惯和偏好，本文首先以天为单位构建公交乘客出行模式，按先后顺序组合其多天出行活动序列，并将短期（以天为单位）出行模式的重复性和长期（以多天或数周为单位）出行模式的周期性相结合，提出公交乘客出行规律性综合度量方法。然后，在时间和空间两个维度的基础上，考虑频次维度上的每日出行频次特征，并从规律性的视角，运用K-means++算法对公交乘客进行分类，通过轮廓系数和CH指标值判定分类效果，并将分类结果与仅考虑时间和空间两个维度以及用重复性和周期性两类指标的分类结果进行了比较。 结果发现：(1)利用本文所述方法度量对公交乘客出行规律时，其值越小、规律性强度越大、出行行为越稳定，且综合体现了出行重复性和周期性特征。(2)综合时间、空间和频次规律可将公交乘客分为五类，且不同乘客群体的时间、空间和频次规律存在很强异质性，该分类结果（轮廓系数为0.6407、CH指标值为1.7340×105）优于仅考虑时间、空间维度的分类结果（轮廓系数为0.6249、CH指标值为1.5434×105），也优于将出行重复性和周期性视为两类指标的分类结果（轮廓系数0.3990、CH指标值0.5153×105）。 研究表明：(1)本文提出的方法，可有效度量乘客个体出行规律，且能改善乘客分类效果；(2)增加频次维度的出行规律特征对乘客分类，效果更好。
NETL