基于公共交通智能卡数据的可视化分析.pdf
版权申诉
190 浏览量
2023-07-30
15:14:58
上传
评论
收藏 1.85MB PDF 举报
收稿日期：２０１８１１２９；修回日期：２０１９０１１０ 基金项目：国家“９７３”计划资助项目（２０１５ＣＢ３５２４００）；成都市科技惠民项目（２０１６
ＨＭ０１００４１１ＳＦ
）
作者简介：夏婷（１９９３），女，四川仁寿人，硕士，主要研究方向为信息可视化与可视分析；牛颢（１９８３），男，陕西吴堡人，硕士，主要研究方向为
计算机网络和数据可视化；何丽坤（１９９１），女，河南郑州人，硕士，主要研究方向为交通数据分析和可视化；范小朋（１９７８），男，陕西兴平人，博士，
主要研究方向为移动计算、云计算、大数据分析和车联网；朱敏（１９７１），女（通信作者），河北沧州人，教授，硕导，博士，主要研究方向为信息可视化
与可视分析（ｚｈｕｍｉｎ＠ｓｃｕ．ｅｄｕ．ｃｎ）．
基于公共交通智能卡数据的可视化分析
夏 婷
１
，牛 颢
２
，何丽坤
１
，范小朋
３
，朱 敏
１
（１．四川大学 计算机学院，成都 ６１００６５；２．四川省计算机研究院，成都 ６１００４１；３．中国科学院深圳先进技术研
究院，广东 深圳 ５１８０５５）
摘 要：针对现有公共交通数据的可视分析方法很难在不同空间粒度下对乘客时空分布、客流时空分布、区域
间客流时序变化进行多任务分析的问题，设计实现了一个多视图融合的可视化分析系统。该系统结合城市公共
交通的智能卡数据、车辆 ＧＰＳ数据、地铁和公交线路信息，利用出行链路模型和基于出行时空特征的回归模型完
成了乘客起讫点（ｏｒｉｇｉｎｄｅｓｔｉｎａｔｉｏｎ，ＯＤ）推断；然后，设计了层次聚类的地图可视化方法，结合了融合方位信息的
玫瑰图和动态对比堆叠折线流图来分析各区域间的客流时序特点、关联关系；最后，利用真实的深圳市公共交通
数据的可视分析结果验证了系统的有效性。
关键词：公共交通数据；ＯＤ推断；层次聚类地图可视化；可视化研究
中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１００１３６９５（２０２０）０６０２９１７５００５
ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０１８．１１．０９０７
Ｖｉｓｕａｌａｎａｌｙｓｉｓｂａｓｅｄｏｎｐｕｂｌｉｃｔｒａｆｆｉｃｓｍａｒｔｃａｒｄｄａｔａ
ＸｉａＴｉｎｇ
１
，ＮｉｕＨａｏ
２
，ＨｅＬｉｋｕｎ
１
，ＦａｎＸｉａｏｐｅｎｇ
３
，ＺｈｕＭｉｎ
１
（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ；２．ＳｉｃｈｕａｎＩｎｓｔｉｔｕｔｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅｓ，Ｃｈｅｎｇｄｕ６１００４１，
Ｃｈｉｎａ；３．ＳｈｅｎｚｈｅｎＩｎｓｔｉｔｕｔｅｓｏｆＡｄｖａｎｃｅｄＴｅｃｈｎｏｌｏｇｙＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，ＳｈｅｎｚｈｅｎＧｕａｎｇｄｏｎｇ５１８０５５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｖｉｓｕａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｆｏｒｅｘｉｓｔｉｎｇｐｕｂｌｉｃｔｒａｎｓｐｏｒｔａｔｉｏｎｄａｔａｉｓｄｉｆｆｉｃｕｌｔｔｏａｎａｌｙｚｅｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉ
ｂｕｔｉｏｎｏｆｐａｓｓｅｎｇｅｒｓ，ｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｐａｓｓｅｎｇｅｒｆｌｏｗ，ａｎｄｔｈｅｉｎｔｅｒｒｅｇｉｏｎａｌｐａｓｓｅｎｇｅｒｆｌｏｗｔｉｍｉｎｇｃｈａｎ
ｇｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｐａｔｉａｌｇｒａｎｕｌａｒｉｔｉｅｓ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｍｕｌｔｉｖｉｅｗｆｕｓｉｏｎｖｉｓｕａｌａｎａｌｙｓｉｓｓｙｓｔｅｍ．Ｔｈｅｓｙｓｔｅｍｃｏｍｂｉｎｅｄ
ｓｍａｒｔｃａｒｄｄａｔａ
，ｖｅｈｉｃｌｅＧＰＳｄａｔａ，ｓｕｂｗａｙａｎｄｂｕｓｒｏｕｔｅｉｎｆｏｒｍａｔｉｏｎｏｆｕｒｂａｎｐｕｂｌｉｃｔｒａｎｓｐｏｒｔａｔｉｏｎ，ｔｈｅｎｕｓｅｄｔｈｅｔｒａｖｅｌｌｉｎｋ
ｍｏｄｅｌｔｈｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｔｒａｖｅｌｔｉｍｅａｎｄｓｐａｃｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ’ｔｏｃｏｍｐｌｅｔｅｔｈｅｏｒｉｇｉｎｄｅｓｔｉｎａｔｉｏｎ（ＯＤ）ｉｎｆｅｒｅｎｃｅ．
Ｔｈｅｎ
，ｔｈｉｓｐａｐｅｒｄｅｓｉｇｎｅｄｔｈｅｈｉｅｒａｒｃｈｉｃａｌｖｉｓｕａｌｉｚａｔｉｏｎｍｅｔｈｏｄｏｆｍａｐｖｉｓｕａｌｉｚａｔｉｏｎ，ａｎｄｃｏｍｂｉｎｅｄｔｈｅｒｏｓｅｍａｐａｎｄｔｈｅｄｙ
ｎａｍｉｃｃｏｎｔｒａｓｔｓｔａｃｋｉｎｇｌｉｎｅｇｒａｐｈｔｏａｎａｌｙｚｅｔｈｅｐａｓｓｅｎｇｅｒｆｌｏｗｔｉｍｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｒｅｇｉｏｎｓ．Ｆｉｎａｌｌｙ，
ｖｉｓｕａｌａｎａｌｙｓｉｓ’ｒｅｓｕｌｔｓｏｆｒｅａｌｐｕｂｌｉｃｔｒａｎｓｐｏｒｔａｔｉｏｎｄａｔａｉｎＳｈｅｎｚｈｅｎｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｓｙｓｔｅｍ．
Ｋｅｙｗｏｒｄｓ：ｐｕｂｌｉｃｔｒａｎｓｐｏｒｔｄａｔａ；ＯＤｉｎｆｅｒｅｎｃｅ；ｈｉｅｒａｒｃｈｉｃａｌｃｌｕｓｔｅｒｉｎｇｍａｐｖｉｓｕａｌｉｚａｔｉｏｎ；ｖｉｓｕａｌｉｚａｔｉｏｎｒｅｓｅａｒｃｈ
０ 引言
城市公共交通工具因其低碳环保、方便快捷、出行费用较
低等特点，日益成为解决城市面临的各种交通问题的关键出
路。公共交通系统中自动收费系统的普及，不仅使乘车收费更
加便捷，同时也积累了大量包含城市居民出行信息的智能卡数
据
［１，２］
。这些数据能够从微观的角度描绘乘客的出行规律，为
研究居民的出行行为及特征提供数据支撑。公共交通系统具
有全天运营、数据实时性等特点，相较于传统的交通出行问卷
调查，智能卡所记录的数据具有连续性好、覆盖面广、信息全
面、获取成本较低等优势。通过大规模人群详细出行记录数
据，能反映乘客对公共交通和城市空间的使用状况以及乘客的
出行状况，在研究城市居民出行规律、城市热点区域与用地情
况、公共交通体系使用与优化上具有巨大的应用潜力。
为了更好地提供交通服务，调整运营策略，国内外对于交
通智能卡数据和交通数据进行 ＯＤ推断后的诸多研究主要集
中于分析居民的出行模式和区域模式。在智能卡数据研究方
面，针对仅有上车信息而无下车信息的智能卡数据，窦慧丽等
人
［３］
根据公交乘客下车概率，以公交站点上下车人数和路段
客流量为约束条件，提出了单条公交线路客流 ＯＤ矩阵的推断
方法。Ａｌｓｇｅｒ等人
［４］
根据包含了上下车信息的特殊数据集对
现有的
ＯＤ算法进行了实施和验证，并以此改进了 ＯＤ推断算
法，改善了实际停靠站点和评估站点之间的平均距离，使算法
误差更小。Ｊｕｎｇ等人
［５］
基于智能卡数据以及土地使用特征，
利用上车和下车站点周围土地信息训练一个有监督的机器学
习模型，从而对乘客的下车站点进行推断。
Ｍａ等人
［６］
提出了
一种对乘客出行模式进行建模的高效数据挖掘程序，基于智能
卡交易数据和时空特征数据来确定乘客的出行链路，识别出行
模式。
Ｚｈａｏ等人
［７］
基于智能卡数据来检索乘客个体的出行模
式，并利用统计分析和无监督聚类来探索隐藏的规律和异常情
况。Ｓｕｎ等人
［８］
构建运营车辆中乘客的相遇网络，从而来分析
乘客之间的关联关系和出行行为。Ｍｅｄｉｎａ等人
［９］
使用离散选
择模型提取不同类型用户的活动，然后基于 ＤＢＳＣＡＮ聚类算
法识别城市最常见的主要活动模式。在分析出行行为研究领
域中，除了探索居民个体和群体的出行以外，还有大量研究专
注于交通工具的轨迹分析、使用率以及城市区域功能的探索。
第 ３７卷第 ６期
２０２０年 ６月
计 算 机 应 用 研 究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏｌ．３７Ｎｏ．６
Ｊｕｎ．２０２０
资源评论
