基于聚类算法的公共交通乘客出行特征分析——以北京市为例

作者：张开婷; 王子帆; 陈艳艳; 蔺陆洲; 王欣

来源：交通运输研究, 2023, 9(02): 72-81.

DOI：10.16503/j.cnki.2095-9931.2023.02.008

• 城市公共交通
• 智能卡数据
• 聚类算法
• 出行特征
• 通勤出行

为掌握乘客的精细化出行需求，进而提升公共交通系统的服务品质，以北京市为例，利用智能卡数据对乘客的出行特征进行分析。首先通过数据预处理获取乘客的完整出行链，然后从出行强度、出行时间和出行空间三个维度提取乘客出行特征指标，并利用主成分分析法（Principal Component Analysis, PCA）对其进行降维处理，最后基于降维后的特征利用不同的聚类算法对乘客进行分类。研究结果显示：K-means++算法的聚类效果最佳，聚类结果包含5类具有不同出行特征的乘客群体；其中类型一乘客的出行强度较大且出行时空特征稳定性较高，具有较明显的通勤出行特征，该类型乘客人数仅占总乘客数的18.4%，但其出行量占比超过55%，由于其公共交通依赖度较高，高峰期间应作为重点保障对象；类型二主要为生活类出行乘客，其出行时空稳定性较低，应深入挖掘此类乘客的个性化生活出行需求；类型三～类型五主要为低频或偶然出行乘客。根据乘客多天的出行链，进一步挖掘类型一乘客的居住地和工作地，结果显示乘客居住地主要分布在回龙观、天通苑以及黄村等区域，工作地主要分布在国贸、中关村和望京等区域，与北京市现状相符。

• 出版日期2023
• 单位北京工业大学