摘要

为弥补以往居民出行目的推断研究对出行时刻与起点环境因素考虑的不足,对共享单车用户出行目的进行有效推断,本文提出一种基于共享单车数据和POI(Point of Interest)数据的出行目的推断方法,构建了基于重力模型、经验分布拟合和贝叶斯概率规则的共享单车用户出行目的推断模型。该方法首先将原始的共享单车数据集进行清洗,并在上车起点和下车终点周围建立用户最大步行半径,创建目的地区域,以此确定候选的POI类型;其次,将采集到的POI数据进行分类,构建出行目的与相关POI类别的映射关系表;最后,结合起讫点目的地区域内POI类型比例、用户出行时间和用户所处环境等因素,对基本重力模型中的参数进行修正,构建GMOD(gravity model considered origin and destination)模型,以最终确定用户的出行目的。为了验证所提方法的有效性及实用性,通过实地调查和网络问卷收集的上海市居民共享单车出行数据,对模型进行精度验证。结果表明,本文提出的GMOD模型成功推断了138名共享单车用户的出行目的,准确率为57.26%,相比于基本重力模型1与基本重力模型2分别提高15.36%和7.47%。同时,GMOD模型对换乘、医疗和教育这类POI占比较低但重要的出行目的有着更好的推断精度,相较基本重力模型2分别提升25%、33.33%和17.40%,说明该方法能够应用于实际数据量较小的共享单车出行目的推断,可以作为出行调查的辅助手段。

全文