基于大数据关联分析的城市公交建设与改善决策支持研究

The construction of public transport system has the characteristics of system architecture control and progressive adjustment of routes and operations. In order to eliminate the fuzziness of corresponding decision-makings and promote consensus as the goal, this project will conduct the association analysis in three aspects: public transport system and urban space structure, residents' activity space and public transport system, the main transport mode of residents and transit service locations. Based on the big data environment, approaches of decision-making analysis of public transport system architecture and fine diagnostic evaluation analysis of transit service levels will be proposed and then verified by the measured data. Three key technical issues need to be resolved under big data environment: information fusion and association analysis, characterization and analysis of the residents' activity space, diagnosis and evaluation of the system bottleneck. Related technical solutions will be proposed, such as association analysis method based on sampling and search guide, public transport demand analysis method based on the residents' activity space; hierarchical structure of decision-making based on organizational framework technology. Besides, in this research innovative breakthroughs will be achieved in aspects such as the analysis of area traffic demand intensity based on residents' activity space, information association analysis guided by the hierarchical framework of decision-making, information fusion analysis on the countermeasure of public transport system. The research results can be associated with model-based analysis technology and offer mutual support.

针对公交系统建设与改善具有系统架构控制与渐进式线路和运行调整的特点，以消除相应决策判断模糊性和促进共识为目标，基于城市交通大数据环境，展开公交系统与城市空间联系结构、居民活动空间与公交系统、居民主导交通方式与公交服务区位三方面的关联分析，在此基础上提出大数据环境下公交整体架构决策分析、公交服务水平精细化诊断评估分析技术方法，并依托实测数据进行技术验证。针对需解决的三个关键技术问题：大数据环境下的信息融合和关联分析、居民活动空间的表征与分析、系统瓶颈诊断与评估，提出基于采样和搜索引导的关联分析方法，基于居民活动空间的公交需求分析方法；基于决策问题层次化结构技术组织框架等技术解决方案。本项目将在基于居民活动空间的区域交通需求强度分析、决策问题层次化框架引导下的信息关联分析、针对公交系统对策研究的信息融合分析等方面取得创新性突破，研究成果将形成与基于模型的分析技术的相互支持。

针对近年来常规公交竞争力减弱，公交专用道建设效果亟待提升，绝大多数城市常规公交客流持续下降，轨道交通与常规公交相互关系需要进行协调等问题，研究基于大数据与“小数据”宏微观嵌套，进行精细化问题诊断，为针对性对策设计提供支持的技术方法。. 采用科学问题与应用问题交叉矩阵式内容组织方式。科学问题划分为公交系统与城市空间结构联系、居民活动空间与公交系统的关联分析、居民主导交通方式与公交服务区位、大数据环境下公交服务水平精细化诊断、大数据环境下公交整体架构决策分析技术等，为项目的子课题。应用问题按照公交客户管理、公交专用道效益提升、公交走廊客流分析，集中进行科学问题研究成果的技术验证和应用研究。. 在公交系统与城市空间结构关联研究中，提出了通过复杂网络社区发现算法识别城市空间联系结构的技术方法，公交专用道对城市空间联系的贡献表征方法；在居民活动空间与公交系统的关联分析中，提出了基于移动通信数据的居民活动空间表达，采用决策树算法的居民空间活动模式影响因素的关联分析技术，居民空间活动模式影响因素的循证分析方法；在居民主导交通方式与公交服务区位关联分析中，提出了采用朴素贝叶斯分类器的通勤乘客识别、公交忠诚度模型构建、采用结构方程模型的忠诚度影响因素识别方法；在大数据公交服务水平精细化诊断问题中，提出了基于对象分类的问题结构系化、宏微观数据链接等；在大数据环境下公交整体架构决策分析支持技术中，提出了OD时空矩阵的本征结构识别、公交走廊乘客选择行为模型等。. 项目研究所涉及的数据包括：移动通信数据、公交IC卡数据、POI数据、公交运行管理数据等，以及意愿调查数据、生活时间调查数据。所构建的模型均通过了统计检验，表现出很好的问题说明能力。. 项目研究成果已在上海市《公交专用道建设使用效益提升方法研究》得到应用，并正在厦门市《轨道交通运营初期厦门市公交客流动态监测与出行特征分析》应用。