● 摘要
随着智慧城市建设步伐的提速，智能交通获得了越来越大的重视。在当今社会大 力提倡绿色出行的背景下，公共交通人多拥挤、舒适性差的问题亟待解决，掌握真实 的公共交通出行需求是优化公共交通现状的基础。如果能够获得不同时间的城市客流 聚集区域以及区域内客流去向等数据，就可以以此为依据，优化公交线路及站点设置、 改善公交排班，使得现有资源得到合理充分的利用，缓解当前公共交通压力，提高公 共交通出行舒适度。
智能卡（又称市政公交一卡通，以下简称一卡通）系统为计算城市区域间客流提 供了大量真实数据支持。然而由于一票制刷卡线路的存在，出行者乘车只刷一次卡， 导致这种数据无法记录出行者的下车信息，所以无法从这种数据中获取出行者准确的 出发地和目的地，给计算城市客流聚集区域以及区域内客流去向造成了麻烦。目前研 究者主要以出行链和连续出行理论为基础，通过构造出行者一天内的出行轨迹用于推 测下车信息。但是在北京的复杂公交出行状况下，这种方法推测准确率不高，无法用 于客流计算。
本文通过对历史数据的深入分析，发现出行者每天的出行存在着规律。基于这种 规律构建个人出行特征库，并给出一种下车信息推测方法。进而在完整出行信息基础 上，提出基于客流的热点区域划分方法以及热点区域之间的客流预测模型。最后，设 计并实现一卡通数据处理分析及展示系统。本文取得的主要成果如下：
1、 提出了区域间客流预测模型，用于预测区域与区域之间实际公交出行需求。
2、 提出了基于客流的公共交通热点区域划分方法，用于发现并划分城市公共交通热 点区域。
3、 提出了个人出行特征的概念用于描述出行者出行规律，构建了个人出行特征库并 提出基于个人出行特征的下车信息推测方法，解决一票制一卡通数据出行信息不 完整问题。通过与实际数据的对比验证，基于这种方法推测出的下车信息准确率 较现有方法有所提高。
4、 设计并实现了一卡通数据处理分析及展示系统，系统主要功能包括“个人出行特 征库学习”、“一票制一卡通数据下车信息推测”、“客流聚集分析”、“热点区域 划分”、“客流流动分析”等，实现了城市公共交通出行需求的可视化展示。