/2

城市公交站点设置优化模型-基于Python模型体验

模型简介 技术文档 购买咨询
政府 0 1105 0 ¥399

城市公交站点设置的优化分析

一、模型应用

进入21世纪以来,我国城市公共交通飞速发展,然而随着经济社会发展,城市不断升级以及人民生活品质越来越好,城市交通拥堵、出行不便等问题日益突出,严重损坏了市民日常的生活体验。公交服务水平是反映一个城市的整体规划是否合理的显著标志。对城市公交企业、公交管理部门及公交规划部门而言,传统的公交站点规划、线路规划及公交换乘规划所依赖的数据主要来源于城市各主管部门的统计资料以及临时人工调查数据。在自动采集技术日益发达的今天,如果能经由公交车载GPS数据、公交刷卡数据等自动分析出居民的公交出行规律,基于该需求从而对现有的公交站点设置的进行优化分析,将可以极大地提高传统公交规划、设计与管理的工作效率和工作质量。

某城市地处南海沿海地区,有独特的地理位置,是珠江三角洲区域的核心城市之一。随着社会经济迅速发展和城市规模不断扩大,全国各地的从业人员不断涌入,城市人口也随之不断增加,然而城市交通却赶不上人口和经济的发展,因此城市交通也逐渐成为阻碍该城市发展的重要因素。常规公交是城市公共交通的主体,地面公交作为城市公交的一部分,是城市居民日常出行的重要交通工具,关系到城市经济的发展。

通过采集该城市的公交刷卡数据以及公交车GPS数据,构建数据挖掘模型,分析居民出行规律,并进而为城市公交站点设置提供优化建议?

1.png

二、实现流程

本例将地面公交车GPS监控数据和地面公交车刷卡数据关联得到相对完整的数据,并对这些数据进行预处理。在这个数据的基础上,运用一种基于密度的DBSCAN聚类算法对公交车的每个站点的经度和纬度进行聚类,得到的每个类即为一个站点。然后分时段求出每个站点的上车人数。利用居民公交出行的出行站数服从泊松分布来计算下车人数,最终得到OD矩阵,即求出每条路线中从一个站点到另一个站点的乘客上下车数量,最后得出城市居民乘车出行的规律。根据这些规律对公交路线进行合理性建议。

采用上述的分析方法与思路,结合本例的原始数据以及分析目标,可获得整个分析的流程图如下:

  1. 数据获取

  2. 数据探索性分析

  3. 数据预处理操作

  4. DBSCAN聚类构建模型

  5. 模型应用

2.png


三、核心技术

  • 属性规约

  • 泊松分布

  • DBSCAN聚类模型

  • OD矩阵

四、运行环境

windows/linux/mac OS,64位操作系统,CPU:4GB(GPU更好),Python3.5或以上。

五、资源展示

3.png

4.png

您尚未登录,请登录后购买! 【马上登录

评论已有 0