同济大学 交通规划与管理
导师 杨东援
2016年6月
依托智能公交系统创建的丰富数据资源，利用长时间、连续性、大样本的公共交通智能卡数据进行数据挖掘，能够为公交需求分析提供更见丰富、精准和细致的判断信息。
论文利用某城市公共交通系统连续1个月的智能卡数据、公交车载GPS数据和站点与线路数据分析用户出行行为，对用户类型进行精细划分，研究其时空分布特征。论文主要工作内容包括：
（1）公交智能卡用户上车站点和换乘行为判断
在对数据预处理的基础上，利用数据融合技术判断用户上车站点，改进相应算法，以提高上车站点判断的速度和准确度。在技术验证中站点判断率超过95%，并对未能判别站点记录的原因进行了分析。
（2）智能卡用户类型划分
定义了结合时间性和空间性的通勤倾向系数反映用户属于公交通勤类型的可能性，将用户划分为非通勤用户，以及高、中、低公交通勤概率用户，比较了四类用户的出行行为特征。进一步利用两步聚类方法，将高、中、低通勤概率类型用户根据其工作日、休息日的活跃程度进一步细分类型。最后对用户群体进行了横向间的比较。
（3）不同类型用户的时空特征分析
在时间维度上，考察了不同类型用户的工作日、休息日刷卡记录绝对量和相对量的时间分布，工作日、休息日第一次出行刷卡记录绝对量和相对量的时间分布。在空间维度上，考察工作日早、晚高峰站点的上客量差异性，工作日、休息日全天站点上客量差异性，并对站点类型进行划分。
论文研究工作，为进一步有针对性地安排深入调研，掌握不同类型用户的公交改善诉求，建立了基础性信息条件。
关键词：公交智能卡数据，用户类型划分，两步聚类法，时空特征