广东工业大学学报 ›› 2018, Vol. 35 ›› Issue (01): 16-22.doi: 10.12052/gdutxb.170143

• • 上一篇    下一篇

公交IC卡数据客流预测模型研究

谢振东1, 刘雪琴2, 吴金成1, 冷梦甜1   

  1. 1. 广东岭南通股份有限公司, 广东 广州 510000;
    2. 广东工业大学 自动化学院, 广东 广州 510006
  • 收稿日期:2017-09-30 出版日期:2018-01-09 发布日期:2017-12-01
  • 通信作者: 吴金成(1983-),硕士,工程师,主要研究方向为一卡通大数据和移动支付.E-mail:lingnanpass@163.com E-mail:lingnanpass@163.com
  • 作者简介:谢振东(1966-),教授级高级工程师,博士,主要研究方向为智能交通、交通大数据和一卡通系统.E-mail:275669497@qq.com
  • 基金资助:
     

A Study of Passenger Flow Prediction Based on IC Card Data

Xie Zhen-dong1, Liu Xue-qin2, Wu Jin-cheng1, Leng Meng-tian1   

  1. 1. Guangdong Lingnan Pass Co. Ltd., Guangzhou 510000, China;
    2. School of Automation, Guangdong University of Technology, Guangzhou 510006, China
  • Received:2017-09-30 Online:2018-01-09 Published:2017-12-01
  • Supported by:
     

摘要: 为解决我国大城市工作上下班高峰期公交线路客流不均衡的问题,提出以公交路线一卡通数据为研究对象,综合考虑天气类型、温度和风力多个因素对客流的影响,利用多元线性回归模型建立公交工作日高峰期各时间段客流模型. 最后通过一卡通大数据对模型进行了验证,证明多元线性回归模型能够准确且快速地预测高峰时间段的客流量,实现了通过公交线路客流预测缓解城市工作日高峰期出行拥堵的问题.

关键词: IC卡数据, 多元线性回归, 客流分析

Abstract: To solve the unbalanced bus passenger flow during weekday rush hours in China's big cities, a multiple linear regression model is established by collecting the bus IC card data, weather data and line data, considering the weather types, temperature and wind factors which influence the passenger flow. The results show that the model can forecast, quickly and precisely, the bus weekday passenger flow in each peak period, which may provide the basis for reasonably scheduling bus passenger flow.

Key words: IC card data, multiple linear regression, passenger flow forecast

中图分类号: 

  • U491.1
[1] 曾江毅, 李志生, 欧耀春, 金宇凯. 季节指数改进的PM2.5质量浓度组合预测模型研究[J]. 广东工业大学学报, 2022, 39(03): 89-94.
[2] 谢振东, 何建兵, 何仕晔, 吴金成, 徐锋, 张景奎, 冷梦甜. 基于IC卡数据的居民出行成本建模分析[J]. 广东工业大学学报, 2019, 36(02): 47-53.
[3] 谢振东, 冷梦甜, 吴金成. 基于一卡通数据的公交站点识别方法分析与研究[J]. 广东工业大学学报, 2019, 36(01): 23-28.
[4] 吴金成, 谢振东, 伍冠桦, 方秋水, 余红玲. 基于交通一卡通数据的交通状态分析及动态控制研究[J]. 广东工业大学学报, 2017, 34(03): 77-82.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!