基于刷卡数据的公共汽车客流网络复杂性日内变化研究

大城市公共交通是一个典型的复杂巨系统,采用复杂网络方法分析大城市公共交通网络系统对于城市交通发展具有重要意义。已有大量的研究采用复杂网络理论进行了公共交通线路网络分析,也有研究基于刷卡数据分析了公共交通客流网络的复杂特征,但少有研究探讨客流网络复杂性日内变化特征。鉴于此,本文基于北京市公共汽车刷卡数据识别的不同时间段客流双向邻接矩阵,通过复杂网络指标对比分析公共汽车客流网络的日内变化特征。结果表明：① 各个时间段公共汽车客流分布遵循距离衰减规律,5 km以下的短距离出行约占总出行量的一半左右;② 度中心性和加权度中心性的空间格局在不同时间段整体呈现出明显的核心-边缘特征,但随时间有一定程度的变化,加权度中心性排名前10的节点存在较大变化;③ 累积度分布和累积加权度分布服从指数分布,属于小世界网络。本文还进一步讨论了基于大数据的动态复杂网络研究对城市交通规划建设的启示意义。     

北京市出租车运量分布的时空格局及生成机制

出租车是城市交通的重要组成部分,对其精细化的管控需要理解运量分布的时空特征和生成机制。通过北京市出租车大数据,采用系统聚类法将其15分钟时间片段归并为空间分布相似的时段,刻画出运量分布的时空格局,进而采用地理加权回归模型分析了生成机制。本研究揭示的出租车运量分布变化的时间点并不完全对应传统的整时点;各时段运量均呈现空间集聚的特征,但集聚的位置、面积明显不同,工作日不同时段运量集聚程度的差异较周末更大;不同时段出租车运量的影响因子有所差异,其中商业设施、房价、地铁和公交站密度、道路密度等因子通常较为显著。研究结果对时空上更精细的出租车运量预测、出租车分区分时段的政策管制和规划管理具有启示意义。