出行特征分析与挖掘思路
目的
1 分析乘客出行行为特征，了解乘客行为规律，帮助决策者改进服务策略和优化公交运行线路，满足乘客需求。
2 预测短时出行客流量。
乘客出行特征分析
1 从客流量角度分析乘客出行的时空特征。
可视化分析交通客流的时间特征和空间特征
时间聚类方法计算客流量
根据不同站点的客流特征，利用空间聚类的方法对地铁站点进行分类，分析城市功能分区和评价轨道交通基础设施的发展
分析客流特性，评价地铁网络运行时间的可靠性
2 从乘客出行特征出发，研究乘客出行模式类别及其动态变化特性。
DBSCAN算法挖掘智能卡乘客出行模式的相似性，划分乘客类别。
空间聚类识别通勤人员和 非通勤人员，在地图上可视化，城市人口分布。
识别乘客异质性，生成不同活动序列和人口统计属性的集群。
k-means算法对乘客一周的出行次数进行聚类，行为具有一定的稳定性
对乘客进行不同用户群体划分，分析时空流动模式，出行模式识别。
客流预测
参数模型 非参数模型
时间序列模型 回归预测模型
版权说明：
1.版权归本网站或原作者所有;
2.未经本网或原作者允许不得转载本文内容，否则将视为侵权;
3.转载或者引用本文内容请注明来源及原作者;
4.对于不遵守此声明或者其他违法使用本文内容者，本人依法保留追究权等。
