基于刷卡数据的南京地铁通勤人群分类与时空行为研究
智能卡数据被广泛应用于交通领域的研究,然而在出行行为方面还有待于进一步探索.通勤是城市中最重要的出行目的之一,由于智能卡数据中个人社会经济信息的缺失,在通勤行为的研究上存在一定的困境.本文基于一个月工作日的地铁刷卡数据,对地铁通勤行为和其职住地进行了识别,以通勤12天以上的为高频人群,计算其各项通勤特性作为聚类变量.在此基础上采用K-means聚类算法将高频地铁通勤人群分为五类,并分别对五类通勤模式的总体特性、通勤时间进行了分析,以可视化形式对比各类通勤模式的异同.本研究利用刷卡数据划分了高频地铁通勤模式,为探索通勤模式的形成机理研究奠定基础.
地铁运营 通勤模式 时空行为 刷卡数据
刘梦吉 刘阳 张辉
泛华建设集团有限公司南京设计分公司 东南大学交通学院 南京市城市与交通规划设计研究院股份有限公司
国内会议
成都
中文
1-12
2019-10-16（万方平台首次上网日期，不代表论文的发表时间）