基于LDA的城市轨道交通客流节假日出行模式研究

摘要

尽管基于城市轨道交通自动售检票（automatic fare collection, AFC）系统采集的智能卡数据（smart card data, SCD）能够精准记录人们的出行时间和地点，但无法直接反映出行目的或活动类型.本研究提出一种方法，将约束种子K-means算法的站点聚类与隐含狄利克雷分布（latent Dirichlet allocation, LDA）模型的客流出行目的挖掘相结合，以揭示城市轨道交通客流出行数据中的潜在活动模式.首先，基于车站周边的人口特征、客流特征及兴趣点（points of interest, POI）分布，使用约束种子K-means算法将站点划分为8类：就业集聚型、居住集聚型、职住复合型、商业中心型、旅游景点型、综合枢纽型、对外枢纽型以及客流培育型.其次，基于出站时间、活动时长、起点车站类型以及终点车站类型构建了LDA模型.该模型成功识别出5类主要活动，分别为购物消费、工作、回家、休闲旅游及其他.此外，这些模式进一步细分为若干子主题，每个子主题在时间和空间特征上具有显著差异，为深入理解节假日城市轨道交通客流出行行为提供了理论支持.

关键词

城市交通 / 节假日出行特征 / 隐含狄利克雷分布 / 城市轨道交通 / 智能卡