基于关联规则挖掘与POI数据的城市轨道交通出行特征研究.pdfVIP

摘要

随着城市化快速扩张，居民日常出行距离逐年增长，许多大都市都面临着交通拥堵

的问题，而城市轨道交通具有大运量、高准时性、环境友好等优势，逐渐成为居民日常

出行的重要交通方式。随着轨道交通网络的逐步完善，轨道交通乘客出行规律更加复杂，

为寻求解释轨道交通出行特征的新视角，本文利用关联规则挖掘轨道交通乘客时空出行

特征，并结合聚类后的站点影响区POI数据探讨其客流构成特征，主要内容如下：

（1）从个体出行者OD链入手，提取上海市轨道交通乘客出行时间信息和空间信

息，利用关联规则中的Apriori算法挖掘出行者在时间维度和空间维度上的单维关联规

则，再跨维度进行更深层次的分析。结果表明，单维关联规则在时间维度上多与工作日

早晚高峰时段有关，在空间维度上多与人民广场站和徐家汇站有关；多维关联规则频繁

2-项集的支持度和置信度水平特别高但提升度水平一般，频繁3-项集的支持度和置信度

水平一般但提升度水平特别高。

（2）选取地铁站点自身属性、5min时间粒度下早/晚高峰进、出站客流特征和同时

期各车站影响区内的POI数据作为聚类指标，使用K-Means算法将上海市地铁站点聚

为6簇，分别为职住混合类、职住混合偏居住类、职住混合偏工作类、工作主导类、交

通枢纽类和其他类车站。

（3）通过引入上海市轨道交通站点影响区内POI数据，结合轨道交通站点分类结

果，从定性和定量两个维度探讨多维关联规则中频繁3-项集的客流构成特征。分析结果

表明，上海市轨道交通乘客在工作日出行中产生的频繁3-项集主要与因职住分离导致的

早、晚高峰通勤客流有关；非工作日出行产生的频繁3-项集主要与工作主导类车站吸引

前来进行休闲娱乐活动和非双休的通勤客流有关。

本研究从个体出行者入手分析轨道交通乘客活动轨迹和车站影响区内兴趣点分布，

利用关联规则挖掘出行特征，为解释客流规律提供了新方向，同时站点聚类结果作为城

市建设情况的真实反映，二者互相验证了实验结果的可靠性。该结果不仅有助于轨道交

通运营管理者平衡资源、调整运营策略、提高轨道交通系统整体服务水平，还为城市规

划者对后续的城市规划布局与建设具有一定的借鉴意义。

关键词：城市轨道交通；出行特征；关联规则挖掘；K-Means

Abstract

Withtherapidexpansionofurbanization,thedailytraveldistanceofresidentsgrowsyear

byyear,andmanymetropolisesarefacingtheproblemoftrafficcongestion,whileurbanrail

transithastheadvantagesoflargecapacity,highpunctuality,andenvironmentalfriendliness,

whichgraduallybecomesanimportantmodeoftransportationforresidentsdailytravel.With

thegradualimprovementofrailtransitnetwork,therailtransitpassengertravellawismore

complex,inordertoseekanewperspectivetoexplaintherailtransittravelcharacteristics,this

paperusesassociationrulestominethespatio-temporaltravelcharacteristicsofrailtransit

passengers,andcombineswiththeclusteredPOIdataofthestationinfluenceareatoexplore

thecharacteristicsofthecompositionofitspassengerflow,themaincontentsareasfollows: