柳伍生，周向栋，谭 倩

(1.长沙理工大学交通运输工程学院，长沙410004；2.中南大学交通运输工程学院，长沙410075)

0 引言

传统的公交客流数据采集主要通过人工问卷调查法获取，需要耗费大量的人力、物力，且样本数量少、精度不高.近年来，GPS系统、公交IC卡数据及地铁数据的广泛应用，为公交乘客出行特征分析、公交出行OD获取提供了新的思路[1].

国外对结合大数据的公交客流OD研究较早，也相对成熟.James等[2]依托大数据分析实现了对纽约市的公交客流OD推导.Zhao等[3]针对地铁—地铁，地铁—公交的两类出行链做了公交客流推导，Cui等[1]对于不同规模的公交客流研究了相应的推导方法.国内对于公交客流OD的推导研究较晚.胡郁葱等[5]通过IC卡数据挖掘技术获取了公交OD矩阵.胡继华等[6]提出结合出行链的IC卡公交客流研究方法.李海波等[7]提出了公交IC卡与AVL数据相结合的公交客流OD研究方法.综上国内学者研究主要集中与单个IC卡数据的下车站点的推导问题.

实际上，复杂的公共交通环境及乘客的个体随机出行特征，使得上下车客流往往在一个区间范围内波动.大数据背景下，对同一对象的观测值是多个的，利用长时间观测的多个数值分析公交客流，并未得到学者足够的重视[8].给定一个区间客流值给决策者提供更好地支撑，也更有实际作用.本文通过区间不确定性理论与交通大数据相结合，以出行链的思想，对1天刷卡次数行为进行分析，结合乘客出行站数和乘客个体……