黄艳国 韩亮 张硕 许伦辉

摘  要： 针对公交出行特征的传统数据分析方法人工成本大的问题，提出一种基于高斯混合聚类模型的公交出行特征分析方法。以公交IC卡刷卡数据、公交运行GPS数据及静态站点数据为基础，建立高斯混合聚类模型，对比节假日与通勤日公交出行特征差异。最后以深圳市某路公交为实例，仿真结果表明，节假日与通勤日公交出行在高峰时段分布与持续时间上具有显著差异，验证了高斯混合聚类模型在交通数据分析领域中的有效性，对公交运营与调度优化有一定的借鉴意义。

关键词： 公交出行; 出行特征; 高斯混合聚类模型; 数据采集; 模型验证; 聚类分析

中图分类号： TN919?34; U491.1+7                   文献标识码： A                   文章编号： 1004?373X（2019）16?0174?05

0  引  言

公交作为地面上主要的公共交通方式，在分担城市交通压力方面不可或缺。物联网等技术的发展，使交通数据呈现4V特征，传统的数据分析方法在处理这些海量数据时，往往会出现处理速度慢、精度低、人工成本大的问题。为应对这种情况，专家学者开始对大数据技术进行深入的研究与探讨，与它相关的各种关键技术也都随着研究的深入日渐成熟。通过这些关键技术，给公交的相关研究方向提供了便利，公交出行特征分析就是其中之一。随着公交都市的不断推进，对公交出行特征研究取得了不少成果。如文献[1?2]采用问卷调查的形式采集居民出行数据并建立公交出行预测模型;文献[3?4]利用乘客上下公交产……