基于多源地理大數據與機器學習的地鐵乘客出行目的識別方法

作者：趙鵬軍,曹毓書

摘要：探索地鐵乘客出行目的識別方法,有助于突破智能卡數據(Smart Card Data,SCD)在具體應用場景中的局限性,提升SCD在交通出行研究、交通發展規劃等領域的應用價值。本文融合多源地理大數據,基于城市交通與土地利用時空間互動理論,以北京市居民地鐵出行為例,在交通出行調查數據中提取5565個地鐵出行樣本及其對應的出行目的和出行特征相關變量。基于興趣點(Point of Interest,POI)數據得到各樣本起止站點的土地利用特征相關變量,形成包含每次地鐵出行的出行目的、出行特征、土地利用特征的地鐵出行數據集。使用基于隨機森林(Random Forest,RF)算法對地鐵出行數據集進行訓練完成的分類器對SCD記錄的每一次地鐵出行進行分類,獲得該次出行的出行目的及其不同目的地鐵出行時空間分布規律。研究結果表明,本識別方法可有效預測地鐵乘客的出行目的,其中,"上班"、"回家"2類出行目的的預測準確率均超過90%;納入土地利用特征相關變量可顯著提升RF分類器預測準確率,印證了城市交通與土地利用的時空間互動理論。鑒于當前SCD的可獲取性逐漸提高,該項技術在居民地鐵出行監測與預測、地鐵線網布局和地鐵周邊土地利用規劃等實踐方面,具有很強的推廣性,有助于更全面地認知大城市居民的地鐵出行行為。

發文機構：北京大學城市與環境學院城市規劃與交通研究中心

關鍵詞：地鐵出行出行目的識別交通調查數據智能卡數據興趣點數據隨機森林土地利用時空間互動北京Metro tripstrip purposetravel survey datasmart card datapoint of interest dataRandom Forest algorithmland usespatial-temporal interactionsBeijing

分類號： U23[交通運輸工程—道路與鐵道工程]