基于多源地理大数据与机器学习的地铁乘客出行目的识别方法

• 作者: 曹毓书 赵鹏军
• 来源期刊: 地球信息科学学报
• 关键词: 地铁出行 出行目的识别 交通调查数据 智能卡数据 兴趣点数据 随机森林 土地利用 时空间互动 北京
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 地球信息科学理论与方法
• 页码范围: 1753-1765
• 页数: 13页
• 语种: 中文

摘要

探索地铁乘客出行目的识别方法,有助于突破智能卡数据(Smart Card Data,SCD)在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值.本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量.基于兴趣点(Point of Interest,POI)数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集.使用基于随机森林(Random Forest,RF)算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律.研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,“上班”、“回家”2类出行目的的预测准确率均超过90％;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论.鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵鹏军	北京大学城市与环境学院城市规划与交通研究中心	58	1287	17.0	35.0
2	曹毓书	北京大学城市与环境学院城市规划与交通研究中心	2	8	1.0	2.0