关键词:
共享单车
轨迹数据
数据处理
路网匹配
逆行行为识别
摘要:
在当前绿色交通发展的背景下,自行车交通已成为综合交通体系的重要组成部分。随着共享单车的兴起,市民绿色出行、健康出行的热情进一步提升,骑行再一次成为市民主要的出行方式。但同时骑行行为不规范的问题也逐渐凸显,共享单车逆行行为普遍,严重影响了骑行者的出行体验和骑行安全。因此有必要对共享单车逆行行为进行查找,对逆行特征及其成因进行分析,并有针对性的提出解决措施,减少逆行行为,保障骑行者出行安全。共享单车轨迹数据为逆行行为查找带来了新的途径。与常规人工调查方式相比,共享单车轨迹数据覆盖面广、时效性强、分析效率高,能够实现对共享单车逆行行为的全面识别与评估。本文基于共享单车轨迹数据,对数据的处理清洗方法、路网匹配方法、逆行识别方法进行了研究,并利用实际发生的轨迹数据,对典型区域逆行特征与成因进行了深入分析,提出了对策建议。主要研究内容如下:(1)对共享单车发展历程、用户特征、存在问题等基本情况进行了梳理;分析了共享单车骑行行为特征与影响骑行的主要因素;结合共享单车轨迹数据结构特征与应用情况,确定了数据可用性,并提出了数据处理与逆行行为分析的研究思路。(2)针对共享单车轨迹数据质量参差不齐的问题,从需求角度出发,提出了数据处理要求与处理流程;并基于箱线图法与空间关系,对异常点、突变点进行了处理,基于滑动窗口法,对停驻点进行了识别与清洗。(3)构建了基于贝叶斯网络的共享单车轨迹与路网匹配模型,在考虑相邻多个轨迹点与路段之间关联性的前提下,计算该段轨迹属于各条路段的概率,将可能性最大的路段作为估计结果,实现轨迹与路网的匹配;对异常轨迹进行剔除后,根据道路向量与轨迹向量的关系,对共享单车逆行行为进行识别。(4)以北京市核心区为例,应用本文研究方法,对典型共享单车轨迹数据进行了处理、清洗、路网匹配工作,对各条道路的逆行比例及特征进行了测算,与实地踏勘结果对比,验证了方法的有效性,并对逆行成因进行分析,有针对性地提出改造建议。本文共计图62幅,表17个,参考文献103篇。