《Python数据分析基础与案例实战》第8章 公交车站点设置优化分析

公交车站点设置优化分析1探索公交刷卡数据目录分析背景与目标2预处理公交车载GPS数据与刷卡数据3构建DBSCAN模型4公交车站点设置优化分析5分析城市交通情况对城市规划、提高居民城市归属感、打造城市品牌有着至关重要的影响。大城市的可持续发展，应该立足当前、着眼长远，倡导绿色环保出行，大力发展城市公共交通。构建性能优良的交通系统工程，是解决城市交通拥堵的有效手段。公交车作为城市交通的重要组成部分，对公交车站点设置进行优化，可以大大方便城市居民的日常出行，也有利于缓解城市交通拥堵现状。由此可见，优化公交车站点拥有极大的意义。进入21世纪以来，我国城市公共交通飞速发展，然而随着社会经济的发展，城市不断升级以及人民生活品质越来越好，城市交通拥堵、出行不便等问题日益突出，严重损坏了市民日常的生活体验。公交服务水平是反映一个城市的整体规划是否合理的显著标志。背景对城市公交企业、公交管理部门及公交规划部门而言，传统的公交车站点规划、线路规划及公交换乘规划所依赖的数据主要来源于城市各主管部门的统计资料以及临时人工调查数据。在自动采集技术日益发达的今天，如果能经由公交车载GPS数据、公交刷卡数据等自动分析出居民的公交出行规律，基于该需求从而对现有的公交车站点设置进行优化分析，将可以极大地提高传统公交规划、设计与管理的工作效率和工作质量。某城市地处南海沿海地区，有独特的地理位置，是珠江三角洲区域的核心城市之一。随着社会经济迅速发展和城市规模不断扩大，全国各地的从业人员不断涌入，城市人口也随之不断增加，然而城市交通却赶不上人口和经济的发展，因此城市交通也逐渐成为阻碍该城市发展的重要因素。常规公交是城市公共交通的主体，地面公交作为城市公交的一部分，是城市居民日常出行的重要交通工具，关系到城市经济的发展。背景本案例是以经过处理的公交车载GPS数据集以及公交刷卡数据集为分析对象，两个数据集都包含5天的数据。其中公交车载GPS数据集包含位置（经纬度）、业务时间、卡片记录编码、线路名称等数据。公交刷卡数据集则包含当天5时到23时的公交车刷卡数量，其中date表示观测窗口开始后的天数，num表示刷卡人数。数据说明部分公交车载GPS数据如下表所示。数据说明经度纬度业务时间卡片记录编码线路名称113.893522.585192014/6/914:36292454743605路113.892822.585012014/6/98:04281106596605路113.892822.585012014/6/98:04296203675605路113.892822.585012014/6/98:04281106596605路113.892822.585012014/6/98:04296203675605路113.886322.606212014/6/910:03323965411605路113.886322.606212014/6/910:03323965411605路部分公交刷卡数据如下表所示。数据说明datenumdatenum54071151803556165429162162807518115173471108469911184982609205860192817601013552520189310111420792116786212160236226984513161496231255614146176

结合公交车载GPS数据与公交刷卡数据，可以实现以下目标。基于公交车载GPS数据，构建DBSCAN模型模拟公交车站点。基于公交刷卡数据，计算上车人数。基于模拟公交车站点与公交刷卡数据，计算下车人数。本案例主要包括以下4个步骤。获取公交车载GPS数据与公交刷卡数据。对数据进行探索分析，并进行属性规约、缺失值处理以及数据去重。基于预处理后的数据构建DBSCAN模型、计算OD矩阵。分析OD矩阵，对站点设置提出优化建议。分析目标本案例的分析流程如下图所示。分析目标1探索公交刷卡数据目录分析背景与目标2预处理公交车载GPS数据与刷卡数据3构建DBSCAN模型4公交车站点设置优化分析5在公交刷卡数据的基础上，抽样并绘制出2014年6月9日至2014年6月13日每个时间段中刷卡人数的折线图，得到的折线图如下图所示。由上图明显可以看出，公交车每天的刷卡人数都呈现上下班两个高峰。探索公交刷卡数据1探索公交刷卡数据目录分析背景与目标2预处理公交车载GPS数据与刷卡数据3构建DBSCAN模型4公交车站点设置优化分析5在公交车载GPS原始数据中，对所有的列名进行修改，只保留经度、纬度、业务时间和车牌号这4个对分析有用的属性，删除海拔、记录时间、数据类型、线路号、子线号、到离站、GPS速度、传感器速度、方向角和违规标准这10个属性。据调查，在某城市中上车刷卡都是有优惠的，按不同的金额打不同的折，但是是否打折并不会影响后续计算上下车人数。所以在公交刷卡数据集中只保留交易时间、线路名称和车牌号这3个属性，删除其余与计算人数无关的卡片记录编码、交易金额、实际交易金额和公司名称这4个属性。属性规约属性规约后的数据集如下表所示。属性规约公交刷卡数据集公交车载GPS数据集交易时间线路名称车牌号经度/度纬度/度业务时间车牌号2014/6/90:0086075529114.18000022.6382992014/6/90:00755292014/6/90:08C415F3347114.18000022.6383992014/6/90:08F33472014/6/90:00367W2889114.18199922.6394992014/6/90:00W28892014/6/90:25K31092370114.18299822.6399992014/6/90:25923702014/6/90:2286180693114.18299822.6399992014/6/90:2280693由于原始数据量太大，所以预处理在SQLServer中完成。丢弃2014年6月9日的原始GPS数据中经度为空、纬度为空、到离站为空的记录，只保留经度、纬度、业务时间和车牌号这4个属性，公交刷卡数据集中只保留交易时间、线路名称和车牌号这3个属性，并将这两个数据集合并。其他日期的数据采用类似的方法处理，此处不再列出。缺失值处理将预处理后得到的每日GPS数据保存到“gps”文件夹下。因为公交刷卡数据和公交车载GPS数据合并后有重复的记录，所以要进行去重。数据去重1探索公交刷卡数据目录分析背景与目标2预处理公交车载GPS数据与刷卡数据3构建DBSCAN模型4公交车站点设置优化分析5DBSCAN算法是一种典型的基于密度的聚类算法，相对其他聚类算法来说更简单、有效，它可以自动将低密度的点分类成噪声点，并把这些噪声点排除在外。DBSCAN算法还可以处理任意形状和大小的簇，并且不容易受噪声和离群点的影响。DBSCAN算法依赖两个主要的参数来进行聚类，即对象点的区域半径Eps和区域内点的个数的阈值MinPts。DBSCAN算法通过查找数据集中任意一个点的距离在Eps区域来进行聚类，如果这个区域内的点数大于MinPts，则将这些点放在同一个簇中，形成新的一类。构建DBSCAN模型DBSCAN算法聚类过程如下。将所有的点分别标记为核心点、边界点或噪声点。删除识别出的噪声点。将在Eps区域内的所有核心点连通，并形成一个簇。将每个边界点归属到一个与之相关联的核心点的簇中。提取预处理后的2014年6月9日至2014年6月13日的68路公交线路的数据，并根据合并后的数据绘制散点图。构建DBSCAN模型得到的散点图如下图所示。通过上图可以看出68路公交线路的经纬度数据的分布。构建DBSCAN模型对68路公交线路的经纬度数据进行DBSCAN密度聚类可得到模拟站点的分布情况，聚类后的模拟站点的散点图如右图所示。由图可以很明显看到，68路公交线路的经纬度数据被聚成了很多类，每一类都代表附近可能存在该公交车的一个站点。对于较长的一段空缺，是因为该路段不存在公交车站点，而右下角存在的一个点，初步推测为异常值。构建DBSCAN模型1探索公交刷卡数据目录分析背景与目标2预处理公交车载GPS数据与刷卡数据3构建DBSCAN模型4公交车站点设置优化分析5根据公交刷卡数据可以分时段求出每个站点的上车人数。利用居民公交出行的出行站数服从泊松分布来计算下车人数，最终得到OD矩阵，即求出每条线路中从一个站点到另一个站点的乘客上下车数量，最后得出城市居民乘车出行的规律。根据这些规律对公交线路提出优化建议。公交车站点设置优化分析因为公交刷卡数据中含有卡号记录编码（卡号字段），便可以计算出各个站点对应的上车人数。运行代码得到68路公交线路各个站点的上车人数，如右图所示。由右图可以看出，68路公交线路各个站点的上车人数存在较大的差异，站点“2”和站点“11”的上车人数超过了100，而站点“7”和站点“15”的上车人数仅为3。计算上车人数OD调查中的“O”来源于英文Origin，指出行的出发地，“D”来源于英文Destination，指出行的目的地。OD调查即起迄点调查，又称OD交通量调查，OD交通量就是指起迄点间的交通出行量。OD调查结果通常用一个二维表格表示，称为OD矩阵。OD调查结果已被应用于公路网规划中，如新建或改建项目可行性研究、设计、交通组织及管理等各方面。大量的OD调查数据，对远景交通量的预测、道路类型及等级的确定、互通立交的设置、道路横断面的设计、交通服务设施的配置、交通管理与控制、规划方案和建设项目的国民经济评价以及财务分析等提供了定量依据，进而为交通规划的完善和建设项目的科学决策奠定了基础。计算下车人数1．OD矩阵针对模型提出以下3个假设。假设1：提供的地面公交车载GPS数据和地面公交刷卡数据都是真实的，而且在一定程度上可以代表某城市居民出行的情况。假设2：城市居民出行的距离可以近似看作服从正态分布。因为如果出行的距离太短，居民一般会选择相对方便的交通工具，如步行或者骑车；如果出行的距离太长，居民一般会选择私家车或者汽车。所以可以推断，城市居民通过公交出行的距离集中在一定范围内。假设3：城市居民公交出行的出行站数服从泊松分布。计算下车人数2．模型假设以一条单向运行线路的数据进行分析，很明显，起点站是没有乘客下车的，所以在第二个站点下车的乘客是来自起点站的。以此类推，之后每个站的下车人数如下式（8-1）所示。（8-1）计算下车人数3．计算下车人数确定下车概率有两个重要的因素，一是乘客出行的距离，二是站点对乘客的吸引力。基于这两个因素，如果一条线路有n个站点（包括起点站和终点站），可以得到概率矩阵如式（8-2）所示。 （8-2）引入站点对乘客的吸引权重，即在某条线路上的某个站点乘客上车人数Si占某条线路的总上车人数Sk的比例，其公式如式（8-3）所示。

（8-3）计算下车人数4．计算城市居民公交出行的出行站数的概率公交出行属于中长距离的出行，当出行距离过长或过短时，居民较少采用这种交通方式。居民选择乘坐公交出行时，出行站数主要集中在某个范围内，当乘坐到一定站数时，其在该站下车的概率最大，而当相对于上车站点的距离过长或过短时，其下车的概率相对较小。这种概率服从泊松分布，其公式如式（8-4）所示。 （8-4）综上所述，可以得到城市居民公交出行的出行站数的概率如式（8-5）所示。

（8-5）计算下车人数式（8-1）～式（8-5）中的符号说明如下表所示。 计算下车人数符号说明某线路单向运行的站点总数站下车人数站上车人数和乘客在

站上车，途径

个站点下车的概率概率矩阵某条公交线路出行途经的站点数的数学期望公交线路各个站点的吸引权重通过DBSCAN密度聚类获取公交车站点，同时计算出公交车对应站点的上下车人数，从而进行OD矩阵的推导，得到每天5个时段的OD矩阵。5个时段的划分如下表