基于刷卡数据的南京地铁通勤人群分类与时空行为研究

摘要

智能卡数据被广泛应用于交通领域的研究,然而在出行行为方面还有待于进一步探索.通勤是城市中最重要的出行目的之一,由于智能卡数据中个人社会经济信息的缺失,在通勤行为的研究上存在一定的困境.本文基于一个月工作日的地铁刷卡数据,对地铁通勤行为和其职住地进行了识别,以通勤12天以上的为高频人群,计算其各项通勤特性作为聚类变量.在此基础上采用K-means聚类算法将高频地铁通勤人群分为五类,并分别对五类通勤模式的总体特性、通勤时间进行了分析,以可视化形式对比各类通勤模式的异同.本研究利用刷卡数据划分了高频地铁通勤模式,为探索通勤模式的形成机理研究奠定基础.