论文总字数：29035字

摘 要

近年来，我国越来越多的大中城市拥有了轨道交通，全国性轨道交通的建设正逐步开展。客流是轨道交通的重要组成部分，是进行建设和运营的依据，而雨雪天气会对其出行特征的各个方面造成影响。本文在通过刷卡数据研究轨道交通不同参与成分变化的过程中，加入了雨雪天气这一变量，并将雨雪等级分级研究以明晰其影响程度。

首先，将所得基础刷卡数据按需要进行分类与除噪，同时整合同期降水数据，将其与轨道交通运营时间吻合。其次，从每次刷卡数据中提取出出行起终点，并从卡号的出行次数及出行时间综合分析出行类型与出行目的。再次，在整合相同出行目的出行数据的基础上，分析客流量与出行特征的变动。最后，综合考虑降水时间、降水量及降水前后日期客流量等因素，将与降水直接相关的轨道交通出行特征变化进行归类集计，并得出相应结论。

关键词：刷卡数据，雨雪天气，轨道交通，出行特征

IMPACT OF PERTICIPATION ON NANJING SUBWAY PASSENGER TRAVEL CHARACTERISTICS BASED ON SMART CARD DATA

Abstract

In recent years, an increasing number of cities have rail transit, also an national rail transit construction is gradually carried out. Passenger is an important part of rail transit, is the basis for the construction and operation, while the precipitation will affect all aspects of its travel characteristics. During the study of the different Rail Transit participation component variations with smart card data, preticipation is included and classified to clear its impact.

Firstly, the smart card data are required to classify and remove noise, avoiding the impact of deficient data. Integrating the precipitation data over the same period, which is coincide with the rail transit operation time. Second, extract the starting and terminal station from the card data, combining the number of trips from one card number and travel time to have a overall judgment of the travel types and purposes. Third, integrate travel data in same trip purpose and have a research on travel amount and travel features. Finally, considering the the precipitation time, date, holiday and other factors, categorize disaggregate the characteristics of rail transit and precipitation changes which is directly related, and draw the appropriate conclusions.

KEY WORDS: Smart Card Data, Perticipation, Rail Transit, Travel Characteristic

目 录

摘 要 Ⅰ

Abstract Ⅱ

第一章 绪论 1

1.1 研究背景及意义 1

1.2 文献综述 2

1.2.1 出行特征的影响因素研究 2

1.2.2 基于IC卡数据的出行特征研究 3

1.2.3 国内外研究评价 4

1.3 论文研究内容与技术路线 4

1.3.1 研究内容 4

1.3.2 研究技术路线 5

1.4 论文组织安排 5

第二章 源数据预处理 7

2.1 源数据预处理简介 7

2.2 刷卡与天气源数据相关信息介绍 7

2.2.1 刷卡数据源与相关参数介绍 7

2.2.2 天气数据源与相关参数介绍 9

2.3 异常刷卡数据的识别 10

2.3.1 进出站站点约束 10

2.3.2 进出站时间约束 11

2.3.3 除噪结果 11

2.4 异常天气数据的识别 12

2.4.1 有效降水量 12

2.4.2 有效降水时间 12

2.4.3 选用降水时段 12

2.5 按不同分类方法整合数据 13

2.6 本章小结 14

第三章 基于刷卡数据的出行特征研究 15

3.1 刷卡数据与出行特征的关系 15

3.2 刷卡人群识别 15

3.3 出行类型统计 16

3.4 出行目的识别 17

3.4.1 家的识别 17

3.4.2 工作地的识别 18

3.4.3 家与工作地识别实例 18

3.4.4 出行目的识别 19

3.4.5 出行目的识别实例 20

3.5 本章小结 21

第四章 正常天气下的轨道交通出行特征 22

4.1 出行特征简介 22

4.2 出行量特征 22

4.2.1 不同出行人群的正常天气客流量 22

4.2.2 不同出行类型的正常天气客流量 24

4.2.3 不同出行目的的正常天气客流量 25

4.2.4 出行量特征总结 28

4.3 出行时间特征 28

4.3.1 不同出行人群的正常天气高峰时段客流 28

4.3.2 不同出行类型的正常天气高峰时段客流 30

4.3.3 不同出行目的的正常天气高峰时段客流 30

4.3.4 出行时间特征总结 32

4.4 本章小结 32

第五章 雨雪天气下的轨道交通出行特征 33

5.1 雨雪天气对出行行为的影响研究 33

5.1.1 出行行为理论在降水条件下的相关表述 33

5.1.2 轨道交通出行特征在雨雪天气下的变动方式 33

5.1.3 雨雪天气下轨道交通出行特征变动的研究方法 34

5.2 出行量特征的变化 34

5.2.1 不同出行人群的正常天气与雨雪天气客流量 35

5.2.2 不同出行类型的正常天气与雨雪天气客流量 37

5.2.3 不同出行目的的正常天气与雨雪天气客流量 38

5.2.4 出行量特征总结 40

5.3 出行时间特征的变化 40

5.3.1 7月18日高峰时段客流 40

5.3.2 7月18日出行时间特征总结 42

5.4 降水时间与不同研究对象的相关性 42

5.5 适用于轨道交通的雨雪天气等级优化 44

5.6 本章小结 44

第六章 结论 45

6.1 主要结论 45

6.2 工作总结 46

致谢 47

参考文献（References） 48

第一章 绪论

1.1 研究背景及意义

随着我国城市化进程逐步加快，高效快捷的轨道交通在城市交通中扮演着越来越重要的角色。截止2016年2月，我国已有27地市拥有轨道交通，其在城市交通中的分担率稳步提升。

在实际的运营中我们可以发现，轨道交通的客流亦受到诸多因素的影响，其中就包括运营时的天气条件，而其中又以雨雪天气最为普遍。在传统交通工具如私家车、公交车等受到限制时，轨道交通客流会有较大幅度变动。2014年3月31日，广州早高峰豪雨瓢泼，地铁运营没有受到影响，但客流大幅减少；2015年11月24日，受前一天暴雪影响，郑州地铁早高峰进站客流较前日同比上涨27%。

剩余内容已隐藏，请支付后下载全文，论文总字数：29035字