基于樸素貝葉斯分類器的乘客出行屬性分析

崔洪軍, 趙 銳, 朱敏清, 李 霞

(河北工業(yè)大學(xué)土木與交通學(xué)院，天津 300401)

智能卡的廣泛應(yīng)用在各大城市中產(chǎn)生了海量的乘客出行信息數(shù)據(jù)，充分利用這些數(shù)據(jù)中的出行屬性可有效地分析乘客的出行特征、規(guī)律等[1-2]。Atfred等[3]、Ma等[4]利用時空關(guān)聯(lián)理論分別分析了智能卡乘客在指定車站的乘降數(shù)量及關(guān)聯(lián)行程，針對北京智能卡出行者的出行時空特性規(guī)律進(jìn)行了研究。Kusakabe等[5]對地鐵出行乘客的智能卡數(shù)據(jù)加以研究進(jìn)而得到出行者的出行規(guī)律信息。Ordóez等[6]對出行活動進(jìn)行聚類，并利用分層選擇模型對為期7 d的連續(xù)出行活動進(jìn)行了分析。Sang等[7]、Gordon等[8]、Nassir等[9]。基于公交智能卡數(shù)據(jù)對出行目的、出行鏈等進(jìn)行了分析。王月玥[10]、翁劍成等[11]對通勤者的出行特征屬性及出行鏈進(jìn)行了提取。咼娟[12]基于時空關(guān)聯(lián)理論，結(jié)合個體出行特征對乘客的出行規(guī)律進(jìn)行了一定分析。劉永鑫[13]、Weng等[14]、Liu等[15]基于智能卡數(shù)據(jù)，對乘客的出行模式進(jìn)行了深入研究。

從以上成果可看出，學(xué)者多注重于從單一數(shù)據(jù)源來分析乘客的出行規(guī)律，但如將多源數(shù)據(jù)融合，研究結(jié)果將會更準(zhǔn)確及多元化。同時，以上諸多研究側(cè)重于對地鐵乘客出行規(guī)律的推斷；在出行選擇繁多的今天，傳統(tǒng)的公交出行依舊擁有很大的研究價值。在多數(shù)城市，公交出行的計費(fèi)方式等與地鐵存在差異，因此在智能卡數(shù)據(jù)庫中會缺失部分出行屬性信息。鑒于以往研究中的不足之處，基于樸素貝葉斯分類器，融合了出行調(diào)查數(shù)據(jù)及智能卡數(shù)據(jù)對公交乘客的出行目的進(jìn)行推斷，并基于各出行目的對出行規(guī)律進(jìn)行研究。

1 研究數(shù)據(jù)描述

1.1 智能卡數(shù)據(jù)預(yù)處理

研究數(shù)據(jù)來源為石家莊市公交智能卡及公交全球定位系統(tǒng)(global positioning system, GPS)數(shù)據(jù)，其中智能卡基礎(chǔ)數(shù)據(jù)為數(shù)據(jù)卡ID編號、刷卡時間、車輛號、車輛線路號等，GPS數(shù)據(jù)包括車輛終端號(車輛號)、GPS時間、經(jīng)緯度數(shù)據(jù)、GPS接收時間等。由于篇幅限制，只選取研究所需數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)如表1所示。

表1 智能卡數(shù)據(jù)描述

圖1 數(shù)據(jù)融合算法流程Fig.1 The flow of data fusion algorithm

通過匹配智能卡刷卡時間與車載GPS進(jìn)站時間可確定乘客的上車站點(diǎn)信息。由于石家莊公交系統(tǒng)采用一票制刷卡乘車原則，乘客的下車站點(diǎn)數(shù)據(jù)信息無法通過系統(tǒng)自動獲得，因此選取文獻(xiàn)[16]中的方法匹配下車站點(diǎn)數(shù)據(jù)，并且通過車輛時刻表確定乘客的下車時間節(jié)點(diǎn)。

1.2 出行調(diào)查數(shù)據(jù)

采用問卷調(diào)查的方式獲取公交乘客的出行信息，調(diào)查背景為限定的一個乘降站。調(diào)查內(nèi)容包括乘客出行的上下車站點(diǎn)、上下車時間及出行目的。出行調(diào)查數(shù)據(jù)如表2所示。

表2 出行調(diào)查數(shù)據(jù)

2 數(shù)據(jù)融合算法

2.1 方法概述

提出一種同時結(jié)合出行調(diào)查與智能卡數(shù)據(jù)的數(shù)據(jù)融合方法，依照此方法可將公交智能卡數(shù)據(jù)中缺少的乘客相關(guān)屬性信息進(jìn)行提取。圖1所示為該方法的流程，此法核心為推斷智能卡乘客的出行行為屬性。乘客的出行行為屬性c(如出行目的、起始地)為僅在問卷調(diào)查中得到的屬性；屬性F(如上車站點(diǎn)和上車時間)為兩個數(shù)據(jù)集中均包含的出行屬性，屬性g為僅從智能卡數(shù)據(jù)集中獲得的屬性(如出行頻率)?；谠摲椒ǎ褂嬎阒悄芸〝?shù)據(jù)集中具備屬性c的出行次數(shù)成為可能；同時，也得到了無法在單個數(shù)據(jù)集中得到的屬性c和g的關(guān)系。

假設(shè)從智能卡數(shù)據(jù)集中觀測到的乘客出行次數(shù)同問卷調(diào)查數(shù)據(jù)集中得到的乘客出行次數(shù)具有相同的條件概率分布函數(shù)P(c|F)，此分布表示該乘客在屬性F條件下產(chǎn)生出行屬性c的概率。將概率函數(shù)P(c|F)應(yīng)用到樸素貝葉斯分類器中，可將智能卡數(shù)據(jù)集中的出行屬性c提取出來，基于此可得到各出行屬性下的概率分布關(guān)系。同時，N(c)為具有出行屬性c的出行次數(shù)，屬性c和g的關(guān)系可用當(dāng)c已知時g的條件概率分布P(g|c)來表示。

2.2 樸素貝葉斯概率模型

假設(shè)向量集F={f1,f2,…,fk}為一系列行為屬性，F(xiàn)中的每個元素均代表著兩個數(shù)據(jù)集中存在的一個共有屬性(如上車時間、上車站點(diǎn))。c為可通過問卷調(diào)查獲得的智能卡數(shù)據(jù)集中缺失的屬性變量。將c及集合F中的每個元素視為離散變量，基于貝葉斯定理，概率P(c|F)可表示為

(1)

式(1)中：p(c)、p(F)、p(fk|c)均為從問卷調(diào)查中獲得的概率分布；p(c)、p(F)分別為出行中具備屬性c和F的概率，條件概率p(fk|c)為在屬性c下，具備屬性fk的出行所發(fā)生的概率。

當(dāng)智能卡數(shù)據(jù)集中每次行程的屬性F被觀測確定后，由樸素貝葉斯分類器可得到該行程的出行屬性c，表達(dá)式如式(2)所示，其中，C為所有出行屬性c的集合。同時，可由式(3)得到此出行屬性下的行程次數(shù)，其中S為所有F取值集合。

(2)

(3)

當(dāng)問卷調(diào)查數(shù)據(jù)集中的屬性變量g在智能卡數(shù)據(jù)集中被計算出后，屬性g與屬性c的聯(lián)合概率分布可由貝葉斯推理得出，即

(4)

式(4)中：ps(F,g)為從智能卡數(shù)據(jù)集中得到的具有出行屬性F和g的行程占比。通過出行調(diào)查數(shù)據(jù)及智能卡數(shù)據(jù)可得到在屬性c下屬性g的分布條件概率：

(5)

式(5)中：ps(F)為由智能卡數(shù)據(jù)集中得到的具有屬性F的出行占有率。

2.3 出行目的推測

為推測智能卡乘客的出行目的，將出行目的定義為2.2節(jié)中所述的屬性c，如式(6)所示。其在出行問卷調(diào)查中的意義如下：其中通勤出行包含成人上班、學(xué)生上學(xué)出行；因私出行包括出行人以休閑、購物、探親、訪友、商務(wù)會見等為目的的出行；歸家出行包括除通勤返程以外的歸程出行。同時定義特征屬性g為依據(jù)智能卡出行數(shù)據(jù)求得的乘客的出行頻率。

c∈{通勤出行，因私出行，歸家出行}

(6)

假設(shè)乘客的上車時間、出行持續(xù)時間、目的地、出行逗留時間等各出行特征參數(shù)均因出行目的而異?；诖思僭O(shè)，兩個數(shù)據(jù)集中共有的出行屬性F定義為F={faboard,fduration}，其中faboard為乘客上車刷卡時間節(jié)點(diǎn)，fduration為乘客出行時下車后又在同一車站刷卡上車的時間間隔時長，在研究中稱此為活動持續(xù)時間。至此，由上述方法可得到智能卡數(shù)據(jù)庫中缺失的乘客出行目的屬性。

3 實(shí)證分析

3.1 數(shù)據(jù)準(zhǔn)備

選取石家莊CBD中心區(qū)北國商城公交站為研究對象，周邊辦公寫字樓、賓館、酒店、醫(yī)院、購物中心齊全，有較大的客流量；同時存在多種目的的出行需求。公交智能卡數(shù)據(jù)為2018年1月1日至2018年3月25日期間的交易數(shù)據(jù)。經(jīng)篩選處理后北國商城站的可用出行數(shù)據(jù)共計199 145條，其中包含卡號10 263個，所用數(shù)據(jù)中保證了出行者至少出行一次。出行調(diào)查采取問卷調(diào)查方式，針對本文研究站點(diǎn)，可用問卷共計1 000份，將其隨機(jī)分為兩部分，其一用于推算概率分布P(c|F)，共計700份，余下300份用于檢驗(yàn)其準(zhǔn)確性。

3.2 概率估算結(jié)果

700份問卷樣本數(shù)據(jù)結(jié)果通過式(1)的概率模型計算。概率分布結(jié)果P(c|F)由出行屬性F={faboard,fduration}決定，因此，模型的準(zhǔn)確程度取決于所選屬性集合F能否合理地體現(xiàn)乘客的出行目的。同時，樸素貝葉斯分類器假定各元素服從有條件的獨(dú)立分布，因此，P(faboard|c)與P(fduration|c)兩個分布情況被分別加以計算。

表3及表4分別展示了700組問卷數(shù)據(jù)在上述兩種分布情況下的計算結(jié)果。由此可看出，通勤出行多集中在早間高峰時期，同時逗留時間也遠(yuǎn)長于因私出行的逗留時間，歸家出行集中在下午5時以后，符合日常規(guī)律。

3.3 算法驗(yàn)證

為驗(yàn)證本文聚類方法的準(zhǔn)確性，筆者利用前文所述的300組包含出行屬性F和c的出行調(diào)查數(shù)據(jù)來檢驗(yàn)，通過比較推測出行目的與實(shí)際出行目的來判斷由式(2)推斷出的結(jié)果的準(zhǔn)確性。圖2所示為

表3 北國商城站出行調(diào)查概率p(faboard|c)的分布值

表4 北國商城站出行調(diào)查概率p(fduration|c)的分布值

圖2 北國商城站以出行目的聚類的出行次數(shù)統(tǒng)計Fig.2 Number of trips at Beiguoshangcheng station counted by trip purposes

由式(2)、式(3)得到的結(jié)果分布情況。其中，85.6%的出行被準(zhǔn)確估計，通勤出行、因私出行、歸家出行的準(zhǔn)確性分別為91.5%、72.1%和82.6%。

3.4 智能卡數(shù)據(jù)分析

為了分析乘客在不同時段的出行行為變化情況，基于上述數(shù)據(jù)融合方法對智能卡數(shù)據(jù)進(jìn)行分析。由式(3)統(tǒng)計后可得到圖3所示的2018年1月1日至2018年3月25日北國商城站為期12周的乘客日出行頻次變化情況。

圖3 北國商城站出行量日變圖Fig.3 Daily variation of travel volume at Beiguo-shangcheng station

由圖3可看出：該車站工作日期間日出行量稍有波動，其中通勤出行占比最大，歸家出行稍高于因私出行；但在周末及假日期間，通勤出行占比明顯減少，歸家出行成為主要出行目的，且稍高于因私出行；工作日與周末銜接處可見顯著波動。同時，值得注意的是2月15日至2月21日春節(jié)假期期間本站的出行變化情況：此時段較前后時段相比，日出行數(shù)量顯著減少，主要以歸家出行為主，伴有少量因私出行及通勤出行。該站春節(jié)假期前后工作日時段通勤出行、因私出行、歸家出行的日出行量均值分別為1 598、407、509次；周末時段日出行量均值分別為706、777、959次；而在春節(jié)假期期間，以上出行目的下的日出行量均值則分別為60、146、451次。

圖4所示為由式(5)得到的研究時段內(nèi)通勤、因私、歸家各出行目的下的出行頻率。圖中橫軸為研究時段，縱軸為該站點(diǎn)每周內(nèi)每名乘客的出行次數(shù)，不同色塊代表不同時段中每名乘客在該站點(diǎn)的出行次數(shù)占比情況。由圖可知，乘客通勤出行平均每周4.7次，因私出行每周2.9次，歸家出行每周3.4次。由圖4(a)可知，在第7、8觀察周(春節(jié)假期)中，每名乘客的通勤周出行次數(shù)多為3次；參考圖4(b)、圖4(c)可知，該時期每名乘客的因私出行次數(shù)明顯上升，且多集中于5次，而歸家出行次數(shù)在前半段春節(jié)假期中較平時上升明顯，在后半段中則與平時相差不大。

圖4 北國商城站不同出行目的下乘客出行次數(shù)周變頻率Fig.4 Weekly frequency chart of passenger trips for different purposes in BeiGuo Shang Cheng STA

4 結(jié)論

提出了一種數(shù)據(jù)融合方法。此法基于樸素貝葉斯分類器，通過融合智能卡及出行調(diào)查數(shù)據(jù)，結(jié)合公交智能卡乘客出行屬性F(上下車時間及活動持續(xù)時間)對出行目的加以分類。基于不同的出行目的，將乘客的出行頻率加以描述，以此刻畫乘客的出行行為，驗(yàn)證表明該法對出行目的估計的準(zhǔn)確率為85.6%，其中通勤出行、因私出行、歸家出行的準(zhǔn)確性分別為91.5%、72.1%和82.6%。

基于不同的出行目的對所研究時段的刷卡數(shù)據(jù)進(jìn)行分類。結(jié)果表明，該方法能夠有效地篩選出不同出行目的下智能卡乘客的出行頻率，同時可階段性地刻畫乘客的出行偏好?；诒狙芯窟x取車站，得到了2018年春節(jié)假期前后各出行目的下的出行變化規(guī)律、日出行量均值及乘客出行次數(shù)周變規(guī)律。結(jié)果可為交通規(guī)劃部門提供較好的信息支撐。