城市公共交通通勤者活動(dòng)出行鏈構(gòu)建與特征提取方法

周 航， 陳學(xué)武

(1.杭州市規(guī)劃設(shè)計(jì)研究院， 杭州 310020； 2.東南大學(xué)江蘇省城市智能交通重點(diǎn)實(shí)驗(yàn)室， 南京 211189； 3.東南大學(xué)現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心， 南京 211189； 4.東南大學(xué)交通學(xué)院， 南京 211189)

0 引言

通勤者的活動(dòng)規(guī)律和出行特征挖掘，對(duì)制定、實(shí)施精準(zhǔn)化和個(gè)性化的交通資源優(yōu)化配置策略具有重要意義. 由于數(shù)據(jù)來(lái)源和分析角度存在差異，國(guó)內(nèi)外文獻(xiàn)關(guān)于特征提取的研究集中在通勤行為理論和城市空間領(lǐng)域.

一是基于居民出行調(diào)查數(shù)據(jù)或活動(dòng)日志數(shù)據(jù)的行為或活動(dòng)理論研究，關(guān)注影響因素與通勤出發(fā)時(shí)刻、活動(dòng)時(shí)長(zhǎng)、出行方式等的關(guān)系，并構(gòu)建模型預(yù)測(cè). Bowan[1]開(kāi)發(fā)了日活動(dòng)計(jì)劃系統(tǒng)，其將通勤者工作日基于家的出行鏈分為主出行鏈和次出行鏈，可以模擬通勤者工作日的活動(dòng)模式，包括每一次往返行程的目的地、時(shí)間和出行方式. Kuppam等[2]基于通勤者活動(dòng)類(lèi)型構(gòu)建模型，估計(jì)出行頻率、活動(dòng)時(shí)間、戶(hù)外時(shí)間、居家時(shí)間等，并分析社會(huì)經(jīng)濟(jì)屬性對(duì)通勤者出行和活動(dòng)行為的影響.

二是在城市空間領(lǐng)域的研究，主要通過(guò)從時(shí)空等多個(gè)角度統(tǒng)計(jì)分析通勤出行分布特征. 朱琛等[3]基于居民出行調(diào)查數(shù)據(jù)，從中心城區(qū)、近郊拓展區(qū)和外圍大型社區(qū)角度，統(tǒng)計(jì)通勤者數(shù)量、通勤出行次數(shù)、距市中心距離和鄰近公交地鐵站點(diǎn)距離，并分析居民通勤空間模式、通勤距離通勤結(jié)構(gòu)等通勤特征. Y. Fan等[4]基于2006年北卡羅來(lái)納州三角區(qū)的居民行為數(shù)據(jù)，通過(guò)最小凸多邊形測(cè)量日活動(dòng)空間等指標(biāo)來(lái)分析居民對(duì)空間的利用率，并分析建成密度、交通連通性等城市物質(zhì)因素對(duì)個(gè)體空間使用行為的影響. 龍瀛等[5]結(jié)合公交IC卡數(shù)據(jù)識(shí)別職住地和通勤出行，分析通勤時(shí)間和通勤距離指標(biāo)，然后可視化分析三大典型居住區(qū)和六大典型辦公區(qū)的通勤出行，并識(shí)別主要的交通流方向.

以往研究多使用居民出行調(diào)查、活動(dòng)日志調(diào)查等傳統(tǒng)調(diào)查方式獲取人們的日?；顒?dòng)數(shù)據(jù)，數(shù)據(jù)來(lái)源較為傳統(tǒng)，與其他領(lǐng)域數(shù)據(jù)的融合應(yīng)用不足，現(xiàn)階段雖有部分研究采用公交刷卡數(shù)據(jù)或是手機(jī)信令數(shù)據(jù)[6]，但與活動(dòng)交易數(shù)據(jù)、城市空間數(shù)據(jù)等新興數(shù)據(jù)的融合關(guān)聯(lián)分析較少. 特別是，近年來(lái)城市居民使用市民卡、銀聯(lián)卡、支付寶和微信等無(wú)現(xiàn)金手段的頻率明顯變高，而這種活動(dòng)交易數(shù)據(jù)對(duì)居民的出行活動(dòng)信息的獲取和完善具有重要意義. 本研究基于南京市活動(dòng)交易數(shù)據(jù)與公共交通出行數(shù)據(jù)，提出融合活動(dòng)與出行信息的活動(dòng)- 出行鏈構(gòu)建方法，避免了活動(dòng)與衍生出行的割裂，同時(shí)從日?；顒?dòng)和通勤出行2個(gè)角度，選取包括活動(dòng)頻次、活動(dòng)空間面積、非工作活動(dòng)習(xí)慣、通勤方式、通勤時(shí)耗等在內(nèi)的12項(xiàng)特征指標(biāo)，并基于活動(dòng)出行鏈完成指標(biāo)提取，作為后續(xù)公共交通通勤者的活動(dòng)出行特征分析的前提準(zhǔn)備，可應(yīng)用于類(lèi)似數(shù)據(jù)結(jié)構(gòu)和分析需求的其他研究場(chǎng)景.

1 研究數(shù)據(jù)

1.1 公共交通出行數(shù)據(jù)

出行數(shù)據(jù)是描述居民出行全過(guò)程信息的數(shù)據(jù)，涵蓋出發(fā)時(shí)間、出發(fā)位置、出行方式、到達(dá)時(shí)間、到達(dá)地位置等多個(gè)字段. 本研究所使用的案例數(shù)據(jù)為基于南京市公共交通刷卡數(shù)據(jù)(包括常規(guī)公交、軌道交通和公共自行車(chē)3類(lèi))處理得到的公共交通通勤者出行數(shù)據(jù)，時(shí)間范圍與活動(dòng)交易數(shù)據(jù)時(shí)間一致，均為2019年3月，字段示意如表1所示.

1.2 活動(dòng)交易數(shù)據(jù)

活動(dòng)交易數(shù)據(jù)是活動(dòng)出行鏈構(gòu)建的關(guān)鍵基礎(chǔ)數(shù)據(jù)，相比結(jié)合周邊建成環(huán)境(如POI)識(shí)別出行目的[7]，帶有時(shí)空信息的活動(dòng)交易數(shù)據(jù)能夠?qū)Τ鲂械幕顒?dòng)來(lái)源進(jìn)行更加精準(zhǔn)的填補(bǔ). 數(shù)據(jù)信息應(yīng)盡可能包括個(gè)人信息、時(shí)間信息、空間信息和交易類(lèi)型，即可與出行數(shù)據(jù)進(jìn)行字段融合的個(gè)人ID、交易時(shí)間、交易地點(diǎn)經(jīng)度、交易地點(diǎn)緯度和反映活動(dòng)類(lèi)型的交易類(lèi)型5個(gè)字段. 若實(shí)際交易數(shù)據(jù)未包括以上全部字段，則需要考慮其他方法對(duì)其補(bǔ)齊.

本研究所使用的案例數(shù)據(jù)為南京市市民卡活動(dòng)交易數(shù)據(jù)，由發(fā)卡公司南京市市民卡有限公司提供. 市民卡活動(dòng)交易原始數(shù)據(jù)僅包括卡號(hào)、交易時(shí)間和交易地點(diǎn)名稱(chēng)3個(gè)字段，示意如表2所示.

表1 公共交通通勤者出行數(shù)據(jù)字段示意

表2 市民卡活動(dòng)交易刷卡原始數(shù)據(jù)字段示意

2 公共交通通勤者活動(dòng)出行鏈構(gòu)建方法

2.1 活動(dòng)交易數(shù)據(jù)與出行數(shù)據(jù)融合

通過(guò)卡號(hào)可以將公共交通出行數(shù)據(jù)與活動(dòng)交易數(shù)據(jù)聯(lián)系起來(lái)，即將出行時(shí)空與活動(dòng)交易的時(shí)間和空間信息相關(guān)聯(lián). 在對(duì)活動(dòng)交易數(shù)據(jù)進(jìn)行空值、錯(cuò)誤以及重復(fù)記錄的剔除等預(yù)處理操作后，需要通過(guò)坐標(biāo)反查和類(lèi)型匹配等處理流程，完成對(duì)活動(dòng)交易數(shù)據(jù)的空間信息與交易類(lèi)型信息補(bǔ)充. 前者可通過(guò)百度地圖Web服務(wù)API的正/逆地理編碼服務(wù)功能來(lái)完成，即向百度地圖Web服務(wù)API平臺(tái)發(fā)送請(qǐng)求，獲取響應(yīng)內(nèi)容后解析并提取出各輸入地址對(duì)應(yīng)的經(jīng)緯度數(shù)據(jù). 另外，根據(jù)交易地點(diǎn)的名稱(chēng)，可推斷其對(duì)應(yīng)的交易類(lèi)型，具體分類(lèi)與常用的出行目的或活動(dòng)目的保持一致[8]，包括購(gòu)物、就餐、休閑等.

粘液腺囊腫被視為口腔科疾病之一，它是一種口腔粘液腺導(dǎo)管因受到外傷后發(fā)生破裂，涎粘蛋白分泌物潴留于腺體組織內(nèi)，所引起的腺泡逐漸膨脹而形成的囊腫。囊腫多發(fā)生于下唇，其次是舌尖、舌腹部以及頰粘膜等處。癥狀為局部腫脹，患處有淡紫藍(lán)色半透明且質(zhì)地柔軟的囊性腫塊，易破潰，破潰排出液體數(shù)日后會(huì)反復(fù)發(fā)作，病程可數(shù)天到數(shù)月。本文在梳理腺上皮和粘液腺的組織細(xì)胞學(xué)知識(shí)的基礎(chǔ)上，綜合分析了粘液腺囊腫這種疾病的治療方法以及各種方法的優(yōu)點(diǎn)和不足。

完成活動(dòng)交易數(shù)據(jù)預(yù)處理操作后，需要將處理后的活動(dòng)交易數(shù)據(jù)與出行數(shù)據(jù)進(jìn)行整合，以共同字段卡號(hào)作為乘客的唯一標(biāo)識(shí)，并按出發(fā)時(shí)間排序，得到活動(dòng)出行整合數(shù)據(jù). 將原數(shù)據(jù)中交易時(shí)間、交易地點(diǎn)經(jīng)度和緯度值分別對(duì)應(yīng)匹配到出行數(shù)據(jù)字段中，以減少活動(dòng)出行數(shù)據(jù)含有的字段數(shù)量. 整合完的活動(dòng)出行數(shù)據(jù)涵蓋城市居民公共交通出行和活動(dòng)相關(guān)的所有時(shí)間、位置和類(lèi)別信息，為后續(xù)活動(dòng)出行鏈構(gòu)建工作提供完備數(shù)據(jù).

2.2 活動(dòng)出行鏈構(gòu)建

本研究在活動(dòng)出行鏈構(gòu)建過(guò)程中，以活動(dòng)作為基礎(chǔ)單元，認(rèn)為出行只是到達(dá)活動(dòng)地或完成活動(dòng)的衍生行為，應(yīng)將其與對(duì)應(yīng)進(jìn)行的活動(dòng)相匹配. 當(dāng)獲取的活動(dòng)交易數(shù)據(jù)來(lái)源越來(lái)越多時(shí)，對(duì)應(yīng)的活動(dòng)類(lèi)型更加完整，構(gòu)建出的活動(dòng)出行鏈也更加全面和精確，該方法能夠廣泛應(yīng)用于后續(xù)多源活動(dòng)數(shù)據(jù)下的活動(dòng)出行鏈構(gòu)建與分析工作，構(gòu)建方法的流程如圖1所示.

圖1 活動(dòng)出行鏈構(gòu)建方法流程

首先依據(jù)公共交通出行數(shù)據(jù)的通勤出行標(biāo)識(shí)和到達(dá)地屬性，對(duì)活動(dòng)出行整合數(shù)據(jù)中每條出行記錄的活動(dòng)類(lèi)型進(jìn)行更新匹配；然后，根據(jù)當(dāng)天的活動(dòng)類(lèi)型、出發(fā)地屬性和到達(dá)地屬性，對(duì)各居民每天的活動(dòng)出行數(shù)據(jù)補(bǔ)充與家相關(guān)的首尾活動(dòng)；最后，計(jì)算出行到達(dá)地點(diǎn)和活動(dòng)交易地點(diǎn)的時(shí)空距離，將符合同一項(xiàng)活動(dòng)條件的活動(dòng)和出行記錄數(shù)據(jù)進(jìn)行合并，并計(jì)算活動(dòng)時(shí)長(zhǎng)和更新活動(dòng)鏈與活動(dòng)序號(hào).

活動(dòng)出行鏈的構(gòu)建結(jié)果包括活動(dòng)鏈標(biāo)識(shí)、活動(dòng)屬性和出行屬性3項(xiàng)類(lèi)別的17個(gè)字段，具體字段說(shuō)明和數(shù)據(jù)示意如表3所示. 其中，每1行記錄代表1項(xiàng)活動(dòng)，活動(dòng)鏈序號(hào)用活動(dòng)日期中的日來(lái)表示，活動(dòng)序號(hào)為每項(xiàng)活動(dòng)在當(dāng)日的次序，順帶活動(dòng)類(lèi)型為活動(dòng)出行記錄合并操作中符合合并條件的活動(dòng)類(lèi)型；活動(dòng)時(shí)長(zhǎng)為當(dāng)前活動(dòng)到達(dá)與下一活動(dòng)出發(fā)的時(shí)間差，若活動(dòng)類(lèi)型為上班，則需計(jì)算上班活動(dòng)到達(dá)與從工作地下班出發(fā)的時(shí)間差，其他字段與活動(dòng)出行整合數(shù)據(jù)的大部分字段一致.

表3 活動(dòng)出行鏈數(shù)據(jù)字段示意

3 活動(dòng)出行特征指標(biāo)提取

3.1 特征指標(biāo)選取

在通勤者的活動(dòng)和出行特征分析方面，當(dāng)前研究選取的分析指標(biāo)眾多，缺少系統(tǒng)性的特征分析指標(biāo)體系，常用的指標(biāo)包括活動(dòng)時(shí)間、活動(dòng)多邊形面積等活動(dòng)特征指標(biāo)，出行頻率、出行方式等出行特征指標(biāo)，以及通勤出行次數(shù)、通勤時(shí)間、通勤距離、通勤結(jié)構(gòu)等通勤特征指標(biāo)[2-3,9-10]. 為系統(tǒng)反映公共交通通勤者的活動(dòng)出行特征，本研究考慮從日?；顒?dòng)與通勤出行角度出發(fā)，分層次選取代表性指標(biāo)，以構(gòu)建活動(dòng)出行特征指標(biāo)體系，以便掌握研究對(duì)象的行為規(guī)律，整體結(jié)構(gòu)如圖2所示. Ⅰ層由日常活動(dòng)和通勤出行2部分構(gòu)成，反映公共交通通勤者的2個(gè)需要深入特征挖掘的角度；Ⅱ?qū)邮菍?duì)Ⅰ層的初步分類(lèi)，代表不同的初步分析方向；Ⅲ層是對(duì)Ⅱ?qū)拥倪M(jìn)一步細(xì)化分類(lèi)，分別對(duì)應(yīng)不同的細(xì)分屬性；Ⅳ層是Ⅲ層屬性下具有代表性的詳細(xì)指標(biāo)，對(duì)應(yīng)描述上層某一局部屬性的特征.

圖2 公共交通通勤者活動(dòng)- 出行特征指標(biāo)體系

3.1.1 日?；顒?dòng)角度

公交通勤者作為社會(huì)中的一員，日常生活中會(huì)因自身或家庭需要，選擇在一定時(shí)間和地點(diǎn)進(jìn)行特定的事項(xiàng)，即為活動(dòng)[11]. 日?；顒?dòng)包括多種類(lèi)別，同時(shí)存在多個(gè)分析角度，其主要分為基礎(chǔ)特性和時(shí)空特性2個(gè)方面. ①基礎(chǔ)特性主要反映數(shù)量和持續(xù)時(shí)間等常規(guī)特征，包括活動(dòng)頻次和活動(dòng)時(shí)長(zhǎng)2個(gè)特征指標(biāo)，前者用以體現(xiàn)活動(dòng)出行的頻率，后者可反映活動(dòng)進(jìn)行過(guò)程中的持續(xù)時(shí)長(zhǎng). ②時(shí)空特性主要是反映活動(dòng)在空間范圍、方向以及時(shí)間或空間位置等方面的特征，包括活動(dòng)空間多邊形面積、活動(dòng)空間離心率、活動(dòng)可達(dá)距離和非工作活動(dòng)習(xí)慣4項(xiàng)特征指標(biāo)，活動(dòng)空間面積反映一定時(shí)間范圍內(nèi)活動(dòng)所構(gòu)成的空間范圍，活動(dòng)空間離心率反映活動(dòng)范圍的空間方向性特征，活動(dòng)可達(dá)距離體現(xiàn)完成某項(xiàng)活動(dòng)需要額外花費(fèi)的空間距離，非工作活動(dòng)習(xí)慣分析的是非工作活動(dòng)與工作活動(dòng)在時(shí)間和空間層面上的關(guān)系，以體現(xiàn)非工作活動(dòng)的行為規(guī)律.

3.1.2 通勤出行角度

因此，最終選取的指標(biāo)包括活動(dòng)頻次、活動(dòng)時(shí)長(zhǎng)、活動(dòng)空間多邊形面積、活動(dòng)空間離心率、活動(dòng)可達(dá)距離和非工作活動(dòng)習(xí)慣6項(xiàng)日?；顒?dòng)特征指標(biāo)，以及通勤方式、通勤時(shí)耗、公共/小汽車(chē)通勤時(shí)耗比、通勤換乘時(shí)間、通勤方式穩(wěn)定率和通勤時(shí)耗變異系數(shù)6項(xiàng)通勤出行特征指標(biāo).

3.2 特征指標(biāo)提取方法

3.2.1 日?；顒?dòng)角度

1) 活動(dòng)頻次指的是居民在某分析時(shí)間段內(nèi)進(jìn)行活動(dòng)的次數(shù)，即居民進(jìn)行某項(xiàng)活動(dòng)的頻繁程度和對(duì)活動(dòng)的需求程度. 其提取思路是先確定分析時(shí)間段，再對(duì)分析時(shí)間段內(nèi)各類(lèi)型活動(dòng)記錄數(shù)量分組統(tǒng)計(jì)，即可得到各類(lèi)活動(dòng)的活動(dòng)次數(shù)，其與分析時(shí)間段的比值即為活動(dòng)頻次.

2) 活動(dòng)時(shí)長(zhǎng)指的是居民進(jìn)行某項(xiàng)活動(dòng)的持續(xù)時(shí)間，反映達(dá)到活動(dòng)目的需要消耗的時(shí)間. 其提取思路與活動(dòng)頻次類(lèi)似，同樣需要先確定分析時(shí)間段，考慮分析需求來(lái)設(shè)定分組依據(jù)，進(jìn)而對(duì)各類(lèi)活動(dòng)的持續(xù)時(shí)長(zhǎng)進(jìn)行分組統(tǒng)計(jì).

3) 活動(dòng)空間多邊形面積指的是居民在某分析時(shí)間段內(nèi)活動(dòng)點(diǎn)所構(gòu)成的空間范圍面積，其面積測(cè)度的幾何模型為最小凸多邊形. 指標(biāo)公式如式(1)所示，N表示活動(dòng)點(diǎn)構(gòu)成的最小凸多邊形上的頂點(diǎn)數(shù)，O點(diǎn)為最小凸多邊形內(nèi)的任意一點(diǎn)，其面積即為以O(shè)點(diǎn)和多邊形相鄰頂點(diǎn)構(gòu)成的三角形面積之和. 其提取可以借助ArcGIS軟件完成，將分析時(shí)間段內(nèi)活動(dòng)點(diǎn)的地理文件導(dǎo)入軟件，使用數(shù)據(jù)管理工具中要素欄下的最小邊界幾何工具，輸出最小凸多邊形空間面文件后，對(duì)其進(jìn)行面積計(jì)算即可得到每個(gè)人的最小凸多邊形面積. 基于南京樣本數(shù)據(jù)，得到的指標(biāo)空間分布如圖3所示.

(1)

圖3 南京樣本人群工作日(左)和周末(右)活動(dòng)空間最小凸多邊形分布示意

4)活動(dòng)空間離心率可反映活動(dòng)空間方向性的明顯程度，指的是涵蓋一定比例活動(dòng)點(diǎn)的橢圓幾何形狀的焦距與長(zhǎng)軸之比，其中的橢圓被稱(chēng)為標(biāo)準(zhǔn)差橢圓，活動(dòng)點(diǎn)為居民在某分析時(shí)段內(nèi)的活動(dòng)位置點(diǎn). 其提取同樣可借助ArcGIS軟件完成，將分析時(shí)間段內(nèi)活動(dòng)點(diǎn)的地理文件導(dǎo)入軟件，使用空間統(tǒng)計(jì)工具中度量地理分布欄下的方向分布(標(biāo)準(zhǔn)差橢圓)工具，輸出標(biāo)準(zhǔn)差橢圓面文件后，結(jié)合橢圓焦距計(jì)算公式，對(duì)面屬性中的長(zhǎng)軸和短軸值進(jìn)行計(jì)算即可.

5)活動(dòng)可達(dá)距離指的是從上一活動(dòng)完成地點(diǎn)去往當(dāng)前活動(dòng)地點(diǎn)的空間距離，反映居民為完成某項(xiàng)活動(dòng)額外進(jìn)行的空間位移. 其提取思路是先確定分析時(shí)間段，考慮分析需求來(lái)設(shè)定分組依據(jù)，提取各活動(dòng)點(diǎn)的經(jīng)緯度數(shù)據(jù)，利用2點(diǎn)經(jīng)緯度坐標(biāo)間距離計(jì)算公式即可.

6)非工作活動(dòng)習(xí)慣指的是某非工作活動(dòng)進(jìn)行時(shí)所處的時(shí)間階段和空間位置類(lèi)別，時(shí)間階段類(lèi)別考慮工作活動(dòng)時(shí)間進(jìn)行劃分，空間位置類(lèi)別考慮職住地進(jìn)行劃分，如式(2)所示. 將各項(xiàng)非工作活動(dòng)的時(shí)間和位置與工作活動(dòng)的時(shí)間和位置進(jìn)行比較即可得到.

(2)

3.2.2 通勤出行角度

1) 通勤方式指的是居民從居住地前往工作地的出行所使用的交通工具，可能是某一種交通工具，也可能是不同交通工具的組合. 指標(biāo)無(wú)需計(jì)算，可直接獲取.

2) 通勤時(shí)耗指的是居民從居住地前往工作地的出行時(shí)長(zhǎng)，與通勤出行方式的選取緊密相關(guān)，反映進(jìn)行工作活動(dòng)需要額外耗費(fèi)的路途時(shí)間. 可根據(jù)指標(biāo)公式計(jì)算工作地到達(dá)時(shí)間與居住地出發(fā)時(shí)間的差值得到.

3) 公交/小汽車(chē)通勤時(shí)耗比指的是完成同一通勤出行起訖點(diǎn)間位移時(shí)，使用公交與小汽車(chē)耗費(fèi)時(shí)間的比值，體現(xiàn)公共交通方式的出行效率. 公交通勤時(shí)耗即為前文提取的通勤時(shí)耗指標(biāo)，而小汽車(chē)通勤時(shí)耗的獲取需要通過(guò)百度地圖Web服務(wù)API開(kāi)放平臺(tái)完成，兩者比值即為指標(biāo)結(jié)果. 基于南京樣本數(shù)據(jù)得到的指標(biāo)分布示意如圖4所示.

圖4 南京樣本人群公共交通- 小汽車(chē)通勤時(shí)耗比的通勤OD分布示意

4) 通勤換乘時(shí)間指的是完成職住地間通勤出行過(guò)程中不同交通工具間轉(zhuǎn)換的時(shí)間，反映通勤出行的換乘效率. 其提取可根據(jù)指標(biāo)含義計(jì)算通勤出行各階段間的換乘時(shí)間之和得到.

5) 通勤方式穩(wěn)定率指的是在某分析時(shí)間段內(nèi)使用完整通勤方式完成通勤出行的天數(shù)占公共交通通勤天數(shù)的比例，其中完整通勤方式為居民完成通勤出行全程所使用的方式. 指標(biāo)反映在外部或內(nèi)部因素影響下通勤出行方式的波動(dòng)程度，若穩(wěn)定率低則表示對(duì)應(yīng)通勤出行存在可靠性較低的現(xiàn)象. 指標(biāo)公式如式(3)所示.

(3)

6) 通勤時(shí)耗變異系數(shù)指的是某分析時(shí)間段內(nèi)通勤時(shí)耗標(biāo)準(zhǔn)差與均值的比值，反映通勤時(shí)耗的波動(dòng)程度，值較大時(shí)表明對(duì)應(yīng)的通勤出行可靠性較低. 其提取可通過(guò)對(duì)各乘客多個(gè)通勤時(shí)耗數(shù)據(jù)計(jì)算標(biāo)準(zhǔn)差和均值，將兩者相除即可得到.

4 結(jié)論

本文在融合活動(dòng)交易數(shù)據(jù)與公交出行數(shù)據(jù)的基礎(chǔ)上，提出活動(dòng)出行鏈構(gòu)建方法，并進(jìn)一步完成日?；顒?dòng)特征和通勤出行指標(biāo)的提取. 將兩種數(shù)據(jù)整合后通過(guò)對(duì)活動(dòng)類(lèi)型的更新、活動(dòng)出行記錄的填補(bǔ)和合并，得到活動(dòng)出行鏈構(gòu)建結(jié)果，數(shù)據(jù)包括活動(dòng)鏈標(biāo)識(shí)、活動(dòng)屬性和出行屬性3項(xiàng)類(lèi)別的17個(gè)字段. 并且，從日?；顒?dòng)和通勤出行2個(gè)角度，制定了公交通勤者活動(dòng)出行特征分析的4層指標(biāo)體系，確定活動(dòng)頻次、活動(dòng)空間多邊形面積、非工作活動(dòng)習(xí)慣、通勤方式、公交/小汽車(chē)通勤時(shí)耗比等12個(gè)特征指標(biāo)，同時(shí)闡述了各項(xiàng)指標(biāo)的提取方法，如ArcGIS軟件相應(yīng)工具包的選取和使用、分析角度的選取等，并基于南京樣本數(shù)據(jù)進(jìn)行操作結(jié)果示意. 活動(dòng)出行特征指標(biāo)的提取，為后續(xù)的活動(dòng)出行特征分析和公共交通相關(guān)設(shè)施優(yōu)化提供了數(shù)據(jù)基礎(chǔ)和參考依據(jù). 但由于受到數(shù)據(jù)限制，本研究活動(dòng)信息僅來(lái)源于市民卡活動(dòng)交易數(shù)據(jù)，刷卡場(chǎng)所較為單一，后續(xù)研究可根據(jù)獲取到的微信、支付寶等新型活動(dòng)交易數(shù)據(jù)，構(gòu)建更為完整的活動(dòng)出行鏈，以更為全面的分析應(yīng)用.