以客流量和乘客更新率为参数,评价南京市公共交通的运营水平;接着根据一天内各时 段客流分布规律,将线路进行时间序列聚类分析:然后根据评价结果和聚类结果,探寻造成 不同聚类内线路评价结果的主要原因:对公共交通的现状与未来需求进行合理预测,最后根 据以上各步结论为公共交通改善提供建议 35多模式公共交通一体化监测技术 (1)共享交通子系统乘客出行行为分析 考虑出行者的出行习惯差异,通过RP与SP问卷调查,采用直接偏好与状态偏好方法, 获取各共享交通子系统(包括滴滴打车、共享单车、定制公交等系统)中出行者的个人属性、 出行行为特性数据:建立广义出行成本方程,获取城市多模式出行系统下乘客的时间价值 分析出行工具方式选择、路径选择及其影响因素等出行心理与出行行为特征,建立出行效益 方程及探究选择行为过程机理。 (2)多模式共享交通出行链研究 考虑到多模式共享交通出行下各个子系统的重叠性和相互影响,现有的出行分布模型无 法准确刻画其行为特征,因此本项目将表现为多模式交通网络环境下的出行分布、方式结构 的时空变化特性,改进和修正综合交通需求预测模型;合理表现组合出行下的出行链特征 探究“共享单车-网约车(或者定制公交)一共享单车”出行链的组合方式与效能方程 (3)多模式共享交通出行需求预测 基于共享交通等交通子系统中采集到的出行数据,建立出行决策特征与基础数据库,研 究多模式共享交通网络中乘客出行选择行为与交通运行状态之间的交互作用机制,重点研究 多模式交通网络环境下用户的出行选择行为与交通运行状态之间的相互作用关系。在多模式 网络下,乘客具有选择各种公共交通出行模式的自主权,因此每一种公共交通模式都会对其 他公共交通模式的需求和流量造成冲击。通过建立多模式交通网络分配模型( Multimodal Transit Assignment Mode),分析各个共享出行子系统在方式分担中的关系,从而全面 准确地预测各个模式的平衡流量。 (4)多模式组合出行的监测与分析技术 在大数据的时代背景驱动下,原本不可知的单个乘客出行行为开始变得可监测,手机信 令数据、滴滴/共享单车订单数据、浮动车数据、公交IC卡数据等跨行业数据源,都能够为 我们深度挖掘乘客的个体出行行为,提取个体出行链提供有效的支撑。 考虑到以手机信令数据为特征输入,滴滴数据聚合值为标签,从而构建起有效的监督学以客流量和乘客更新率为参数，评价南京市公共交通的运营水平；接着根据一天内各时 段客流分布规律，将线路进行时间序列聚类分析；然后根据评价结果和聚类结果，探寻造成 不同聚类内线路评价结果的主要原因；对公共交通的现状与未来需求进行合理预测，最后根 据以上各步结论为公共交通改善提供建议。 3.5 多模式公共交通一体化监测技术 （1）共享交通子系统乘客出行行为分析 考虑出行者的出行习惯差异，通过 RP 与 SP 问卷调查，采用直接偏好与状态偏好方法， 获取各共享交通子系统（包括滴滴打车、共享单车、定制公交等系统）中出行者的个人属性、 出行行为特性数据；建立广义出行成本方程，获取城市多模式出行系统下乘客的时间价值； 分析出行工具方式选择、路径选择及其影响因素等出行心理与出行行为特征，建立出行效益 方程及探究选择行为过程机理。 （2）多模式共享交通出行链研究 考虑到多模式共享交通出行下各个子系统的重叠性和相互影响，现有的出行分布模型无 法准确刻画其行为特征，因此本项目将表现为多模式交通网络环境下的出行分布、方式结构 的时空变化特性，改进和修正综合交通需求预测模型；合理表现组合出行下的出行链特征。 探究“共享单车-网约车（或者定制公交）-共享单车”出行链的组合方式与效能方程。 （3）多模式共享交通出行需求预测 基于共享交通等交通子系统中采集到的出行数据，建立出行决策特征与基础数据库，研 究多模式共享交通网络中乘客出行选择行为与交通运行状态之间的交互作用机制，重点研究 多模式交通网络环境下用户的出行选择行为与交通运行状态之间的相互作用关系。在多模式 网络下，乘客具有选择各种公共交通出行模式的自主权，因此每一种公共交通模式都会对其 他公共交通模式的需求和流量造成冲击。通过建立多模式交通网络分配模型（Multimodal Transit Assignment Model），分析各个共享出行子系统在方式分担中的关系，从而全面、 准确地预测各个模式的平衡流量。 （4）多模式组合出行的监测与分析技术 在大数据的时代背景驱动下，原本不可知的单个乘客出行行为开始变得可监测，手机信 令数据、滴滴/共享单车订单数据、浮动车数据、公交 IC 卡数据等跨行业数据源，都能够为 我们深度挖掘乘客的个体出行行为，提取个体出行链提供有效的支撑。 考虑到以手机信令数据为特征输入，滴滴数据聚合值为标签，从而构建起有效的监督学