公交车人群行为分析
219336225_基于公交刷卡数据的用户画像分析
第23卷第3期2023年6月交 通 工 程Vol.23No.3Jun.2023DOI:10.13986/ki.jote.2023.03.011基于公交刷卡数据的用户画像分析范桂莲1,马 跃2(1.武汉交通科学研究所,武汉 430014;2.北京通途永久科技有限公司,北京 100080)摘 要:通过对公交刷卡数据进行分析,提取特征向量,用斯皮尔曼相关系数分析向量间的相关性,数据优化后采用大数据技术实现对K⁃means 聚类算法的深入挖掘,最终得出K =6,即将用户分为6类最为合理,通过对公交用户出行数据的详细解读,得到每类用户的出行画像,使行业管理者和决策者能够更加清晰㊁准确地了解用户特征,并制定出有针对性的决策.关键词:大数据;公交IC 卡;用户画像中图分类号:U 495文献标志码:A文章编号:2096⁃3432(2023)03⁃071⁃06收稿日期:2022⁃06⁃01.作者简介:范桂莲(1979 ),女,硕士,高级工程师,研究方向为交通运输规划与管理.E⁃mail:40618085@.User Image Analysis Based on IC Card DataFAN Guilian 1,MA Yue 2(1.Wuhan Institute of Transportation Science,Wuhan 430014,China;2.The Beijing Tong Tu Soft,LLC.,Beijing 100080,China)Abstract :By analyzing the bus farecard transaction data,the feature vector is extracted,and thecorrelation between vectors is analyzed by using the Spearman correlation coefficient.After the data is optimized,the big data analytics are used to realize the deep mining of K⁃means clustering algorithm,and finally K is calculated to be 6,which means that users can be divided into 6categories.Through the detailed interpretation of the travel data of bus users,the travel portraits of each type of users can be obtained,so that industry managers and decision makers can understand user characteristics more clearly and accurately,and work out targeted decision making.Key words :big data;IC card;user profile0 引言互联网的发展和科技的进步使数据信息量迅速增加,而数据的复杂及量的扩大,使大数据日益受到人们的关注,大数据的研发不仅可以提高人们从海量㊁复杂的数据中提取信息的速度,而且可以挖掘出数据中潜在的数据价值,从而扩大数据的应用范围[1-3].通过大数据技术的分析应用,可以更细㊁更精准地分析城市交通的数据,从而为相关决策的制定提供良好的数据支撑.大数据的主要分析技术有回归分析㊁聚类㊁关联法则㊁神经网络等[4].信息化和智能化是城市交通的发展方向,公交信息系统的发展㊁优化对公交服务质量的提升和公交运行效率的提高具有重要意义.交通运输信息化 十三五”发展规划中提出推进交通运输 互联网+”,充分利用信息技术改造传统交通运输业的要求[5-7].随着云计算㊁大数据㊁物联网㊁移动应用㊁人工智能等新一代技术的快速演进, 互联网+”成为经济发展新引擎.城市公共交通 十三五”发展纲要中明确要求推进 互联网+城市公交”发展[8-10].充分利用社会资源和企业力量,大力推进大数据㊁云计算和移动互联网技术在城市公交出行信息服务领域的广泛应用.随着公交IC 卡的推广使用,不仅方便了广大乘交 通 工 程2023年客,也为管理部门提供了1种新的快速高效的客流调查统计手段.公交IC卡可直接或间接提供包含公交乘客的上㊁下车,换乘,出行距离和出行时间等信息,而此类信息是进行公交线网规划㊁公交运行调度管理和公交系统辅助的基础信息.在我国,公交IC卡车载收费系统多为离线式的,而要保证数据分析结果的时效性,经常需要在短时间内处理大量的数据.本文以大数据思维,采用大数据技术深入挖掘分析公交用户的出行行为,利用相关性分析和聚类分析得到更加精细化的公交出行用户的画像分析,使行业管理者和决策者能够更加准确㊁有针地性地做出决策.用户画像是根据用户在公共交通出行过程的刷卡数据,通过主动或被动搜集加工成一系列用户的标签,比如是否为通勤用户,第1次上车时间,1d出行次数等等.1 基于公交IC卡大数据分析方法1.1 基本思路根据传统的分析方法对公交IC卡数据进行分析,无论是分析效率还是对用户出行特征的分析精准度都比较低.随着公交IC卡的推广使用,以及管理部门认识上的提高,对分析的时效性和精准度方面的要求也越来越高.本文研究的领域涵盖轨道交通和常规公交2种方式,数据基础为IC卡刷卡数据,选取北京2016⁃05⁃01 2016⁃07⁃31的IC卡数据进行分析.通过对公交IC卡数据的分析,提取特征向量,采用斯皮尔曼相关系数分析向量间的相关性,利用大数据技术采用交叉验证的方式确定K⁃means聚类簇K,即公交用户分为几类较为合适,在此基础上,对公交用户的出行特征进行详细解读,得到每类公交用户的画像分析.1.2 数据特征向量提取1.2.1 数据特征提取一般根据公交刷卡数据可以得到的数据信息有卡号㊁上车时间㊁下车时间㊁上车站点㊁下车站点以及出行方式,通过分析数据的特征性,细化提取数据特征.经过一定的数据预处理后形成待分析的数据,如出行次数㊁平均出行时间和出行总时间等等. 1.2.2 数据特征分析上文提取出的数据特征向量:出行次数㊁出行平均时间㊁出行总时间㊁首次上车时间㊁最后1次上车时间和最后1次下车时间中部分向量数据进行中位数㊁众数和离散系数等特征分析.图1 用户画像优化分析的流程图2 数据向量化字段出行次数:平均出行次数为2.59次,离散系数为0.6113,与均值1个标准差上下浮动的范围数据占62%,2个标准差上下浮动的范围数据占94%,数据较为分散.出行次数的1/4分位数为1.0次,中位数为2.0次,3/4分位数为4.0次.出行平均时间:平均的出行时间为26.027min,离散系数为0.8372,数据分散性较大.出行平均时间的1/4分位数为12min,中位数为22min,3/4分位数为35min.首次上车时间:平均的首次上车时间为10:25左右,离散系数为0.3945,数据较为集中.首次上车时间的1/4分位数为07:00,中位数为09:00,3/4分位数为13:00,上车时间大部分集中在早高峰时段.最后1次下车时间:平均最后1次下车时间为16:00左右,离散系数为0.2656,数据较为集中.最后1次下车时间的1/4分位数为13:00,中位数为17:00,3/4分位数为19:00,下车时间大部分集中在27 第3期范桂莲,等:基于公交刷卡数据的用户画像分析图3 出行次数数据分析结果图4 出行平均时间数据分析结果晚高峰时段.根据上述数据特征分析可知,数据特征基本上较为分散,虽然具备局部特点,但区分性不强,根据向量数据分析无法直接得到准确的数据特征,通过聚类分析后再获取相关特征,可提高数据的精准性.1.3 聚类分析1.3.1 相关性分析采用斯皮尔曼相关系数反映2组变量之间联系的密切程度,系数取值范围在-1到+1之间,即负相关和正相关,相关系数越接近-1或者+1,则表明两组变量之间的相关性越强.利用大数据技术分析数据特征向量的相关性,如果2个向量的相关性越强,则删除强相关的特征向量.通过相关性分析,可以得到总出行距离㊁平均出行距离和总出行时间之间强相关,保留总出行时间;第1次上车时间和第1次下车时间之间强相关,保留第1次上车时间;而最后1次上车时间和最后1次下车时间之间强相关,保留最后1次下车时间.37交 通 工 程2023年图5 首次上车时间数据分析结果图6 最后1次下车时间数据分析结果表1摇向量间的相关系数分析结果totaldis⁃tance avgdis⁃tance total⁃time avg⁃time change⁃count avg⁃count change⁃time firstup⁃time firstdown⁃time lastup⁃time lastdown⁃time totaldistanceavgdistance 0.835totaltime 0.8870.748avgtime0.6340.8540.783 changecount 0.6730.5460.7290.548avgcount 0.5200.6220.6070.6940.893 changetime 0.1610.1650.1540.1510.0520.045firstuptime -0.289-0.116-0.272-0.057-0.197-0.060-0.022firstdowntime -0.1810.009-0.1490.078-0.1040.0410.0230.979lastuptime 0.215-0.0370.193-0.1010.155-0.027-0.0680.2150.204lastdowntime0.2910.0540.282-0.0010.2220.048-0.0390.2090.2150.99047 第3期范桂莲,等:基于公交刷卡数据的用户画像分析1.3.2 确定聚类簇K⁃means 算法是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则.它的基本思想是初始随机给定K 个簇中心,按照最邻近原则把待分类样本点分到各个簇.然后按平均法重新计算各个簇的质心,从而确定新的簇心.一直迭代到簇心的移动距离小于某个给定的值.图7 不同k 值变化趋势根据相关性分析,剔除总出行距离㊁平均出行距离㊁第1次下车时间和最后1次下车时间后,对其余向量组成的数据,分别选取K =2㊁3㊁4㊁ ㊁12,利用大数据技术通过交叉验证的方式计算在不同K 值下的数据到簇心的平均距离,由图7可知,当K >6时,数据到簇心平均距离的变化趋于平缓,表示其聚类效果较好.本文最终选择K =6,即6个簇心,也就是说将公交出行用户分为6类人群比较合理.2 画像分析根据K⁃means 结果把出行用户分为6类,对每类出行用户的出行特征进行详细解读:K =0的用户占样本量的23.5%,为工作日出行的上班族,用户的出行时间较长(平均55.02min)㊁距离较远(平均24.15km).每天平均出行次数为1.98次,即早晚上下班出行,出行时间基本集中在早晚高峰期间,第1次上车时间在07:30 10:30,而最后1次下车时间在17:00 20:00.K =1的用户占样本量的19.2%,为工作日接孩子放学的家长,一般出行时间较短(平均34.8min)㊁距离较近(平均14.65km).每天平均出行次数为1.14次,乘车时间主要集中在学生放学期间,上车时间在16:15 19:00,下车时间在16:45 19:45.K =2的用户占样本量最多(30.7%),为工作日出行的上班族,出行时间较短(平均26.8min)㊁出行距离较近(平均12.99km).每天平均出行次数为2次,即早晚上下班出行,出行时间基本集中在早晚高峰期间,第1次上车时间在07:30 09:15,而最后1次下车时间在17:30 19:45.K =3的用户占样本量的17.5%,为工作日出行的上班族,出行时间较短(平均35.18min)㊁距离较近(平均21.28km ).每天平均出行次数为1.04次,即早高峰期间通过公共交通方式出行,而因生活性需求而通过其他交通方式返回.第1次上车时间在07:30 10:00.K =4的用户占样本量的7.6%,为周末远距离出行,出行时间较长(平均52.41min),距离较远(平均22.34km).平均出行次数为1.18次,用户上㊁下车时间跨度较大,第1次上车时间在07:3014:15,最后1次下车时间在08:45 17:45.K =5的用户占样本量的1.6%,为周末往返出行,出行时间较短(平均38.13min),距离较近(平均16.47km).平均出行次数为2.12次,用户上㊁下车时间跨度较大,第1次上车时间在07:45 13:00,最后1次下车时间在14:30 19:30.表2 不同用户的数据分析结果用户种类用户占比/%平均出行次数平均出行时间/min 平均出行距离/km 第1次上车/时间第1次下车/时间最后1次上车/时间最后1次下车/时间K =023.51.9855.0224.1507:30 10:3008:15 11:3016:00 19:0017:00 20:00K =119.21.1434.8014.6516:15 19:0016:45 19:4516:30 20:0017:15 20:30K =230.72.2026.8012.9907:30 09:1508:00 09:4517:00 19:3017:30 19:45K =317.51.0435.1815.1807:30 10:0008:00 10:3007:30 10:1508:00 10:45K =47.61.1852.4122.3407:30 14:1508:15 15:0007:45 16:4508:45 17:45K =51.62.1238.1316.4707:45 13:0008:30 14:0013:30 18:4514:30 19:3057交 通 工 程2023年3摇结束语IC卡数据为挖掘居民出行行为特征提供了良好的数据支持,本文利用大数据技术对居民时空行为进行深入挖掘,将出行用户聚类为6类人群,并针对每类用户进行详细的出行特征解读.首先,6类人群主要是针对接送孩子上下学的家长㊁工作日出行的上班族和周末出行人群得到的细致分类,其中作为重点的通勤出行细分为3类,分别是:长时间㊁远距离的出行人群,短时间㊁近距离的出行人群和因具有生活性需求而采用其他方式出行的人群.对用户进行详细的人群划分,可以针对各个不同人群进行深层次的特征分析,挖掘更多有用的信息,更深层次的规律.其次,6类人群中,k=0(23.5%)和k=2 (30.7%)用户占样本量权重最大,以上2类用户均为通勤出行,说明通勤出行是居民最基本和最重要的出行,相对其他出行,通勤出行在时间和空间上具有更大的恒定性,职住距离直接影响其出行时间和距离的分布;从出行时间和出行距离看,占较大比重的公交用户为短时间㊁短距离出行,说明公交对短距离出行需求的乘客吸引力较大;出行次数受用户自身条件和出行目的(尤其是购物㊁娱乐和社交等生活性需求)的影响较大;从用户上下车时间来看,工作日较为集中,而周末出行相对灵活,上下车时间跨度较大.交通数据分析应更多地借鉴大数据的理念,以新的思维角度充分挖掘数据资源潜在的价值信息.客流是车辆调度运营和规划的重要依据,全面多层次的分析和掌握其规律,详细解读用户出行特征,挖掘深层次公交用户出行规律,能为公共交通规划管理㊁运营调度提供科学的依据,为管理者㊁运营者和政府部门提供决策支持,继而有利于公交服务效能的提升,使公交乘客得到更优质的公交服务,如候车时间变短㊁乘车舒适感增强等,促使公交乘客数量增加.还可以通过模拟城市空间要素的变化,引导土地利用的合理调整,对城市的空间管理㊁交通管制和社会服务等方面均有重要意义.参考文献:[1]维克托㊃迈尔㊃舍恩伯格.大数据时代[M].周涛译.杭州:浙江人民出版社,2013.[2]徐子沛.大数据[M].桂林:广西师范大学出版社,2012.[3]刘智慧,张泉灵.大数据技术研究综述[J].浙江大学学报(工学版)2014(6):957⁃972.[4]张学敏.大数据时代的数据分析[J].电子世界,2014 (16):5⁃6.[5]王冠,孙贻璐,王新竹,等.基于大数据的武汉市常规公交运行分析与评价[J].交通与运输,2017(4):55⁃57. [6]叶亮. 大数据”背景下我国交通数据管理应用的转型与发展[J].交通与运输,2013,29(H12):65⁃68. [7]陈美.大数据在公共交通中的应用[J].图书与情报, 2012,148(6):22⁃28.[8]邱卫云.智能交通大数据分析云平台技术[J].中国交通信息化,2013(10):106⁃110.[9]李德仁,姚远,邵振峰.智慧城市中的大数据[J].武汉大学学报(信息科学版),2014,39(6):631⁃640. [10]甄峰,秦萧.大数据在智慧城市研究与规划中的应用[J].国际城市规划,2014,6:44⁃50.67。
基于位置信息的用户行为轨迹分析与应用综述
基于位置信息的用户行为轨迹分析与应用综述陈康;黄晓宇;王爱宝;陶彩霞;关迎晖;李磊【摘要】近年来,随着空间数据采集技术的发展,基于位置信息的用户行为轨迹分析及其应用的研究引起了广泛关注,并已展现了良好的商业前景.根据应用的领域,对这一问题的研究主要可以分为智能交通应用和用户行为分析应用两种类型.本文分别对这两类应用的研究现状进行了较为全面的总结,对每类应用,都概括了在相关领域中研究的典型问题和代表性结果.最后,讨论了在用户行为轨迹分析研究中的主要技术特点,并对未来的研究工作进行了展望.【期刊名称】《电信科学》【年(卷),期】2013(029)004【总页数】7页(P118-124)【关键词】位置服务;行为轨迹分析;智能交通;社交网络;大数据【作者】陈康;黄晓宇;王爱宝;陶彩霞;关迎晖;李磊【作者单位】中国电信股份有限公司广东研究院广州510630;华南理工大学经济与贸易学院广州510006;中山大学软件研究所广州510275;中国电信集团公司北京 100032;中国电信股份有限公司广东研究院广州510630;中国电信股份有限公司广东研究院广州510630;中山大学软件研究所广州510275【正文语种】中文1 前言近年来，随着以GPS导航仪和智能手机为代表的智能终端的普及与应用，人们已经能够以相对低廉的代价获得大量的用户实时位置数据，如在GPS导航系统的支持下，可以实时获得汽车驾驶员当前所在的经、纬度位置信息和行驶方向信息；对于随身携带移动电话的用户，能以基站定位的方式，估计出该用户所在的大概区域。
特别地，对于给定的用户，将其在一组连续时间点上的位置“串联”起来后，就形成了他在这个时间段内的行为轨迹数据。
在大量用户位置和行为轨迹数据的背后，隐含了丰富的空间结构信息和用户行为规律信息，通过对这些信息进行深入的挖掘和利用，不仅有可能发现个体用户的日常行为规律和群体用户的共性行为特征，甚至还有可能掌握其社交关系信息，这对智能交通、广告推荐等应用具有非常重要的意义。
公共交通业的用户像与行为分析
公共交通业的用户像与行为分析公共交通业的用户行为分析公共交通业对于城市的交通出行具有重要作用，它不仅为市民提供了便利，同时也对城市的可持续发展起到了积极的促进作用。
针对公共交通用户的行为进行深入的分析，可以帮助我们了解用户需求，改善公共交通服务，提升用户体验，进一步推动城市公共交通的发展。
一、用户出行意愿的分析公共交通用户的出行意愿是公共交通业发展的基础。
为了更好地满足市民的出行需求，我们可以通过调查问卷、用户需求分析等方式进行用户出行意愿的分析。
1.1出行时间偏好公共交通用户的出行时间偏好有很大的差异。
有些用户更喜欢在早高峰期间使用公共交通工具，而有些用户则更倾向于在非高峰期间出行。
例如，上班族常常在早上7点至9点之间使用公共交通工具，而大学生可能更喜欢在中午或下午乘坐公交车。
通过分析用户的出行时间偏好，公共交通企业可以合理安排运力，提供更加贴合用户需求的服务。
1.2出行目的分析用户出行的目的也是影响用户使用公共交通方式的一个重要因素。
有些用户可能是为了上班、上学而使用公共交通工具，有些用户可能是为了购物、旅游而选择乘坐公交车等。
通过分析用户的出行目的，可以提供定制化的服务，例如提供专门为上下班族设计的固定线路公交车，或者提供方便购物的公交车线路。
二、用户满意度与痛点分析用户满意度是衡量公共交通服务质量的重要指标，了解用户的满意度与痛点，能够帮助公共交通企业更好地改善服务，提升用户体验。
2.1服务质量分析用户对于公共交通服务质量的满意程度与否，通常与公交车的准点率、站点的覆盖范围、车辆的舒适度等因素密切相关。
通过调查用户对于这些方面的意见与评价，公共交通企业可以了解到哪些方面需要改进，从而提高服务质量，增加用户的满意度。
2.2票价优惠策略分析用户对于公共交通票价的满意度也是非常重要的。
高昂的票价可能会影响到一些用户对于公共交通的使用意愿。
因此，公共交通企业可以通过制定票价优惠策略，如学生票、退休人员票等，吸引更多的用户使用公共交通工具。
南昌240路公交车拥挤现象分析
南昌240路公交车拥挤现象分析240路公交车起点站首末车时间为：05:40-19:40(夏)05:50-19:30(冬)，终点站首末车时间:05:40-19:40(夏)05:50-19:30(冬)。
其起始站为南蓝天碧水购物广场，终点站为梅岭脚下，途径24个站点，中途经过青山路口，省人民医院等客流量较大的站点。
240路公交基本上都是处于拥挤状况，尤其是在周六周天，还有各个假期以及大学生放假回家的时间段。
240路公交车总是出现乘客挤不上车的状况，经常出现乘客要上的上不去，要下的下不来，大家互相拥挤的现象，还有乘客因为乘不上车却抓住车门不让司机开车的情况，同时还会出现公交司机骂人现象等。
一、南昌240路公交车是南昌比较拥挤的公交车之一，基本上都是人满为患，尤其是在双休日及各个假期时候。
造成其十分拥挤的原因如下：1、240路公交途经24个站点，路程比较长，其中包括蓝天碧水购物广场、青山路口、省人民医院、江西财经大学、江西农业大学等乘客流量较多站点。
而且有很多站点为南昌重要的转车站，如青山路口，省人民医院等。
许多居民会乘车去购物、看病等。
2、240路公交车只有白班车，而且收班时间比较早，冬天是19:30，夏天是19:40，，而且车辆班次较少。
3、南昌途经的地点昌北经济开发区有许多大学，及居民区，客流量很大，出行量多。
学生平时没有时间出去逛街买东西之类的，只有在假期双休日没有充足的时间出去，购取生活用品等。
4、昌北区为经济开发区，经济不算发达，可供居民游玩休闲的地点不多，尤其在江西农业大学附近，没有大型购物点，无法很好的满足大家的生活购物等需求。
5、南昌整个交通路线设置有些许不合理，价值私家车不断增多，增加的交通的拥挤程度，这使得240路公交车行驶速度慢，造成班次无法很好的接上。
二、随着我国社会经济的不断发展，城市交通问题日趋严重，交通堵塞已经成为城市居民最热门的话题之一，如何为社会提供方便、快捷、经济、安全的出行环境，改善交通堵塞和道路拥挤成为许多人面临的共同问题。
人群数据分析报告范文(3篇)
第1篇一、报告概述随着大数据时代的到来，数据分析已经成为各行各业不可或缺的工具。
本报告旨在通过对某城市人群的全面数据分析，揭示其消费习惯、生活方式、兴趣爱好等方面的特征，为政府、企业及社会各界提供决策依据。
一、数据来源本报告所采用的数据来源于以下几个方面：1. 政府公开数据：包括人口统计数据、经济社会发展数据、教育资源数据等。
2. 社交媒体数据：通过爬虫技术获取微博、微信、抖音等社交媒体平台上的用户行为数据。
3. 企业数据：包括电商平台、在线旅游平台、餐饮平台等企业的用户消费数据。
4. 调查问卷数据：通过线上和线下调查，收集居民对自身生活方式、消费习惯等方面的看法。
二、数据分析方法1. 描述性统计分析：对数据进行汇总、计算，得出各项指标的均值、标准差等统计量。
2. 相关性分析：分析不同变量之间的关系，找出影响人群行为的因素。
3. 因子分析：将多个变量归纳为少数几个相互独立的因子，揭示人群行为的内在规律。
4. 机器学习：利用机器学习算法对人群数据进行分类、聚类，挖掘潜在规律。
三、人群特征分析1. 人口结构根据人口统计数据，该城市人口年龄分布呈现以下特点：（1）青年人口占比高：18-35岁年龄段人口占比达到40%，说明该城市具有较强的活力。
（2）老龄化趋势明显：60岁以上人口占比逐年上升，预示着未来养老需求将不断增加。
（3）性别比例均衡：男女比例接近1:1，有利于社会和谐发展。
2. 消费习惯（1）消费水平：该城市居民人均可支配收入较高，消费能力较强。
（2）消费结构：居民消费主要集中在食品、教育、医疗、住房等领域。
（3）消费偏好：年轻人群偏好线上购物、旅游、娱乐等消费方式；中老年人群则更注重实物消费。
3. 生活方式（1）居住环境：该城市居住环境优美，居民生活质量较高。
（2）出行方式：以公共交通和私家车为主，绿色出行意识逐渐增强。
（3）休闲方式：居民休闲方式丰富多样，包括旅游、运动、观影等。
4. 兴趣爱好（1）文化娱乐：居民对电影、音乐、书籍等文化娱乐产品兴趣浓厚。
【关于乘坐公交车让座问题的调查报告】公共交通调查报告
【关于乘坐公交车让座问题的调查报告】公共交通调查报告目前，我国正大力发展公共交通，而公交车又是公共交通的重要一环，因此大力拓展公交车路线成为改善交通的重中之重。
不过，作为社会公德之一的公交车让座，却折射出当代国人的公民道德的水平低下的现象。
为此，本文尝试通过这个调查报告，深入分析当代国人的公民道德水平地下的原因并提出有效建议。
一、调查背景与现状2021年联合国公布国民素质道德水平的调查中，中国排名世界倒数第二位，这个结果不能说不让我们惊讶，但是在惊讶之余我们也应该承认，当代国人素质和道德水平的确与世界其他国家存在差距。
例如。
在电视上我们时常会看到这样的画面：让座后老人给予年青年红包，年老的给年轻人让座，老人殴打不让座的年轻人，老人给小孩让座等等。
这些无不折射出当代国人公民道德现状。
二、调查对象与目的调查时间：2021年7月——8月调查形式：在线问卷调查对象：在线网友，调查问卷回收率达100%调查内容：本次调查主要了解人民群众对有关乘坐公交车让座问题的看法，希望从被调查者中获知当代国人道德水平底下的原因。
调查目的：通过调查找出当代国人道德水平低下的原因，了解人民群众的心声，最后对症下药得出有效结论和提出建议。
三、数形结合说明问题通过对不同年龄阶段，不同性别，不同学历的网友进行的调查，得出以下结论：总的来说，公交车让座情况良好。
35.48%的网友经常让座，38.71%的网友见到老弱病残孕者是让座，14.52%的网友偶尔让座，6.45%的网友有过一两次让座的经历。
由此可见，一方面政府社会的宣传效果明显，另一方面，网友的道德素质较高。
不过，仍然有3.23%的网友至今从未有过让座的经历，这表明社会上还有漏网之鱼，国人的道德素质还有待提高。
以下图表是关于“您乘坐公交车时是否有让座的经历”问题上的数据统计。
图1：关于“您乘坐公交车时是否有让座的经历”问题的调查调查表明，在被调查者中有46.77%的网友不让座的原因是自己不舒服，37.1%的网友不让座的原因是自己让座前已经有人让座了，这说明网友整体素质和社会公德的水平较高。
城乡公交车的人性化设计
中图分类号 ： Ｕ ４ ６ ９ ． １ ３
文献标识码： Ａ
文章编 号： １ ６ ７ ２ － ５ ４ ５ Ｘ（ ２ ０ １ ３ ） ０ １ － ０ ０ ３ ２ － ０ ３
． ３ 使 用环境 分析 随着新农村建设政策 的提出，城乡之 间的交流 １ 日 趋频繁 。城乡公交车的开通给往返于城乡间的乘 当前城乡之 间的公路系统一般是省道 或 国道 ， 客带来了极大 的便利 ，人性化设计将成为新一代城 道路条件相对于市 区平稳 的路面来讲稍显颠簸 。在 城市 街 道上 有 各种 机 动 车 、 非 机 动 车 和行 乡公 交 车设 计 的发展 方 向 ，而 目前现 有 的城 乡公 交 车况 方 面 ， 路 口交叉繁杂 ， 站点多 ， 站间距 离短且停靠不准 车极少 以乘坐者的角度作 出人性化设计 ，也使得这 人 ， 确 ， 车速较低等状况 ； 城乡公 交车方面 ， 由于站点 间 个领域 出现了空白。 从经济效益角度 出发， 厂商如果 所 以站间行驶 时间长 ， 道路上非机动车和行 能在公交车辆 的人性化设计上有所突破必将会使其 相距远 ， 人较少 ，所 以车速适 中，并且乘客下车地点较 为随 产品更加具有市场竞争力。
一
车 的运 载 能力 。
２ 城 乡公 交车 的人性 化设计
２ ． １ 外 环境 的人 性化 设计 （ １ ） 造 型
动量大不适合站立 ； 二是， 车前部有充足的扶手及侧栏便于抓握 ； 三是 ， 车前部没有 明确的指示引导乘客 。 由此 ， 车前后部的空间应 当做调整 ， 适 当的减小 车前部 的站立空 间增大车后部的空间 ，让乘客感觉
到车前部的紧张感和车后部的宽松感 ，使乘客 自觉 。 城 乡公交车并 非长途豪华客运车 ，其行加工成 的上 车 向后 走 嘲 （ ４ ） 车厢内扶手及栏杆设计 本不高且驶 速度较低 ，所以尽量避免 圆润的外观线 现有车厢内扶手及栏杆与地板垂直 的布置方案 ， 条造型以降低生产制造成本 ，应多在外观细节上进 不便于抓握。作为 行 完善 ， 如车灯 、 反光镜 、 车 门、 车窗等造型需要 系统 传统设计是以安装方便为出发点 ， ７ ５ ｅ ｍ高度以上的直杆改为向车顶 两 的设计 。由于城乡客交流浮动性较大 ， 因此 ， 我国城 改进设计 ，将 １ 侧过渡的渐变圆弧 ， 适应不同身高乘客的需要［ ４ １ 。栏 乡客车的大型化设计将成为未来的趋势。 杆上的防滑部分最好采用在管材上直接加工 出防滑 （ ２ ） 外饰 （ 色彩及广告设计 ） 传统的固定拉手改进为可伸缩拉手 ， 在 外饰应符合本 地域的 自然特征和人 文环境 ， 在 花纹的方案 ， 城 乡公交车运营线路 的分布上 确定其色调 。比如华 拉手的一侧设计伸缩按钮使得拉手可满足不 同身高
带状城市居民通勤及职住平衡研究——以济南市中心城区为例
数据，对武汉都市发展区的通勤特征、 更为关注经济社会属性等微观因素对
职住空间匹配关系进行分析与测度1231; 职住关系的影响，缺乏宏观视角上城
图1 研究区域范围
市形态所引起的空间差异对职住关系 影响的研究。在数据的收集与使用 上 ， 由于问卷数据可获得的居民通勤及社 会经济信息更加详实，因此大多数城 市通勤与职住关系研究仍选择采用微 观调查数据。济南市中心城区为典型 的 带 状 形 态 ，并 且 济南市作为快速发 展中的省会城市，已呈现较为严重的 交通 拥堵 现 象 ，具 有 作 为案例城市详 细 分 析 的 价 值 。 因 此 ，本 研 究 选 取 济 南 市 中 心 城 区 为 研 究 对 象 ，基于居民 通 勤 调 查 所 采 集 的 数 据 ，分 析 在城市 郊 区化、住房市场化、就业 自 由度提 高 的 形 势 下 的 居 民 通 勤 行 为 特 征 ，并 利 用 ArcCilS空间分析技术从空间角度 分析带状城市的职住规律：
已经取得较为丰硕的成果。
等传统测度手段的运用，梁海艳等将
我 国 在 1978年 改 革 开 放 之 后 进 洛伦兹曲线运用到职住关系的研究上,
入加速城市化阶段，城 市 人 n 迅速增 运用职住分离洛伦兹曲线对北京市职
多，城 市 内 部 空 间 向 外 扩 张 步 伐 加 住 分 离 状 况 进行了分析™;郑思齐等 快。伴随中国社会经济制度转型，人 构建了具有可操作性的、能够反映职
发达经济体比发展中H 家更早经 历 城 市 化 ，城市职住空间结构矛盾显 现 较 早 ，因此也较早在职住领域展开 研究。邓 肯 （ Dunran ) 在 1956年就关 注到收人因素对芝加哥居民职住分离 现 象 的 影 响 1\ 1968年 ，美国学者凯 恩 （K ain) 对大都市中黑人存在的工 作岗位数和就业人n 数的失衡问题展 开讨论，研究不同人种之间居住与就 业 空 间 错 位 现 象 ，并提出了空间错位 假 说 |61。2 0 世 纪 8 0 年代以来，职住分 离现象更加严峻，国外学者大多从就 业 、居住、交通三者的共同选择出发, 强调城市经济学中住房选择模型的成
公交车上各式各色的性骚扰
男乘客在公交车上骚扰4名女生被抓昨日，反扒民警抓获了一个特殊的“贼”，这个40多岁的男子在公交车上，蹭到美女身边，嘴里说不干不净的话，还动手动脚，先后对4位女性实施性骚扰，被反扒民警抓了个现行。
昨日，该男子被治安拘留10天，成为郑州公交车上进行性骚扰被拘留的第一人。
晚报记者 孙庆辉公交车上“色狼”轮番骚扰4名女生“这是一名穿着很有派头的男子，可他却干了最不道德的事，他先后对4名年轻女性进行了骚扰，最终被我们控制后，流氓行为才算结束。
”昨日10时30分，反扒窃支队民警刘进山讲述着他在公交车上发现的一幕，而这个故事的主角此时就站在墙角处，他瘦瘦的，上身穿蓝色工装，脚穿一锃亮的黑皮鞋，1.7米高，深深地低着头。
据民警介绍，在两个小时前，这名男子十分活跃，他在陈寨公交站牌处，先后挤了多辆车却都没有乘车离开，他的反常举动引起了便衣警察的注意。
不久6路公交车进站了，这名男子随着几个女青年上了车，就站在一位戴口罩的漂亮女学生的身后，开始对她进行骚扰。
这名女学生发现后，就挤到了一边，这名男子随后又对另一女学生进行骚扰。
民警远远盯着这个男子，当公交车行驶到新通桥附近时，一直没有见他偷东西，就悄悄接近观察发现，只见该男子裤子上的拉链开着，正在对一穿褐色棉衣的女青年耍流氓。
“当时车上人很多，过道也挤满了。
”据戴口罩的女学生说，她和同学一起来郑州参加艺术考试，在乘车过程中，她突然感觉身后挤得厉害，她没有在意，向前挪了挪位置，可这名男子如影随形紧贴在自己身后，她很害怕，就急忙躲开了。
不经意间，她又偷看了一眼这名男子。
“看到那一幕，我当时又气又羞。
”这名男子又挤到了站在门口的两名女子身边，男子裤子上的拉链开着，紧紧地贴在一女青年身后。
实施性骚扰的男子被治安拘留10天“当扭住了这名男子后，我请几个受害者到公安局作证时，几个女学生都委屈得蹲在车厢内，流下了眼泪。
”刘进山介绍，经审讯，中年男子交代自己姓仝，是太康县人，在郑州打工。
公交车不道德行为成因分析及应对策略
公交车不道德行为成因分析及应对策略公交车在我们生活中是不可或缺的一种交通工具，它方便人们出行，并且绿色环保，现在大家都提倡乘坐公交车，减少私家车的数量，不仅可以减少尾气排放减轻大气污染，而且可以缓解交通拥堵现象，可是，在很多中小城市中，公交车上存在很多不道德的现象，使得我们的绿色出行仿佛变的不那么名副其实。
那么，公交车中有哪些不道德的行为呢？1.司机和乘务员的职业道德缺失据访问调查，一部分市民表示在一些公交车上，司机与乘务员的服务态度比较差，有说脏话、回答问题不耐烦、超车以及拒载的现象存在，还有出现比较常见的问题是公交车到站后未停稳就开车门，乘客还未上完或下完就开动车子，这样对乘客来说很不安全。
2.上车拥挤、不让座行为很多中小城市里的公交车一般容量并不是很大，乘车高峰期时你推我搡的上车，公交车的车门并不是很大，越是拥挤，上车的速度就越慢，人们心里越着急，拥挤的更加厉害，严重的时候还会发生踩踏事件，如果遇到老人、孕妇或者抱小孩的乘客就更不敢往前，只有等大家都上完了才敢上车，这时候更不会有座位，对于老、弱、病、残、孕妇和抱小孩的乘客来说乘坐公交车就比较困难。
3.随地吐痰、呕吐、小便现象在车厢里，随地吐痰的行为随处可见，车厢里人多时乘客就往窗外吐，人少时就往车厢里吐。
这不仅会对车外的行人造成不便，并且会使得空气中细菌肆意横行，影响车厢里乘客的身体健康。
这些年社会文明程度的提高，随地大小便的行为已经非常罕见了，但是在公交车的车厢里小孩随地小便的现象还是屡见不鲜。
例如2岁到3岁的小孩意识还未发展成熟，不能像成人一样控制自己，在车厢中，尤其是乘车时间较长的小孩，如果有小便的需要，那只有让小孩在车厢中小便，这其实是做家长的道德意识淡薄。
4.大声喧哗、吵架以及乱涂乱画现状一：很多时候我们与朋友或者亲人一同乘车时不免会交谈、聊天，当说到高兴的事情的时忍不住的发出爽朗的笑声，或者说到某些事情激动时不免会提高音量，这时候就会引来很多其他乘客的侧目。
基于用户体验的老年人乘坐公交行为分析与研究
艺术科技Art Science and Technology 第34卷第4期2021年02月Vol.34 No.4February 2021基于用户体验的老年人乘坐公交行为分析与研究胡康，刘伊天（武汉科技大学艺术与设计学院，湖北武汉430065）摘要:本文针对老年人乘车行为研究不足的现状，基于用户体验方法深入理解老年人的乘车行为，分析用户旅程, 并挖掘用户痛点与设计机会点。
研究老年人乘客乘坐公交的整个行为过程,分析其每个行为阶段的想法和情感变化, 为优化老年人乘坐公交的用户体验研究提供参考。
关键词：用户体验;老年人;乘车行为；公交中图分类号:U491.17 文献标识码:A 文章编号：1004-9436（2021）04-0087-02目前，我国60岁以上老年人口已突破2亿，并且有继 续增长的态势。
老年人群体庞大,社会面临的老年人问 题也日趋复杂，在城市中，公共交通系统是最早面临老龄 化的服务系统之一⑴,城市公共交通系统面临着老龄化 带来的诸多挑战。
针对老年人行为的研究多集中于购物、 休闲、锻炼、就医等方面，而对老年人出行乘车行为的研 究较为匮乏,为更好地了解和研究老年人的出行乘车行 为,改善老年人的出行乘车环境，满足老年人的出行乘车 需求,必须对老年人及相关影响因素进行较为全面的研 究。
用户体验的研究方法覆盖了用户使用产品或系统的 全部感受和影响用户体验的因素，包括系统、用户和使用 环境⑵，为研究老年人的出行乘车行为提供了一个有效的方法途径。
1用户体验的研究现状用户体验的概念最初由唐纳德•诺曼在20世纪90年 代提出，其核心是研究用户在使用一个产品或系统之前、 使用期间和使用之后的全部感受,包括情感、信仰、喜好、 认知印象、生理和心理反应、行为和成就等各个方面⑶, 而随着信息技术和互联网的飞速发展，其内容和框架逐 步得到完善和扩充，涉及越来越多的领域,不同的学者对 用户体验进行了不同角度的理解和研究⑷。
公共交通性骚扰多严重？最新报告：深圳近一半女性遭性骚扰
公共交通性骚扰多严重？最新报告：深圳近一半女性遭性骚扰2017年一整年中，媒体对于性骚扰议题有了前所未有的关注，从对年初奥斯卡颁奖典礼上影帝的性骚扰传闻的讨论开始，到#MeToo运动轰轰烈烈地进行，全世界都在慢慢看到反抗性骚扰运动的力量。
2017年11月12日，数百人在好莱坞参与了“还我职场游行”（Take Back The Workplace March）与“#Me Too幸存者游行”（#Me Too Survivors March），以抗议性骚扰、性侵犯行为。
在中国，也有越来越多的人勇敢地讲出了自己被性骚扰的经历，并为如何解决职场、公共空间的性骚扰寻找各种出路。
今年11月，网友@猪西西爱吃鱼发起建议各地交管部门在地铁张贴反性骚扰标志的活动，截止目前已收到4城市妇联、3城市地铁和2城市交管局的回复。
性骚扰状况到底有多严重？近日，一份关于深圳公交性骚扰状况的调研报告出炉，结果令人忧虑，在全部433份问卷中，33.9%的受访者遭遇过公交性骚扰，而其中女性遭遇性骚扰比例高达42%。
该报告的数据部分分为五块：受访者人口学分布、公交性骚扰的发生状况、公交性骚扰的认知情况、公交性骚扰的应对状况、受访者需求与期待。
另外还囊括了调研设计与执行过程的说明，最后是总结和分析主要发现，并提出具体的行动建议。
该调研受访者主体为女性，女性更经常受到性骚扰问题的困扰，该报告侧重收集女性受访者的相关调查，以便充分分析不同女性之间的经历的差异。
受访者以青年人为主，职业多是公司职员，为一般员工或者底层管理人员。
433位受访者当中，有147人曾经在公交工具上遭遇过性骚扰，比例为33.9%。
女性遭遇性骚扰比例为42%。
男性仅为6.1%。
为了获取更近期以及更精确的信息，调研询问了受访者在过去两年（2015年3月－2017年3月）在深圳遭遇公交性骚扰的情况，比例为21.7%，即64%的性骚扰是发生在这段时期和地区内的。
值得注意的是，学生和未成年人群体的遭遇概率要高出平均值10个百分点。
舒心公交行：基于人文关怀的公交空间幸福感改进方案
舒心公交行：基于人文关怀的公交空间幸福感改进方案作者：陈妍张蕾来源：《时代汽车》2021年第05期摘要：公交出行是我国公民主要出行方式。
公交车作为移动的公共空间，其人文关怀的欠缺影响到人们的出行幸福感，这与我国传统文化中公共空间意识缺乏有一定关系。
借鉴国外公共空间的理念，从制度建设、培养民众公共精神、建构成熟公交空间三个方面提出了改善方案，以提高人们公交出行幸福感。
关键词：公交空间人文关怀公德意识1 引言公交是我国大部分城镇居民的主要出行方式，据“车来了”统计我国每天利用公交出行的人数高达2.8亿，公交出行人群以上班族为主，青少年学生和老人也占一定比例。
调查显示，与其他出行方式相比，我国公交车出行幸福感最低，出行幸福感是人们在出行过程中所体验的情绪感受。
十九大曾指出党的初心是“为中国人民谋幸福”，国家始终“把人民对美好生活的向往作为奋斗目标”。
出行幸福感是主观幸福感的重要组成，“使人享有良好的生存状态” 正是人文关怀的核心。
如何在公交空间实现人文关怀，提高人们的出行幸福感，是我们需要深思的课题。
2 我国公交出行的现状公交车是为大众提供交通服务的工具，专为解决城市和城郊运输而设计。
公交是我国人们主要的出行方式，国家统计局的统计表明，我国672个城市中仅有5%建有地铁;2017年我国公交客运总量为847亿人次。
公交出行是绿色环保出行方式，城市公共交通在占用道路空间、道路环境污染和能源消耗方面，优于其他交通方式;城市公共交通是低收入人群的首选，使用人群广且以低收入、弱势群体为主。
公交车是移动的公共空间，公共空间体现着城市文明程度，是人们感受城市意象的重要空间对象，也折射着一个城市的文化软实力，公交车空间成为一个城市文明程度的缩影。
我国公交出行人群庞大，公交出行的幸福感无疑影响到人们的主管幸福感，有助于营造更加和谐美好的社会。
为此“舒心行”创新团队通过问卷调查和深度访谈，试图了解在移动公交空间里影响人们出行幸福感的因素有哪些，结果表明，遭遇扒手等不法行为、身处弱势时人文关怀不够、被动收看车载广告造成视觉污染等是主要因素。
公共交通出行大数据分析
公共交通出行大数据分析第一章概述随着城市化进程的不断加快，公共交通出行变得尤为重要。
公共交通是城市环境和经济发展的重要组成部分，也是人们出行的重要方式之一。
然而，如何优化公共交通服务，提供更为高效、便捷和人性化的市民出行方式已成为城市管理者和交通运营商、服务提供商、技术服务商的共同关注。
与此同时，大数据分析技术不断发展，基于大数据技术的公共交通出行分析工具也正在逐渐成熟。
本文将通过对公共交通出行大数据分析的探讨，来提供有关公共交通出行的更多实用信息。
第二章公共交通大数据源和获取公共交通大数据源主要有GPS数据、APM（全自动车辆监控系统）数据、路测数据、交通卡数据，以及公共数据等。
其中，GPS是公共交通出行大数据分析的基础数据，APM和路测数据是数据源较为封闭的数据，主要用于分析车辆和线路的某些细节。
交通卡数据和公共数据则是一些助推者，用于补充数据分析的内容。
GPS数据是公共交通出行分析的基础数据源，主要包括车辆信号数据和乘客行为数据等。
车辆信号数据获取比较直接，可以通过移动终端携带的卫星定位系统（GPS）录制车辆在空间坐标系中的运动轨迹。
不同于车辆信号数据，乘客行为数据则需要通过用户在移动终端上开启位置服务来录制。
这些数据都要进一步进行数据清理、校验、预处理和建模等操作，以提高数据分析的准确性和实用价值。
第三章公共交通出行大数据分析公共交通出行大数据分析不仅仅是数据的收集和处理，还需要借助数据分析技术进行有效的模型构建和多角度的数据分析，具体的分析方法如下：3.1数据处理技术数据处理主要是指数据清理、数据格式化、数据验证、数据概览、数据分析、数据可视化等技术手段。
通过处理反馈数据和乘客数据，我们能够更准确地获取线路拥堵、乘客紧张情况等实时信息，并能够通过对数据分析进行网络扩容、路线规划、设备升级等优化措施，从而提高公共交通出行的舒适度和效率。
3.2客流预测技术通过对历史客流数据的分析，我们可以预测某个时段和某天的客流情况。
考虑心理潜变量的专车出行选择行为分析
考虑心理潜变量的专车出行选择行为分析李军;陈雅【摘要】提出了考虑心理潜变量的选择模型来分析出行者的专车选择行为.首先构建了多指标多原因模型以描述个体社会经济学属性与潜在态度变量的关系;继而结合二项Logit模型分析出行方式属性、个体社会经济学属性及潜在态度对出行者专车选择的影响;并利用潜分类模型对出行者进行分类分析.以广州市为例,发现年龄、性别、教育水平及收入水平对态度变量的构成影响较大,安全意识、服务质量及舒适性、忠诚度也是影响选择的重要因素;通过潜分类发现出行者可分为费用敏感型、舒适享受型和中立型3个典型群体,比例分别为61.6％、21.8％、16.6％,显示出明显的两极分化趋势.%A choice model with the consideration of psychological latent variables is proposed in order to explore the travelers' mode choice behavior towards tailored taxi-service.Firstly,a multiple indicators multiple causes model is constructed to describe the individual's socioeconomic features and latent attitudes;then a binary logit model incorporating latent variables is utilized to analyze the effect of alternativeattributes,individual's socioeconomic features and latent attitudes on the choice behavior towards tailored taxi-service.At last,a latent class model is established to identify the classes of the travelers.Based on the survey data conducted in Guangzhou,it is found that age,gender,degree of education and income have an significant impact on attitude variableformation,safety awareness,recognition degree of service quality and comfort and loyalty index are important impact factors of mode choice as well.Three classes of the consumers are obtained by the latent classmodel,namely,cost sensitive class,enjoyment oriented class and neutral class,which account for 61.6％,21.8％ and 16.6％ respectively,indicating that the users are polarized.【期刊名称】《科学技术与工程》【年(卷),期】2017(017)011【总页数】6页(P322-327)【关键词】交通工程;出行选择行为;心理潜变量;多指标多原因模型;潜分类模型【作者】李军;陈雅【作者单位】中山大学智能交通研究中心,广东省智能交通系统重点实验室,广州510006;中山大学智能交通研究中心,广东省智能交通系统重点实验室,广州510006【正文语种】中文【中图分类】U491.1移动互联网下，打车软件的兴起，专车的出现及迅猛发展更给出租车行业带来了极大的冲击。