【IC刷卡数据专题】IC刷卡数据有哪些应用？

出租车GPS数据、共享单车数据、IC刷卡数据是我们最常用的交通大数据，基于这些数据可以做很多的研究，发很多的论文。

 但是很多人看到这几种数据又很怵头，想要应用它们会遇到几个问题：第一个是不知道这些数据具体能做哪些分析，第二是不知道这些数据如何获取，第三个是不知道这些数据如何分析。 

今天开始我们进入到IC刷卡数据专题，来介绍一下IC刷卡数据长什么样子，有哪些应用。下面我们先来看IC刷卡数据的简介！

一、 IC刷卡数据简介

IC刷卡数据，又叫做AFC（Automatic Fare Collection,自动售检票系统）数据，AFC系统是能公共交通售票、检票、计费、收费、统计、清分、管理等全过程的自动化系统，我们平时在城市里坐地铁或公交时需要用IC卡刷卡的那个闸机，就属于AFC系统的终端设备之一，当我们进行刷卡的时候，闸机就会记录下对应的信息并通过通信网络将数据发送到各个业务中心。AFC自动检票系统相当于一个联网的系统，正因其联网的性质，因此才能实现公共交通的“清分“。由于公共交通（地铁或公交）的线路可能属于不同的运营公司，其收益需要分别结算，而乘客的出行很可能需要同时经过多条地铁线路或是公交线路，这时候，就需要把钱算清楚，分清到底是坐哪条线花的钱，通过联网的自动检票系统，在系统里收集IC刷卡的进出站信息，去算如何分钱，也就是”清分“。IC刷卡数据有以下特征：

• 同个数据集中可能同时有公交和地铁刷卡

• 地铁刷卡能知道出入站位置

• 公交刷卡只知道线路，不知道位置

1. 同个数据集中可能同时有公交和地铁刷卡

当一个城市里既有地铁也有公交的时候，IC刷卡数据就同时会包含坐地铁和乘公交的记录，一般来说，坐地铁和乘公交的IC刷卡记录数据会混在同一个数据表里面，处理的时候需要区分开来。

2. 地铁刷卡能知道出入站位置

由于进出地铁站都需要刷卡，除了一些特殊的地铁线路是进站收费外，对于大部分地铁线路来说，都是进站不扣钱、出站扣钱，因此对于每次单程地铁出行，IC刷卡都会在AFC系统里产生对应的两条记录，一条是进站刷卡记录，一条是出站刷卡记录。地铁的IC刷卡数据会包含以下字段信息：

• 卡ID

• 刷卡时间

• 刷卡站点（地铁）

• 进站还是出站

• 卡类型

• 卡余额

其中，进站还是出站会在数据字段中体现出来，不同城市数据情况不一样，有一些直接有进出站字段标识，有一些需要通过卡的消费金额去判断，比如进站的时候地铁刷卡金额是零，就可以判断为进站，出站的时候刷卡金额大于零产生了费用，可以判断是出站。

3. 公交刷卡只知道线路，不知道位置

由于大部分城市的公交都只需上车的时候刷一次卡，导致公交的IC刷卡只有上车的时间和站点位置，但下车的信息可能就无法从数据里直接获取到，只能用一定的规则间接推测下车站点，一般来说都不太准。公交的IC刷卡数据包含的字段信息大体上与地铁类似：

• 卡ID

• 刷卡时间

• 刷卡站点/线路（公交）

• 刷卡车辆ID

• 卡类型

• 卡余额

其中，和地铁IC刷卡数据的主要差异在于公交很可能只有上车刷卡的记录，因此通常没有进站还是出站标识，另外公交上车的刷卡位置信息可能是公交站点或公交线路，因城市而异。

总的来说，IC刷卡数据的关键信息就是卡ID、刷卡时间、刷卡站点/线路、进站出站的判断。有了这些数据，就可以开展相应的分析了，比如通过卡ID，就能区分个体（人或卡片），可以获取到单卡的连续刷卡记录（刷卡时间、刷卡站点/线路、进站出站的判断），进而可以做出行方式（地铁/公交）、出行频率、出行起点与终点的分析，再比如运用刷卡时间、刷卡站点/线路，还能做客流的时间分布分析等。

二、IC刷卡数据应用方向文献综述

我们对相关文献进行了整理，梳理出来IC刷卡数据的3个应用方向，并对每个方向整理了代表论文，所有论文可以添加文末客服免费（不用转发）获取！我们来具体看下这3个方向：

1. 出行行为分析

许多研究利用公交网络的IC卡数据来研究个体的出行行为。此外，也有一些研究通过提取个体的出行行为研究宏观的时空出行模式。

1.1 基于个人的出行行为模式分析

通过IC卡数据，通常可以识别出人们对于路网优化前后的出行行为差异。

论文1：Passengers’ travel behavior before and after the adjustment of regular bus collinear sections: A case study in the incipient phase of metro operation in Xiamen

论文来源：Travel Behaviour and Society

论文简介：该研究通过地铁线路开通前后收集的IC卡所有者的出行数据进行纵向分析，研究了在新的地铁线路开通和巴士线路调整的情况下，乘客出行行为的变化。研究结果表明，在高峰时段，相邻路段的乘客更倾向于选择公交车。这项研究也为帮助公交系统更好地协调现有的公交服务和新的地铁系统提供了新的证据。

论文2：Impact of a New Metro Line: Analysis of Metro Passenger Flow and Travel Time Based on Smart Card Data

论文来源：Journal of Advanced Transportation

论文简介：该研究利用中国南京地铁系统的智能卡数据，研究由于地铁新线路的运行，地铁客流和出行时间的变化。首先分析了新建地铁线路对地铁网络客流分布和出行时间的影响。由于通勤是地铁出行的主要目的之一，因此新地铁线路对通勤者出行的影响被明确地研究。结果表明，新线路对地铁网络的客流、出行时间和出行时间可靠性均有影响，对不同类型的通勤者有不同的影响。

论文3：Passenger Travel Behavior in Public Transport Corridor After the Operation of Urban Rail Transit: A Random Forest Algorithm Approach

论文来源：IEEE Access

论文简介：该研究以中国厦门为例，利用随机森林算法建立了城市轨道交通投入使用后乘客出行方式选择模型，并找出了不同出行特征（出行距离、出行时间、出行成本、是否在高峰时段出行、公交与轨道交通共线站点数或轨道交通站点数等）对出行方式选择的影响。

1.2 基于群体的出行行为分析

为了更好地理解出行模式和规律，基于群体的出行行为分析将使交通当局能够评估他们提供的服务，调整管理策略，并提高整个系统的交通性能。

论文1：Mining smart card data for transit riders’ travel patterns

论文来源：Transportation Research Part C

论文简介：该研究基于智能卡数据的时空特征模拟北京公交乘客的出行模式。首先对公交出行链进行识别，再通过基于密度的聚类算法（DBSCAN）对其进行分析，检测乘客的历史出行模式，最后将K-mean++聚类算法和粗糙集理论联合应用于出行模式规则的聚类和分类。结果表明，本文提出的基于粗糙集的数据挖掘算法在准确性和效率方面优于其他常用的数据挖掘算法。

论文2：Mining Public Transport User Behaviour from Smart Card Data

论文来源：IFAC Proceed

论文简介：该研究利用加拿大运输管理局的数据，结合规划知识和数据挖掘工具，从运营和管理系统发布的数据中生成规律性和日常模式的出行行为指标。研究的结果显示无论使用何种类型的车票，本研究的公共交通用户可以分成四个主要的行为群体进行讨论。

2. 公交系统的运营和管理

基于智能卡的自动收费系统，公交系统可以控制公交服务的使用、票价整合和管理。同时，这些数据也可以用来描述运输的供应和需求，继而进行需求管理。

2.1 票价整合

随着智能卡的普及，在大城市地区整合票价政策的方式也发生了一些改变，但这方面的研究非常少见。 论文1：A Study of IC Card Systems within Japanese Urban Railway Lines: Considering the Integration of Transportation Services

论文来源：Journal of the Eastern Asia Society for Transportation Studies

论文简介：该研究基于日本客运IC卡系统，研究了乘客使用IC卡系统时的票价交易，进而改善票价不均衡的情况。

2.2 客流预测和需求管理

客流是公共汽车运营调度和需求管理的基础。公交IC数据是一种重要的基础数据资源，对公交IC卡进行数据挖掘可以获取城市公交客流的动态信息，有助于客流预测和需求管理水平。

论文1：Travel behaviour analysis using smart card data

论文来源：KSCE Journal of Civil Enginnering

论文简介：该研究通过大量详细准确的车上交易数据，分析与公交用户有关的出行行为，使用开源的基于代理的交通模拟包MATSim，根据智能卡产生的输入需求对公交车辆进行优化，并提取不同车站的等待时间及其组成部分的高时间分辨率，这对于管理公交车辆的频率和间隔非常重要。通过改进统计分析和利用先进的数据挖掘技术，智能卡可以有效地生成微观模拟的出行需求模型。

论文2：Analysis of Bus Trip Characteristic Analysis and Demand Forecasting Based on GA-NARX Neural Network Model

论文来源：IEEE Access-Special Section on Big Data Technology and Applications in Intelligent Transportation

论文简介：该研究通过公交IC数据挖掘得到公交出行的时空特征，并应用于城市公交系统优化中。本研究以青岛市某公共汽车一周的IC卡刷卡数据为基础，分析了一天的客流量和分时客流量的特征，然后基于GA-NARX神经网络模型进行客流预测。

3. 智能交通规划

随着大数据技术的发展，智慧交通网络规划和智慧城市规划也取得了巨大进展。

论文1：Research on a Scientific Approach for Bus and Metro Networks Integration

论文来源：Social and Behavioral Science

论文简介：该研究通过利用北京公交IC卡的数据，开发了一个详细的公共交通乘客出行矩阵来改善北京的地铁和公交网络的整合。通过使用一组6个加权指标对网络整合方案进行评估，以决定一个最佳结果。该研究的结论可以为中国城市的多模式交通服务规划提供有意义的数据基础。

论文2：Calculation of Transit Performance Measures Using Smartcard Data

论文来源：Journal of Public Transportation

论文简介：通过智能卡自动收费系统，该研究举例说明使用智能卡数据估计各种交通性能的可能性措施，结合完善的评估程序，这些措施可以帮助运营商更详细地监测其网络。通过计算这些数据集的空间或时间维度，可以进一步规划和整合交通系统。

三、学习扩展