摘要：
为深入探究重大疫情条件下不同乘客公共交通依赖性的影响与层级转移策略,基于多源公共交通出行数据进行乘客公共交通出行链提取与出行知识图谱构建,利用K-means聚类算法识别乘客公共交通依赖性的层次等级,利用改进的Apriori算法挖掘不同依赖性层级的强关联规则,并提出依赖性层级转移激励政策.结果表明:重大疫情条件下乘客公共交通依赖性强关联规则的前件项集数与其支持度呈负相关关系,依赖性越低,则关联规则指标的共现度与发生概率越低;家和目的地到站点总距离、小汽车可用性与亲友对公共交通支持度为各依赖性层级需改善的关键指标,而是否途径中高风险区域为较高依赖性群体重点改善的指标.该研究有利于后疫情时期公共交通政策的制定与服务提升,可为保障和平衡城市出行中绿色出行结构比例提供支撑.
关键词：
通讯作者信息：
电子邮件地址：
