城市轨道交通乘客画像构建方法及应用策略研究

用户画像广泛应用于个性化推荐、广告精准投放等领域，但目前轨道交通领域的相关研究尚不完善，存在乘客画像的信息少、维度单一、指标设计和挖掘不充分等问题。通过从运营管理者和乘客服务多角度系统梳理互联网+城市轨道交通乘客画像的新需求，进而结合AFC和土地等多源数据，构建满足新需求下的轨道交通乘客画像指标体系，并给出关键性指标的计算和推断方法。以北京地铁为例，构建并验证轨道交通乘客画像构建方法的有效性，分析了乘客画像在辅助精细化客流预测方面的应用效果。结果表明，将反映乘客个体出行特征的返程客流加入到S-ARIMA模型中，相比S-ARIMA模型均方根误差(RMSE)下降9.02，对称平均绝对百分比误差(SMAPE)下降0.16%，有效提高客流预测精度。乘客画像未来还能应用在更多的场景，支撑轨道交通的智慧化、一体化出行服务。