随着智能交通系统的发展,尤其是公交IC卡和移动设备端刷卡技术的完善,在公交运营后台形成了海量的出行数据,被广泛应用于城市公共交通规划与管理领域。过去的研究多从宏观上对整个公交网络的客流进行分析,或根据出行时段和乘客职业、年龄划分公交市场,忽略了乘客个体出行规律的差异性,导致现有的公交服务改进策略针对性不足。本文从乘客个体长期出行时空规律出发,采用改进聚类算法对公交市场进行细分,尝试得到各类出行对公交服务的需求。本文以常规公交出行者为研究对象,首先结合乘客出行特征对公交刷卡数据、车辆运行数据、线路站点静态数据进行关联匹配,完成了乘客上下车站点推断和换乘行为的识别,以一次出行为记录单元构建了乘客个体连续多日出行轨迹信息;接着,基于乘客个体长期出行时空规律,提出了出行者活动稳定性的概念,包含时间稳定性和空间稳定性,将乘客出行划分为了时空稳定出行、空间稳定出行、时间稳定出行和不规则出行四类;然后,介绍了DBSCAN算法挖掘出行者个体时空模式的适用性,进而针对算法在处理大样本时效率低的局限性,结合出行者在长期出行中会反复造访相同站点的特征,提出了WP-DBSCAN算法,并设计了算法流程;接着,采用WP-DBSCAN算法对乘客的上车时间、上车站点、下车站点分别进行了聚类,其中对上车时间的聚类中,采用时间窗对时间点进行了预分类以适应改进后的算法,最终得到基于乘客个体活动稳定性的公交市场划分结果;最后,从乘客基本出行指标、时间分布和空间分布角度分析了各类别出行的客流特征,总结了各类别出行对公交服务的需求,并给出了本研究在公交运营管理和线网优化调整方面的应用建议。结果表明:1)相比于DBSCAN算法,改进的WP-DBSCAN算法效率在样本存在大量重叠点时有明显提高,且随着样本量增加,算法优势越明显;2)根据时间稳定性划分的出行在出行时间分布上存在明显差异,根据空间稳定性划分的出行在出行空间分布上存在明显差异,表明以乘客个体出行时间稳定性和空间稳定性划分公交出行具有一定的合理性;3)时空稳定出行对应的出行者更在乎改善早晚高峰的路况和服务;不规则出行对应的出行者更在乎改善公交服务可达性;具有时间稳定性的出行主要集中在早晚高峰,对应的出行者对准点性有更高的要求,不具有时间稳定性的出行时间相对灵活;具有空间稳定性的出行主要集中在城市核心区,不具有空间稳定性的出行在空间上较分散,对应的出行者更关注公交服务范围和方便程度。本文设计了一个较高效的聚类算法对乘客个体出行时空模式进行挖掘,分类结果有助于公交管理部门了解乘客出行特征,进而针对性的调整运营策略和优化线网结构,改善公交服务和运营绩效,为公共交通精细化管理和服务提供了一定的理论支撑和应用实践。