北京市作为一个典型的特大城市,也作为中国的首都,承载着全国“政治中心、文化中心、科技创新中心、国际交往中心”的核心功能,更肩负着建成高效、安全、便捷、经济、绿色、现代化的综合交通运输服务体系的任务。但是出行高峰时段高负荷状态下,交通运输体系异常脆弱,高影响天气条件的出现将导致其服务能力和运行效率急剧恶化,形成长时间、大范围的交通拥堵。降雨是高影响天气条件的一种。为了提高整体出行效率,交通规划部门正在积极推进公交都市建设,实施公交优先发展战略。公共交通出行方式,因其便捷性、准时性、福利性等优势而受到城市居民的广泛青睐。为了提高交通运输体系应对高影响天气的能力,有必要深入分析降雨对北京市公共交通出行的影响规律,为交通部门在降雨天气下进行管理决策提供科学依据。公共交通智能化设备所采集的乘客刷卡历史大数据,为公共交通出行规律挖掘奠定了良好的数据基础。但是,如何有效、深入地分析公共交通出行受降雨影响的情况,还缺乏一套完善的方法体系。在此背景下,本文基于公共交通乘客刷卡大数据,探索了居民出行基本规律,并综合采用多种聚类算法,全方位、多角度地挖掘居民公共交通出行的特征,证实了降雨对公共交通出行有显著影响,并提出了基于客流波动系数的影响分析方法,在分钟级别的时间尺度上深入挖掘具有不同特征的轨道交通出行行为受气象因素影响的情况。具体而言,论文的主要内容和贡献可以概括为以下三点:(1)为了高效处理大量的交通刷卡数据,并大致了解公共交通出行的基本统计信息,本文通过MapReduce分布式计算框架,进行数据预处理,在分钟级别的时间尺度上进行地铁和公交客流量计算,并进行简要的数据探索,分析了公共交通出行的周期性、潮汐性、出行时长分布、出行距离分布、出行频数分布等基本统计规律。(2)为了理解乘客出行的背景,目的,出行的难易程度等,本文基于预处理后的轨道交通刷卡大数据,提出了基于无监督聚类学习方法的居民出行行为特征分析方法:基于K-Means算法实现了站点客流模式特征分析,基于DBSCAN算法实现了出行弹性特征分析,基于LDA算法实现了站点功能特征分析,基于离散化方法实现了行程特征分析。这为进一步分析不同出行行为受降雨影响提供了有力依据。(3)为了分析各种气象因素对公共交通客流量的影响情况,提出了基于多元线性回归模型的气象影响分析方法,证实了降雨对公共交通客流量影响的显著性;为了进一步量化分析降雨对客流量影响的过程,本文基于ARIMA算法进行了无降雨情况下基准客流量的预测,并提出了客流波动系数影响分析方法,分析了具有不同特征的公共交通客流量受降雨影响的不同情况。论文实现了对居民公共交通出行规律的挖掘,并提出了分钟级别时间尺度的降雨影响分析方法,深入剖析降雨对公共交通出行的影响过程及影响程度。从结果上看,降雨会对公共交通出行造成显著影响,其影响情况与乘客出行行为特征密切相关,居住区站点与工作区站点客流量受降雨影响的情况与降雨发生的时段有关,远距离出行以及弹性出行更容易受到降雨的影响,目的地为机场或旅游景点的出行会受到更严重的影响。此研究结论可为交通部门在降雨天气下进行管理决策、为公共交通运营商根据天气条件优化服务、为推动公共交通人性化设计提供科学依据。