Transit Destination Inference from Tap-In-Only Bus Smart-Card Data: A Hierarchical Bayesian Approach
Di cosa parla
Si vuole capire dove scendono i passeggeri quando i sistemi di pagamento registrano solo le salite. Un modello statistico gerarchico combina le registrazioni di salita, lo storico dei viaggi associati alle carte, la rete delle fermate, l'ora e il meteo per inferire, con livelli di incertezza, le destinazioni probabili e costruire matrici origine‑destinazione utili per gestione e pianificazione del servizio. Le sequenze di salite successive sono trattate come indizi rumorosi la cui affidabilità viene valutata.
Cosa permette di osservare
Consente di esplorare come stimare le destinazioni dei passeggeri usando solo dati di salita, quale valore aggiunge lo storico delle carte rispetto ai soli pattern di salita e come rappresentare l'incertezza nelle stime per supportare scelte operative e di pianificazione.
Dalla fonte
Entry-only automatic fare collection systems record boardings but not alightings, preventing direct construction of origin-destination (OD) matrices. This study develops a Hierarchical Bayesian Latent-Destination (HBLD) model that combines station-hour boarding and inferred alighting demand with passenger card histories. Trip-chain destinations are treated as noisy evidence with a reliability parameter, allowing destination uncertainty to propagate into OD flows. The model was applied to 838,305 bus tap-ins collected in Changzhou in May 2025 and linked to stop-network and hourly weather data. It estimates destination distributions over feasible downstream and reverse-direction through-terminal stops using network, time-of-day, weather, and smoothed historical demand effects. A Bayesian personalization layer uses prior card trips and reverts to the shared trip-level distribution when his…