屈新明 郭 鵬 丘建棟 譚章智 董紹軒

（1. 深圳市城市交通規(guī)劃設計研究中心有限公司，廣東 深圳 518021；2. 中交第二公路勘察設計研究院有限公司，湖北 武漢 430056）

關(guān)鍵字：圖數(shù)據(jù)庫；Neo4j；IC卡數(shù)據(jù)；公交出行行為

近年來隨著大數(shù)據(jù)挖掘分析技術(shù)的快速發(fā)展，在各領域處理復雜網(wǎng)狀關(guān)系的挖掘分析需求逐漸增加[1]。在面向復雜場景下數(shù)據(jù)關(guān)聯(lián)挖掘分析中，主流的關(guān)系型數(shù)據(jù)庫并不是都適用于場景分析，尤其是在多維關(guān)聯(lián)查詢分析時，關(guān)系型數(shù)據(jù)庫效率較低[2]。隨著圖數(shù)據(jù)庫的快速發(fā)展[3-5]，為數(shù)據(jù)挖掘分析提供了新的解決方案。郝培豪[6]研究分析了圖數(shù)據(jù)庫的警務安保知識圖譜可視化分析；康杰華[7]研究分析了圖形數(shù)據(jù)庫Neo4j的RDF數(shù)據(jù)存儲；柴博[8]等人研究分析了基于圖數(shù)據(jù)庫的電力通信網(wǎng)絡運行方式建模；張蕓蕓[9]等人研究了基于Neo4j圖譜的信用卡欺詐檢測。

目前圖數(shù)據(jù)庫在交通中的應用較少，在公交出行行為分析方面，游婷[10]等人研究了基于公交IC卡信息的公交客流推算；孫世超[11]研究基于宏微觀數(shù)據(jù)嵌套的公交用戶細分方法；秦政[12]研究基于公交IC卡和GPS數(shù)據(jù)的乘客上下車站點提??；馬曉磊[13]研究了基于公交IC卡數(shù)據(jù)的上車站點推算。

本文將探索圖數(shù)據(jù)庫在公交出行行為分析中的應用，利用Neo4j圖數(shù)據(jù)庫對深圳市某一工作日的公交刷卡數(shù)據(jù)，公交線路數(shù)據(jù)進行建模分析，挖掘識別公交出行行為，并對比分析了相同分析場景下ORACLE數(shù)據(jù)庫與Neo4j圖數(shù)據(jù)庫的查詢效率。

1 圖數(shù)據(jù)庫簡介

1.1 圖數(shù)據(jù)庫介紹

圖數(shù)據(jù)庫是基于圖形理論實現(xiàn)的一種非關(guān)系型數(shù)據(jù)庫，它的底層數(shù)據(jù)存儲和與查詢方式都是以圖論為基礎，其中圖論中的基礎元素為節(jié)點和節(jié)點之間的邊，在圖數(shù)據(jù)庫中對應的就是節(jié)點和關(guān)系。圖形數(shù)據(jù)庫作為一種非關(guān)系型數(shù)據(jù)庫，將結(jié)構(gòu)化數(shù)據(jù)存儲在網(wǎng)絡 （圖） 上而不是關(guān)系型數(shù)據(jù)庫中的表，常見的有Neo4j、FlockDB、AllegroGraph、GraphDB、InfiniteGraph、TigerGraph、騰訊星圖等。Neo4j是由Java實現(xiàn)的開源圖數(shù)據(jù)庫，實現(xiàn)了專業(yè)數(shù)據(jù)庫界別的圖數(shù)據(jù)模型存儲，并提供完整的數(shù)據(jù)庫特性，是目前生產(chǎn)環(huán)境中主流的圖數(shù)據(jù)庫引擎，由于開源特性及其豐富的文檔，本文將使用Neo4j構(gòu)建公交出行圖數(shù)據(jù)庫場景。

1.2 圖數(shù)據(jù)庫與關(guān)系型數(shù)據(jù)庫的區(qū)別

關(guān)系型數(shù)據(jù)庫與Neo4j建庫示意如圖1所示。

圖1 關(guān)系型數(shù)據(jù)庫與Neo4j建庫示意

關(guān)系型數(shù)據(jù)庫通過外鍵記錄兩個表或者多個表之間的引用關(guān)系，在進行關(guān)聯(lián)查詢時通過外鍵在主表中尋找對應的主鍵記錄進行數(shù)據(jù)搜索與匹配計算操作，關(guān)聯(lián)查詢時將會耗費大量系統(tǒng)計算資源，尤其是在多表關(guān)聯(lián)查詢場景下查詢效率極低。關(guān)系型數(shù)據(jù)庫中多對多關(guān)系需要使用中間表，查詢效率進一步下降。圖數(shù)據(jù)庫使用圖論存儲節(jié)點和節(jié)點之間的關(guān)系，而每個節(jié)點都包含對應的關(guān)系列表，用于存放該節(jié)點與其他節(jié)點的關(guān)系，節(jié)點之間的關(guān)聯(lián)挖掘分析直接基于圖論進行搜索分析，在復雜數(shù)據(jù)挖掘分析效率上遠高于關(guān)系型數(shù)據(jù)庫。

2 公交出行行為場景建模

2.1 基礎數(shù)據(jù)

基礎數(shù)據(jù)為公交線路Busline表和公交刷卡記錄IC_card_record表，其中，Busline表包含了深圳市約1 000條公交線路對應站點數(shù)據(jù)，IC_card_record表為深圳市某個工作日約300萬條刷卡記錄，刷卡記錄已經(jīng)匹配下車站點信息。公交線路如表1所示，公交刷卡記錄如表2所示。

表1 公交線路表

表2 公交刷卡記錄表

2.2 建?？蚣?/h3>

將公交出行行為關(guān)聯(lián)數(shù)據(jù)抽象成如圖2所示的建?？蚣堋?/p>

圖2 公交出行行為場景建?？蚣?/p>

其中實體包含：公交車輛、 公交站點、公交線路、IC卡（公交出行者）、刷卡記錄；關(guān)系包含：公交車輛—公交線路（屬于）、公交線路-公交站點（經(jīng)過）、IC卡-刷卡出行（出行）、公交站點-刷卡出行（上車）、公交站點-公交站點（相鄰）、刷卡出行-公交站點（下車），場景建模規(guī)模達到5 00萬節(jié)點，1 000萬條邊。

2.3 節(jié)點建模

將原始數(shù)據(jù)兩張表轉(zhuǎn)為圖數(shù)據(jù)庫對應的節(jié)點，其中數(shù)據(jù)表中的一條記錄對應圖數(shù)據(jù)庫中的一個節(jié)點，整個數(shù)據(jù)表對應圖數(shù)據(jù)庫中某一節(jié)點集合（標簽）。

公交車輛實體：從IC_card_record表中提取vehicle標簽（去重），單個節(jié)點僅包含vehicle_id屬性。

公交線路實體：從busline表中提取line標簽，單個節(jié)點包含line_id、line_name、dir、line_dir_name等屬性。

公交站點實體：從busline表中提取station標簽，單個節(jié)點包含：station_id、station_name、lng、lat等屬性。

刷卡記錄實體： 從ride表中提取ride標簽， 單個節(jié)點包含：ride_id、card_id兩個屬性。

IC卡標簽實體：從IC_card_record表中提取card標簽（去重），單個節(jié)點僅包含card_id屬性。

2.4 關(guān)系建模

根據(jù)基礎數(shù)據(jù)中的兩張表處理節(jié)點之間的對應關(guān)系。

公交車輛—＞公交線路（屬于關(guān)系）：從IC_card_record表中提取公交車輛與公交線路的屬于關(guān)系（去重），關(guān)系匹配字段為vehicle_id—＞line_id。

公交線路—＞公交站點（經(jīng)過關(guān)系）：從busline表中描述了每條公交線路經(jīng)過公交站點的關(guān)系，關(guān)系匹配字段為line_id—＞station_id，關(guān)系屬性包含station_index。

公交站點—＞刷卡記錄（上車關(guān)系）：從IC_card_record表中提取公交站點與刷卡記錄的上車關(guān)系，匹配字段為station_id—＞ride_id， 關(guān) 系 屬 性 包 含line_id，up_station_index，up_day，up_min。

刷卡記錄—＞公交站點（下車關(guān)系）：從IC_card_record表中提取刷卡記錄與公交站點的下車關(guān)系，匹配字段為ride_id—＞ station_id，關(guān)系屬性包含line_id、down_station_index、down_day、down_min。

IC卡—＞刷卡記錄（出行關(guān)系）：從IC_card_record表中提取IC卡與刷卡記錄出行關(guān)系，匹配字段為card_id—＞card_id。

公交站點-公交站點（相鄰）：從busline表中根據(jù)經(jīng)緯度坐標記錄公交站點之間的相鄰關(guān)系，匹配字段為station_id—station_id。

3 公交出行行為分析

3.1 同乘人員識別

識別提取早高峰遠距離同乘人員，根據(jù)圖數(shù)據(jù)庫挖掘分析早高峰（7：30～9：00）、長距離（大于10個站）的同乘人員（同一站點上車、同一站點下車）情況。同乘人員識別分析結(jié)果如表3所示。

表3 同乘人員識別分析結(jié)果

分析結(jié)果表明，早高峰乘坐公交長距離出行到科技園站的人較多，可以進一步優(yōu)化預約巴士地到發(fā)班次。

3.2 站點最大公交客流提取識別

提取識別全天點對點最大公交客流情況，支撐公交站點線路優(yōu)化，其中采用ORACLE查詢時間為3.214 s，Neo4j查詢時間為25.637 s，單表之間的查詢中Neo4j性能低于ORACLE數(shù)據(jù)庫。站點最大客流提取識別如表4所示。

表4 站點最大客流提取識別

3.3 關(guān)聯(lián)查詢識別

在Neo4j中進行多表關(guān)聯(lián)查詢，查詢科技園公交站周邊鄰近站點經(jīng)過的各條公交線路擁有的車輛數(shù)，用于提取各公交線路運行車輛數(shù)。關(guān)聯(lián)查詢識別如表5所示，關(guān)聯(lián)識別框架如圖3所示。

表5 關(guān)聯(lián)查詢識別

圖3 關(guān)聯(lián)識別框架

其中，采用ORACLE查詢時間為2.403 s，Neo4j查詢時間為0.142 s，多維關(guān)聯(lián)查詢中Neo4j性能遠高于ORACLE數(shù)據(jù)庫。

3.4 站點群之間的公交出行量識別

根據(jù)站點之間的鄰近關(guān)系，識別提取公交站點群之間的公交出行量，支撐預約巴士開通與線路優(yōu)化。直接通過ORACLE數(shù)據(jù)庫無法單獨完成查詢檢索，基于Neo4j可直接查詢，得到分析結(jié)果。公交站點群之間的出行量識別結(jié)論如圖4所示。

圖4 公交站點群之間的出行量識別結(jié)論

4 結(jié)語

本文基于圖數(shù)據(jù)庫Neo4j構(gòu)建了公交出行行為分析場景建模，對深圳市1 000條公交線路，一天工作日的公交刷卡數(shù)據(jù)進行建模分析，建模規(guī)模達到500萬節(jié)點，1 000萬條邊。在不同的公交出行行為場景分析中對比分析了ORACLE數(shù)據(jù)庫與Neo4j的查詢性能，多維關(guān)聯(lián)查詢中Neo4j性能遠高于ORACLE數(shù)據(jù)庫，基于圖數(shù)據(jù)庫可以方便高效實現(xiàn)復雜數(shù)據(jù)的關(guān)聯(lián)挖掘分析。

本文僅對深圳市一天工作日的公交刷卡數(shù)據(jù)進行建模分析，后續(xù)將構(gòu)建更為復雜建模場景，構(gòu)建交通知識圖譜。