文献综述（或调研报告）：
（一）GPS数据与IC卡数据的处理方法研究
对GPS数据与IC卡数据的处理一般包括两个步骤，第一步进行数据清洗，将某些异常数据清除，或通过融合、变换等手段进行修正后再使用。第二步进行数据匹配，通过某些相同字段将乘客使用IC卡的数据与具体车辆的GPS数据联系起来，构建完整的乘客出行轨迹。
如李文峰等[1]通过设计算法完成了乘客的OD数据匹配，获得了乘客的每次出行与具体车辆的对应关系；邬群勇等[2]使用HBase数据库，运用MapReduce并行计算框架通过两次MapReduce过程来推算乘客OD；费晔[3]设计了基于IC卡及GPS数据的OD推算算法，主要分为上车站点推算、下车站点推算，并由此推算出一条线路上的公交出行客流OD。苏跃江[4]等构建了利用IC卡数据挖掘公交站点客流OD的模型，并以广州为例进行了实证研究。
总的来说，目前对于公交IC卡数据的研究侧重于上、下车站点推算以及乘客公交站点OD推算，多名学者研究设计了不同的推算模型与方法。
（二）乘客出行时空特征分析
目前国内外对于乘客出行时空特征分析的研究较多，学者们以不同的城市为案例，在对出行时空特征的分析研究中亦各有侧重，也运用了不同的方法将研究结果可视化。
张欣环等[5]以浙江金华市为例，基于公交GPS和公交IC卡两个独立的基础数据库，分两部分研究了乘客出行特征及客流特征。对乘客的个人特征进行了统计，如乘客的组成、付费方式等，接下来研究了乘客的出行时间、空间及距离分布；在客流特征方面，以线-面结构为顺序，研究了线路客流特征及线网客流特征，在早、晚高峰时间段内对关键断面客流特征进行了研究，最后统计了主要客流集散点，并使用GIS对客流特征研究结果进行了可视化。李文锋等[1]以福建厦门市为例，基于公交GPS和IC卡数据，建立了公交客流大数据可视化分析模型，主要侧重于公交站点客流、客流OD需求、站点候车时长、断面客流、站点客流堆积等方面的分析，并将分析结果可视化，可通过地图显示。靳佳[6]以北京市为例，提取IC卡刷卡记录中的上下车站点与北京市公交站点空间数据进行匹配，并以挖掘出的客流信息及GIS空间数据为基础，分析了北京市居民公交出行时空特征，主要侧重于线路的日客流量分析，出行距离分布及出行空间分布。陈锋等[7]同样以北京市为例，利用对公交IC卡数据的处理和分析，为公交客流特征分析提供依据。主要侧重于客流的空间分布研究，研究内容包括客流走廊、客流集散点及客流的方向不均衡性，除此之外，也研究分析了客流的时间分布、乘客的出行目的构成及乘客出行距离分布。
Ali等[8]以韩国首尔为例，基于智能公交卡数据，研究了乘客的出行时间分布、出行距离分布，以及乘客的候车时长、换乘流量，在将首尔进行交通小区划分后，又进行了客流OD分布研究，并发展了基于智能公交卡数据进行的客流需求预测方法，为交通规划提供了新的思路。Sui Tao等[9]以澳大利亚布里斯班为例，主要通过利用GIS等软件绘制条件流量图的方法进行乘客的出行特征研究，研究基于持卡人群体分类，将乘客划分为四大类，分别进行了出行时间、换乘行为、出行路径的分析。
（三）研究现状综述
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
