© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
宁波公共信息服务运营有限公司
企业宁波公共信息服务运营有限公司成立于2017年，属软件和信息技术服务业，主营城市服务互联网平台的建设、开发、管理及维护、从事计算机信息技术、计算机软硬件、接受金等。面向公共交通、用户行为分析、数据分析等领域提供数据服务，开放宁波市公交车刷卡用户刷卡频率分析数据（公共交通、用户行为分析）、宁波市不同公交车的扫码和刷卡频率分析数据（公共交通、数据分析）、宁波市公交车扫码用户扫码频率分析数据（公共交通、用户行为分析），支撑交通监测与通行研判。
公共交通用户行为分析数据分析软件信息服务高新技术企业
数据集列表
宁波市不同公交车的扫码和刷卡频率分析数据
由于宁波市公交车的乘客基本上都是通过扫码和刷卡的方式进行乘车付费，通过分析不同公交车的扫码和刷卡频率及趋势情况能一定程度反映公交车的乘客流量情况及趋势，并基于此合理分配车辆和人力资源，为路线优化提供数据支持。公交车细分数据有助于公交车运营公司识别高频率车辆，为车辆的维护、更新和优化提供决策支持。
（1）数据收集：从公司的设备运营平台收集宁波市不同公交车的扫码和刷卡频率数据，包括统计日期、公交车编号、近7日扫码频次（S7）、近7日刷卡频次（C7）、近30日扫码频次（S30）、近30日刷卡频次（C30）、近90日扫码频次（S90）、近90日刷卡频次（C90）等数据。（2）分别计算该车近7日、30日和90日的日均扫码和刷卡频次（DSCF）：DSCF（近7日）=（S7+C7）/7；DSCF（近30日）=（S30+C30）/30；DSCF（近90日）=（S90+C90）/90；（3）构建该车的扫码和刷卡频率指数（CSFI），公式为：CSFI=DSCF（近7日）×W1+DSCF（近30日）×W2+DSCF（近90日）×W3；W1、W2、W3是权重系数，根据实际数据分布经专家研讨确定；（4）用Min-Max标准化统计方法，将CSFI标准化为0到1的范围，并输出扫码和刷卡频率指数归一化结果（NFSC）；（5）根据NFSC细分：低频车辆：NFSC ≤ 0.3；中频车辆：0.3 < NFSC ≤ 0.6；高频车辆：NFSC> 0.6；（6）趋势分析：采用移动平均统计方法分析NFSC随时间变化趋势。
浙江省数据知识产权登记平台2024-12-13 更新620
宁波市公交车扫码用户扫码频率分析数据
由于公交车扫码用户扫码频率数据能一定程度上反映扫码用户的出行频率情况，因此：（1）本数据有助于公交车运营单位实现对扫码用户的细分，定制个性化的营销策略，如为高频用户提供折扣或优惠，提高用户粘性和满意度。 （2）本数据有助于公交车运营单位通过进一步统计和分析趋势分析数据，基于用户扫码频率变化预测扫码用户出行需求量变化情况，为运力规划提供依据。（1）数据收集和预处理：从公司内部的设备运营平台收集宁波市公交车扫码数据，包括统计时间、用户编号、近3日扫码频次、近7日扫码频次、近30日扫码频次等数据。通过数据清洗去除无效或错误记录，确保数据质量。 （2）分别计算近3日、7日和30日的乘客日均扫码频次（PDSF）：PDSF（近3日）=近3日扫码频次/3；PDSF（近7日）=近7日扫码频次/7；PDSF（近30日）=近30日扫码频次/30； （3）构建扫码频率指数，公式为：扫码频率指数=PDSF（近3日）×W1+PDSF（近7日）×W2+PDSF（近30日）×W3；W1、W2、W3是权重系数，根据实际数据分布和专家研讨确定； （4）扫码频率指数归一化处理：利用Min-Max标准化统计方法，将所有扫码用户的扫码频率指数数据标准化为0到1范围，并输出扫码频率指数归一化结果（SFIR）； （5）扫码用户细分：根据SFIR对客户进行细分。低频用户：SFIR≤ 0.3；中频用户：0.3 < SFIR≤ 0.6；高频用户：SFIR> 0.6； （6）趋势分析：采用移动平均统计方法分析扫码频率指数归一化结果（SFIR）随时间的变化趋势。
浙江省数据知识产权登记平台2024-12-13 更新330
宁波市公交车刷卡用户刷卡频率分析数据
由于公交车刷卡用户刷卡频率数据能一定程度上反映刷卡用户的出行频率情况，因此：（1）本数据有助于公交车运营单位实现对刷卡用户的细分，定制个性化的营销策略，如为高频用户提供折扣或优惠，提高用户粘性和满意度。 （2）本数据有助于公交车运营单位通过进一步统计和分析趋势分析数据，基于用户刷卡频率变化预测刷卡用户出行需求量变化情况，为运力规划提供依据。（1）数据收集和预处理：从公司内部的设备运营平台收集宁波市公交车刷卡数据，包括统计时间、用户编号、近3日刷卡频次、近7日刷卡频次、近30日刷卡频次等数据。通过数据清洗去除无效或错误记录，确保数据质量。 （2）分别计算近3日、7日和30日的乘客日均刷卡频次（PDCF）：PDCF（近3日）=近3日刷卡频次/3；PDCF（近7日）=近7日刷卡频次/7；PDCF（近30日）=近30日刷卡频次/30； （3）构建刷卡频率指数，公式为：刷卡频率指数=PDCF（近3日）×W1+PDCF（近7日）×W2+PDCF（近30日）×W3；W1、W2、W3是权重系数，根据实际数据分布和专家研讨确定； （4）刷卡频率指数归一化处理：利用Min-Max标准化统计方法，将所有刷卡用户的刷卡频率指数数据标准化为0到1范围，并输出刷卡频率指数归一化结果（CFIR）； （5）刷卡用户细分：根据CFIR对客户进行细分。低频用户：CFIR≤ 0.3；中频用户：0.3 < CFIR≤ 0.6；高频用户：CFIR> 0.6； （6）趋势分析：采用移动平均统计方法分析刷卡频率指数归一化结果（CFIR）随时间的变化趋势。
浙江省数据知识产权登记平台2024-12-13 更新690