New smart card datasets are providing new opportunities to explore travel behaviour in much greater depth than anything accomplished hitherto. Part of this quest involves measuring the great array of regular patterns within such data and explaining these relative to less regular patterns which have often been treated in the past as noise. Here we use a simple method called DBSCAN to identify clusters of travel events associated with particular individuals whose behaviour over space and time is captured by smart card data. Our dataset is a sequence of three months of data recording when and where individual travellers start and end rail and bus travel in Greater London. This dataset contains some 640 million transactions during the period of analysis we have chosen and it enables us to begin a search for regularities at the most basic level. We first define measures of regularity in terms of the proportions of events associated with temporal, modal (rail and bus), and service regularity clusters, revealing that the frequency distributions of these clusters follow skewed distributions with different means and variances. The analysis then continues to examine how regularity relative to irregular travel across space, demonstrating high regularities in the origins of trips in the suburbs contrasted with high regularities in the destinations in central London. This analysis sets the agenda for future research into how we capture and measure the differences between regular and irregular travel which we discuss by way of conclusion.

中文翻译：

---

通过过境用户分析的旅行规律的时空变化

新的智能卡数据集提供了新的机会，可以比迄今为止所做的任何事情都更深入地探索旅行行为。这项任务的一部分涉及测量此类数据中的大量规则模式，并相对于过去经常被视为噪声的不太规则的模式来解释这些模式。在这里，我们使用一种称为 DBSCAN 的简单方法来识别与特定个人相关联的旅行事件集群，这些个人在空间和时间上的行为被智能卡数据捕获。我们的数据集是一系列为期三个月的数据记录，记录个人旅行者在大伦敦的铁路和巴士旅行开始和结束的时间和地点。在我们选择的分析期间，该数据集包含大约 6.4 亿笔交易，它使我们能够在最基本的层面上开始搜索规律。我们首先根据与时间、模态（铁路和公共汽车）和服务规律性集群相关的事件比例来定义规律性度量，表明这些集群的频率分布遵循具有不同均值和方差的偏态分布。然后，分析继续检查相对于不规则跨空间旅行的规律性，证明了郊区旅行的起点的高规律性与伦敦市中心目的地的高规律性形成对比。这项分析为未来的研究设定了议程，即我们如何捕捉和衡量定期和不定期旅行之间的差异，我们将通过结论的方式讨论这些差异。揭示这些集群的频率分布遵循具有不同均值和方差的偏态分布。然后，分析继续检查相对于不规则跨空间旅行的规律性，证明了郊区旅行的起点的高规律性与伦敦市中心目的地的高规律性形成对比。这一分析为未来的研究设定了议程，即我们如何捕捉和衡量定期和不定期旅行之间的差异，我们将通过结论的方式讨论这些差异。揭示这些集群的频率分布遵循具有不同均值和方差的偏态分布。然后，分析继续检查相对于不规则跨空间旅行的规律性，证明了郊区旅行的起点的高规律性与伦敦市中心目的地的高规律性形成对比。这一分析为未来的研究设定了议程，即我们如何捕捉和衡量定期和不定期旅行之间的差异，我们将通过结论的方式讨论这些差异。表明郊区旅行起点的高度规律性与伦敦市中心目的地的高度规律性形成鲜明对比。这一分析为未来的研究设定了议程，即我们如何捕捉和衡量定期和不定期旅行之间的差异，我们将通过结论的方式讨论这些差异。表明郊区旅行起点的高度规律性与伦敦市中心目的地的高度规律性形成鲜明对比。这一分析为未来的研究设定了议程，即我们如何捕捉和衡量定期和不定期旅行之间的差异，我们将通过结论的方式讨论这些差异。