Real-time public transit ridership flow and origin-destination (O–D) information is essential for improving transit service quality and optimizing transit networks in smart cities. The effectiveness and accuracy of the traditional survey-based methods and smart card data-driven methods for O–D information inference have multiple disadvantages in terms of biased results, high latency, insufficient sample size, and the high cost of time and energy. By considering the ubiquity of smart mobile devices in the world, monitoring public transit ridership flow can be accomplished by passively sensing Wi-Fi and Bluetooth (BT) mobile devices of passengers. This study proposed a system for monitoring real-time public transit passenger ridership flow and O–D information based on customized Wi-Fi and BT sensing device. By combining the consideration of the assumed overlapping feature spaces of passenger and nonpassenger media access control address data, a three-step data-driven algorithm framework for estimating transit ridership flow and O–D information is proposed. The observed ridership flow is used as the ground truth for evaluating the performance of the proposed algorithm. According to the evaluation results, the proposed algorithm outperformed all selected baseline models and the existing filtering methods. The findings of this study can help to provide real time and precise transit ridership flow and O–D information for supporting transit vehicle management and the quality of service enhancement.

中文翻译：

---

通过被动感应Wi-Fi和蓝牙移动设备来监控公共交通流量

实时公交乘车流量和始发地（O-D）信息对于提高公交服务质量和优化智慧城市中的公交网络至关重要。传统的基于调查的方法和智能卡数据驱动的方法进行O-D信息推理的有效性和准确性在结果偏倚，等待时间长，样本量不足以及时间和精力成本高等方面具有多个缺点。通过考虑全球智能移动设备的普遍性，可以通过被动感应乘客的Wi-Fi和蓝牙（BT）移动设备来实现对公共交通客流的监视。本研究提出了一种基于定制Wi-Fi和BT传感设备的实时公交乘客流量和O-D信息监控系统。通过综合考虑乘客和非乘客媒体访问控制地址数据的重叠特征空间的考虑，提出了一种三步数据驱动算法框架，用于估计过境旅客流量和OD信息。观察到的乘客流被用作评估所提出算法性能的基本事实。根据评估结果，该算法优于所有选定的基线模型和现有的过滤方法。这项研究的结果可以帮助提供实时和精确的过境旅客流和O-D信息，以支持过境车辆管理和服务质量的提高。提出了一种三步数据驱动算法框架，用于估计过境旅客流量和OD信息。观察到的乘客流被用作评估所提出算法性能的基本事实。根据评估结果，该算法优于所有选定的基线模型和现有的过滤方法。这项研究的结果可以帮助提供实时和精确的过境旅客流和O-D信息，以支持过境车辆管理和服务质量的提高。提出了一种三步数据驱动算法框架，用于估计过境旅客流量和OD信息。观察到的乘客流被用作评估所提出算法性能的基本事实。根据评估结果，该算法优于所有选定的基线模型和现有的过滤方法。这项研究的结果可以帮助提供实时和精确的过境旅客流和O-D信息，以支持过境车辆管理和服务质量的提高。该算法优于所有选定的基线模型和现有的过滤方法。这项研究的结果可以帮助提供实时和精确的过境旅客流和O-D信息，以支持过境车辆管理和服务质量的提高。该算法优于所有选定的基线模型和现有的过滤方法。这项研究的结果可以帮助提供实时和精确的过境旅客流和O-D信息，以支持过境车辆管理和服务质量的提高。