大數(shù)據(jù)條件下的軌道交通網(wǎng)絡化客流組織理論與方法

目錄
前言
第一章　大數(shù)據(jù)條件下軌道交通網(wǎng)絡化客流組織理論　1
1.1　大數(shù)據(jù)條件下軌道交通網(wǎng)絡化客流組織理論框架　2
1.2　國內(nèi)外綜述　4
1.2.1　大數(shù)據(jù)條件下的乘客行為特性建模　4
1.2.2　大數(shù)據(jù)條件下的路網(wǎng)客流預測方法　6
1.2.3　大數(shù)據(jù)條件下的路網(wǎng)狀態(tài)識別方法　7
1.2.4　大數(shù)據(jù)條件下的路網(wǎng)客流控制理論　8
1.2.5　大數(shù)據(jù)條件下的路網(wǎng)客流誘導方法　9
參考文獻　10
第二章　軌道交通客流大數(shù)據(jù)挖掘　15
2.1　旅行時間異常分析　15
2.1.1　基于箱線圖的標準時間帶分析　15
2.1.2　基于集成算法的旅行時間異常檢測　16
2.1.3　案例分析　18
2.2　路網(wǎng)客流異常分析　25
2.2.1　基于數(shù)據(jù)驅動方法的客流模式異常識別　25
2.2.2　客流異常識別案例分析　28
2.3　乘客用戶“畫像”構建　32
2.3.1　乘客“畫像”卡賬戶指標體系的構建　32
2.3.2　卡賬戶出行時空分布特征分析　33
2.3.3　活躍卡賬戶職住地估計　36
2.3.4　案例分析　36
2.4　以地理數(shù)據(jù)為主的多源數(shù)據(jù)采集　42
2.4.1　軌道交通站點相關數(shù)據(jù)及來源　42
2.4.2　電子地圖地理數(shù)據(jù)采集　43
2.4.3　其他數(shù)據(jù)采集　43
2.5　本章小結　44
參考文獻　44
第三章　基于數(shù)據(jù)驅動的乘客出行行為分析與建?！?5
3.1　基于決策場理論的乘客出發(fā)車站選擇行為建模　45
3.1.1　決策場理論　45
3.1.2　基于多備擇決策場理論封站條件下乘客出發(fā)車站選擇模型　49
3.1.3　基于極大似然估計的模型參數(shù)標定方法　52
3.1.4　案例分析　54
3.2　考慮旅行時間可靠性的乘客出發(fā)時間選擇行為建?！?4
3.2.1　旅行時間可靠性定義　64
3.2.2　基于可預測性的旅行時間可靠性度量方法　65
3.2.3　考慮旅行時間可靠性的乘客出發(fā)時間選擇模型　70
3.2.4　案例分析　77
3.3　擁擠大客流下具有反向行為的乘客路徑選擇行為建?！?5
3.3.1　乘客反向乘車行為分析　85
3.3.2　乘客兩階段選擇行為模型　85
3.3.3　基于高斯混合分布的貝葉斯模型　89
3.3.4　參數(shù)標定算法　91
3.3.5　案例分析　92
3.4　本章小結　96
參考文獻　97
第四章　面向大數(shù)據(jù)的軌道交通客流預測方法　99
4.1　面向土地利用數(shù)據(jù)的軌道交通進出站量預測方法　99
4.1.1　候選變量的探索回歸　100
4.1.2　站點客流量預測結果　105
4.2　基于圖卷積神經(jīng)網(wǎng)絡的短時客流預測　107
4.2.1　短時客流的時空圖卷積預測方法　108
4.2.2　案例分析　111
4.3　客流控制下軌道交通出站量預測方法　118
4.3.1　基于動態(tài)徑向基函數(shù)的出站量預測模型　118
4.3.2　數(shù)據(jù)集　122
4.3.3　案例分析　125
4.4　封站場景下軌道交通進出站量預測方法　134
4.4.1　封站場景下客流預測方法　134
4.4.2　案例分析　137
4.5　本章小結　151
參考文獻　151
第五章　面向數(shù)據(jù)驅動的軌道交通路網(wǎng)狀態(tài)識別方法　153
5.1　基于譜聚類的路網(wǎng)能力瓶頸識別方法　153
5.1.1　軌道交通拓撲網(wǎng)絡構建　153
5.1.2　車站評價指標選取　154
5.1.3　基于換乘網(wǎng)的車站擁堵識別模型構建　154
5.1.4　擁堵識別模型求解流程　155
5.1.5　案例分析　156
5.2　基于密度聚類的軌道交通路網(wǎng)狀態(tài)識別方法　162
5.2.1　路網(wǎng)狀態(tài)評價指標構建　162
5.2.2　基于歷史數(shù)據(jù)的路網(wǎng)評價指標分級　163
5.2.3　基于KNN算法的路網(wǎng)狀態(tài)評估　167
5.2.4　案例分析　167
5.3　基于密度聚類的軌道交通關鍵車站狀態(tài)識別方法　169
5.3.1　車站狀態(tài)評價指標構建　169
5.3.2　關鍵車站識別流程　170
5.3.3　基于密度聚類形成關鍵車站區(qū)域　170
5.3.4　基于線性回歸驗證車站關聯(lián)度分析有效性　172
5.3.5　案例分析　172
5.4　本章小結　182
參考文獻　182
第六章　基于強化學習的軌道交通路網(wǎng)協(xié)同限流方法　183
6.1　城市軌道交通路網(wǎng)協(xié)同限流模型建立　183
6.1.1　符號定義　183
6.1.2　模型假設　184
6.1.3　目標函數(shù)　184
6.1.4　約束條件　184
6.2　城市軌道交通路網(wǎng)協(xié)同限流模型求解　187
6.3　案例分析　190
6.4　本章小結　193
參考文獻　194
第七章　數(shù)據(jù)驅動的軌道交通精準誘導方法及系統(tǒng)　195
7.1　城市軌道交通路網(wǎng)精準誘導理論　195
7.2　路網(wǎng)精準誘導信息生成方法　196
7.2.1　誘導信息內(nèi)容生成方法　196
7.2.2　誘導信息展現(xiàn)形式確定方法　197
7.3　路網(wǎng)精準誘導信息發(fā)布方法　199
7.3.1　誘導信息發(fā)布時空范圍確定　199
7.3.2　個性化誘導信息發(fā)布方法　201
7.3.3　個性化誘導信息發(fā)布優(yōu)化　203
7.4　廣州地鐵多場景下客流精準誘導信息系統(tǒng)　205
7.4.1　系統(tǒng)體系結構設計　205
7.4.2　系統(tǒng)關鍵功能服務描述　206
7.5　本章小結　209
參考文獻　209