注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書科學技術交通運輸大數據條件下的軌道交通網絡化客流組織理論與方法

大數據條件下的軌道交通網絡化客流組織理論與方法

大數據條件下的軌道交通網絡化客流組織理論與方法

定 價:¥108.00

作 者: 蔡昌俊,許心越,劉軍
出版社: 科學出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787030726056 出版時間: 2022-08-01 包裝: 平裝
開本: 16開 頁數: 字數:  

內容簡介

  《大數據條件下的軌道交通網絡化客流組織理論與方法》面向超大規(guī)模路網、超大規(guī)??土鞯倪\輸組織,系統(tǒng)介紹大數據條件下的軌道交通運營數據的融合處理方法、乘客行為挖掘方法、客流預測分析方法、路網狀態(tài)識別及控制的理論和方法,闡述大數據條件下乘客畫像的構建方法、面向大數據的多場景乘客出行行為建模理論、數據驅動的路網狀態(tài)識別、路網協(xié)同限流控制與精準誘導理論和方法。

作者簡介

暫缺《大數據條件下的軌道交通網絡化客流組織理論與方法》作者簡介

圖書目錄

目錄
前言
第一章 大數據條件下軌道交通網絡化客流組織理論 1
1.1 大數據條件下軌道交通網絡化客流組織理論框架 2
1.2 國內外綜述 4
1.2.1 大數據條件下的乘客行為特性建?!?
1.2.2 大數據條件下的路網客流預測方法 6
1.2.3 大數據條件下的路網狀態(tài)識別方法 7
1.2.4 大數據條件下的路網客流控制理論 8
1.2.5 大數據條件下的路網客流誘導方法 9
參考文獻 10
第二章 軌道交通客流大數據挖掘 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 路網客流異常分析 25
2.2.1 基于數據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 以地理數據為主的多源數據采集 42
2.4.1 軌道交通站點相關數據及來源 42
2.4.2 電子地圖地理數據采集 43
2.4.3 其他數據采集 43
2.5 本章小結 44
參考文獻 44
第三章 基于數據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?!?5
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模 85
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 面向大數據的軌道交通客流預測方法 99
4.1 面向土地利用數據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 基于圖卷積神經網絡的短時客流預測 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)徑向基函數的出站量預測模型 118
4.3.2 數據集 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 面向數據驅動的軌道交通路網狀態(tài)識別方法 153
5.1 基于譜聚類的路網能力瓶頸識別方法 153
5.1.1 軌道交通拓撲網絡構建 153
5.1.2 車站評價指標選取 154
5.1.3 基于換乘網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狀態(tài)識別方法 162
5.2.1 路網狀態(tài)評價指標構建 162
5.2.2 基于歷史數據的路網評價指標分級 163
5.2.3 基于KNN算法的路網狀態(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協(xié)同限流方法 183
6.1 城市軌道交通路網協(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 184
6.1.4 約束條件 184
6.2 城市軌道交通路網協(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 數據驅動的軌道交通精準誘導方法及系統(tǒng) 195
7.1 城市軌道交通路網精準誘導理論 195
7.2 路網精準誘導信息生成方法 196
7.2.1 誘導信息內容生成方法 196
7.2.2 誘導信息展現形式確定方法 197
7.3 路網精準誘導信息發(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

本目錄推薦

掃描二維碼
Copyright ? 讀書網 www.leeflamesbasketballcamps.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號