城市軌道交通客流大數(shù)據(jù)理論與應用

目錄
前言
第1章軌道交通客流大數(shù)據(jù)概述1
1.1大數(shù)據(jù)概述1
1.1.1大數(shù)據(jù)概念1
1.1.2數(shù)據(jù)類型1
1.1.3大數(shù)據(jù)技術(shù)3
1.2城市軌道交通發(fā)展概況4
1.2.1世界城市軌道交通發(fā)展歷程4
1.2.2中國城市軌道交通發(fā)展概況6
1.3城市軌道交通網(wǎng)絡化運營與客流大數(shù)據(jù)8
1.3.1城市軌道交通網(wǎng)絡化運營及特點8
1.3.2城市軌道交通客流大數(shù)據(jù)的形成11
1.3.3軌道交通客流大數(shù)據(jù)技術(shù)17
參考文獻50
第2章城市軌道交通客流分析挖掘方法52
2.1基于視頻的客流狀態(tài)分析方法52
2.1.1方法概述52
2.1.2相關(guān)技術(shù)研究現(xiàn)狀53
2.1.3模型研究55
2.1.4方法實驗驗證62
2.2城市軌道交通客流特征分析挖掘67
2.2.1城市軌道交通客流時間維度特征分析67
2.2.2城市軌道交通客流空間維度特征分析77
2.2.3城市軌道交通客流聚類分析81
參考文獻92
第3章城市軌道交通客流預測理論與方法95
3.1客流預測理論方法研究現(xiàn)狀95
3.1.1客流宏觀預測97
3.1.2客流微觀預測98
3.2基于小波分析的支持向量機短期客流預測算法102
3.2.1客流數(shù)據(jù)預處理103
3.2.2融合多種模型特點的短期客流預測算法104
3.2.3實驗數(shù)據(jù)與評價方法108
3.2.4算法驗證109
3.3基于灰色馬爾可夫的大客流實時預測算法118
3.3.1重大事件對客流的影響118
3.3.2大客流實時預測算法119
3.3.3算法驗證123
3.4基于深度神經(jīng)網(wǎng)絡的預測算法127
3.4.1算法概述127
3.4.2數(shù)據(jù)集及數(shù)據(jù)處理方法介紹128
3.4.3預測算法128
3.4.4算法驗證130
參考文獻132
第4章城市軌道交通客流仿真理論134
4.1面向多向行人疏散流的向量地場模型134
4.1.1向量地場模型136
4.1.2模型仿真與驗證141
4.2一種引入排斥動態(tài)場的行人疏散地場模型160
4.2.1新型行人疏散地場模型160
4.2.2模擬仿真與驗證166
參考文獻180
第5章軌道交通大數(shù)據(jù)應用探索與展望182
5.1基于開放架構(gòu)的客流大數(shù)據(jù)應用系統(tǒng)設計與實現(xiàn)182
5.1.1系統(tǒng)概述182
5.1.2大數(shù)據(jù)平臺技術(shù)實現(xiàn)及功能184
5.1.3業(yè)務應用系統(tǒng)實現(xiàn)189
5.2數(shù)據(jù)驅(qū)動的列車運行優(yōu)化方法192
5.2.1數(shù)據(jù)處理192
5.2.2優(yōu)化模型193
5.2.3優(yōu)化方法197
5.3大數(shù)據(jù)背景下的智慧城市軌道交通應用展望203
5.3.1城市軌道交通大數(shù)據(jù)技術(shù)發(fā)展面臨的挑戰(zhàn)203
5.3.2城市軌道交通大數(shù)據(jù)技術(shù)發(fā)展方向探討208
參考文獻216
附錄A本書縮略語217
附錄B城市軌道交通客流大數(shù)據(jù)專業(yè)名詞解釋220
彩圖