书籍详情
大数据条件下的轨道交通网络化客流组织理论与方法
作者：蔡昌俊,许心越,刘军
出版社：科学出版社
出版时间：2022-08-01
ISBN：9787030726056
定价：¥108.00
购买这本书可以去
内容简介
《大数据条件下的轨道交通网络化客流组织理论与方法》面向超大规模路网、超大规模客流的运输组织，系统介绍大数据条件下的轨道交通运营数据的融合处理方法、乘客行为挖掘方法、客流预测分析方法、路网状态识别及控制的理论和方法，阐述大数据条件下乘客画像的构建方法、面向大数据的多场景乘客出行行为建模理论、数据驱动的路网状态识别、路网协同限流控制与精准诱导理论和方法。
作者简介
暂缺《大数据条件下的轨道交通网络化客流组织理论与方法》作者简介
目录
目录
前言
第一章 大数据条件下轨道交通网络化客流组织理论 1
1.1 大数据条件下轨道交通网络化客流组织理论框架 2
1.2 国内外综述 4
1.2.1 大数据条件下的乘客行为特性建模 4
1.2.2 大数据条件下的路网客流预测方法 6
1.2.3 大数据条件下的路网状态识别方法 7
1.2.4 大数据条件下的路网客流控制理论 8
1.2.5 大数据条件下的路网客流诱导方法 9
参考文献 10
第二章 轨道交通客流大数据挖掘 15
2.1 旅行时间异常分析 15
2.1.1 基于箱线图的标准时间带分析 15
2.1.2 基于集成算法的旅行时间异常检测 16
2.1.3 案例分析 18
2.2 路网客流异常分析 25
2.2.1 基于数据驱动方法的客流模式异常识别 25
2.2.2 客流异常识别案例分析 28
2.3 乘客用户“画像”构建 32
2.3.1 乘客“画像”卡账户指标体系的构建 32
2.3.2 卡账户出行时空分布特征分析 33
2.3.3 活跃卡账户职住地估计 36
2.3.4 案例分析 36
2.4 以地理数据为主的多源数据采集 42
2.4.1 轨道交通站点相关数据及来源 42
2.4.2 电子地图地理数据采集 43
2.4.3 其他数据采集 43
2.5 本章小结 44
参考文献 44
第三章 基于数据驱动的乘客出行行为分析与建模 45
3.1 基于决策场理论的乘客出发车站选择行为建模 45
3.1.1 决策场理论 45
3.1.2 基于多备择决策场理论封站条件下乘客出发车站选择模型 49
3.1.3 基于极大似然估计的模型参数标定方法 52
3.1.4 案例分析 54
3.2 考虑旅行时间可靠性的乘客出发时间选择行为建模 64
3.2.1 旅行时间可靠性定义 64
3.2.2 基于可预测性的旅行时间可靠性度量方法 65
3.2.3 考虑旅行时间可靠性的乘客出发时间选择模型 70
3.2.4 案例分析 77
3.3 拥挤大客流下具有反向行为的乘客路径选择行为建模 85
3.3.1 乘客反向乘车行为分析 85
3.3.2 乘客两阶段选择行为模型 85
3.3.3 基于高斯混合分布的贝叶斯模型 89
3.3.4 参数标定算法 91
3.3.5 案例分析 92
3.4 本章小结 96
参考文献 97
第四章 面向大数据的轨道交通客流预测方法 99
4.1 面向土地利用数据的轨道交通进出站量预测方法 99
4.1.1 候选变量的探索回归 100
4.1.2 站点客流量预测结果 105
4.2 基于图卷积神经网络的短时客流预测 107
4.2.1 短时客流的时空图卷积预测方法 108
4.2.2 案例分析 111
4.3 客流控制下轨道交通出站量预测方法 118
4.3.1 基于动态径向基函数的出站量预测模型 118
4.3.2 数据集 122
4.3.3 案例分析 125
4.4 封站场景下轨道交通进出站量预测方法 134
4.4.1 封站场景下客流预测方法 134
4.4.2 案例分析 137
4.5 本章小结 151
参考文献 151
第五章 面向数据驱动的轨道交通路网状态识别方法 153
5.1 基于谱聚类的路网能力瓶颈识别方法 153
5.1.1 轨道交通拓扑网络构建 153
5.1.2 车站评价指标选取 154
5.1.3 基于换乘网的车站拥堵识别模型构建 154
5.1.4 拥堵识别模型求解流程 155
5.1.5 案例分析 156
5.2 基于密度聚类的轨道交通路网状态识别方法 162
5.2.1 路网状态评价指标构建 162
5.2.2 基于历史数据的路网评价指标分级 163
5.2.3 基于KNN算法的路网状态评估 167
5.2.4 案例分析 167
5.3 基于密度聚类的轨道交通关键车站状态识别方法 169
5.3.1 车站状态评价指标构建 169
5.3.2 关键车站识别流程 170
5.3.3 基于密度聚类形成关键车站区域 170
5.3.4 基于线性回归验证车站关联度分析有效性 172
5.3.5 案例分析 172
5.4 本章小结 182
参考文献 182
第六章 基于强化学习的轨道交通路网协同限流方法 183
6.1 城市轨道交通路网协同限流模型建立 183
6.1.1 符号定义 183
6.1.2 模型假设 184
6.1.3 目标函数 184
6.1.4 约束条件 184
6.2 城市轨道交通路网协同限流模型求解 187
6.3 案例分析 190
6.4 本章小结 193
参考文献 194
第七章 数据驱动的轨道交通精准诱导方法及系统 195
7.1 城市轨道交通路网精准诱导理论 195
7.2 路网精准诱导信息生成方法 196
7.2.1 诱导信息内容生成方法 196
7.2.2 诱导信息展现形式确定方法 197
7.3 路网精准诱导信息发布方法 199
7.3.1 诱导信息发布时空范围确定 199
7.3.2 个性化诱导信息发布方法 201
7.3.3 个性化诱导信息发布优化 203
7.4 广州地铁多场景下客流精准诱导信息系统 205
7.4.1 系统体系结构设计 205
7.4.2 系统关键功能服务描述 206
7.5 本章小结 209
参考文献 209
前言
第一章 大数据条件下轨道交通网络化客流组织理论 1
1.1 大数据条件下轨道交通网络化客流组织理论框架 2
1.2 国内外综述 4
1.2.1 大数据条件下的乘客行为特性建模 4
1.2.2 大数据条件下的路网客流预测方法 6
1.2.3 大数据条件下的路网状态识别方法 7
1.2.4 大数据条件下的路网客流控制理论 8
1.2.5 大数据条件下的路网客流诱导方法 9
参考文献 10
第二章 轨道交通客流大数据挖掘 15
2.1 旅行时间异常分析 15
2.1.1 基于箱线图的标准时间带分析 15
2.1.2 基于集成算法的旅行时间异常检测 16
2.1.3 案例分析 18
2.2 路网客流异常分析 25
2.2.1 基于数据驱动方法的客流模式异常识别 25
2.2.2 客流异常识别案例分析 28
2.3 乘客用户“画像”构建 32
2.3.1 乘客“画像”卡账户指标体系的构建 32
2.3.2 卡账户出行时空分布特征分析 33
2.3.3 活跃卡账户职住地估计 36
2.3.4 案例分析 36
2.4 以地理数据为主的多源数据采集 42
2.4.1 轨道交通站点相关数据及来源 42
2.4.2 电子地图地理数据采集 43
2.4.3 其他数据采集 43
2.5 本章小结 44
参考文献 44
第三章 基于数据驱动的乘客出行行为分析与建模 45
3.1 基于决策场理论的乘客出发车站选择行为建模 45
3.1.1 决策场理论 45
3.1.2 基于多备择决策场理论封站条件下乘客出发车站选择模型 49
3.1.3 基于极大似然估计的模型参数标定方法 52
3.1.4 案例分析 54
3.2 考虑旅行时间可靠性的乘客出发时间选择行为建模 64
3.2.1 旅行时间可靠性定义 64
3.2.2 基于可预测性的旅行时间可靠性度量方法 65
3.2.3 考虑旅行时间可靠性的乘客出发时间选择模型 70
3.2.4 案例分析 77
3.3 拥挤大客流下具有反向行为的乘客路径选择行为建模 85
3.3.1 乘客反向乘车行为分析 85
3.3.2 乘客两阶段选择行为模型 85
3.3.3 基于高斯混合分布的贝叶斯模型 89
3.3.4 参数标定算法 91
3.3.5 案例分析 92
3.4 本章小结 96
参考文献 97
第四章 面向大数据的轨道交通客流预测方法 99
4.1 面向土地利用数据的轨道交通进出站量预测方法 99
4.1.1 候选变量的探索回归 100
4.1.2 站点客流量预测结果 105
4.2 基于图卷积神经网络的短时客流预测 107
4.2.1 短时客流的时空图卷积预测方法 108
4.2.2 案例分析 111
4.3 客流控制下轨道交通出站量预测方法 118
4.3.1 基于动态径向基函数的出站量预测模型 118
4.3.2 数据集 122
4.3.3 案例分析 125
4.4 封站场景下轨道交通进出站量预测方法 134
4.4.1 封站场景下客流预测方法 134
4.4.2 案例分析 137
4.5 本章小结 151
参考文献 151
第五章 面向数据驱动的轨道交通路网状态识别方法 153
5.1 基于谱聚类的路网能力瓶颈识别方法 153
5.1.1 轨道交通拓扑网络构建 153
5.1.2 车站评价指标选取 154
5.1.3 基于换乘网的车站拥堵识别模型构建 154
5.1.4 拥堵识别模型求解流程 155
5.1.5 案例分析 156
5.2 基于密度聚类的轨道交通路网状态识别方法 162
5.2.1 路网状态评价指标构建 162
5.2.2 基于历史数据的路网评价指标分级 163
5.2.3 基于KNN算法的路网状态评估 167
5.2.4 案例分析 167
5.3 基于密度聚类的轨道交通关键车站状态识别方法 169
5.3.1 车站状态评价指标构建 169
5.3.2 关键车站识别流程 170
5.3.3 基于密度聚类形成关键车站区域 170
5.3.4 基于线性回归验证车站关联度分析有效性 172
5.3.5 案例分析 172
5.4 本章小结 182
参考文献 182
第六章 基于强化学习的轨道交通路网协同限流方法 183
6.1 城市轨道交通路网协同限流模型建立 183
6.1.1 符号定义 183
6.1.2 模型假设 184
6.1.3 目标函数 184
6.1.4 约束条件 184
6.2 城市轨道交通路网协同限流模型求解 187
6.3 案例分析 190
6.4 本章小结 193
参考文献 194
第七章 数据驱动的轨道交通精准诱导方法及系统 195
7.1 城市轨道交通路网精准诱导理论 195
7.2 路网精准诱导信息生成方法 196
7.2.1 诱导信息内容生成方法 196
7.2.2 诱导信息展现形式确定方法 197
7.3 路网精准诱导信息发布方法 199
7.3.1 诱导信息发布时空范围确定 199
7.3.2 个性化诱导信息发布方法 201
7.3.3 个性化诱导信息发布优化 203
7.4 广州地铁多场景下客流精准诱导信息系统 205
7.4.1 系统体系结构设计 205
7.4.2 系统关键功能服务描述 206
7.5 本章小结 209
参考文献 209
猜您喜欢
