基于客流规律的地铁车站客流风险分析

论文摘要

地铁车站类型识别和客流风险识别对地铁安全运营管理有着重要的作用。基于深圳地铁AFC(automatic fare collection)系统数据,采用无关值和异常值清理、聚合、均值滤波、标准化、主成分分析等数据清洗步骤,提取不同时段客流比例、不同天数客流比例和换乘客流比例等特征。运用Gauss混合模型(GMM)对工作日和周末客流进行聚类,分析客流出行规律,辨识车站类型及其对应的客流风险时段,提出车站客流风险分析方法,通过大数据分析对车站类型和客流风险进行识别。分析结果对掌握车站大客流风险情况,避免大客流冲击造成的拥挤踩踏等群体性事件的发生,保障乘客安全具有指导意义。

论文目录

文章来源

类型: 期刊论文

作者: 李子浩,田向亮,黎忠文,周炜,周志杰,钟茂华

关键词: 地铁,大数据,聚类,出行规律,风险分析

来源: 清华大学学报(自然科学版) 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,经济与管理科学

专业: 铁路运输,交通运输经济

单位: 清华大学工程物理系公共安全研究院,深圳市地铁集团有限公司

基金: 国家重点研发计划(2018YFC0809900),国家杰出青年科学基金项目(51425404),博士后创新人才支持计划(BX20180158)

分类号: U293.13

DOI: 10.16511/j.cnki.qhdxxb.2019.21.028

页码: 854-860

总页数: 7

文件大小: 3951K

下载量: 490

相关论文文献

标签：地铁论文;  大数据论文;  聚类论文;  出行规律论文;  风险分析论文;