基于自动售检票数据的城市轨道交通通勤客流辨识
100 积分
50
评分
4.3 积分- 详情
- 2021-04-27
- 简介
pdf
- 1.2MB
- 页数 9P
- 阅读 82
- 下载 35
城市轨道交通具有明显的通勤客流主体特征,把握通勤客流出行规律对运营管理具有重要意义.本文以海量自动售检票数据潜在包含的时空关系为基础,从时间、空间、个体属性、出行规律四方面构建基于规则的出行目的辨识算法,重点针对通勤(上下班及上下学)客流进行辨识.以2014年北京市轨道交通售检票数据进行实证分析,结果显示:该方法能有效辨识上班、上学、下班回家、放学回家、其他回家和其他6类客流,其中上班占比26.77%,上学占0.44%,回家占44.49%(包含下班回家、放学回家及其他回家),其他占28.30%.结合2014年北京市公共交通出行调查结果,验证了辨识结果的准确性.该研究扩展了售检票数据应用范围,为精细化客流特征研究提供了一种低成本、高效的分析方法.
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于自动售检票数据的城市轨道交通通勤客流辨识 1.2MB
基于售检票数据的城市轨道交通乘客分类 433KB
基于Delphi的城市轨道交通自动售检票监控系统 417KB
北京市城市轨道交通通勤大客流特征分析 5.2MB
基于数据仓库的城市轨道交通客流分析 837KB
自动售检票(AFC)系统在城市轨道交通中的普及运用 25KB
基于云平台的城市轨道交通自动售检票系统 650KB
基于大数据的城市轨道交通客流预测方法 732KB
城市轨道交通自动售检票（AFC）系统 386KB
城市轨道交通自动售检票(AFC)系统 288KB