声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：李子浩, 田向亮, 黎忠文, 周炜, 周志杰, 钟茂华
单位：1. 清华大学 工程物理系, 公共安全研究院, 北京 100084;<br>2. 深圳市地铁集团有限公司, 深圳 518026
关键词：地铁,大数据,聚类,出行规律,风险分析
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）
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。
来源：2019年第10期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。