城市有轨交通网络的模式挖掘与流量预测研究

发布时间：2021-08-31 06:22

　　随着城市化进程的不断发展,城市开始面临各种各样的风险和挑战。交通拥堵、交通安全和环境污染已经成为了中国大多数城市面临的三大难点问题。大力发展城市有轨交通成为了解决这些难点问题的重要手段之一。实现城市有轨交通网络的智能化、集成化、高效化的管理也是智慧城市的重要组成部分。本课题基于上海市智能交通卡数据及有轨交通网络的空间信息,对城市有轨交通网络中的乘客移动行为以及站点客流进行了统计分析和建模预测。本文主要基于统计方法、机器学习、张量分析、模式识别等方法,对城市有轨交通网络进行分析、挖掘和预测,主要包括城市有轨交通网络的乘客出行模式挖掘和高峰流量预测、高峰时刻估计。首先,本文从统计角度研究了城市有轨交通网络乘客流量的数据基本特征以及时空相关性,在早晚高峰和非高峰时段分别分析了各个地铁站点的潮汐效应及人流更迭情况,统计了客流量的热门站点,并采用聚集抽样的方式研究了两类典型的乘客出行模式概况。针对城市有轨交通网络的乘客出行模式挖掘,首先基于历史交通流特征分析和验证,提取了交通流数据包含的先验特征,然后将交通流数据重构为5维交通张量,其考虑了交通流数据包含的时间序列基本趋势、多周期特征、空间信息和... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：97 页

【学位级别】：硕士

【部分图文】：

–1轨道交通流预测示意图:采样时间间隔为15 min,过去流量的时间区间长度m为8(6:00-7:45),预测的时间区间长度h为4(8:00-8:45)

–2现有工作和本文研究的关系

张量是由数据组合而成的多维数组。对于N维或者N阶张量来说,其是N个向量空间的张量积中的元素,而且每一个张量都有独立的坐标系。本文中所说的张量与物理学或工程学中的张量(如压力张量)[55]概念不同,本文中张量是数学意义上的张量场[56]。具体来说,一阶张量是向量,二阶张量是矩阵,三阶及其以上被称为高阶张量。例如,三阶张量有三个指数,如图3–1所示。向量a的第i个条目定义为ai,矩阵A的元素(i,j)定义为ai j,三阶张量X的元素(i,j,k)定义为Xi jk。定义3.1(模(Mode)).张量中的维度数量定义为张量的模数,也称为张量的阶数。例如,张量X∈RI1,I2,...,IN的阶数为N,故其模数也为N,表示一个N-mode张量。

【参考文献】：
期刊论文
[1]城市轨道交通工程供配电节能措施分析[J]. 赵霖.  科技创新与应用. 2018(29)

硕士论文
[1]基于深度学习的轨迹数据恢复研究[D]. 吴翰韬.电子科技大学 2018



本文编号：3374377