检索结果-南通市图书馆

数据不完备下基于特征识别的公交客流短时预测

同方期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2020年第4期48卷 114-122页

作者：方晓平林美陈维亚潘鑫中南大学交通运输工程学院∥轨道交通大数据湖南省重点实验室湖南长沙410075

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性... 详细信息

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。

关键词：公交客流短时预测不完备数据出行特征 SARIMA模型

在线全文

学校读者我要写书评

暂无评论

新冠疫情及建成环境对公交客流量的影响模型

交通运输系统工程与信息 2023年第1期23卷 207-215页

作者：傅志妍高于越陈坚陈琦重庆交通大学交通运输学院重庆400074 重庆第二师范学院经济与工商管理学院重庆400067 重庆市交通规划研究院重庆400074 东南大学江苏省现代城市交通技术江苏高校协同创新中心南京211189

为揭示新冠疫情背景下公交客流量变化的空间影响因素,以疫情前后公交站点层面客流变化量为因变量,以建成环境、病毒感染情况及病毒传播途径等指标为自变量,构建新冠疫情与建成环境对公交客流量共同影响的线性回归(Ordinary Least Square... 详细信息

为揭示新冠疫情背景下公交客流量变化的空间影响因素,以疫情前后公交站点层面客流变化量为因变量,以建成环境、病毒感染情况及病毒传播途径等指标为自变量,构建新冠疫情与建成环境对公交客流量共同影响的线性回归(Ordinary Least Squares,OLS)模型与梯度提升回归树(Gradient Boosting Regression Trees,GBRT)模型。以广州市为实证对象,基于公交IC卡数据、兴趣点数据(Point of Interest,POI)及道路网络数据等多源异构数据进行模型实证分析。结果表明:考虑非线性效应的GBRT模型比OLS模型具有更好的拟合度;同时,常规公交站点的公交线路数量(22.02%)和到市中心距离(13.56%)是影响疫情背景下公交客流量变化的最重要因素,片区病毒感染与传播情况对疫情防控常态化时期的公交客流量作用有限,居民日常公交出行已经从疫情的影响下逐渐恢复。

关键词：城市交通非线性效应梯度提升回归树公交客流新冠疫情

图像跨尺度特征融合与数据增强的公交客流检测模型

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第5期49卷 700-708页

作者：黄丽龚志鹏刘凡凡程起敏中南民族大学电子信息工程学院湖北武汉430074 华中科技大学电子信息与通信学院湖北武汉430074

针对目前公交客流目标检测中由于前后排乘客图像尺寸差距大、遮挡严重而难以检测的问题,提出一种改进的目标检测模型YOLOv5s_P。该模型基于YOLOv5基本架构,针对乘客图像尺寸差距大的问题,使用重复加权双向特征金字塔网络结构替换YOLOv5... 详细信息

针对目前公交客流目标检测中由于前后排乘客图像尺寸差距大、遮挡严重而难以检测的问题,提出一种改进的目标检测模型YOLOv5s_P。该模型基于YOLOv5基本架构,针对乘客图像尺寸差距大的问题,使用重复加权双向特征金字塔网络结构替换YOLOv5中的路径聚合网络结构,引入权重机制双向跨尺度融合不同特征,增强提取复杂目标特征的能力;同时针对遮挡问题,结合Mixup数据增强方法,扩充遮挡和重叠图像的训练样本,提高模型泛化能力,减少客流图像残缺导致的漏检。为了验证YOLOv5s_P模型性能,将其应用于实际公交场景,并与Faster R-CNN、SSD300、RetinaNet、YOLOv5s 4种模型进行对比测试。实验结果表明,YOLOv5s_P模型在不影响检测速度的情况下,平均精度均值达到96.9%,平均漏检率较YOLOv5s模型降低了3.43%,提高了公交客流的检测精度。

关键词：深度学习 YOLOv5s_P 公交客流目标检测特征融合数据增强

在线全文

学校读者我要写书评

暂无评论

公交客流MDAS的设计与实现

自动化与仪表 2009年第1期24卷 39-42页

作者：蔡春丽孙棣华赖志伟重庆大学自动化学院重庆400044

为有效掌握公交线路客流分布规律,基于车载GPS和APC数据,将多维分析技术应用于公交线路车辆APC数据的分析。提出了公交客流MDAS总体解决方案,包括对采集数据的预处理,以及设计了星形MDA数据仓库模型、多维数据集及数据分析引擎,利用插... 详细信息

为有效掌握公交线路客流分布规律,基于车载GPS和APC数据,将多维分析技术应用于公交线路车辆APC数据的分析。提出了公交客流MDAS总体解决方案,包括对采集数据的预处理,以及设计了星形MDA数据仓库模型、多维数据集及数据分析引擎,利用插值算法绘制客流分布曲线。测试表明,该系统能够对线路客流进行快速统计分析,为公交管理人员提供有效的辅助决策支持。

关键词：公交客流自动乘客计数全球定位系统联机分析处理多维分析系统

在线全文

学校读者我要写书评

暂无评论

公交客流数据分析的研究

公交客流数据分析的研究

作者：王春雨河北工业大学

学位级别：硕士

公交是城市客运交通的重要组成部分,公交客流的基本特征在于它的空间和时间分布的不均匀性。公交客流的分布不仅影响到城市公交车辆的行车组织,而且还影响到公共交通的长远规划,因而研究并充分掌握其规律是十分重要的。如今,随着先进的... 详细信息

公交是城市客运交通的重要组成部分,公交客流的基本特征在于它的空间和时间分布的不均匀性。公交客流的分布不仅影响到城市公交车辆的行车组织,而且还影响到公共交通的长远规划,因而研究并充分掌握其规律是十分重要的。如今,随着先进的客流数据采集技术在公交系统的逐步推广应用,公交系统在运行过程中积累的客流数据量越来越大。传统的数据分析方法已经不能很好的处理这些数据,需要研究新的方法对公交客流数据进行分析处理。本文对公交客流数据分析的研究主要集中在两个方面:第一,研究聚类分析在公交客流数据分析中的应用。研究并实现了使用聚类分析算法解决公交线路评价指标简化、公交线路分类、公交调度时段划分的方法。并用实际数据对相关方法进行了检验,结果表明这些方法是可行而有效的。第二,研究基于客流分析公交静态调度优化问题。公交静态调度的关键问题是确定行车时刻表,而确定行车时刻表的主要依据是客流的分布规律。本文首先在同时考虑客流的时间和空间分布的基础上,依照模型建立的步骤和方法,以最小拥挤度、最小候车超时度、最小发车次数为目标,建立了公交静态调度的数学模型;然后用非劣分层遗传算法对模型进行求解;最后利用数据对模型进行检验,结果表明模型及其求解方法是可行而有效的。

关键词：公交客流聚类分析遗传算法静态调度非劣分层遗传算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

公交客流时空分析及三维可视化表达研究

公交客流时空分析及三维可视化表达研究

作者：李明志中国矿业大学

学位级别：硕士

在智慧城市建设的背景下,城市公交系统作为城市重要的交通网络之一,其面临公交线网密度不断增大、客流动态变化不断增强、乘客出行需求不断多样化等诸多挑战。基于公交刷卡数据提取公交客流信息是公交线网规划、公交系统评价、公交运营... 详细信息

在智慧城市建设的背景下,城市公交系统作为城市重要的交通网络之一,其面临公交线网密度不断增大、客流动态变化不断增强、乘客出行需求不断多样化等诸多挑战。基于公交刷卡数据提取公交客流信息是公交线网规划、公交系统评价、公交运营计划和日常调度的重要参考。因此,根据公交运营单位采集的乘客刷卡数据分析公交客流的时空变化特征,挖掘乘客出行模式,并随之调整公交运营配置,进而对提升公交运营单位的运营效率和服务质量具有重要意义。另外,数据可视化是发掘时空信息潜在知识的重要环节,时空数据维度的不断增长,迫切需要对数据表达的场景空间、时间维度进行提升。本文旨在,以苏州工业园区为例,首先,基于公交刷卡数据及其衍生数据,通过数理统计、数据融合等方法提取公交客流信息、客流OD分布,并分别从时间和空间两个维度对园区公交客流的时空变化特征进行分析。然后,基于城市基础地理数据(路网、湖泊水系、建筑等)和三维可视化技术构建Web三维可视化场景,为公交客流专题数据的时空可视化表达提供场景支撑。最后,在Web三维场景中对公交客流时空信息进行可视化呈现,实现信息知识的跨平台共享。本文主要研究内容如下:(1)分对析相关数据组织结构,数据进行预处理,其中包括公交线路站点数据的更新,城市基础数据简化处理。同时,采用PostGIS对相关数据进行存储。(2)对地理信息三维可视化表达的相关技术做了详细介绍。在深入理解WebGL图形API的基础上,选择底层基于WebGL技术的Web3D框架—Threejs来构建三维可视化场景。(3)基于乘客公交出行的时间特征,对乘客IC卡类型进行推断;基于公交刷卡、公交站点、公交线路等数据,在提出使用四个推断假设的基础上,构建乘客下车站点推断求解模型,实现乘客下车站点的推断。(4)基于基础数理统计方法,实现不同类型群体刷卡客流提取、线路分时客流提取、站点分时客流提取,分别从时空和空间两个维度对园区公交客流的时空变化特征进行分析。(5)基于城市基础地理数据构建三维可视化场景。从地理空间数据的组织编码、数据传输解码、三维空间坐标系统定义、三维场景构建流程和空间数据绘制等多个方面介绍了三维场景构建的过程。最后实现了三维可视化场景的构建,为接下来数据三维可视化表达提供场景支撑。(6)结合WebGIS相关技术,使用Angular7开发框架,Threejs、***等相关技术,开发实现了基于B/S端的“公交客流时空分析及三维可视化平台”。

关键词：公交客流时空分析时空可视化 WebGIS,WebGIS 3D Threejs 公交OD

基于FIG-SVM的公交客流波动趋势与空间预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

重庆交通大学学报（自然科学版） 2023年第11期42卷 134-140页

作者：何庆龄裴玉龙徐慧智侯琳东北林业大学土木与交通学院黑龙江哈尔滨150040

根据公交客流时间序列的波动特征和影响因素的相关关系,将公交客流以7 d为长度划分时间窗口,通过模糊理论将时间窗口样本数据信息粒化,得到LOW、R、UP这3组模糊信息粒化后的时间序列,使用支持向量机模型对其进行预测,获得了公交客流波... 详细信息

根据公交客流时间序列的波动特征和影响因素的相关关系,将公交客流以7 d为长度划分时间窗口,通过模糊理论将时间窗口样本数据信息粒化,得到LOW、R、UP这3组模糊信息粒化后的时间序列,使用支持向量机模型对其进行预测,获得了公交客流波动趋势与空间范围。运用该模型对哈尔滨市1路公交245 d的IC卡数据进行实证研究。结果表明:该模型相较于ARMA和GA-BP模型具有较高精度,能有效预测公交客流的波动趋势与空间。

关键词：交通工程公交客流波动特征空间预测支持向量机

基于SVM-KNN的降雨条件下短时公交客流预测

在线全文

学校读者我要写书评

暂无评论

交通信息与安全 2018年第5期36卷 117-123页

作者：刘欣彤黄小龙谢秉磊哈尔滨工业大学(深圳)研究生院广东深圳518055

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型。分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响。进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精... 详细信息

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型。分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响。进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVMKNN的短时公交客流预测模型。具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流。通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性。结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%。

关键词：城市交通公交客流短时预测 SVM-KNN 降雨条件

基于随机灰色蚁群神经网络的近期公交客流预测

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2012年第6期29卷 2078-2080,2084页

作者：王庆荣张秋余兰州交通大学电子与信息工程学院兰州730070 兰州理工大学电气与信息工程学院兰州730030

为了科学准确地预测近期公交客流量,根据近期公交客流量预测受到多因素影响以及非线性的特点,利用随机灰色变量描述预测系统的不确定性,建立了随机灰色预测模型以及基于蚁群算法的递归神经网络模型,在此基础上,提出了一种基于随机灰色... 详细信息

为了科学准确地预测近期公交客流量,根据近期公交客流量预测受到多因素影响以及非线性的特点,利用随机灰色变量描述预测系统的不确定性,建立了随机灰色预测模型以及基于蚁群算法的递归神经网络模型,在此基础上,提出了一种基于随机灰色蚁群神经网络的近期公交客流量预测方法。最后以铜陵市为例,对模型的预测精度和有效性进行了分析。结果表明,基于蚁群算法的递归神经网络模型的预测精度不但高于其他单一预测模型,而且明显优于其他传统组合预测模型,能很好地反映事物发展的规律,能够指导公交经营管理者近期的决策行为,有效地改善了预测精度。

关键词：城市交通灰色模型神经网络蚁群优化算法公交客流预测