迪士尼“恋上”上海地铁卡

如果说“乐游上海”地铁纪念卡更符合传统意义上的迪士尼动画人物形象的活，“水墨中国”地铁纪念卡则更显中国艺术水墨画的神韵。

投资地铁卡ABC

也许您天天都在使用地铁卡,但您是否意识到手中的地铁卡也具有巨大的收藏投资价值。

拜年地铁卡变中求生

突破生肖卡的图案制约，采用民间喜闻乐见的版画形式展现拜年卡题材，不但吻合拜年这一中国传统的习俗，而且更加容易获得集藏者的青睐。《猴年》拜年卡的求变带来了生机，便是最好的证明。

RFID技术在地铁票卡读写器系统模式优化中的应用

无线射频识别技术(Radio Frequency Identification,RFID)具有无需直接接触即可读取数据的特性,已广泛应用于自动识别和数据捕获系统,特别是地铁票卡系统中。通过使用RFID技术,地铁票卡读写器系统不仅能提高票卡处理速度,还能增强数据的安全性和处理能力。本文深入探讨了基于RFID技术的地铁票卡读写器系统的设计与优化,包括系统需求分析、数据处理、读写识别技术的优化以及整体系统功能的实现,并通过系列系统测试验证了所提出优化措施的有效性。

基于IC卡数据的城市地铁绿色出行碳减排机理分析

本文基于地铁IC卡数据来获取并且筛选地铁出行信息(Origin and Destination,OD),计算比较OD站点间人均碳减排量。使用API获取兴趣点(point of interest,POI)数据,选取城市地铁站周边的建成环境、出行距离和非直线系数等影响因素。基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型的机器学习方法对各个影响因素进行回归分析,发现各影响因素对碳减排量的重要性分别为:出行距离占23.1%,非直线系数占9.3%,总建成环境占68.6%。

基于GBDT算法的地铁IC卡通勤人群识别

随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GBDT)机器学习算法为基础的通勤人群识别方法。首先以周工作日的首末次平均刷卡时间、首末次平均刷卡时长、首末次刷卡时长波动程度、刷卡次数总和等5个特征来制定调查问卷的数据格式。然后利用处理过的带标签(通勤/非通勤)的调查问卷数据去训练GBDT分类器模型,测试样本的通勤识别的准确率高达94.16%。最后利用该模型对广州地铁IC卡数据通勤人群进行识别,结果显示广州地铁刷卡数据中通勤人群数量为131万左右,占总地铁刷卡出行人数32%左右。

地铁IC卡自动充值系统的设计与研究

针对地铁IC卡自动充值系统和IC卡的应用开发的现状,论述了自动充值系统的总体结构,给出了充值机的硬件体系机构和主要应用程序流程,金融网关的工作方式和程序主流程以及充值机与金融网关之间的通信.实现了公交地铁IC卡的自助充值,使公交卡具有更充分的开放性.

地铁卡收藏3部经

一种新型的集藏品种——地铁纪念磁卡，近几年来在众多的邮币卡品种里异军突起，逐步受到了集藏爱好者的关注。买卖交易也日益活跃。地铁卡收藏虽说升值．但也不是买进所有的地铁卡都能迅速盈利，掌握地铁卡收藏3部经．有助于在地铁卡收藏和投资的活动中获利.

瞄着精品集藏地铁卡

在邮币卡等所有的集藏品里,精品无疑是其中升值最快的,而地铁卡收藏也是精品涨幅最大,因为精品是题材、发行量、存世量、制作工艺和品相等因素的综合体现。多年以来,地铁卡精品一般都具有在弱势市道抗跌性强、在强势市道上涨较快的特点。

史无前例的地铁卡展览

4月30日起，首届地铁卡暨卡通画作品展在上海举行。地处徐汇的汇金百货2000平方米的展出场地，地铁卡齐全的品种和丰富的内容令人驻足流连。作品主要以上海的地铁卡为主，全方位展示了上海地铁始建以来的所有卡票，有纪念卡、营运卡、试机卡、测试卡、磁卡、纸票作品原件330套、千余枚卡票，同时展出的还有北京、广州、香港、台湾等地及世界各地的部分地铁卡，可谓是一次“地铁卡总动员”。

能阅读的“地铁卡”

“能阅读的地铁卡”是由巴西最大的口袋书出版商格雷特制作生产的。格雷特喜欢阅读各类书籍，他认为读书会使人的生命得到升华。然而，他经常在乘地铁时发现，很多年轻人乘地铁不是拿着手机翻看朋友圈，就是无聊地进行自拍，看书的人少之又少。如此大好的时光就这样白白浪费掉了，格雷特感到很痛惜。

慧眼识珠 挖掘地铁卡收藏价值

地铁纪念卡具有题材丰富、画面美丽、保管便捷、售价低廉、不易伪造、时代气息浓厚、实用性高等特点。以上海申通地铁集团有限公司发行的电影题材地铁纪念卡为例，官方原始售价仅15元，还包含一次乘车费用，实际收藏投资成本低于15元。电影题材地铁纪念卡将电影海报印制在地铁纪念卡卡面上，画面美观大方，深受地铁卡收藏投资者的喜爱。

邮市继续低迷彩金冲高回落——2003年上半年邮币卡市场综述

邮市低迷依旧：前6个月的市场总体低迷格调并没有发生任何改变，相反由于受到SARS疫情和一级市场抛压不断的影响，整个市场的发展有朝更加弱化的趋势发展。这种结局的出现实在出乎不少投资者的预期，曾经因新邮大幅减量而在年初被不少市场人士看好的邮市，已陷入了自1997年邮市高峰以来的最低迷状态。这可以从半年来市场的成交量不断萎缩、新邮热点昙花一现和投资者积极性基本消遁的现状中窥得。

纽约地铁24小时之旅

那是纽约的黄昏时分。我刚在哈莱姆区的145街刷了我的地铁卡，正往市中心而去。我没有捧着花束也没有友人相陪。我并非下班后回家。至于去哪儿，我甚至并非前往任－特定的目的地。我身穿一条牛仔裤，几件毛衣和一件夹克，里面揣着我的苹果手机、一个Kindle电子阅读器和一把牙刷。只身一人。

电影海报卡走热藏市

近年来．电话卡集藏和投资市场的表现较为低迷，绝大多数新发行的各种电话卡均处于打折交易的现状．令人感到悲凉。造成电话卡市场长期萎靡不振的原因，除了各家电信企业为争夺市场份额的惨烈竞争外，近7年来田村卡和IC卡在收藏品市场的没落，市价每况愈下的惨状．

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络(CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维CNN与ResNet组成深层神经网络,捕捉站点间的空间特征,同时利用一维CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证.结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文ResNet-CNN1D模型具有更好的预测精度.

基于离线关键站点和路径阻抗的地铁路线推荐方法

目前主流的路线推荐方法先通过寻径算法在满足各种约数条件下寻找K条可行路线,然后根据乘客的出行偏好从K条可行路线中选择一条路线推荐给乘客。然而,由于寻径算法的约束条件只能通过实时计算得到K条可行路线,当同时进行大量乘客的路线推荐时,由于无法快速获得推荐路线从而影响乘客的用户体验。因此本文提出基于离线关键站点的K最短时间算法,通过构造关键站点图和哈希表离线辅助查找K条最短路径,从而降低算法的时间复杂度。此外,通过分析发现,乘客对出行的负面感受与地铁换乘次数及拥挤度间并不是简单的线性关系,随着换乘次数和拥挤度的增加,乘客对出行的满意度会迅速衰减,所以,目前通过最大最小值方法计算出的乘客偏好路线并不一定是最佳路线。因此,本文设计了基于路径阻抗的地铁路线推荐方法,其中路径阻抗由不同权重的地铁时间成本和拥挤成本组成,通过计算K条最短时间路径的路径阻抗,从中选出符合乘客偏好的出行线路推荐给乘客。通过理论分析,随着查询次数的增多,本文提出的基于离线关键站点的K最短时间算法时间复杂度要远小于其他约数条件下的寻径算法。最后通过具体的实验示例验证本方法完全可以满足不同乘客的路线推荐需求。

基于地铁刷卡数据的城市通勤与就业中心吸引范围研究

地理时空大数据为通勤行为和城市空间结构研究带来了新的机遇。基于一周地铁刷卡数据,采用出行链(trip-chain)数据模型对用户一天的出行进行描述,建立通勤识别规则,识别出上海市域的职住空间和通勤格局。上海市域平均通勤时间为35分钟,通勤主流向是向心流,说明上海市域依旧表现出强单中心结构。市域就业单中心与居住郊区化并存,中心城区多核心就业已经形成。在此基础上进一步分析中心城区13个就业(次)中心的吸引范围、模式以及在整个市域的影响力,讨论多中心发展对职住平衡与通勤消减的意义。结果表明:多中心发展有利于城市通勤的合理分配,虽然次中心的平均通勤时间不一定减少,但是就业(次)中心已经表现出对邻近地区的通勤吸引和对主中心的通勤分流。

城市轨道交通网络脆弱性分析

城市轨道交通网络是城市公交系统的重要组成部分。以北京地铁和深圳地铁为研究对象,建立两个城市的轨道交通网络模型,利用两个城市的地铁乘客刷卡数据,估计城市轨道交通需求OD;基于复杂网络理论分析两个城市轨道交通网络的拓扑结构,提出城市轨道交通网络脆弱性的评价指标;建立城市公共交通双层网络,对城市轨道交通网络的脆弱性进行更深层次的分析。研究结果表明:北京市与深圳市轨道交通网络脆弱边地理分布很相似,深圳市轨道交通网络平均而言更加脆弱;轨道交通网络的脆弱性与其网络复杂度密切相关;城市常规公交网络可以降低城市轨道交通系统的脆弱性。