地铁乘客异常出行行为及对路径选择建模影响分析

为了深入研究现有地铁网络上存在的异常出行行为及其影响问题,实地调查上海、成都、天津、南昌等地铁系统,对目前地铁系统中常见的乘客异常出行行为进行界定、分析与归纳,并重点总结反向乘坐回头车、留乘、结伴出行、线路示意图影响下的路径选择行为以及涉及支线的换乘等5种典型异常出行行为,在此基础上从阻抗函数构建、有效路径集生成和路径选择决策等3个方面探讨其对乘客路径选择建模的影响,为地铁网络路径选择及客流分析模型的优化改进提供参考。

基于K-means++的轨道交通异常出行乘客分类研究

为聚焦轨道交通乘客主要出行规律,需在利用交通大数据做研究时明确异常数据和正常数据之间的界限,当研究主题、研究深度和精度要求不同时,对异常出行群体数据的接受程度也会相异。文中基于大都会二维码数据识别存在异常出行的乘客,引入K-means++聚类算法对异常出行乘客进行分类研究,并构建异常得分指标评价不同群体异常程度。聚类结果表明,将异常乘客分为5类时效果最佳。结合异常乘客出行指标、异常得分、群体占比和周出行平均频次四个角度分析群体特征,并针对性提出相应群体的数据剔除建议,以保证研究中样本的多样性和结论可靠性。