典型文献
基于谱聚类的城市轨道交通车站间客流分型研究
文献摘要：
在轨道交通运营管理过程中,不同车站间客流的时间分布特性及规律直接决定了客流组织方案.明晰车站间客流分型及特征,对合理配置客流组织方案大有裨益.相对于单车站客流类型,多车站间客流类型的影响因素多样且复杂,为此,从时间、空间和结构3个角度对车站间客流分类特征进行分析,并通过谱聚类方法压缩搜索空间,从而达到更加精准的类型划分.利用轮廓系数与戴维森堡丁指数对比不同方法的分类结果,证明所提出的谱聚类方法相对于k-means等其他方法具有更好的分类效果.以苏州地铁2020年数据为例,通过提出的方法寻找出7种车站间客流分型,该结果可应用于预测模型训练等领域.
文献关键词：
城市轨道交通;车站间客流;谱聚类;多特征分析
中图分类号：
作者姓名：
姚振康;高国飞;郑汉;黄兆察
作者机构：
苏州轨道交通集团有限公司,江苏苏州215004;北京城建设计发展集团股份有限公司,北京100037;北京交通大学,北京100044
文献出处：
引用格式：
[1]姚振康;高国飞;郑汉;黄兆察-.基于谱聚类的城市轨道交通车站间客流分型研究)[J].都市快轨交通,2022(02):99-104,116
A类：
车站间客流
B类：
谱聚类,城市轨道交通车站,分型研究,在轨,交通运营管理,同车,时间分布,分布特性,客流组织,组织方案,大有裨益,单车,流分类,分类特征,聚类方法,搜索空间,类型划分,轮廓系数,戴维森堡丁指数,指数对,不同方法,means,其他方法,分类效果,苏州地铁,年数,模型训练,多特征分析
AB值：
0.308583
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
