基于高斯混合模型DBSCAN算法的換乘站乘客群體行為特性研究.pdf

1、近年來(lái)，城市軌道交通網(wǎng)絡(luò)規(guī)模迅速擴(kuò)張，換乘站作為整個(gè)路網(wǎng)中的重要節(jié)點(diǎn)，承擔(dān)著巨大的客流運(yùn)輸壓力，其內(nèi)空間布局與基本功能日益復(fù)雜，導(dǎo)致乘客群體行為特性已呈現(xiàn)出多樣化趨勢(shì)，對(duì)換乘站的運(yùn)營(yíng)效率和服務(wù)水平等產(chǎn)生了較大影響。因此，進(jìn)行換乘站內(nèi)乘客群體行為特性的相關(guān)研究能夠?yàn)檐?chē)站運(yùn)營(yíng)管理提供可靠的參考依據(jù)，對(duì)于站內(nèi)服務(wù)設(shè)施優(yōu)化、乘客組織引導(dǎo)以及異?？土魇枭⒌确矫婢哂兄匾獞?yīng)用價(jià)值。
　　隨著應(yīng)用室內(nèi)定位數(shù)據(jù)進(jìn)行人群行為特性研究的日益成熟，本文則

2、以基于WiFi地鐵定位系統(tǒng)(Metro Positioning System based on WiFi)研究項(xiàng)目為依托，利用其能夠獲取到的測(cè)試乘客位置數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘模型與算法，實(shí)現(xiàn)某一換乘站內(nèi)實(shí)際場(chǎng)景下乘客群體行為聚集與分布特性的實(shí)時(shí)分析。
　　論文研究成果主要包括以下三個(gè)方面:
　　(1)梳理并完善了地鐵換乘站乘客群體行為特性挖掘流程。結(jié)合現(xiàn)場(chǎng)調(diào)研與建模仿真等方法對(duì)乘客群體行為特性進(jìn)行分析，從數(shù)據(jù)挖掘理論角度出發(fā)，將

3、換乘站內(nèi)乘客群體行為特性的研究劃分為四個(gè)重要階段，為本文提供了可靠地理論支撐，也為換乘站內(nèi)客流相關(guān)研究提供了新方法與新思路。
　　(2)重點(diǎn)確定了地鐵換乘站內(nèi)乘客位置數(shù)據(jù)挖掘的恰當(dāng)算法。以基于WiFi地鐵定位系統(tǒng)理論模型為依據(jù)，研究乘客位置數(shù)據(jù)獲取的基本原理與流程，并完成相關(guān)數(shù)據(jù)的分析與預(yù)處理。之后結(jié)合測(cè)試乘客位置數(shù)據(jù)的基本特征，針對(duì)傳統(tǒng)DBSCAN算法存在的主要缺點(diǎn)，提出了一種基于高斯混合模型的DBSCAN算法（DBSCAN A

4、lgorithm based on Gaussian Mixture Model），對(duì)算法核心思想與內(nèi)容進(jìn)行詳細(xì)闡述，重點(diǎn)說(shuō)明如何利用高斯混合模型進(jìn)行密度分布不均勻數(shù)據(jù)集的分層處理。此外，利用公開(kāi)及模擬數(shù)據(jù)將兩種算法進(jìn)行實(shí)驗(yàn)對(duì)比分析，證明改進(jìn)型算法具有較高的聚類準(zhǔn)確性和較好的聚類效果。
　　(3)初步實(shí)現(xiàn)了地鐵換乘站內(nèi)乘客位置數(shù)據(jù)的聚類分析及結(jié)果可視化。以實(shí)際換乘站為例，分別利用兩種算法對(duì)某一時(shí)刻獲取的測(cè)試乘客位置數(shù)據(jù)進(jìn)行密度聚類