基于DBSCAN算法的城轨车站乘客聚集特征分析

基于DBSCAN算法的城轨车站乘客聚集特征分析

论文摘要

发掘并掌握站内乘客群体的聚集时空变化规律,对于优化城市轨道交通线网间车辆的调度,特别是优化灾害条件下的客流组织管理等,具有积极的作用.针对具有密度分布非均匀特征的车站乘客位置数据集,提出一种基于高斯混合模型的DBSCAN聚类算法.首先,利用高斯混合模型对数据集进行密度的分层处理;然后,面向不同密度层次的数据集进行局部聚类,确定各密度层数据集的参数,并选取恰当的种子以完成局部聚类簇扩展;最后,将各密度层次数据集的聚类结果进行合并.通过标准和实测数据的计算结果表明,基于高斯混合模型优化后的DBSCAN算法,对于非均匀密度分布的乘客位置分布数据具有更好的聚类效果.

论文目录

  • 0 引言
  • 1 面向乘客群体聚集行为的改进型DBSCAN算法
  •   1.1 算法的设计需求及核心思想
  •   1.2 基于高斯混合模型的密度分层
  •   1.3 不同密度层次数据集的参数确定
  •   1.4 类簇的快速扩展
  •   1.5 算法流程
  • 2 数值实验与结果分析
  • 3 实际算
  •   3.1 基于传统DBSCAN算法的站内乘客位置数据的聚类分析
  •   3.2 基于改进型DBSCAN算法的站内乘客位置数据的聚类分析
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 李晓璐,于昕明,郗艳红,杨晨光,张溪,张彭,朱广宇

    关键词: 城市轨道交通,乘客聚集特征,非均匀分布,高斯混合模型,密度分层,聚类算法

    来源: 控制与决策 2019年01期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 铁路运输,计算机软件及计算机应用

    单位: 北京交通大学城市交通复杂系统理论与技术教育部重点实验室,北京交通大学土木建筑工程学院,北京交通发展研究院北京市城市交通运行仿真与决策支持重点实验室

    基金: 科技部国家重点研发计划项目(2016YFC0802206-2,2016YFB1200203-02),国家自然科学基金项目(61872037,61572069,61503022,71501011),中央高校基本科研业务费专项基金项目(2017YJS308,2017JBM301,2017JBM095),北京市科技计划项目(Z171100004417024),深圳市交通公用设施建设项目(BYTD-KT-002-2)

    分类号: U293.5;TP311.13

    DOI: 10.13195/j.kzyjc.2017.1540

    页码: 18-24

    总页数: 7

    文件大小: 2280K

    下载量: 254

    相关论文文献

    • [1].基于DBSCAN算法处理的无线电干扰和温度相关性分析[J]. 电测与仪表 2020(03)
    • [2].基于DBSCAN的时序数据异常检测阈值选择算法研究[J]. 现代计算机 2020(04)
    • [3].基于DBSCAN的原子钟失步故障软件检测方法[J]. 指挥信息系统与技术 2020(02)
    • [4].基于DBSCAN聚类改进随机森林算法的专利价值评估方法[J]. 科学技术与工程 2020(14)
    • [5].基于DBSCAN算法的A区犯罪预测[J]. 信息技术与网络安全 2020(07)
    • [6].DBSCAN算法研究及并行化实现[J]. 计算机工程与应用 2018(24)
    • [7].基于spark框架的DBSCAN文本聚类算法[J]. 汕头大学学报(自然科学版) 2018(02)
    • [8].基于DBSCAN算法的机场体系划分方法研究[J]. 兵器装备工程学报 2018(10)
    • [9].基于并查集的DBSCAN算法设计[J]. 伊犁师范学院学报(自然科学版) 2014(04)
    • [10].一种结合蚁群聚类算法的DBSCAN算法[J]. 池州学院学报 2014(06)
    • [11].基于参数自适应DBSCAN算法的旋转设备健康评估[J]. 电工电气 2020(12)
    • [12].DBSCAN算法在无线网络优化中的应用[J]. 移动通信 2018(12)
    • [13].改进的DBSCAN聚类算法在社会化标注中的应用[J]. 数据分析与知识发现 2018(12)
    • [14].基于自适应蜂群优化的DBSCAN聚类算法[J]. 计算机工程与应用 2019(14)
    • [15].基于自然邻居改进的DBSCAN算法[J]. 现代计算机(专业版) 2018(13)
    • [16].基于区域划分的DBSCAN多密度聚类算法[J]. 计算机应用研究 2018(06)
    • [17].基于重心点转移的St-DBSCAN改进算法[J]. 计算机技术与发展 2018(11)
    • [18].基于DBSCAN子空间匹配的蜂窝网室内指纹定位算法[J]. 电子与信息学报 2017(05)
    • [19].改进的DBSCAN聚类算法在云任务调度中的应用[J]. 北京邮电大学学报 2017(S1)
    • [20].DBSCAN算法在通信电台关联上的应用[J]. 舰船电子工程 2011(06)
    • [21].DBSCAN算法在通信电台关联上的应用[J]. 国防科技 2011(03)
    • [22].基于改进DBSCAN算法的异常数据处理[J]. 软件导刊 2020(04)
    • [23].一种基于DBSCAN算法的提升互联网网站归属判定准确率的方法[J]. 网络安全技术与应用 2020(06)
    • [24].基于埃尔米特插值法的DBSCAN算法研究[J]. 南昌工程学院学报 2020(04)
    • [25].一种基于k-均值的DBSCAN算法参数动态选择方法[J]. 计算机工程与应用 2017(03)
    • [26].一种改进的DBSCAN算法[J]. 电脑知识与技术 2017(06)
    • [27].论DBSCAN算法在图像分割中分类的实现[J]. 电子技术与软件工程 2013(12)
    • [28].改进的快速DBSCAN算法[J]. 计算机应用 2009(09)
    • [29].基于DBSCAN算法的切削载荷状态智能识别算法[J]. 组合机床与自动化加工技术 2020(04)
    • [30].基于密度的快速DBSCAN算法在无线电自动定位中的应用[J]. 数字通信世界 2020(05)

    标签:;  ;  ;  ;  ;  ;  

    基于DBSCAN算法的城轨车站乘客聚集特征分析
    下载Doc文档

    猜你喜欢