声明
致谢
摘要
1.1 研究背景
1.2 研究目的与意义
1.3 研究现状综述
1.3.1 地铁站内乘客交通行为特性的研究
1.3.2 基于定位数据的人群行为特性研究
1.3.3 基于交通位置数据的挖掘算法研究
1.4 研究内容与技术路线
2 地铁换乘站乘客群体行为特性分析与挖掘
2.1 地铁换乘站类型及换乘流线分析
2.2 地铁换乘站乘客群体屙陛特征分析
2.2.1 乘客组的属性特征
2.2.2 乘客流的属性特征
2.3 地铁换乘站乘客群体行为特性分析
2.4 地铁换乘站乘客群体行为特性挖掘流程
2.5 本章小结
3 地铁换乘站内乘客位置数据获取与处理
3.1 基于WiFi地铁定位系统模型研究
3.1.1 地铁定位系统整体框架分析
3.1.2 基于高斯过滤模型的RSSI数据处理
3.1.3 基于接收信号强度的距离估计算法
3.1.4 基于三边定位算法的位置坐标计算
3.2 换乘站内乘客位置数据分析与预处理
3.2.1 室内直角坐标信息库数据存储
3.2.2 基于数据清理技术的数据预处理
3.2.3 基于特征时段的位置数据划分
3.3 本章小结
4 地铁换乘站内乘客位置数据挖掘算法研究
4.1 空间聚类算法综合比选
4.2 传统DBSCAN算法研究
4.2.1 算法基本定义
4.2.2 算法实现步骤
4.2.3 算法优缺点分析
4.3 基于高斯混合模型的DBSCAN算法研究
4.3.1 算法补充定义
4.3.2 算法主要思想
4.3.3 算法理论依据
4.3.4 算法核心内容
4.3.5 算法实现步骤
4.4 传统及改进型DBSCAN算法实验分析
4.4.1 公开数据测试及聚类准确性对比分析
4.4.2 模拟数据测试及聚类效果对比分析
4.5 本章小结
5 地铁换乘站乘客群体行为特性研究与应用
5.1 乘客位置数据挖掘算例研究
5.1.1 算法实际应用场景描述
5.1.2 基于传统DBSCAN算法的聚类分析
5.1.3 基于改进型DBSCAN算法的聚类分析
5.2 乘客位置数据聚类结果可视化实现
5.2.1 乘客簇相关描述参数
5.2.2 数据挖掘可视化方法
5.2.3 合理映射关系构建
5.2.4 聚类结果可视化呈现
5.3 基于乘客位置数据挖掘结果的知识获取与实际应用
5.3.1 地铁换乘站内服务设施优化
5.3.2 地铁换乘站内乘客组织引导
5.3.3 地铁换乘站内异常客流疏散
5.4 本章小结
6.1 研究工作总结
6.2 研究不足与展望
参考文献
作者简历
学位论文数据集
北京交通大学;