利用智能卡数据预测地铁车内实时客流密度
机器学习
2020-09-08 v1 机器学习
摘要
地铁系统在城市公共交通网络中发挥着日益重要的作用，每天在城市中跨区域转移海量人流。近年来，大量研究致力于提升地铁系统的服务质量。其中，人群管理一直是公共交通机构和列车运营方的关键问题。本文利用累积的智能卡数据，提出一种统计模型，用于预测封闭地铁系统内车内乘客密度，即任意相邻两站间的在车乘客数。所提模型执行两项主要任务：i）应用成熟的统计模型预测时变起讫点（OD）矩阵；ii）通过截断正态混合分布与期望最大化（EM）算法估计地铁网络不同部分所需的行程时间代价。基于预测结果，我们能够对未来时刻的车内乘客密度提供准确预测。使用新加坡大众快速交通（MRT）系统真实智能卡数据的案例研究证明了所提方法的有效性与高效性。
引用
@article{arxiv.2009.02880,
title = {Crowding Prediction of In-Situ Metro Passengers Using Smart Card Data},
author = {Xiancai Tian and Chen Zhang and Baihua Zheng},
journal= {arXiv preprint arXiv:2009.02880},
year = {2020}
}
备注
11 pages, preprint for IEEE transactions