首页|基于随机距离预测的高铁客流需求研究

基于随机距离预测的高铁客流需求研究

扫码查看
原文链接
  • 万方数据
  • 维普
历史客运量与客运需求存在差距,基于余票查询数据的起讫点(OD)客流特征分析可以较为实时地反映客运需求.对于一些客流特征的挖掘目前主要的方法是利用聚类算法进行群体划分,进而发现每个类别的特征.针对余票查询数据维度高,直接使用聚类算法鲁棒性较差的问题,提出了一种基于随机距离预测的高层特征抽取模型RDP与K-means结合的OD客流聚类分析方法.以京沪高速铁路预售期内余票查询量数据为原始数据,将乘车日期作为预分类条件,运用RDP算法提取预分类后数据的重构特征,然后通过K-means算法对重构特征进行聚类.实验结果表明,RDP K-means算法在Calinski-Harabaz指数、轮廓系数、戴维森堡丁指数三种内部聚类评价指标下效果均优于传统的K-means、PCA K-means、层次聚类、DBSCAN等算法,证明了RDP K-means算法在基于余票查询数据的OD客流特征分析研究中的有效性,能够更好地进行OD类别划分、客流出行特征分析、热门OD挖掘,为改善运力调整等相关业务提供一定的参考依据.
Research on Passenger Flow Demand of High-speed Rail Based on Random Distance Prediction

纪宇宣、蒋秋华、朱颖婷

展开 >

中国铁道科学研究院研究生部,北京 100081

中国铁道科学研究院集团有限公司 电子计算技术研究所,北京 100081

北京经纬信息技术有限公司,北京 100081

客运 余票查询 起讫点 随机距离预测 神经网络 聚类

国家重点研发计划

2019YFF0301400

2022

10.3969/j.issn.1673-629X.2022.05.032

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(5)
  • 7