期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于DBSCAN算法的城轨车站乘客聚集特征分析
被引量：
6
1
作者
李晓璐
于昕明
+4 位作者
郗艳红
杨晨光
张溪
张彭
朱广宇
《控制与决策》
EI
CSCD
北大核心
2019年第1期18-24,共7页
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...
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.
展开更多
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
原文传递
考虑延误特征的航站楼离港聚集客流预测方法
2
作者
李明捷
王涛
+2 位作者
黄欣宁
田杰
姚霖昊
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024年第3期240-254,共15页
为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波...
为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波动规律和分布特征,构建基于自适应噪声完全集合经验模态分解(CEEMDAN)、排列熵算法(PE)以及鲸鱼优化算法(WOA)优化的长短期记忆神经网络(LSTM)的短期航站楼聚集客流预测模型。首先,应用CEEMDAN将聚集客流数据序列分解为若干模态分量(Intrinsic Mode Function, IMF)和残差量(Residual, Res),降低原序列中数据的复杂性和非平稳性影响;其次,为减小模型计算规模,同时提高预测效率和精度,采用PE算法对IMF分量进行熵值重构;最后,建立WOA-LSTM聚集客流预测模型,利用鲸鱼优化算法优化LSTM超参数,叠加重构分量的预测结果,得到最终的聚集客流预测值。将模型应用于长三角某枢纽机场进行实例验证。结果表明:CEEMDAN-PE-WOA-LSTM预测模型性能最优,相较单一的LSTM模型,候机大厅聚集客流预测的均方根误差、平均绝对误差以及百分比误差分别降低42.78%、44.00%及45.62%;相较CEEMDAN-WOA-LSTM模型,预测效率提高41.64%。本文所提模型能够有效拟合存在显著非线性和非平稳性特征的候机大厅聚集客流,具有较高的预测精度和运算效率。
展开更多
关键词
航空运输
离港聚集客流预测
完全自适应噪声集合经验模态分解
长短期记忆神经网络
航站楼客流
航班延误特征
下载PDF
职称材料
题名
基于DBSCAN算法的城轨车站乘客聚集特征分析
被引量：
6
1
作者
李晓璐
于昕明
郗艳红
杨晨光
张溪
张彭
朱广宇
机构
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
出处
《控制与决策》
EI
CSCD
北大核心
2019年第1期18-24,共7页
基金
科技部国家重点研发计划项目(2016YFC0802206-2
2016YFB1200203-02)
+8 种基金
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)
文摘
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.
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
Keywords
urban
rail
transit
passenger
aggregation
characteristics
non-uniform
distribution
Gaussian
mixture
model
density
layering
clustering
algorithm
分类号
U293.1 [交通运输工程—交通运输规划与管理]
原文传递
题名
考虑延误特征的航站楼离港聚集客流预测方法
2
作者
李明捷
王涛
黄欣宁
田杰
姚霖昊
机构
中国民用航空飞行学院
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024年第3期240-254,共15页
基金
中央高校基本科研业务费专项资金(ZHMH2022-002)
四川省科技厅项目(2022YFG0196)。
文摘
为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波动规律和分布特征,构建基于自适应噪声完全集合经验模态分解(CEEMDAN)、排列熵算法(PE)以及鲸鱼优化算法(WOA)优化的长短期记忆神经网络(LSTM)的短期航站楼聚集客流预测模型。首先,应用CEEMDAN将聚集客流数据序列分解为若干模态分量(Intrinsic Mode Function, IMF)和残差量(Residual, Res),降低原序列中数据的复杂性和非平稳性影响;其次,为减小模型计算规模,同时提高预测效率和精度,采用PE算法对IMF分量进行熵值重构;最后,建立WOA-LSTM聚集客流预测模型,利用鲸鱼优化算法优化LSTM超参数,叠加重构分量的预测结果,得到最终的聚集客流预测值。将模型应用于长三角某枢纽机场进行实例验证。结果表明:CEEMDAN-PE-WOA-LSTM预测模型性能最优,相较单一的LSTM模型,候机大厅聚集客流预测的均方根误差、平均绝对误差以及百分比误差分别降低42.78%、44.00%及45.62%;相较CEEMDAN-WOA-LSTM模型,预测效率提高41.64%。本文所提模型能够有效拟合存在显著非线性和非平稳性特征的候机大厅聚集客流,具有较高的预测精度和运算效率。
关键词
航空运输
离港聚集客流预测
完全自适应噪声集合经验模态分解
长短期记忆神经网络
航站楼客流
航班延误特征
Keywords
air
transportation
forecasts
of
departing
aggregation
passenger
aggregation
flow
complementary
ensemble
empirical
mode
decomposition
with
adaptive
noise
long
short-term
memory
neural
network
terminal
passenger
flow
flight
delay
characteristics
分类号
U8 [交通运输工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于DBSCAN算法的城轨车站乘客聚集特征分析
李晓璐
于昕明
郗艳红
杨晨光
张溪
张彭
朱广宇
《控制与决策》
EI
CSCD
北大核心
2019
6
原文传递
2
考虑延误特征的航站楼离港聚集客流预测方法
李明捷
王涛
黄欣宁
田杰
姚霖昊
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
