以地铁(Automatic Fare Collection System AFC)刷卡数据,即城市轨道交通自动售检票系统记录的刷卡数据为对象,综合运用时间维度和空间维度构建乘客分类指标,采用k-means聚类算法划分乘客群体.利用角门西站和西直门站连续3个工作日的地...以地铁(Automatic Fare Collection System AFC)刷卡数据,即城市轨道交通自动售检票系统记录的刷卡数据为对象,综合运用时间维度和空间维度构建乘客分类指标,采用k-means聚类算法划分乘客群体.利用角门西站和西直门站连续3个工作日的地铁刷卡数据进行实例分析,结果表明将乘客分为4类时效果客观且最佳.本研究乘客分类的结果明确了不同类型乘客的出行特征与出行需求,在地铁运营过程中可以据此调整运行策略,提升轨道交通服务水平,为乘客营造更加安全与舒适的环境.展开更多
文摘以地铁(Automatic Fare Collection System AFC)刷卡数据,即城市轨道交通自动售检票系统记录的刷卡数据为对象,综合运用时间维度和空间维度构建乘客分类指标,采用k-means聚类算法划分乘客群体.利用角门西站和西直门站连续3个工作日的地铁刷卡数据进行实例分析,结果表明将乘客分为4类时效果客观且最佳.本研究乘客分类的结果明确了不同类型乘客的出行特征与出行需求,在地铁运营过程中可以据此调整运行策略,提升轨道交通服务水平,为乘客营造更加安全与舒适的环境.
