基于AFC客流数据的城市轨道交通站点分类的聚类方法研究

摘 要：伴随交通强国战略的不断深化发展，城市轨道网络建设突飞猛进，乘客人次连年攀升，通过科学划分轨道交通站点类型，可显著提高运营效率、完善管理机制及加速TOD模式实施，该研究主要针对AFC客流数据驱动的轨道站点聚类方法。针对AFC秒级采样数据所引发的高维时序计算困境，利用分段聚合近似（PAA）技术对高维数据执行首阶段降维，进一步采用符号聚合近似（SAX）技术执行离散化和降维，成功处理了维度暴涨及噪声扰动，基于上述分析，分别采集工作日与休息日的地铁进出站时序特征，基于肘部法则（Elbow Method）分析得出7类为最适聚类数量，基于高斯混合模型（GMM）和期望最大化（EM）算法的组合，进行地铁站点的聚类分析。（剩余6871字）