您的位置: 专家智库 > >

邹庆茹

作品数:7 被引量:45H指数:5
供职机构:北京交通大学更多>>
发文基金:中央高校基本科研业务费专项资金国家自然科学基金国家留学基金更多>>
相关领域:交通运输工程经济管理更多>>

文献类型

  • 5篇期刊文章
  • 2篇学位论文

领域

  • 6篇交通运输工程
  • 1篇经济管理

主题

  • 4篇自动售检票
  • 4篇检票
  • 4篇轨道交通
  • 4篇城市轨道交通
  • 3篇城市交通
  • 2篇数据挖掘
  • 2篇违规
  • 2篇违规行为
  • 2篇计划行为理论
  • 1篇拥挤
  • 1篇少年
  • 1篇通勤
  • 1篇通行
  • 1篇青少年
  • 1篇住区
  • 1篇进站
  • 1篇居住
  • 1篇居住区
  • 1篇聚类
  • 1篇聚类算法

机构

  • 7篇北京交通大学
  • 1篇北京市交通委...

作者

  • 7篇邹庆茹
  • 4篇赵鹏
  • 4篇姚向明
  • 1篇王莉
  • 1篇韩宝明
  • 1篇苟娟琼
  • 1篇汪波

传媒

  • 2篇交通运输系统...
  • 1篇北京工业大学...
  • 1篇北京交通大学...
  • 1篇北京交通大学...

年份

  • 1篇2019
  • 3篇2018
  • 1篇2016
  • 1篇2012
  • 1篇2011
7 条 记 录,以下是 1-7
排序方式:
基于售检票数据挖掘的轨道交通乘客居住区辨识被引量:8
2016年
以自动售检票数据潜在包含的时空关联关系为基础,构建城市轨道交通乘客居住区辨识方法.假设轨道交通大部分乘客出行满足:一日内首次出行起始站与末次出行终点站相同,首次出行起始站与前日末次出行终点站相同,连续时期内首次出行起始站与末次出行终点站总是紧邻'家'的位置,以此为基础构建居住区辨识中心点法.以北京市轨道交通为对象进行实证分析,通过连续一周自动售检票数据挖掘能对88.7%的公交卡(不包括单程票、员工卡)所对应乘客的居住区进行辨识,验证了本文方法的准确性与有效性.本文研究提高了售检票数据应用价值,为乘客出行行为及需求特征分析提供了方法支持.
姚向明赵鹏韩宝明邹庆茹
关键词:城市交通数据挖掘城市轨道交通
基于改进的计划行为理论的交通行为分析
路口通行情况直接影响城市交通系统整体运行,其中行人违规行为已成为社会焦点问题,并严重影响了城市交通系统运行,在分析行人违规行为原因的基础上探索行人违规行为发生机理,对改进交通水平具有重要意义。   通过对行人违规行的细...
邹庆茹
关键词:交通行为计划行为理论城市交通系统
基于改进计划行为理论的青少年交通违规行为分析被引量:7
2012年
从儿童的拒绝违规到成人的漠视违规,反映了交通违规行为背后的社会、心理等因素的变化。本文在行为计划理论的基础上,借助外在感知引人社会因素,通过交通违规行为分类,细化不同因素对不同违规行为的影响分析,通过调查问卷的数据收集和理论计算分析,建立面向交通违规行为的改进计划行为理论模型。据此,量化对比分析青少年的交通违规行为的机理和径路,有效解释了青少年违规行为的特征,为青少年违规行为的早期干预,以及成长中的教育、管理等相关政策措施的制定提供理论依据。
苟娟琼邹庆茹王莉
关键词:计划行为理论违规行为青少年
城市轨道交通网络高峰客流拥挤管控研究
高峰客流拥挤成为当前大城市轨道交通面临的突出问题,不仅严重降低客运服务水平,而且易引发客流安全问题。工作出行客流占据高峰客流的绝对主体地位,具有强度高、流向突出、出行时空稳定等特征,导致高峰客流拥挤疏解十分困难。本文从客...
邹庆茹
关键词:城市轨道交通
轨道交通断面流仿真预测系统中需求生成
2018年
针对断面流仿真预测系统中输入起讫点(origin-destination,OD)矩阵的时间跨度与需求生成时间粒度不一致问题,结合进站量短时预测构建需求生成组合策略,将OD矩阵时间跨度离散化为等长子时段,基于自动售检票机实时传输的统计客流量预测短时进站量,确定子时段内需求分配比例,从而使需求生成过程沿着子时段客流波动轨迹变化.以北京市轨道交通某站为例进行实证分析,结果表明:对比既有单一时段内基于泊松分布的需求生成,所构建的需求生成策略与实际客流到达规律吻合度提高了约22.89%;对比多种进站量短时预测模型,认为卡尔曼滤波模型能够满足在线预测的时效与精度需求.
姚向明赵鹏邹庆茹杨陶源
关键词:交通工程
基于自动售检票数据的城市轨道交通通勤客流辨识被引量:1
2018年
城市轨道交通具有明显的通勤客流主体特征,把握通勤客流出行规律对运营管理具有重要意义.本文以海量自动售检票数据潜在包含的时空关系为基础,从时间、空间、个体属性、出行规律四方面构建基于规则的出行目的辨识算法,重点针对通勤(上下班及上下学)客流进行辨识.以2014年北京市轨道交通售检票数据进行实证分析,结果显示:该方法能有效辨识上班、上学、下班回家、放学回家、其他回家和其他6类客流,其中上班占比26.77%,上学占0.44%,回家占44.49%(包含下班回家、放学回家及其他回家),其他占28.30%.结合2014年北京市公共交通出行调查结果,验证了辨识结果的准确性.该研究扩展了售检票数据应用范围,为精细化客流特征研究提供了一种低成本、高效的分析方法.
邹庆茹赵鹏姚向明汪波
关键词:城市轨道交通数据挖掘
基于售检票数据的城市轨道交通乘客分类被引量:15
2018年
既有基于交通调查的乘客分类存在样本有限及分类标准主观性强等不足,本文以乘客真实出行记录为基础,从"消费行为"视角构建客观的乘客分类指标及方法.为满足大规模数据集处理需求,采用SPSS Modeler软件对全样本乘客进行聚类.选取北京轨道交通连续1个月自动售检票(AFC)数据进行实证分析,结果显示:将乘客分为5类时,聚类效果最佳;通过连续5个工作日聚类结果对比,验证了分类结果具有良好的稳定性.结合乘客分类结果进一步对北京市轨道交通低峰折扣票价策略下不同类型乘客的出发时间转移弹性进行测定.该研究提高了乘客分类客观性,能够为交通政策制定及运营策略评价提供方法支持.
邹庆茹赵鹏姚向明
关键词:城市交通城市轨道交通
共1页<1>
聚类工具0