控制与决策

作者：李晓璐,于昕明,郗艳红,杨晨光,张溪,张彭,朱广宇

单位：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，北京100044,,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，北京100044,,北京交通大学土木建筑工程学院，北京100044,,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，北京100044,,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，北京100073,,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，北京100073,,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，北京100044,

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

基金：科技部国家重点研发计划项目(2016YFC0802206-2, 2016YFB1200203-02)；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).

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.

来源：2019年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第1期