地铁刷卡数据的统计分析

本书通过运用统计学与数据科学的前沿理论，构建了能够精确映射真实世界客流动态的仿真系统，旨在揭示海量地铁自动售检票数据背后潜在的乘客行为模式及其复杂的时空演化规律。本书阐释了数据驱动下的交通资源优化配置、运营质量提升及应急预案制定的机理，为推动交通系统的数字化、智能化转型提供了关键的技术支撑。

本书旨在梳理作者在地铁客流动态建模、参数估计及仿真分析方面的研究工作，为数据科学和智能交通交叉领域的科研人员和从业者提供参考。为了便于读者系统地理解相关方法，本书涵盖了乘客-列车匹配理论、贝叶斯统计推断、动态logistic模型以及随机排队理论等知识。

第1章 乘客-列车匹配模型的统计分析

1.1 引言

1.2 乘客-列车匹配模型

1.3 密度函数的参数化

1.3.1 logspline密度估计

1.3.2 高斯过程重构密度估计

1.4 输入参数的估计

1.5 期望最大化算法的收敛性质

1.6 模拟研究

1.7 北京地铁的应用实例

1.8 结论

第2章 地铁客流贝叶斯推断

2.1 引言

2.2 无换乘情形的贝叶斯推断

2.3 一次换乘情形的贝叶斯推断

2.4 应用

2.4.1 总体推断

2.4.2 个体推断

2.5 数值实验

2.5.1 无换乘情况

2.5.2 一次换乘情况

2.6 结论

第3章 地铁客流的动态logistic模型

3.1 引言

3.2 动态logistic模型

3.2.1 自动售检票数据的统计模型

3.2.2 一个列车周期内π(t)的logistic建模

3.2.3 π(t)的logistic周期模型

3.3 动态logistic模型的应用

3.3.1 总体推断

3.3.2 个体推断

3.3.3 预测和验证

3.4 案例研究

3.4.1 数据描述

3.4.2 参数估计和总体推断

3.4.3 基于乘客-列车匹配模型的个体推断

3.4.4 有效性验证

3.5 结论

第4章 数值和分布混合输入的计算机实验设计与分析

4.1 引言

4.2 瓦瑟斯坦距离

4.3 实验设计

4.3.1 P([0,1],τ)中的空间填充设计

4.3.2 [0,1]d×P([0,1],τ)中的拉丁超立方型设计

4.4 高斯过程建模

4.5 测试函数的数值实验

4.6 地铁模拟中的应用

4.7 讨论

第5章 地铁乘车概率模型及其参数校准

5.1 引言

5.2 随机排队模型

5.3 基于随机排队模型的客流仿真

5.4 参数校准

5.5 实例分析

5.6 讨论

第6章 结论与展望

6.1 主要研究结论

6.2 研究展望

附录A

A.1 第1章中的证明

A.2 证明

A.3 关于离散分布输入的讨论

A.4 关于其他准则的最优设计

A.5 在参数分布族中与传统克里金模型的比较

A.6 与图4.7对应的预测区间

参考资料

彩图