书城首页 › 当代 › 工业 › 基于AI的轨道交通非常态客流预测与实时调度
当代·工业

基于AI的轨道交通非常态客流预测与实时调度

正版保障多仓发货48小时内发货2-3天送达可开发票
¥70.96 定价 ¥98.00 7.2折 立省 ¥27.04
仅剩 4 件 全新
商品参数
书名
基于AI的轨道交通非常态客流预测与实时调度
作者
阴佳腾,张金雷,陈星 著
出版社
科学出版社
出版时间
2027-01-01
ISBN
9787030857965
货号
1204687064
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
基于AI的轨道交通非常态客流预测与实时调度
作者
阴佳腾,张金雷,陈星 著
出版社
科学出版社
出版时间
2027-01-01
ISBN
9787030857965
货号
1204687064
品相
全新
分类
当代·工业
目录▼

前言

第1章 绪论 1

1.1 研究背景及意义 1

1.2 面临的问题 4

1.3 本书研究内容 7

第2章 大型活动期间城市轨道交通短时客流预测 8

2.1 概述 8

2.2 问题定义及数据简介 10

2.2.1 问题定义 10

2.2.2 数据集介绍 11

2.3 CBAM简介 14

2.4 多头注意力机制 14

2.5 基于EF-Former的大型活动期间短时客流预测模型 16

2.5.1 并行交互注意力模块 17

2.5.2 多尺度因果多头注意力机制 18

2.5.3 时间特征融合模块 19

2.5.4 优化模型向量化 20

2.6 模型配置与评价标准 20

2.7 基准模型设置 21

2.8 实验及结果分析 22

2.8.1 五棵松站点 22

2.8.2 东四十条站点 25

2.8.3 消融实验 26

2.9 本章小结 27

参考文献 28

第3章 城市轨道交通节假日期间短时 OD 客流预测 31

3.1 概述 31

3.2 问题定义及数据简介 32

3.2.1 问题分析 32

3.2.2 问题定义 33

3.3 模型简介 35

3.3.1 DM-GCGRU模型 35

3.3.2 多源异构数据融合模块 36

3.3.3 图构建模块 38

3.3.4 时空动态图卷积循环模块 39

3.3.5 训练方式及损失函数 41

3.4 实验及结果分析 42

3.4.1 数据简介 42

3.4.2 模型配置与评价指标 43

3.4.3 基线模型 44

3.4.4 结果分析 44

3.4.5 消融实验 48

3.5 本章小结 49

参考文献 49

第4章 重大突发公共卫生事件期间城市轨道交通短时OD客流预测 51

4.1 概述 51

4.2 问题定义及数据简介 52

4.2.1 问题分析 52

4.2.2 问题定义 52

4.2.3 真实数据简介 54

4.3 模型简介 54

4.3.1 MFST-GNN模型 54

4.3.2 多频域时间特征提取模块 55

4.3.3 自适应空间特征提取模块 57

4.3.4 异构信息融合模块 59

4.4 实验及结果分析 60

4.4.1 模型配置与评价指标 60

4.4.2 基线模型 61

4.4.3 结果分析 62

4.5 本章小结 68

参考文献 69

第5章 突发事件下考虑备用列车资源的列车实时调度优化方法 70

5.1 概述 70

5.2 问题描述 72

5.3 模型简介 74

5.3.1 时空网络构建 75

5.3.2 两阶段随机整数规划模型构建 77

5.3.3 第二阶段的参数和变量 78

5.3.4 第二阶段的约束和目标 79

5.3.5 BARP的混合整数线性规划(MILP) 公式 80

5.3.6 所提模型的扩展 81

5.3.7 BARP模型的理论性质 83

5.4 求解算法 84

5.4.1 改进的整数L形割 85

5.4.2 算法加速策略 88

5.5 实验及结果分析 90

5.5.1 求解 BARP 模型的算法比较 91

5.5.2 随机优化分析实验 94

5.5.3 参数敏感性分析实验 96

5.6 本章小结 100

参考文献 100

第6章 铁路网络中面向韧性提升的列车调度优化调整方法 103

6.1 概述 103

6.2 问题描述 105

6.2.1 基于事件的网络 106

6.2.2 模型参数 107

6.2.3 韧性的定义 108

6.2.4 模型约束 108

6.2.5 模型目标函数 114

6.3 模型线性化 115

6.4 求解算法 116

6.4.1 有效不等式 116

6.4.2 确定大M值 118

6.5 实验及结果分析 118

6.5.1 参数设定 118

6.5.2 三种不同方法对比 119

6.5.3 考虑后备车实验案例 121

6.5.4 北京地铁 1 号线的案例分析 122

6.6 本章小结 126

参考文献 126

第7章 考虑车站拥堵的城市轨道交通系统韧性优化 130

7.1 概述 130

7.2 问题描述 131

7.3 模型简介 133

7.3.1 韧性评估指标构建 133

7.3.2 事件活动网络构建 134

7.3.3 模型假设 136

7.3.4 相关参数和变量 136

7.3.5 目标函数和模型约束 137

7.4 系统韧性优化算法 142

7.4.1 客流仿真模型 142

7.4.2 乘客上下车速率对停站时间的影响 146

7.4.3 仿真优化模型 147

7.4.4 算法迭代框架 148

7.5 实验及结果分析 151

7.5.1 小规模案例实验 151

7.5.2 算法对比实验 152

7.5.3 北京地铁 6 号线实际案例 153

7.5.4 调度策略参数敏感性分析 155

7.5.5 车站拥挤度对列车延误的影响 156

7.5.6 韧性优化评估 158

7.6 本章小结 161

参考文献 161

文摘▼

本书以作者及团队多年来在非常态场景下城市轨道交通短时客流预测与列车调度优化领域的研究成果为基础,深入细致地阐述了非常态场景下城市轨道交通短时客流预测与列车调度优化面临的一系列数据、模型与管理方面的挑战,提出了相关的深度学习模型与列车调度优化方法,体现了作者及团队近年来的一系列研究成果。主要内容包括大型活动、节假日以及重大突发公共卫生事件等非常态场景下的短时进出站客流预测、短时起点-终点(OD)客流预测、面向韧性提升的列车调度优化、备用列车资源动态配置与列车实时调度一体化优化方法。

本书主要面向城市轨道交通运营管理科研人员,以及从事交通大数据分析、机器学习、深度学习、运筹优化的专业人员,高等院校专任教师、在读学生及相关领域的广大科研工作者,亦可作为高等院校交通运输、交通工程等专业的本科生和研究生的教材。

¥70.96
🛒购物车