乘客分类识别

概念解释

描述本功能的涉及到的概念解释和理论依据

• 具有相似特征或需求的乘客，可能表现出类似的出行行为或对地铁服务变化反应类似
• 算法应用带噪声基于密度的空间聚类（DBSCAN）算法挖掘乘客时空出行规律

• 依据出行时空规律和出行强度(时间窗范围内的出行天数)，将乘客划分为：极少出行、空间规律、时间规律、时空规律和_不规律_5个群体，各群体具体含义如下：

  • 极少出行乘客：出行天数极少，对地铁依赖度极低
  • 空间规律乘客：出行天数多，出行有空间规律，无时间规律；常在固定地点间出行，但出行时间灵活
  • 时间规律乘客：出行天数多，出行有时间规律，无空间规律；常在固定时间使用地铁，但在多个地点出行
  • 时空规律乘客：出行天数多﹐出行兼具时间规律和空间规律；常在固定时间和固定地点间使用地铁
  • 不规律乘客：出行天数多，且既无时间规律，也无空间规律

    设计思路

    描述本功能的设计思想来源和功能期许

• 根据分析需求，结合页面提示的数值范围，调整各个参数值并提交到参数表中准备调用

• 根据已有的一个月OD数据，识别出每一卡号的乘客的出行规律，并进行分类
• 对乘客分类结果重新匹配OD数据，进行数据展示和图表可视化

  功能模块

  描述本功能所涉及的各项子功能

流程图

梳理功能的基本实现流程

注意事项

介绍本功能的使用过程的注意事项和操作提示

• 由于此功能需要原始数据量较大，前置功能难以承载，所以调用了独立的出行数据
• 数据生成过程调用了Python编写的WEB页面，可能出现超时提醒，但调出页面后台就开始进行数据处理，可点击数据预览查看生成结果
• 识别结果和汇总分析前，必须完成“结果分析”数据处理项

  功能状态

  告知本功能的实现状态