城市轨道交通客流时间序列数据集-ITADN社区

城市轨道交通客流时间序列数据集

优质

本数据集包含多个城市的轨道交通在不同时间段内的客流量记录，旨在为交通规划者和研究人员提供详实的数据支持。城市轨道客流时间序列数据集

优质

本文探讨了利用时间序列趋势外推模型对城市轨道交通车站的客流量进行预测的应用研究，为城市交通规划和管理提供数据支持。《基于时间序列的趋势外推模型预测城市轨道交通车站客流的应用》探讨了如何利用时间序列分析中的趋势外推方法来预测城市地铁站的客流量。这种方法能够帮助交通规划者更好地理解乘客行为模式，从而优化资源配置和服务质量。通过历史数据建立数学模型，并结合当前和未来的运营状况进行精准预测，对于提升公共交通系统的效率具有重要意义。

城市道路交通数据集.zip

优质

本数据集包含多个城市的交通流量、道路布局和车辆行驶信息等关键数据，旨在支持智能交通系统的研究与开发。海口市道路数据；保定市道路数据；北京市道路数据；沧州市道路数据；成都市道路数据；福州市道路数据；广州市道路数据；贵阳市道路数据；哈尔滨市道路数据；杭州市道路数据；合肥市道路数据；呼和浩特市道路数据；济南市道路数据；昆明市道路数据；拉萨市道路数据；兰州市道路数据；廊坊市道路数据；南京市道路数据；南宁市道路数据；上海市道路数据；沈阳市道路数据；石家庄市道路数据；太原市道路数据；天津市道路数据；武汉市道路数据；西安市道路数据；西宁市道路数据；银川市道路数据；张家口市道路数据；长春市道路数据；长沙市道路数据；郑州市道路数据；珠海市道路数据。每组城市的数据集格式为： - 高速公路.cpg - 高速公路.dbf - 高速公路.prj - 高速公路.shp - 高速公路.shx 以及以下其他类型的文件： - 国道.cpg国道.dbf国道.prj国道.shp国道.shx - 九级路.cpg九级路.dbf九级路.prj九级路.shp九级路.shx - 其它道路.cpg其它道路.dbf其它道路.prj其它道路.shp其它道路.shx - 省道.cpg省道.dbf省道.prj省道.shp省道.shx - 铁路.cpg铁路.dbf铁路.prj铁路.shp铁路.shx - 县道.cpg县道.dbf县道.prj县道.shp县道.shx - 乡镇道路.cpg乡镇道路.dbf乡镇道路.prj乡镇道路.shp乡镇道路.shx - 行人道路.cpg行人道路.dbf行人道路.prj行人道路.shp行人道路.shx

城市轨道交通乘客信息系统.docx

优质

本文档探讨了城市轨道交通中乘客信息系统的应用与设计，旨在提升公共交通服务的质量和效率，改善乘客体验。地铁铁路乘客信息系统文档主要介绍了地铁铁路乘客信息系统的设计与实现，包括系统架构、功能模块以及技术方案等方面的内容。该系统旨在为乘客提供实时的列车到站时间、线路信息查询等服务，并通过多种终端设备向用户提供准确的信息。此外，还详细描述了系统的安全性设计和用户体验优化策略，确保在保障信息安全的同时提升乘客满意度。文档中没有包含任何联系方式或网址链接。

城市轨道交通断面客流的短期预测（2015年）

优质

本研究聚焦于2015年的城市轨道交通系统，采用先进的数据分析方法，针对特定时段内的人流模式进行精确预测，旨在优化交通资源配置与提高乘客出行效率。为了提高城市轨道交通断面客流短时预测的准确性,本段落提出采用多维标度法分析线网各断面之间的相关性，并将这些断面分为若干个相关小组。然后，以这些相关小组为研究对象，利用卡尔曼滤波方法建立相应的客流短时预测模型来进行预测。通过实例分析验证了该理论的有效性和优越性。结果表明，在考虑断面之间相互关系的情况下所构建的预测模型比单一断面模型具有更高的预测精度。

城市轨道交通设计规范

优质

《城市轨道交通设计规范》旨在为城市轨道交通工程的设计提供统一的技术标准和指导原则，确保系统的安全性、可靠性和经济性。《送审稿》在前版规范的23章基础上扩展为29章，并将附录增至5个部分。此次修订新增了车辆、综合监控系统、乘客信息系统、门禁系统以及站内客运设备和屏蔽门等章节，同时对原有章节的内容也进行了扩充与深化，以适应当代技术发展的需求。

轨道交通客流预测数据及源码：passager_flow_forecast_codes

优质

passager_flow_forecast_codes提供了基于历史数据分析的轨道交通客流预测模型和源代码，助力交通规划者优化资源配置与提升服务效率。轨道交通客流发生量预测数据和源代码：Passager_flow_forecast_codes

PEMS08交通数据集（含速度、流量、时间占有率及交通网络邻接矩阵）/交通网络/时间序列/时空序列/数据挖掘

优质

PEMS08交通数据集包含洛杉矶高速路网的速度、流量、时间占有率等信息，以及详尽的交通网络拓扑结构。此数据集适用于时间序列分析与时空序列的数据挖掘研究。该交通数据集来源于PeMS网站，包含了美国加州南部圣贝纳迪诺市8条高速公路1979个探测器在2016年7月1日至2016年8月31日两个月的数据。这些传感器每5分钟收集一次经过车辆的数量信息。整个数据集中共有107个节点，每个节点有三个特征，时间跨度为61天，并且记录了每隔五分钟的交通情况。此外，该数据集还包含一个表示107个路口之间相邻关系和距离的3*107邻接矩阵文件。这些信息可以用于进行交通流量预测、交通速度预测、交通拥堵状况预测以及分析时间序列等研究工作。

PEMS03交通数据集（含速度、流量、时间占有率及交通网络邻接矩阵）/交通网络/时间序列/时空序列/数据挖掘

优质

PEMS03交通数据集包含高速路上的速度、流量和时间占有率信息，以及交通网络的邻接矩阵。此数据集适用于时间序列、时空序列分析与数据挖掘研究。 PEMS 数据集是由美国加利福尼亚州的交通部门联合其他伙伴机构建立的一个统一公开的交通数据库。该数据集涵盖了加州交通路网中超过39000个监测站的数据，这些站点安装了各类传感器以实时收集所在高速公路上的交通状况信息。在市区人口密集区域，传感器分布更为密集，并且大多数被安置在靠近市区的道路段上。 PEMS 数据库提供了十年以上的历史交通数据记录，涵盖了加州运输公司及其他相关机构系统的各种信息。其中PemsD3 交通数据集特别值得关注：它包含从2012年5月至6月工作日期间，在加州高速公路系统（CalTrans）中选定的228个站点的数据。该数据集将每30秒采集的数据聚合为五分钟的时间间隔，记录了这些站点在指定时间段内的交通速度信息。此外，PemsD3 数据集中还包括两个重要矩阵：邻接矩阵和特征矩阵。邻接矩阵通过分析现有的时空交通特性来构建，用于表示具有相似流量模式的节点之间的关系；而特征矩阵则包含了每个传感器的时间序列数据特征。

PEMS04交通数据集（含速度、流量、时间占有率及交通网络邻接矩阵）/交通网络/时间序列/时空序列/数据挖掘

优质

简介：PEMS04交通数据集包含速度、流量、时间占有率等信息，提供详尽的交通网络邻接矩阵，适用于时间序列与时空序列分析及数据挖掘研究。该交通数据集来源于PeMS网站，包含旧金山湾区（美国加利福尼亚州）29条高速公路上的3848个探测器，在2018年1月1日至2018年2月28日两个月内的数据。这些传感器每5分钟收集一次经过车辆的数量信息。此外，该数据集还包含一个描述了307个节点之间连通性和距离的邻接矩阵文件。具体来说，PeMSD4的数据包括： - 节点数量：307 - 特征数：3 - 时长：59天 - 时间窗口：每5分钟该数据集可以用于交通流量预测、交通速度预测、交通拥堵情况分析以及时间序列和时空序列的分析。

是否确定退出登录?

城市轨道交通客流时间序列数据集

全部评论 (0)