應用函數混合模型預測捷運車站運量;Functional Mixture Prediction Model for Passenger Flows at MRT Stations

NCU Institutional Repository > 工學院 > 土木工程研究所 > 博碩士論文 > Item 987654321/76585

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/76585

题名:	應用函數混合模型預測捷運車站運量;Functional Mixture Prediction Model for Passenger Flows at MRT Stations
作者:	楊博鈞;YANG, BO-JUN
贡献者:	土木工程學系
关键词:	函數型資料分析;FDA
日期:	2018-08-22
上传时间:	2018-08-31 11:28:54 (UTC+8)
出版者:	國立中央大學
摘要:	交通流量對於系統管理者是一個相當重要的依據，本研究嘗試將函數資料分析方法應用到運量預測。其主要研究框架函數型混合預測模型可分成三部分: (1) 函數型資料分群； (2) 函數資料隸屬度分類； (3) 函數型簡單迴歸模型； (4) 混合預測模型。本研究使用單一路線之捷運站點進出人數作為分析資料，經過資料清洗後共計363天(從2017年4月至2018年3月)。其結果顯示最好的預測時區在以14個已知時點(τ=14)，預測之CMAPE為12.68%，可提供經營者作為人力指派或是否進行旅客疏導之參考數據。 ;Traffic flow is important for traffic engineers. This study attempts to apply functional data analysis to passenger flows forecasting. The main research framework, the mixture prediction method, can be divided into three parts: (1) functional data clustering; (2) functional data membership classification; (3) functional simple regression model; (4) mixture prediction method. In this study, the number of people entering and leaving the MRT station on a single route was used as analytical data, and the data was cleaned for a total of 363 days (from April 2017 to March 2018). The results show that the best predicted time zone is at 14 known time points (τ = 14) and the predicted CMAPE is 12.68%, it is enough to provide operators to assess whether or not to implement regulatory measures as a reference.
显示于类别:	[土木工程研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	237	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....