大数据时空分析的新方法:在首尔地铁交通数据中的应用

目录
译文及原稿 34
大数据时空分析的新方法:在首尔地铁交通数据中的应用 1
1首尔国立大学地球与环境科学学院 1
关键词：CSEOF分析；时空分析；大数据分析 1
引言 1
数据 2
方法 3
讨论 3
地铁一周2号线。图3从上到下显示了登机的CSLVS 3
结论 9
参考文献 10
方法
在本研究中，我们特别感兴趣的是识别地铁乘客数据的时空特征函数，即地铁乘客随地铁站和一周时间变化的不同模式。由于地铁乘客数据的统计特性(均值和协方差)几乎是周期性的，具有明显的周周期，我们假设这些数据属于循环平稳随机变量的范畴。因此，一种称为循环平稳经验正交函数( CSEOF )分析的时空分析技术被用来识别地铁乘客数据的特征函数。

讨论
首尔是一个拥有1000万人口和1.7万人口密度的大都市。此外，许多人从首尔郊区通勤到首尔。地铁线路2，也称为绿线，是9大城市中最繁忙的线路之一。
首尔地铁线路和4条特殊地铁线路（见图2）。每日总次数2号线旅客超过200万人次，占地铁旅客总数的31%。在汉城，图2显示了地铁2号线及其50个车站和所有连接地铁。Tere是乘客数据中一个重要的每周周期。在工作日，大首尔使用地铁上下班的人数。在周末，乘客人数明显减少。基于公共模式，我们设置嵌套本研究周为1周（168小时）。图3显示了50个车站每小时乘客的frst cseof模式
地铁一周2号线。图3从上到下显示了登机的CSLVS

乘客（图_3a）、下车乘客（图_3b）、所有车站增加的乘客（图3c）和相应的PC时间序列（图3d）。TIS模式解释了总的变异性。上下客总量分别呈现出两个明显的高峰与工作日的通勤时间相对应（图3c）；上午高峰在上午7-8点左右，晚高峰6-7点左右，早高峰更大对于下车的乘客，而对于登机的乘客，晚高峰更大。早上7点到点车站附近有大量乘客上地铁。230（Shilim）。下午6点左右，附近也有大量的登机乘客
222号站（Kangnam）。早上（早上7点到8点），222号站附近有大量下车的乘客。然而，在晚上，降落模式没有显示任何明显拥挤的车站。大批量生产并不奇怪因为其他地铁线路，早上在230站附近登机的乘客，除2外，不方便进入，因为有一个很大的社区这个地区人口密度很高。219–222号站位于业务范围内。市中心有许多公司。注意邦当线（如图2所示为B）新的邦当线（图_2中的NB）在220号站与地铁2号线相连。分别是222号站和222号站。从外滩线下车的乘客经常使用出口站220和222。图四，在这些车站在早上。周末，乘客人数减少，早晚高峰不见。期间每日乘客总数为300-320万。工作日，周六减少至240万（78%）和170万（54%），以及
分别是星期日（表1）。图4显示了下车和登机乘客之间的数量差异。很明显，这种差异在早晨比在傍晚。当平均24小时以上时，在221-223站上下客人数的不平衡最为明显；下客人数超过平日旅客登机人数（另见表1）。原因分析这种不平衡不明显。一个合理的解释是，当通勤时间分布更广时，不同的交通方式在晚上很容易得到比早
上好。
相应的PC时间序列表明，地铁2号线的乘客数量没有明显的趋势（图3d）。周周期的te振幅约为~ 1.0的平均值，标准差为0.094。TE直方图高度倾斜，长尾巴朝向低端（图5）。特瑞有几次每年乘客数量的显著减少。减少日期见表2。农历新年，在农历的早期，和楚seok或9月或10月的中秋节是韩国的两个主要节日。泰伊每次持续3-4天，大都会地区的人，尤其是在首尔探访他们住在农村的家庭。特雷是一个普遍的数字下降新年前后的乘客数量。图6显示了每周PC时间序列的月平均振幅。在记录期间内循环。月平均振幅一般变化较小。10%以上，2010年9月除外。月平均乘客数3月达到高峰，11月达到较小程度。平均而言，九月份乘客人数下降最为显著，八月份和二月份的下降幅度较小。9月份的乘客减少明显与Chuseok有关。