第"期
基&'（据*析,—1234*析*
罗情平#左旭涛#张（（#杜可亮！
（1•青岛地铁集团有限公司,26604（，青岛$2.北京北大千方科技有限公司，100193，北京//第一作者，正高级工程师）
析方法实现了城市轨道交通客流分析及画像功能！采用 AFC （自动售检票）数据结合ATS （列车自动监控）信息的方 法实现更精确的出行路径匹配，克服了传统客流分析算法的 准确性缺陷！从客流角度实现了乘客、车站、列车、区间画像
功能，结合+CS （综合监控系统）数据实现电扶梯画像功能， 为更精确的客流预测及设备维修维护提供了数据支撑！
关键词 地铁；客流画像；大数据分析中图分类号 U293.1 + 3；F530.7D01：10.16037//1007--69x.2020.10.02-
Research on Passenger Flow Portrait Analysis乳鸽养殖
of Qingdao Metro Based on Big Data Analysis
边坡防护系统
LUO Qingping , ZUO Xutao , ZHANG Beibei ,
DU Keliang
Abstract Qingdao MMCC （metro management and controi
center ） uses the big data analysis method to realize passenger
flow analysis and portrait function foe urban raii transit. By combining AFC （ automatic fare collection ） date with ATS
信号采集（automatic train supervisory ） date , Qingdao MMCC has a chieved more accurate travei path matching , which overcomes the accuracy defects of traditionai passenger Low analysis alyo- rithm. From the perspective of passenger Low , MMCC reali-
eesrhepoaraairfuncrionsofpa s engea , srarion , raain and sec-
rion , aswe i asrhefuncrion ofescaiaroapoaraaircombined wirh
ISCS system datr to provide a dai support foa mora accuratr passenger L ow prediction and equipment maininancc.
Key words metro ； passenger L ow poreait ； bt date analysis
Firrt-author= address Qingdao Metro Group Co., Ltd.,
266045, Qingdao , China
轨道交通运营公司为合理调配运能运力，需要 预测日常客运量情况［1］（客流量预测的方法较多，
如时间序列法、回归分析法、人工神经网络模型
等［2］（基于大数据分析的客流分析和乘客画像能
够更清晰地 乘客 ，如日常通勤人数及
、工作 等，
客流量与工作日、淡旺季
的变动指数，为准确预测客流量
新的方法,
时乘客画像亦为精准营
数据 （本
青岛地铁线网运营管理与指
（以称“ MMCC +）大数据
，
的客流分析方拍痧棒
法 青岛 地铁客流 分析，
青岛地
铁客流量分析指 常 客画像，为青岛地铁
配
数据基础，同时基于客流量的
.
梯画像为 （
目
经 轨道交通指 的 ，
如北京、深圳等，均采用Teradata （天睿公司的关系 数据 理）作为大数据。 于
高，一
（MMCC. 第一
的Hadoop/Spark 大数据 ，主要 于
轨道交通客流分析和画像研究，不
, 高
的
，填
的 。
1 Hadoop 大数据平台的构建
Hadoop 大数据平台最核心的框架设计是
HDFS （分布式存储系统）和MapReduce （分布式计
）（ HDFS 为海量数据
，而
MapReduce 则为海量数据
。exosip
与Teradate
的数据仓库相比，MapReduce 的运行速度较慢，执
较大数据量分析时，常常需数分钟，无法满足指
挥中心的需求。为克服该问题，采用Spark/Spark
Streaming 引擎，使大数据 的运算速度达
到了 Teradata 的水平。Hadoop 大数据平台采用
HIVE 作为数据仓库；HBase 作为海量数据 ；
DB2作为集市层数据
排放因子媒介，为上层应 数
据服务;Redis 作为实时数据库/内存数据库，为上层
应 实时数据服务；HAWQ 和Phoenix
南京工程学院科研创新基金面上项目（CKJB201311）
-115 -
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议