本书是我国城市轨道交通客流大数据理论、技术和应用的最新研究成果，共分5章。第1章介绍了大数据的基本知识，阐述了城市轨道交通网络化运营的概念、特点、轨道交通客流大数据的产生背景和相关大数据技术。第2章从非结构化和结构化两个方面介绍了城市轨道交通客流数据分析挖掘的方法和应用。第3章提出了针对典型轨道交通客流特点的三种预测理论方法。第4章面向行人运动仿真和客流疏散引导评估需求，提出了两种行人运动模型。第5章探讨了客流大数据技术在城市轨道交通行业中的应用，并展望了其未来的挑战和发展前景。
本书理论联系实际，提供了客流大数据的基础理论和应用案例，具有较高的学术价值和实践指导意义，适合高等院校、科研院所从事相关学科领域研究的学者、研究生阅读，同时也可供轨道交通从业人员、感兴趣的各界人士阅读和参考。

前言
第1章 轨道交通客流大数据概述
1.1 大数据概述
1.1.1 大数据概念
1.1.2 数据类型
1.1.3 大数据技术
1.2 城市轨道交通发展概况
1.2.1 世界城市轨道交通发展历程
1.2.2 中国城市轨道交通发展概况
1.3 城市轨道交通网络化运营与客流大数据
1.3.1 城市轨道交通网络化运营及特点
1.3.2 城市轨道交通客流大数据的形成
1.3.3 轨道交通客流大数据技术
参考文献
第2章 城市轨道交通客流分析挖掘方法
2.1 基于视频的客流状态分析方法
2.1.1 方法概述
2.1.2 相关技术研究现状
2.1.3 模型研究
2.1.4 方法实验验证
2.2 城市轨道交通客流特征分析挖掘
2.2.1 城市轨道交通客流时间维度特征分析
2.2.2 城市轨道交通客流空间维度特征分析
2.2.3 城市轨道交通客流聚类分析
参考文献
第3章 城市轨道交通客流预测理论与方法
3.1 客流预测理论方法研究现状
3.1.1 客流宏观预测
3.1.2 客流微观预测
3.2 基于小波分析的支持向量机短期客流预测算法
3.2.1 客流数据预处理
3.2.2 融合多种模型特点的短期客流预测算法
3.2.3 实验数据与评价方法
3.2.4 算法验证
3.3 基于灰色马尔可夫的大客流实时预测算法
3.3.1 重大事件对客流的影响
3.3.2 大客流实时预测算法
3.3.3 算法验证
3.4 基于深度神经网络的预测算法
3.4.1 算法概述
3.4.2 数据集及数据处理方法介绍
3.4.3 预测算法
3.4.4 算法验证
参考文献
第4章 城市轨道交通客流仿真理论
4.1 面向多向行人疏散流的向量地场模型
4.1.1 向量地场模型
4.1.2 模型仿真与验证
4.2 一种引入排斥动态场的行人疏散地场模型
4.2.1 新型行人疏散地场模型
4.2.2 模拟仿真与验证
参考文献
第5章 轨道交通大数据应用探索与展望
5.1 基于开放架构的客流大数据应用系统设计与实现
5.1.1 系统概述
5.1.2 大数据平台技术实现及功能
5.1.3 业务应用系统实现
5.2 数据驱动的列车运行优化方法
5.2.1 数据处理
5.2.2 优化模型
5.2.3 优化方法
5.3 大数据背景下的智慧城市轨道交通应用展望
5.3.1 城市轨道交通大数据技术发展面临的挑战
5.3.2 城市轨道交通大数据技术发展方向探讨
参考文献
附录A本书缩略语
附录B城市轨道交通客流大数据专业名词解释
彩图