Resumen

El metro es un medio de transporte importante para los residentes, ya que siempre cumple los horarios. Sin embargo, algunas políticas de gestión temporal o acontecimientos imprevistos pueden alterar el flujo de pasajeros y afectar a sus exigencias de puntualidad. Así pues, la detección de anomalías, la extracción de su ley de propagación y la revelación de su impacto potencial son importantes y útiles para mejorar la estrategia de gestión; por ejemplo, la gestión de emergencias en el metro puede predecir el cambio de flujo bajo la condición de conocer una política específica y estimar el impacto en el tráfico provocado por algunos grandes eventos como conciertos de música y partidos de béisbol. En este artículo, proponemos un nuevo método de detección de anomalías en el flujo de pasajeros del metro. En este método, se presenta un modelo robusto mejorado de análisis de componentes principales para detectar anomalías; a continuación, se utiliza el algoritmo ST-DBSCAN para agrupar los datos de anomalías a nivel de estación en dimensiones espacio-temporales con el fin de revelar la ley de propagación y el impacto potencial de los diferentes eventos anómalos. Para los experimentos se utilizan datos de flujo reales del metro de Pekín. Los resultados experimentales muestran que el método propuesto es eficaz para detectar anomalías del flujo de pasajeros del metro en las prácticas.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:flujo de pasajeros de metro, impacto potencial, ley de propagación, método novedoso de detección de anomalías, modelo robusto de análisis de componentes principales, diferentes eventos anómalos, medios de transporte importantes, datos de anomalías de nivel, datos de flujo reales, gestión de emergencias de metro
• Keywords:subway passenger flow, potential impact, propagation law, novel anomalies detection method, robust principal component analysis model, different anomaly events, important transportation means, level anomaly data, real flow data, subway emergency management