深圳地铁AFC系统安全性研究

目前国内多数地铁在运营中都采用了AFC系统(自动售检票系统),深圳地铁自2004年底开通以来,AFC系统在整个地铁运营中也起着至关重要的作用.深圳地铁AFC系统是以非接触式IC卡为车票介质,高度安全、可靠、保密的自动售检票计算机网络系统.该系统完成地铁票务运营的车票制作、售票、检票、财务、统计分析等全过程自动化业务实时管理工作.因为AFC系统与地铁运营的票务收益密切相关,所以系统的安全性需要得到足够的重视.为了保证票务收益和服务质量,深圳地铁票务管理部门从多方面采取措施,确保系统安全、可靠的运行,经历了多次大客流的考验.本文从硬件、软件、管理三个方面对深圳地铁AFC系统的安全性进行探讨:     

非接触式IC卡在轮渡售检票系统的应用

介绍了轮渡非接触式IC卡售检票系统的组成和工作原理,该设备在实际应用中具有很高的可靠性和安全性,实际应用效果良好。     

支持路网化运营的轨道交通AFC系统特点及实践

轨道交通自动售检票（AFC）系统直接面向乘客，为乘客提供快捷、简便的购票服务，完成地铁运营的车票制作、售票、检票、财务、统计分析等的自动化管理工作，并为轨道交通管理工作，并为轨道交通管理部门提供客流等有效数据。[编者按]     

Suica系统的自律分散技术与社会基础设施化

为了在客流高峰时段提高自动检票闸机数据处理速度，东日本将IC卡、自动检票闸机以及中央服务器配置成自律的节点。构建了自律分散IC卡车票系统。本文分别就两种自律分散技术进行了介绍，即自律分散协同技术和自律分散数据一致技术。同时也描述了为保证IC卡车票系统稳定运营所做的工作。     

为客户提供最优质的AFC系统——天津市先志越洋科技有限公司

在轨道交通客运中,自动售检票系统是最直接也是最多与乘客接触的系统,而自动检票机则是AFC系统的极重要设备,每天均须向数百万乘客提供直接的票卡有效性检查、扣费交易、通行服务。     

地铁售检票系统的安全管理

介绍深圳地铁售检票(AFC)系统的安全管理现状,针对存在的问题,分别通过加强售检票设备的安全设置及系统的安全保护,提高整个系统抵抗安全冲击的能力,保障票务收益安全.     

城市轨道交通智能化系统构成浅述

城市轨道交通包括地铁、轻轨、有轨电车、磁悬浮列车等多种类型。因为有轨电车和磁悬浮列车占市场的份额很少,所以一般泛指地铁和轻轨。城市轨道交通智能化系统包括综合监控系统、乘客资讯系统、综合安防系统、通信系统、自动售检票系统和信号系统。     

我国快速公交售检票方式初探

售检票方式的选择是快速公交收费系统规划研究的首要问题,直接关系到整个系统的运营效率。分析各种售检票方式的特点、选择原则以及我国城市快速公交售检票方式选择影响因素等,进而提出适合我国国情的售检票方式,对今后快速公交系统的发展具有一定的参考价值。     

路桥车辆自动收费系统的研究

介绍了一种采用红外光电传感器阵列进行车型自动识别，用非接触式ＩＣ卡实现不停车自动收费的路桥收费系统。该系统具有收费效率高、总体造价低、收费管理计算机化的特点，有较高的实用价值。     

成立AFC分会 促进AFC发展——记城市轨道交通专业委员会AFC分会成立大会

伴随着地铁、轻轨等在各大城市的建设步伐，网络化运营与管理已成为城轨时代的重要课题。作为轨道交通网络化运营的重要载体，自动售检票系统（AFC）的建设至关重要。前不久、城市轨道交通专业委员会在北京召开了“城市轨道交通专业委员会自动售检票系统（AFC）分会成立大会”。AFC系统决策机构的代表、专家学者及制造商代表参加了本次会议。大会就AFC分会的章程、技术政策、发展规划及标准制定等事宜进行了深入的讨论。     

�������ܵ������ݵĹ���IC���˿��ϳ�վ���жϷ���

为了能够应用公交IC卡数据分析公交乘客的出行特征,对判断公交IC卡乘客上车站点的方法进行研究.以南宁市智能公交系统为例,采集公交IC卡收费系统和公交智能调度系统的运营数据,应用数据仓库技术建立智能公交数据分析平台.通过将智能调度系统数据与公交IC卡收费系统数据进行关联,判断公交IC卡乘客的上车站点,对提出的方法进行精度分析和算法实现,并应用海量的智能公交系统实际数据对算法进行了试验.研究结果表明,本文提出的方法判断公交乘客上车站点的准确率达到98%以上,算法效率满足实际应用需要,该方法能够用于公交系统的规划和管理工作.     

浅谈APM自动售检票系统出闸机设计

本文对APM自动售检票系统出闸机的摆门设计方案进行了探讨。     

基于共线运营的城市轨道交通线网票款清分算法及实施

线网中各线路的票款清算与分配是城市轨道交通网络化运营得以实施的必要条件. 依据自动售检票系统的票据信息,设计了在网络化运营环境下确认各公司已收票款的算法流程,作为实际工作中实施票款清分方案的基础. 通过分析城市轨道交通线网共线运营的三种组织方式,探讨了各方式的经营核算实体及其付费关系,在既有的城市轨道交通票款清分算法的基础上,区别于换乘条件下的网络化运营环境,基于多路径选择的方法给出共线运营环境下分配到各经营核算实体的票款清分算法. 通过假设算例的计算,给出包含两个共线运营区间的三条线路的票款清分方案,证明了算法的有效性.     

���ڹ�����Ӫ�ij��й����ͨ����Ʊ������㷨��ʵʩ

线网中各线路的票款清算与分配是城市轨道交通网络化运营得以实施的必要条件. 依据自动售检票系统的票据信息,设计了在网络化运营环境下确认各公司已收票款的算法流程,作为实际工作中实施票款清分方案的基础. 通过分析城市轨道交通线网共线运营的三种组织方式,探讨了各方式的经营核算实体及其付费关系,在既有的城市轨道交通票款清分算法的基础上,区别于换乘条件下的网络化运营环境,基于多路径选择的方法给出共线运营环境下分配到各经营核算实体的票款清分算法. 通过假设算例的计算,给出包含两个共线运营区间的三条线路的票款清分方案,证明了算法的有效性.     

我国快速公交检票系统布设方法研究

快速公交系统是我国城市公交系统的重要发展方向.合理布设收费系统中的检票系统是保证快速公交系统运营效率的关键环节之一.本文在保证系统整体运营效率的基础上,从检票系统综合成本最小的角度研究检票系统的布设,进而提出了一套快速公交系统检票系统布设的方法.     

南京地铁网络化运营票价方案研究

分析了国内外地铁主要票制情况，探讨了票价制定过程中需考虑的因素，回顾了单线运营情况下南京地铁票价的制定原则、票制选择、票价方案及执行情况，提出了网络化运营情况下票价的制定原则及票价方案，总结出单线运营与网络化运营票价制定过程中需注意的关键问题。     

基于AFC数据和RF模型的城轨车站服务功能分类

城轨线网上服务不同类型客流车站的分布能反映城市结构特征,本文基于多年的城轨AFC数据,应用随机森林模型(RF),分析了全网车站服务客流类型的时空演变.对于传统RF在选择训练集时过于依靠主观经验的问题,本文首先利用传统随机森林度量车站之间的相似性,再采用Partitioning Around Medoid(PAM)方法对度量结果进行聚类,结果表明无监督随机森林方法拥有更好的准确性;最后采用无监督随机森林对北京市2014-2017年的车站服务客流属性的时空变化情况进行分析,结果显示,北京市近4年来城市职住结构在大的空间尺度上基本保持不变,但城市内部各功能区正经历缓慢变化,而服务于居住与工作混合类客流的车站所处区域将是今后城市结构演变中热点区域.本文的研究结果可以为城市轨道交通与城市结构互动关系的认识提供新视角.     

基于AFC数据的地铁车站留乘概率分布估计

为研究地铁车站留乘特征,基于地铁自动售检票(auto fare collection,AFC)刷卡数据和运行图数据,研究了地铁车站留乘概率分布估计方法.首先,基于乘客进、出站刷卡时刻与列车到、发时刻的关系,构造了聚集时间最大值、疏解时间的概率分布函数,提出了基于截断样本的聚集、疏解时间分布估计方法;其次,通过研究乘客进...     

基于改进KNN算法的城轨进站客流实时预测

针对实时进站客流数据的高维数、多噪声、波动频繁等特征,本文提出一种基于改进 K最近邻(K-nearest-neighbor, KNN)算法的城轨进站客流实时预测方法.首先,通过对分时客流数据的相关性分析,确定表征客流特征的状态向量;其次,结合数据特性改进近邻样本的模式匹配过程,利用关键点法去除原始序列中的噪声扰动,并引入动态时间规整算法实现考虑序列形态的相似性度量;再次,根据样本间流量差异引入距离权重和趋势系数,推演未来时段的进站量,实现滚动的实时预测;最后,依托广州地铁客流数据仓库对预测模型进行精度分析. 结果表明,对于全网159个站点,5 min粒度下全天分时进站量预测的平均绝对百分比误差的均值为11.6%,能够为路网状态监控提供可靠的数据支撑.     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。