典型文献
大数据背景下道路交通应急警力资源科学配置的路径与方法
文献摘要：
为整合多源交通大数据,确立道路交通应急警力资源优化的路径与方法,首先应用故障树分析(FTA)等传统方法,构建交通指挥指数模型(TCI),同时将一线交通应急警力处理各类交通应急突发事件的过程视为M/M/c/m排队过程,以交通事故、严重交通违法、交通拥堵等突发事件为重点,区分处置不同事件的警力人数以及备勤与值勤巡逻岗位差异,建立多维M/M/c/m排队模型,测算获得所需最小应急警力人数.备勤岗位方面,主要依据道路突发事件发生的累积分布函数(CDF),并选择第95个百分位数作为计算阈值,尽可能满足需要处理的所有突发事件.在此基础上,运用LSTM(Long Short-Term Memory)深度学习模型,对未来交通指挥指数进行逐日预测,同时提出优化应急警力岗位设置及巡逻路线的方法,以此方法优化北京首都国际机场(BCIA)区域内一线交通应急警力资源,预测未来警力需求.
文献关键词：
交通应急;警力优化;交通大数据;交通指挥指数;多维排队模型
中图分类号：
作者姓名：
缪明月;曹玉锋;李强;张军
作者机构：
首都经济贸易大学管理工程学院,北京 100070;城市群系统演化与可持续发展的决策模拟北京市重点实验室,北京 100070;滴滴智慧交通科技有限公车载设备事业部,北京 100621
文献出处：
引用格式：
[1]缪明月;曹玉锋;李强;张军-.大数据背景下道路交通应急警力资源科学配置的路径与方法)[J].中国人民公安大学学报（自然科学版）,2022(04):39-46
A类：
交通指挥指数,BCIA,警力优化,多维排队模型
B类：
大数据背景下,道路交通,交通应急,警力资源,资源科学,科学配置,路径与方法,交通大数据,资源优化,故障树分析,FTA,建交,指数模型,TCI,交通事故,交通违法,交通拥堵,分处,同事,力人,备勤,值勤,巡逻,位差,累积分布函数,CDF,百分位数,满足需要,Long,Short,Term,Memory,深度学习模型,逐日,岗位设置,方法优化,首都国际机场,预测未来
AB值：
0.300782
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
