目錄
前言
第一篇 通論
第1章 引言 3
1.1 幾個大型社會活動 3
1.2 大型社會活動引起的群體排隊現(xiàn)象 4
參考文獻 6
第2章 世博會概述 7
2.1 歷屆世博會簡介 7
2.2 上海世博會簡介 9
參考文獻 13
第3章 上海世博會中的排隊問題 14
3.1 973課題組已收集到上海世博會數(shù)據(jù)和影像等大量有關排隊的資料 15
3.2 上海世博會參觀人數(shù)的統(tǒng)計 17
3.2.1 上海世博會會期每天參觀者實際人數(shù)的統(tǒng)計 17
3.2.2 按8個地面主出人口統(tǒng)計的每天的參觀人數(shù) 18
3.2.3 按不同時段統(tǒng)計的每天的參觀人數(shù) 19
3.3 上海世博會排隊時間的統(tǒng)計 21
3.3.1 上海世博會排隊時間的宏觀統(tǒng)計 21
3.3.2 上海世博一些具體場館平均隊長和排隊時間加T后的微觀統(tǒng)計圖 23
3.4 研究上海世博排隊的意義 28
參考文獻 30
第二篇 排隊行為的物理、事理、人理分析
第4章 排隊的物理層面分析 33
4.1 幾個排隊論物理層面分析結果 33
4.2 片區(qū)復雜排隊網(wǎng)絡的仿真演算 37
4.3 排隊中片區(qū)參觀者轉移研究 40
4.3.1 各片區(qū)游客人數(shù)的統(tǒng)計 40
4.3.2 建立客流移動模型 41
4.3.3 建立狀態(tài)轉移模型 42
4.3.4 預測結果 42
4.4 排隊現(xiàn)象相關性研究 43
4.4.1 單個館當日與次日隊長以及等待時間的相關性 43
4.4.2 不同場館之間的相關性 46
4.4.3 場館的訪問流量分別與平均排隊長度序列和平均等待時長序列白相關性的關系 47
4.4.4 世博園區(qū)不同場館之間平均排隊長度序列相關性 49
4.4.5 總結與討論 51
4.5 排隊時間序列的Hurst指數(shù)的計算和分析 51
4.5.1 時間序列的白相似性、Hurst指數(shù)和分數(shù)維 51
4.5.2 上海世博會總參觀人數(shù)序列、各館排隊長度序列和等待時間序列的Hurst指數(shù)計算 54
4.5.3 上海世博會各館排隊長度序列和等待時間序列的Hurst指數(shù)相關性計算 56
4.5.4 北京園博會總參觀人數(shù)序列的Hurst指數(shù)計算 59
參考文獻 60
第5章 排隊的心理層面分析 61
5.1 參觀者對排隊紀律、排隊環(huán)境的滿意度 61
5.2 上海世博會參觀者和館方對館內(nèi)服務質量的滿意度 64
5.2.1 加拿大館和澳大利亞館反應 65
5.2.2 上海世博會排隊的故事 66
5.2.3 對參展的外國展館滿意度深入調(diào)查 67
5.2.4 上海世博會觀眾滿意度的進一步實證研究 69
5.2.5 對上海世博會影響感知維度的16個主要評價指標進行實證分析 73
5.2.6 結語 73
參考文獻 74
第6章 排隊的社會層面分析 76
6.1 社會效益（觀眾、館方、世博會組織方） 76
6.2 人群過分密集引起突發(fā)事故的風險估計與預防 78
6.2.1 人群過分密集混亂會引起群發(fā)事件 78
6.2.2 上海世博會如何防止過分擁擠和踐踏事件 81
6.3 幾個排隊中的定性分析 82
6.4 排隊集群行為的描述 91
6.5 各展館定性和定量綜合聚類 91
參考文獻 104
第三篇 與排隊行為感知有關的信息技術
第7章 視頻監(jiān)控網(wǎng)絡下群體信息感知 109
7.1 視頻監(jiān)控網(wǎng)絡下群體信息感知系統(tǒng) 109
7.1.1 復雜場景密集人群行為分析 109
7.1.2 客流分布預測 110
7.2 基于視頻監(jiān)控系統(tǒng)的人群行為分析系統(tǒng)框架 115
7.3 基于整數(shù)規(guī)劃的大型活動人群行為分析 117
7.3.1 基于整數(shù)規(guī)劃的自動分組軌跡識別 118
7.3.2 參觀模式分析 119
7.4 上海世博會集群人數(shù)統(tǒng)計技術 122
7.4.1 上海世博會集群人數(shù)統(tǒng)計數(shù)據(jù)庫 122
7.4.2 集群人數(shù)統(tǒng)計的方法概述 123
參考文獻 128
第8章 志愿者服務評估與志愿者服務感知的信息系統(tǒng)平臺 130
8.1 志愿者服務與評估 130
8.2 園區(qū)志愿者服務的手機評測系統(tǒng) 130
8.3 志愿者評估系纜功能 136
8.4 典型數(shù)據(jù)分析 138
8.5 總結與展望 143
參考文獻 143
第9章 用互聯(lián)網(wǎng)信息預測參加大型社會活動中客流量 144
9.1 大型社會活動中客流量預測 144
9.2 HR方法判別關鍵詞的預測能力 147
9.2.1 時差相關性分析 147
9.2.2 基于HR方法有預測能力的關鍵詞集合 147
9.3 實證檢驗 149
9.3.1 數(shù)據(jù)源 149
9.3.2 訓練樣本和測試樣本 150
9.3.3 世博會客流量有預測能力關鍵詞的識別 150
9.3.4 世博會客流量預測建模及預測分析 151
9.3.5 HR方法的有效性分析 159
參考文獻 160
第10章 基于新浪微博對大型社會活動集群行為的分析 162
10.1 分析目的 162
10.2 數(shù)據(jù)說明 162
10.2.1 數(shù)據(jù)來源 162
10.2.2 數(shù)據(jù)提取 163
10.3 分析內(nèi)容 165
10.3.1 熱門微博分析 165
10.3.2 用戶地域分布 166
10.3.3 場館關鍵詞分析 166
10.3.4 用戶軌跡數(shù)據(jù)分析 168
10.3.5 相關聯(lián)場館分析 175
10.4 分析總結 176
參考文獻 176
附錄A Hurst指數(shù)的計算方法 177
附錄B 上海世博會預測主題使用的關鍵詞 178
附錄C 上海世博會SH集合中的關鍵詞 181
附錄D 上海世博會S0.6集合中的關鍵詞 183
附錄E 上海世博會S0.5集合中的關鍵詞 184