基于百度地图应用程序接口的轨道交通生成预测

基于百度地图应用程序接口,设计了收集辨识轨道交通站点范围内关注点的查询收集系统,实现了收集关注点信息自动化。通过优化交通小区单元化识别方法构建了出行预测模型,对A市某轨道交通沿线现状进行分析。研究结果表明,应用该方法对轨道新线进行短期的交通发生与吸引预测,有助于提高交通生成基础数据的收集效率和预测精度。     

居民交通方式选择行为影响因素分析

交通方式选择行为是交通需求预测研究的重要内容。本文利用上海出行者交通方式选择意向调查数据,对小汽车、地铁、自行车三种交通方式的选择行为进行了分析与建模。首先,对地铁票价、小汽车出行时间及费用的多种组合情景下的各交通方式分担比例做了分析。然后,运用计量经济学中的离散选择建模方法,建立了包括出行者个体属性、出行时间及费用等因素的交通方式选择多元logit模型。最后,提出了交通规划和管理政策与措施方面的建议。     

暴雨内涝下公交乘客的出行选择行为

基于暴雨内涝天气对公交线路运行影响强弱的三种情形,通过实际调查(RP)和意向调查(SP)的调查结果进行效用模型估计和决策变量的敏感性分析,解析暴雨内涝下公交乘客的出行选择行为机理,得到公交乘客出行选择行为的影响因素(由强至弱)是步行时间、票价、车内时间和车内拥挤程度,以及所选出行方式的主要特点(由强至弱)是零换乘、低票价、中途易更改出行意愿和运行稳定.最后根据上述结果,从调度指挥、对信息服务、交管保障三个方面进行了暴雨内涝天气下公交应急预案的探讨.     

SP调查方法在交通预测中的应用

比较了SP调查与RP调查 ,对SP调查的主要过程、注意事项等进行了说明 .介绍了实际调查案例 ,利用调查数据对PCL模型进行了推算 ,并对交通方式分担率进行了研究 ,结果证明PCL模型比MNL模型具有更高的精度 .     

基于数据仓库的城市轨道交通客流分析

针对城市轨道交通客流数据量大、数据结构复杂、数据具有突发性强等特点,设计了专门用于城市轨道交通客流分析的数据仓库系统.详述了该系统的体系结构、关键指标;进行了联机分析处理,给出了NML客流预测模型,采用了Logit模型对收入进行了预测分析.该项目已应用于深圳地铁交通运营企业中,为优化轨道交通企业的运营组织提供决策支持.     

方式划分与路网配流联合模型

利用方式划分和交通分配联合模型将公交OD在轨道交通和普通公交路网形成的广义路网上进行分配.构造了广义旅行费用函数,利用惩罚系数模拟乘客的心理行为,改进了BPR路段经验阻抗函数,对公交的拥挤条件进行描述,讨论乘客平均等车时间.基于广义旅行费用在广义公交路网上提出了满足用户平衡(UE)的方式划分与交通分配的联合模型和多路径增量分配法来近似模拟用户平衡状态的分配算法,提高了分配算法的效率.并给出简单的算例说明该联合模型能够实时地反映公交线路的实际客流量对旅行时间以及公交服务水平的影响.     

基于类别映射的编组站车辆中时预测模型

现行铁路编组站车辆中时预测方法不能满足实际运输组织需求,结合车辆中时数据平稳性特点,设计基于类别映射的货种与车种映射函数,充分考虑车种别、货种别车辆中转作业差异,重新生成车辆中时序列.采用时间序列分析方法分析中时序列,提出新的编组站车辆中时预测模型,并采用极大似然估计法对参数进行估计并求解模型.实验结果表明,该方法能够较准确预测编组站车辆中时,符合实际中时发展趋势,提高了铁路车流预测的准确性.     

基于AFC数据的大型活动期间城市轨道交通客流预测

准确预测大型活动期间城市轨道交通客流,是城市轨道交通管理与运营部门制定运输组织计划的重要依据,也是实现活动期间交通保障的关键.在分析大型活动期间城市轨道交通历史客流特征的基础上,针对活动期间的客流成分,分别构建活动客流与背景客流预测模型,以实现对未来大型活动期间城市轨道交通客流的预测.基于城市轨道交通自动检票系统(AFC)采集到的客流数据,分析大型活动期间的历史客流数据的变化规律,并依据其客流特征进行成分分解.针对活动客流,构建基于小波分解与重构的GM-ARIMA客流预测模型,针对背景客流则采用ARIMA模型与底特律法进行预测.基于广州地铁在2011—2014年广交会期间的历史AFC客流数据,对提出的方法进行验证.结果表明:该方法能够捕捉大型活动期间的客流特征,并可实现对大型活动期间城市轨道交通客流的预测.     

基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.     

面向运营安全的城市轨道交通线网性能综合评价

为了掌握表征城市轨道系统线网性能的关键指标,给出合理的评价模型,准确获取系统运营安全状况,面向城市轨道交通系统运营安全研究了其线网性能的综合评价问题。通过对城市轨道系统历史事故进行统计分析,构建了面向车站、线路、线网三个不同层次的评价指标体系;运用三角模糊数改进的TOPSIS的评价方法,基于指标集进行综合评价;并结合实际数据,针对评价结果对城轨系统进行分析。研究结果表明：建立面向运营安全的城市轨道交通线网性能综合评价指标体系,运用改进的TOPSIS评价方法,将定性问题定量化,不仅有效反应当前的安全运营水平,而且减少了因为人的主观因素对决策结果产生的影响,提高了城市轨道交通安全评价的科学可靠程度和可信程度,为有关部门和城市轨道交通的安全管理者提供有效的决策支持。     

ARIMA-RBF模型在城市轨道交通客流预测中的应用

客流量预测是城市轨道交通规划设计和运营管理的基本依据,已成为城市轨道交通建设过程中的重要环节。本文通过分析平常日客流变化的周规律、非平稳性等时序特征以及ARIMA模型和RBF模型的作用机理,将适合进行线性时间序列预测的ARIMA模型和适合处理非线性问题的RBF神经网络组合,建立了ARIMA RBF预测模型,并用该模型对北京市城市轨道交通平常日客流量进行预测,该模型充分考虑到城市轨道交通客流变化的线性及非线性特征,取得了较好的预测效果。     

基于智能交通卡数据的城市轨道交通乘客个体路径选择模型

在分析城市轨道交通乘客旅行时间组成要素的基础上,提出了一种基于智能交通卡数据的乘客个体路径选择模型,克服了传统路径选择模型只考虑群体路径选择的弊端。通过分析轨道交通刷卡出行的特点,建立了乘客旅行时间模型,确立了各旅行时间要素并分析了其独立性。对出行要素进行了估计,计算出路径旅行时间,提出了乘客个体的出行路径选择模型。以北京地铁网络为案例,分析了乘客个体的路径选择,并用实际数据验证了模型的有效性。     

广义Logit交通方式划分预测方法

针对交通方式划分预测方法存在的不足,基于对交通方式个体选择行为的微观经济解释,利用随机效用理论,通过方式效用相关描述参数的引入,建立了广义Ｌｏｇｉｔ方式划分预测模型。最后,用该模型拟合桂林市现状居民出行方式特征。     

基于K-means的城市轨道交通社区接驳共享单车停靠点规划

研究基于K-means的城市轨道交通社区接驳共享单车停靠点规划问题。首先,在分析现有共享单车停靠存在问题基础上,对其骑行数据挖掘,采用K-means算法聚类后进行二次划分,得到候选停靠点;然后建立在可供选择和容量限制的共享单车停靠点双层规划模型,上层为政府追求出行者广义出行成本最小化、共享单车出行量最大化模型,下层为出行者不同接驳方式和站点选择的交通分配模型;最后采用遗传算法优化求解,通过实例予以验证。结果表明:该方法确定共享单车停靠点与规模,方便共享单车出行,增加其出行量,同时解决了停放混乱问题,提高了接驳服务水平。     

快速路交通事件持续时间预测模型研究

针对城市快速路交通事件持续时间影响因素的复杂性和不确定性,结合贝叶斯网络和非参数回归方法,提出了一种新的快速路交通事件持续时间预测模型.采用上海市快速路监控中心数据,经过降噪处理,生成样本数据;在分析样本数据特征基础上,确定了贝叶斯网络的结构学习方法与参数学习方法;对贝叶斯网络模型的结果用非参数回归算法生成持续时间预测值.最后,对模型预测精度进行了验证,发现模型预测效果较好.     

基于模糊数据挖掘技术的林火行为预测研究

在预测区域复杂的自然条件下，利用模糊数据挖掘技术（FDM）寻找与之相匹配的林火蔓延模型来预测林火行为。以广州市为例，构建了火灾数据样本集，确定了可燃物水分含量、可燃物负荷量、易燃程度、坡度等4个因子为影响林火行为的指标，利用FDM的模式的发现与预测功能，归纳了3类模式，并依照择近原则匹配各模式所适用的林火蔓延模型。此模型应用时可以由火场指挥者实时提供的火灾因子资料，根据FDM最大贴近度原则，选择合适的林火蔓延模型预测林火行为，提高了林火行为预测的可靠性。     

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。     

基于充分可观控实验方法的城市轨道交通客流随机分配模型优化

城市轨道交通起讫点间路径客流分配直接影响各条线路断面客流量的大小,进行科学精准的网络客流分配是实施客流统计分析、客流预测、运输计划编制、客运组织等工作的重要基础。基于城市轨道交通客流在轨道交通线网内的时空分布是充分可观控的理论,辨析影响客流随机概率分配的主要因素,建立网络模型架构,基于随机效用理论优化乘客出行的微观路径选择行为和决策过程,将客流随机分配模型中的有效路径效益值函数优化为分段函数。通过对结果进行路径分配比例验证及分线断面客流量验证,说明优化方法达到预期目标,为实现规范化、科学化、系统化的城市轨道交通清分奠定了坚实的基础。     

基于SP调查的需求组合模型参数标定方法

介绍了交通需求组合模型（CTDM）,建立了目的地方式选择组合模型,采用逐层估计的极大似然估计法对其进行参数标定.按照意向偏好SP(stated preference)和行为偏好RP(revealed preference)数据结合使用的要求对SP调查方法加以改进,开发了“基于互联网的个体行为调查设计及数据采集平台”进行数据采集.利用调查数据进行需求组合模型参数标定.以上海市嘉定校区学生观影行为为例,对所提出的方法进行验证.结果表明,通过改进的SP数据标定的参数具有较高的精确度.     

山地城市轨道交通车站楼梯行人交通特性分析

为解决山地城市轨道车站楼梯处行人交通特性的描述与解析,在实地采集山地城市轨道车站楼梯处行人数据基础上,分析轨道车站楼梯处行人的步频、步幅、步速特性,建立步频、步幅、步速基本特性间的关系函数,并构建楼梯上行人流量、密度、速度间的关系模型。将山地城市和平原城市轨道交通车站楼梯行人交通特性进行对比分析,结果表明:山地城市轨道交通车站楼梯行人步频、步幅、步速较平原城市相对较小。