黄山风景区旅游旺季游客日分布特征的研究

黄山风景区旺季游客日分布具有以下特征：日分布不均，国际劳动节和国庆节期间尤为突出；不同年度游客日分布曲线波形基本相同；不同年度同一月度，客流峰谷日期接近；节假日客流量比非节假日多３０％以上．研究这些特征，对于调控“超载”和“欠载”时段客流规模，预测短期客流量等，具有重要的意义     

基于海量IC卡数据的公交客流时空分析

研究公交客流时空变化规律可以更深入地了解乘客的出行规律和出行需求,从而更好地为公交规划和调度提供服务。本文以厦门市2015年6月13日至26日的公交IC卡数据和车辆GPS数据为数据源研究公交客流的时空分布规律。论文运用Hadoop MapReduce分布式计算框架进行公交客流量的并行计算,从不同日期(工作日、双休日、节假日)和不同用户群体(老人,学生和成人)两个角度以小时为单位探索了公交客流的时间分布特征;在对公交站点的上车人数进行核密度分析的基础上,从站点客流量的总体空间分布及不同时段变化特征两个角度探索公交站点客流的空间分布特征,并以SM城市广场为例进行热点站点客流流向分析。研究发现:厦门市公交客流的时间分布规律呈现M状分布,但有别于北京市公交出行的M状分布,晚高峰的客流量约占早高峰客流量一半;站点客流空间分布规律呈现岛内连片聚集,岛外零星点状分布,岛内站点客流一日内早高峰呈现"入"状分布,随时间而演变为东北—西南走向的"一"状分布; SM城市广场、火车站和中山路商圈一直是全天的公交客流热点区域。     

基于Bi-LSTM网络的广珠城际短期客流预测方法

为提高城际铁路车站短时客流量预测的准确性,本文设计了一种基于双向长短期记忆网络(Bi-LSTM)的预测模型.首先分析了广珠城际铁路车站日客流量的时间分布规律,发现各车站日客流量存在着相似的分布特征,但工作日、周末和节假日客流量呈现出较大差异.以广州南站、珠海站以及小榄站3个车站的进站客流为例,选择时间窗步长为2和4分别...     

不同类型的城市轨道交通车站客流时空分布特征

为明晰轨道交通车站功能类型，防范大客流风险和精细化城市管理，探究不同类型车站客流的时空分布特征，采用高斯混合模型(GMM)建立轨道交通车站类型识别方法，运用期望最大化(EM)算法进行求解，选择南京市轨道交通系统进行验证；从进出站时间分布和出行时间分布2个维度，探讨不同类型车站的客流时间分布规律；从车站间的客流起讫点(OD)分布，分析不同类型车站的客流空间分布规律。研究结果表明：南京市128个轨道交通车站可以划分为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型和枢纽综合型6类；不同类型车站的客流进出站时间分布差异显著，居住导向型和就业导向型车站呈现出典型的单峰形态，进出站客流比介于[0.23,5.59],具有明显的“早进晚出”或“早出晚进”客流高峰；职住错位型车站呈现出典型的双峰形态，进出站客流比分别为1.19和1.07,早晚高峰时段的进出客流较为均衡；错位偏居住型和错位偏就业型车站也呈现出双峰形态，但2个峰值大小不同；枢纽综合型车站没有显著的进出站客流早晚高峰，客流波动没有明显的规律性；不同类型车站的进出站早晚高峰时段不一致，其中早高峰时段出站时间的高峰比进站时间晚15...     

基于K近邻模式匹配的地铁客流量短时预测

为准确预测地铁客流量,以便更好地进行车辆调度和站点管理,提出一种基于K近邻模式匹配的地铁客流量短时预测方法.通过分析地铁客流数据,发现地铁的日客流发展模式具有一定规律;针对该发现,提出一种基于误差变化率计算的自适应K值获取算法,自动获取合适的K值以提高预测算法的普适性.最后以广州火车南站地铁站为例进行实例分析,结果表明:所提出的方法同时适用于节假日与非节假日两种不同交通模式的地铁客流预测,平均预测精度在90%左右,具有较好的应用推广价值.     

城市轨道交通车站客流特征影响程度分析

城市轨道交通车站客流特征与其周边建成环境和社会经济因素密切相关，且不同影响因素对客流特征的影响也存在时间和空间异质性。以车站工作日日均客流量、工作日特殊时段(如早高峰进站、早高峰出站、晚高峰进站和晚高峰出站)客流量为因变量，从车站属性、连接性和建成环境3个方面选择23个自变量，采用多尺度地理加权回归(MGWR)模型构建客流特征分析模型，分析不同时间尺度下轨道交通车站客流量的影响因素及其相互作用，并以南京市轨道交通系统进行实例分析。结果表明：与普通最小二乘法(OLS)回归模型和地理加权回归(GWR)模型相比，MGWR模型更为可靠；忽略早晚高峰客流影响的全天客流量预测模型拥有的显著自变量最多，到市中心的距离对客流量有显著的负影响，证明距离市中心越近的车站的客流量集聚性越明显；周边居住、生活类设施占比较高的车站对早高峰进站和晚高峰出站客流有很强的吸引作用，而周边居住、生活类设施占比不高的车站对早高峰出站和晚高峰进站客流有很强的吸引作用。研究结果可以为城市规划部门促进城市轨道交通与城市建设的协同发展提供理论支撑。     

上海市旅游景区（点）客流时空分布特征及成因分析

在调研的基础上，梳理了上海市旅游景区（点）的类型及其区域分布，分析了上海市旅游景区（点）客流时空分布的总量特征、区域特征和主要类型旅游景区（点）的客流时空分布特征，认为沪外游客旅游景区（点）到访率低、休闲游憩中心逐渐向市郊转移、旅游景区（点）供需存在矛盾、旅游地生命周期作用和竞争加剧是形成其特征的主要原因．最后，提出了上海市旅游景区（点）持续发展的对策建议．     

城市轨道交通网络突发事件影响客流量的计算

城市轨道交通网络发生突发事件而造成临时性中断后,因列车运行延误具有传递性和扩散性,此时各相关车站会形成延误客流、绕行客流及损失客流.引入图论的方法建立城市轨道交通网络局部中断评价模型;再结合轨道网络单位时段内各站点间的起讫点出行分布历史或预测矩阵,得到了在各个受影响站点的各种受影响客流的评价模型.根据这些模型可以得到网络节点破坏后各相关站点随着时间的推移而不断变化的受影响客流量、绕行客流量、拥堵客流量、延误客流量、损失客流量、损失时间等参数.通过对上海轨道交通的局部网络的分析计算,证明了该应急处置参考模型的有效性.     

湄洲岛国家旅游度假区客流时空分布研究

湄洲岛是中国最有名的海岛风景旅游区之一，但波动的客流影响到海岛风景旅游区的可持续发展。通过对湄洲岛国家旅游度假区的实地访谈、调查与相关统计资料的收集，分析了湄洲岛接待的游客。可以得出下面的结论：湄洲岛国家旅游度假区客流具有明显的时间和空间波动，当地政府应采取措施消除客流的大幅波动，如发展各种不同的旅游产品，完善海岛功能区规划等。     

城市轨道交通网络客流协同控制模型

从线网层面构建城市轨道交通进站客流协同控制模型,为客流控制措施的制定提供理论依据。该模型以网络客流需求及分布特征为基础,建立客流需求与输送能力匹配度最大化和延误客流量最小化的多目标数学规划模型,计算控制目标条件下的车站最佳进站客流量,为限流车站选取、限流时段确定以及限流强度确定提供量化依据。模型具有计算简便、快速等特点,适用于大规模路网条件下客流控制策略的生成。最后,以北京市轨道交通网络为对象进行实证分析。研究结果表明:该方法能够指导车站限流措施制定,验证了模型的有效性和准确性。     

昆明旅游气候舒适度与客流量相关性分析

利用旅游气候舒适度综合指数模型,计算得出昆明不仅舒适期长,更属全国少有的"四季如春"型旅游城市.受气候舒适性和节假日双重因素影响,昆明客流量年内变化以4—8月、10—12月为入境游客旅游旺季,2月、7—11月为国内游客旅游旺季.通过对节假日等因素赋值处理,运用最小二乘法建立昆明客流量与旅游气候舒适度之间的回归方程,结果显示两者之间存在显著相关性.     

城轨交通换乘站结点换乘设施行人拥堵分析方法

以城市轨道交通换乘站内的"十"形结点换乘设施为研究对象,根据车门至站台梯组的走行距离确定了换乘客流到达时间分布,在考虑设施断面上下游的流密速基本关系及梯前区域、换乘平台、楼梯客流的相互影响关系的基础上,利用分时段客流迭代构建了结点换乘设施行人拥堵分析方法。算例表明,该方法能够在各车门下车换乘人数和站台行人设施布置方案已知的情况下快速分析多向客流的换乘客流量不同组合下"十"形结点换乘设施的行人拥堵情况。     

湖南“红三角”旅游区PC与移动游客网络关注度时空分布特征及其异同

【目的】揭示“红三角”PC和移动游客网络关注度时空分布特征及影响因素,分析各影响因素的边际效应,在此基础上,分析两者的异同。【方法】收集游客网络关注度及其他相关数据,利用季节性强度指数、地理集中度指数和重心模型,进行统计分析和比较。【结果】①移动游客网络关注度相对较高,年内变化波动幅度较大,PC游客网络关注度相对较低,年内变化波动幅度较小。两者对重大事件影响同步响应,但响应程度有较大区别。PC游客网络关注度具有较明显的前兆效应,移动游客网络关注度的前兆效应不明显,移动游客网络关注度对节假日的响应程度高于PC游客网络关注度。②普通周周内移动游客网络关注度与PC游客网络关注度周内变化呈反向变化关系;移动游客网络关注度在春节和十一假期内均呈倾斜的“L”型,PC游客网络关注度在春节期间呈倾斜的“L”型,而在十一期间呈“M”型,黄金周内峰值均出现在假期开始后的第三天。PC和移动游客网络关注度月变化均呈山岭形,但两者变化趋势存在反向相关的关系,PC游客网络关注度季节性相对较小。③PC与移动游客网络关注度空间分布的影响因素基本相同;山东、河南等7省区PC和移动游客网络关注度规模分布较一致;其他省区PC与移动游客网络关注度规模分布存在较大偏差。各月PC与移动游客网络关注度重心变化存在较大差异,整体上PC游客网络关注度重心更偏向东北方向。PC与移动游客网络关注度的空间分布的影响因素的基本相同,但在网络普及率,以及各因素影响程度上两者间有较明显的差异。【结论】相关结果可为丰富旅游与信息流的相关研究,促进湖南“红三角”旅游客源市场开发提供参考。
     

黄山、九华山客流季节分布和国内客源市场比较研究

详细对比分析了黄山，九华山客流季节分布和国内客源市场特点及其原因，并根据两山旅游资源，客流季节分布和国内客源市场的互补特征，认为两山应该联合促销，协同开发客源市场。     

1990-2007年日本游客入境中国大陆旅游客流量及地域分布格局的变化

依据1990-2007年的有关统计数据,分析了日本游客入境中国大陆旅游发展及地域分布格局的变化.结果显示:1)随着中日两国经济文化交流的扩大和进出口贸易的增长,日本游客入境中国大陆旅游的客流量及占日本出境旅游比例日益增大.然而,随着中国大陆对外开放的扩大和入境外国客流量的增长,日本游客占中国大陆入境外国游客的比例在逐渐下降;2)日本游客入境中国大陆后在31个省区的分布是非均衡的,主要受经济发展、高品位景点和交通区位影响.可将在31个省区的分布划分为核心、次核心、次边陲和边陲4个等级.其中,北京、上海、广东是3个核心区,也是向周边省区及中西部地区辐射的中心地;3)受空间距离和旅游区位的影响,日本游客入境后有沿着黄河-陇海-兰新线和长江轴线从东向西梯度递减的趋势,这将对西部地区开拓日本客源市场产生不利的影响.     

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。     

大西客专太原与晋中两地城际客流量的预测研究

为了研究同城化发展下大西铁路客运专线太原与晋中两地城际客流的变化规律,合理高效地规划设计开行城际列车,促进地区经济建设发展,分析了太原与晋中两地的区域客运量走势及其影响因素,运用四阶段法预测了通道内区域客流量、客流OD分布量以及公路、既有铁路与客专分担及转移、诱增客运量,最终对大西铁路客运专线沿线太原南至灵石东站间近期年度(2020年)的客流量进行了预测,为设计开行城际列车提供了参考。     

现状公交O-D推导研究

分析研究认为每条公交线路的客运量一般为公交出行OD量的线性组合,引入一个分配函数（系数）,把每条公交线路的客流量按合理比例（权重）直接分配到其经过的相关交通小区之间的现状公交OD表中进行累加修正,得到交通小区之间现状客流OD分布.     

基于S-Catboost算法的短时公交客流预测及影响因子分析

针对城市公交实时客流数据多样化和特征复杂的状况,提出一种基于S-Catboost模型的客流特征提取及短时客流预测方法和影响因子分析流程。首先,通过爬虫技术获取公交客流数据的环境和时变特征,扩充客流数据的特征维度。其次,通过对客流数据进行时间和精度加权并采用LSTM和随机森林2种基模型对客流数据进行堆叠(Stacking),提取强特征并加入第二层子模型的特征矩阵。最后,利用Catboost算法对类别特征进行数值化处理,得到预测结果。实验结果表明该模型比传统LSTM、随机森林、GBDT以及SVM在预测准确度和计算时间上都有明显的优势,并给出了不同影响因子对客流量的相对贡献度和各自的偏效应,该模型对于公交系统进行实时线网优化调度和线路拥挤度信息发布具有比较高的实用价值。     

基于时空特征的城市轨道交通客流量预测方法

随着城市轨道交通网络运营里程的不断增长及网络承载客流量的不断提高,特定站点客流量极易发生急剧变化,这种变化引起整个网络客流量的不均匀分布,从而增加运营调度的难度和运营事故的发生概率.本文以城市轨道交通实际运营中采集的大量客流数据为基础,从时间和空间两个维度分析城市轨道交通客流分布的特点,并进一步提出基于贝叶斯网络的客流量预测方法,实现对特定站点的客流量预测.本实验完全基于实际数据,结果表明:预测客流量平均绝对百分比误差基本在0.1以下,预测准确程度较高.