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.     

基于实际拓扑结构的交通网络客运流量的理论研究

针对de Moura等人提出因特网信息流的费米-狄拉克统计模型,我们提出用玻色-爱因斯坦统计模型来研究一般交通客运网络中的客流分布问题.将交通客运网络抽象成一个与外界有粒子和能量交换的热力学系统,其中粒子代表乘客,适当地定义能级,分析得出交通网络中的每个站点平均客流的解析表述.然后以中国铁路客运网络实际拓扑为基础,用随机行走模型模拟分析交通网络中的客流分布情况,模拟结果显示,无论初态如何,经过足够长时间后,各站点的客流分布趋于平衡,平衡时各站点的客流量与其点权正相关,模拟客流分布曲线与理论结果基本一致.     

轨道交通客流量均衡分配模型与算法

以往轨道交通网络的规划主要依靠经验的、定性的方法 ,缺乏科学性 .为此 ,首先建立了轨道交通的阻抗函数 ,然后 ,基于均衡分配原理 ,建立城市轨道交通网络的客流量均衡分配模型 ,并采用Frank Wolfe算法求解了该模型 .该模型可以较真实地反映城市轨道交通网络上的客流量分配情况 ,提高目前轨道交通规划的科学性 .     

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。     

基于SSA-LSTM组合模型的城市轨道交通短时客流预测

随着我国经济的快速增长及城市化水平的不断提高，轨道交通在居民出行中发挥着越来越重要的作用。作为影响城市轨道交通运营效益和服务水平的关键因素，客流精准预测受到运营管理者和研究者的日益重视。为提高城市轨道交通客流预测精度，提出了基于麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的SSA-LSTM组合模型。本文以杭州地铁一号线客流量数据为例，在选取轨道交通客流相关影响因素的基础上，利用建立的SSA-LSTM模型对相关站点进行短时客流预测，并与LSTM模型、遗传算法(GA)优化的LSTM模型(GA-LSTM)以及粒子群算法(PSO)优化的LSTM模型(PSO-LSTM)预测结果进行对比分析。结果表明，相比于前述参照模型，SSA-LSTM模型的预测精度分别提升了19.1%、9.7%和2.4%,并在均方根误差指标方面有更优异的表现。SSA-LSTM组合模型在城市轨道交通客流预测中具有一定的应用价值，具有协助运营管理者提高城市轨道交通运营管理效益和提高服务水平的潜力。     

基于图卷积循环神经网络的城市轨道客流预测

客流预测对于城市轨道交通运行组织和管理具有重要的意义.本文中组合图卷积网络和循环神经网络构建图卷积循环神经网络GCGRU模型,借助图卷积网络学习城市轨道网络的复杂拓扑结构,进而捕捉空间关联特征,通过循环神经网络变体门控循环单元学习多特征客流量的趋势变化规律从而捕捉时间特征.利用上海市1年的全网地铁断面客流量展开研究,并...     

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。     

动态随机客流下城轨列车运行调整策略

针对城市轨道交通中随机到达客流对列车运行造成的延误问题,将动态变化且服从泊松分布的客流到达率拟合为随机分布变量.结合随机规划理论,构建了以列车发车时间偏差及到站列车间隔偏差为最小化目标的期望模型.应用最优化方法中的K-T条件对所建模型进行求解,得出调整相关偏差的控制策略.通过实例仿真模拟列车运行在受到随机客流及外界干扰的影响下产生的延误,比较采取调整策略前后列车在各站的离站时间偏差及其优化水平,结果表明:所设计的列车运行调整策略能够有效减小列车延误约25%,使得在动态客流下的城市轨道交通列车运行更能"按图行车".     

大客流冲击下北京市轨道交通网络稳定性

为了减少轨道交通站点运营不稳定现象的发生,优化轨道交通网络结构,提升网络运营效率,对大客流冲击下的轨道交通运行稳定性进行研究。以北京市轨道交通网络为例,采用L空间法构建以轨道站点为节点、相邻站点线路为连边的北京市轨道交通网络模型;仿真分析了节点度、平均路径长度、聚类系数、网络直径、网络效率等特征参数值和其分布规律。根据事件类型将站点分为功能减弱站点和功能中断站点,并分别采用客流传播模型和网络效率模型,仿真量化了不同事件类型发生背景下的网络稳定性。研究结果表明:现阶段北京市轨道交通网络具有无标度网络的特征,网络可达性较好,聚类系数较小,网络连通性有待提高;当换乘站因超大客流出现而功能减弱时,若相邻站点数S≤7时,网络中拥挤站点拥挤状态可自行消退,且相邻站点数与拥挤消退所需时间呈负相关;当换乘站出现功能中断时,网络效率值会显著降低,破坏站点的重要度系数在(0.75,1]范围时对网络效率的影响最大,在(0,0.5]范围时对网络效率的影响最小。该研究结果为及时发现轨道网络关键点及其薄弱环节,保障超大客流背景下的城市轨道交通网络安全运营提供依据,也为大客流冲击下的北京市轨道网络应急方案的制定提供决策支持。     

城市轨道交通客运量影响因素与预测精度研究

城市规模不断扩大,我国城市轨道交通趋于高速发展,客流量是城市轨道交通建设规模的重要考量因素.为探究轨道交通客运量影响因素,以北京市为例,通过分析轨道交通客流的影响因素,探讨各影响因素与客流相关性;结合轨道交通发展规模,运用Matlab软件对客流量进行灰色预测,影响因子灰色关联度排序为:运营车辆数>运营线路数>运营公里数>常住人口数,为城市轨道交通客流合理预测提供思路与方法.     

城轨站行人流线网络客流分配算法与软件实现

为实现符合城市轨道交通车站行人流线网络特点的行人设施客流分配,首先将分方向实结点时间阻抗与结点客流方向引入最短路径识别,将其嵌入连续平均法,建立了适用于城市轨道交通车站行人流线网络的客流分配算法.然后,利用C#和Matlab语言在AutoCAD环境下开发了相应的客流分配软件,并在此过程中提出了结点客流方向获取方法.算例表明,该算法能够实现考虑分方向实结点时间阻抗的城轨站行人设施客流分配;与TransCAD、VISUM相比,软件符合行人流线网络特点,操作简便.     

基于仿真的深埋地铁车站疏散时间研究

随着地铁车站的埋深深度日益增加,车站的安全疏散风险增大。本文从站型结构、疏散安全区、车站疏散设施、客流规模和疏散引导等方面,分析了影响深埋地铁车站人员疏散时间的因素。针对紧急疏散场景,构建深埋地铁车站网络模型和疏散行为模型。以北京某在建深埋地铁车站为例,通过模型校验,利用轨道交通乘客集散仿真系统对该站疏散时间进行测算,并将测算结果与理论计算疏散时间对比,结果显示所有乘客能够在5.5 min内从站台疏散至安全区域,符合规范要求。本文研究结果表明采用的系统能够用于深埋地铁车站的疏散时间研究。     

融合长短期记忆网络和图卷积网络的轨道交通短时客流起讫点预测

轨道交通客流起讫点(origin-destination,OD)矩阵存在时间相关性和空间相关性。根据客流OD的时空特征,提出长短期记忆(long short-term memory,LSTM)网络和图卷积网络(graph convolutional networks,GCN)的短时组合预测方法。预测方法主要利用LSTM网络来获取客流的时间相关性,利用GCN来获取客流的空间相关性,基于出站口建立客流OD矩阵,对整个路网的客流OD进行训练预测。实验表明:融合LSTM神经网络和GCN神经网络的短时预测模型能有效预测轨道交通客流OD。相较于单独的LSTM神经网络,组合模型在预测误差方面有所改善,更适用于短时客流OD的预测。     

城市轨道交通换乘站点失效下网络脆弱性分析

城市轨道交通换乘站点失效会导致网络性能下降,使得系统表现出较高的脆弱性,换乘站点失效下网络脆弱性分析对于保障系统运营安全具有重要意义.考虑城市轨道交通网络和外部公共交通网络的耦合关系,分析换乘站点失效后的乘客广义出行费用,对乘客出行选择行为进行建模;从运营服务网络性能下降的视角,提出了网络脆弱性定量评估指标;对路网拓扑...     

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。     

北京市轨道交通票制票价改革研究

为了发挥轨道交通票价的杠杆作用,进一步完善地面公交与轨道交通衔接,优化交通结构,增加客票收入,本文通过分析国内外大都市票制体系、票价优惠策略及北京市轨道交通发展状况,提出北京市轨道交通票价改革方案。在重点分析客流量、运营成本和城市人均收入水平的基础上,确定单一票价水平为4元;实施高低峰分时定价策略,通过分析三峰时间分布及高峰客流构成,用Logit模型计算出高低峰票价分别为6元、2元;提出制定月票的策略,以及其他一系列辅助票制来保障上班族、老人等的权益。该研究为实现北京市轨道交通可持续发展提供了理论基础。     

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.     

基于耦合映像格子模型的城市轨道交通网络可靠性研究

为进一步提高轨道交通网络化背景下的系统可靠性,预防系统潜在客流风险,从复杂网络视角,分析了轨道交通网络可靠性及其加权客流网络可靠性。为衡量客流权重对网络可靠性的影响,构建了客流加权可靠性评价指标。利用上海公共交通卡数据,得到网络节点真实客流权重,以实际客流权重为参数,衡量客流加权网络可靠性。基于耦合映像格子（CML）模型,构建上海轨道交通网络动力学模型,模拟不同情境下网络节点引发的网络级联失效动力学过程,并衡量级联失效过程中的网络客流加权可靠性变化情况。结果表明：地铁网络客流加权性质在毁损初始阶段,下降较小;网络毁损规模超过50%,客流加权网络可靠性趋近于0。因此,在网络毁损初始阶段采取措施能有效防止故障在网络扩散。