城市轨道交通换乘站换乘效率研究

城市轨道交通换乘站是2条或者2条以上城市轨道交通线路的衔接车站,在轨道交通逐步进入网络化运营的进程中,换乘站作为网络节点逐渐增多。本文针对城市轨道交通换乘站换乘效率进行研究,从运营者角度出发,结合效率的概念给出换乘效率的定义,分析换乘效率效用,提出有效换乘与无效换乘概念,并将有效换乘行为进一步分为高效换乘与低效换乘,然后利用AFC客票数据挖掘技术通过实例进行应用说明,最后阐述换乘效率评价的意义与特点。该研究为换乘站运营组织改善和客流实时监控提供了理论支持。     

基于RBF神经网络的城市快速路短时交通流预测研究

为检验灰色模型及径向神经网络模型用于短时交通流预测的可行性及适用性,本文分析和比较了灰色模型GM（1,1）和RBF径向神经网络模型对短时交通流的预测效果。仿真实例表明,灰色模型不适合用于短时交通流预测,而径向神经网络能够准确预测短期交通流的未来变化趋势,当径向基函数的分布密度值在0.8~1.0之间时能够取得较高的预测精度。     

大秦线运营组织方案比选

采用层次分析法对大秦线各种运营组织方案进行技术经济的综合比较，以选择运输能力大、工程投资省、运营管理方便的最优方案，使大秦线尽快达到年运量１亿ｔ的设计能力。     

基于支持向量机的地铁故障类型预测

针对城市轨道交通运营压力增大带来的故障隐患和诸多问题,基于城市轨道交通故障隐患数据,构建支持向量机实验预测模型,将筛选处理后的数据与模型相结合,探究未来一定时间段内城市轨道交通可能发生故障的概率和类型,在不同维度、数据量的情况下,对模型运算的效果进行分析,找出其对模型准确率的影响,确定最佳数据维度和使用数据量,为运营公司应对突发故障提供决策辅助方法 .以现有数据通过支持向量机模型进行概率预测估计,同时加入噪声数据测试对模型准确率的影响,最后与BP神经网络模型和极限学习机方法进行对比.研究结果表明：本文构建的模型进行地铁故障概率预测的准确率能够保持在60%左右,说明具有一定的可行性,同时能够在含有噪声数据的情况下进行故障发生概率预测.