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.     

天津至保定铁路城际客流预测

基于对天津至保定铁路有关客运功能的定位与客流特征的分析,提出将津保铁路所在区域的客流通道进行整体研究的基本思想以及基于变化后的四阶段的客流预测技术路线。通过对津保铁路趋势、转移和诱增客流的预测,获得了城际线路的段面密度、通道公铁分担率以及全日客运量、平均运距和高峰小时最大断面流量等客流预测指标。     

城市轨道交通与BRT客流适应性研究

近年来BRT和城市轨道交通成为各大城市发展热点,如何使二者协调发展共同服务于城市公共交通系统,具有重要的现实和实践意义.通过对BRT和城市轨道交通的技术和经济特性的比较,总结客流的影响因素.然后以客流适应性为评价标准,以MNL模型计算时间价值,建立模型,比较在较长重叠的线路上分别采用两种公交方式出行的行人出行成本,判定两种公交方式的客流适应性.最后以成都市规划中的二环路BRT和轨道交通7号线为算例得出BRT线路和7号线客流确是相适应,模型可行.     

距离约束在出租车客流网络结构中的作用研究

基于轨迹数据的提取与分析, 发现出租车客流存在距离约束。建立包含距离约束的流量演化模型, 生成模拟网络, 并对不同约束参数下的网络结构进行比较分析, 分析结果显示: 距离约束导致网络的度分布、流量强度分布、距离强度分布等产生“截断”现象, 并且约束距离越小, “截断”现象越明显。随着约束距离的减小, 边权分布的衰减速度变慢。度-流量强度相关性、度-距离强度相关性整体呈现幂律相关, 并且随着约束距离的减小, 幂指数逐步增大。随着约束距离的减小, 节点之间流量强度从微弱的负相关逐步转为微弱的正相关。研究结果有助于揭示人群移动的距离依赖性对出租车客流网络结构的影响规律。     

基于Hive的海量公交客流起讫点挖掘方法

目前起讫点(origin-destination,OD)挖掘方法普遍存在无法并行分析多条线路、低效率、预测率不足的问题。考虑到Hive在海量数据上的查询性能优势,基于Hive实现了OD挖掘,克服了上述问题。基于时间阈值匹配上车站点,失配记录基于站点上客数再次匹配。基于表连接的出行链算法预测下车站点,预测失败的记录基于概率进行两次预测。以石家庄2018年1月1日—2018年3月27日的IC卡刷卡数据和调度数据进行OD挖掘,在清洗后的11 312 505条出行记录中挖掘出11 270 037条OD记录,预测率达到99.6%,出行与吸引校验质量较高,Hive并行调优开启后耗时17 829.04 s。可见该方法满足生产环境中离线挖掘OD的业务需求。     

不正常航班旅客流恢复方法

当航班计划受到扰动时,航空公司不仅要制定飞机与机组路线恢复计划以保证航班执行,更要尽快对旅客流进行恢复,以减少旅客延误或取消行程带来的经济损失。在飞机与机组路线恢复计划基础上建立旅客流恢复模型,通过以路径流量为变量的线性整数规划构造出受扰OD对集合,然后用深度优先算法构造出所有可行行程以单纯形法求解。实例结果表明,建立的模型和算法能够快速恢复旅客流,并且能够大量减少损失。     

浅谈道路运输客运班线客流调查工作

本篇详细介绍了内蒙古自治区道路运输客运班线客流调查工作情况及信息系统主要功能,针对运行中存在的问题提出了建议和措施。     

基于复杂网络的城市轨道交通网络中心性研究

城市轨道交通车站在网络中承担着乘客集散和连通区间的重要作用,如何有效评估其在客流网络中的影响力是研究网络结构优化和降低运营风险的重点。基于复杂网络理论,以车站为研究对象,通过建立网络客流分配模型,结合轨道交通智能卡数据提出城市轨道交通网络车站客流的集聚程度指标和3个客流中心性指标。将研究方法应用于北京市地铁网络,识别出了北京地铁的重点车站并且系统性分析了北京地铁早高峰客流现状,为地铁网络运营提出意见。     

客流需求不确定下城市轨道交通线路协同限流鲁棒优化研究

研究了客流需求不确定下城市轨道交通线路协同限流问题。构建了城市轨道交通线路协同限流确定性模型，在此基础上，基于情景分析的鲁棒优化方法，采用具有已知概率的情景集描述客流需求的不确定性，将此模型扩展为含不确定因素的鲁棒优化模型，对每个时段每个车站的最佳进站量进行了求解，达到在保障运营安全的同时使站外的滞留人数最少的目的，并以北京地铁八通线为例对模型进行了验证。通过将确定性模型与鲁棒模型进行对比发现，鲁棒模型能降低限流策略对不确定客流需求的敏感程度，使不同需求情景下的滞留人数保持在可接受的范围内。