基于ARIMA-SVM模型的快速公交停站时间组合预测方法

为了研究快速公交(BRT)系统公交站台停靠时间的可靠预测技术,对BRT车辆在站台停靠的物理过程进行分析.该过程既具有纵向时间相关性,又受到其他交通子系统的非线性作用,因此将BRT车辆停站时间拆解成线性部分和非线性部分.分别采用差分自回归移动平均(ARIM A)模型和支持向量机(SVM)方法对两部分进行预测,并将预测结果叠加,构成一种快速公交停站时间的组合预测方法.以常州BRT 2号线2个快速公交站的停站时间数据及其相关数据为样本进行建模,建模结果表明该组合预测方法行之有效.相较于单一的ARIMA模型和SVM模型,组合模型停站时间预测值的平均相对百分误差、均方误差均明显降低,误差1 s内命中百分率提高,且在训练数据足够时,组合模型的平均相对百分误差、均方误差分别为0.62%和4.05s2,误差1 s内命中百分率达到96.79%.     

面向BRT车队形成的站台乘车诱导控制模型

分析了乘客乘车诱导控制对公交车辆停站时间的影响.根据BRT站台内乘客的OD需求,利用站台乘车诱导控制方法,以BRT车辆进出站台保持队形为目的,建立了单条与多条公交线路车辆的停站时间模型.给出了停站时间状态方程的矩阵形式,分别设计了全局寻优的遍历方法和局部快速寻优的遗传算法,使得同一进站车队中不同公交车辆的停站时间趋于一致,从而实现了面向BRT车队形成的站台乘车诱导控制.通过案例分析,对比了利用本模型所求诱导控制方案与无诱导方式下客流均分方案的实施效果,验证了本模型在均衡公交站台车辆停站时间的优越性,为实现上下游交叉口间的BRT车队协调控制奠定了技术基础.     

大学城公交环线1发车间隔的研究

合理的公交发车间隔是提高公交服务水平的有效方法.文章选择大学城公交环线1作为研究对象,首先,采用跟车调查法收集了不同时间段的公交客流数据,并对数据进行统计与分析,得到了客流的变化规律;然后,再基于客流数据分析方法,研究制定了2种不同的发车间隔方案;最后,结合环线1的实际情况,比较挑选了一种更为合适的方案,能为大学城环线1的发车方案制定提供一定的理论依据.     

基于快速公交系统不同配置的潜在客流分析

为了研究不同供给条件下快速公交系统的客流规模差异,从系统配置角度出发,借助网络交通平衡分配原理,建立了基于变分不等式的潜在客流预测模型.利用路段运行时间、场站停留时间和站点驻留时间反映不同的系统配置.为求解方便,将系统配置吸引的潜在客流转化为网络中的潜在交通量进行计算.求解时,将变分不等式模型转化为随机用户均衡模型求解部分变量,再采用相似对角化方法求解变分不等式中的弹性发车频率,通过弹性发车频率与流量间的关系最终得到网络的潜在交通量.算例比较了快速公交系统各级配置吸引潜在客流的大小.数值仿真结果表明,各级配置吸引的客流差异较大,且在公交的客流预测中占有较大比重.     

快速公交客流预测方法研究与应用

客流预测是交通项目建设、规划、决策的主要依据,起着非常重要的作用。文章明确了快速公交客流预测的要点、内容和原则,考虑到规划期城市规模、空间结构、出行特征等的变化以及城市的地形特征,探讨选择了一套适合河谷型带状城市地形特点的“四阶段法”客流预测模型,并应用于兰州市快速公交建设项目规划得出客流预测结果。     

快速公交信号优先控制研究

通过对快速公交信号优先控制策略及其交通影响分析,借鉴北京BRT1成功经验,提出了基于降低社会车辆延误的快速公交信号优先控制策略。对北京设置的公交信号优先的快速公交1号线(BRT1)和没有设置公交信号优先的快速公交2号线(BRT2)运行时耗、运行速度的对比分析,论证了在交叉口设置快速公交信号优先的必要性,并从其他方面对改善快速公交运营情况提出了建议。     

基于K-means聚类组合模型的公交线路客流短时预测

预测公交线路短时客流是实现公交动态调度的关键技术.文中通过分析客流特性,构建了基于K-means聚类算法的组合预测模型.首先利用K-means算法将短时客流数据按照时变特征的相似度划分为不同聚类,然后为每类客流数据分别建立最小二乘支持向量机、BP神经网络、自回归滑动平均模型,并考虑天气因素的影响,用遗传算法优化模型参数,对比预测结果,从中选择每个聚类的最佳预测模型构成组合模型.最后以长沙市104路公交客流数据作为实例进行预测分析,结果显示:客流数据时变特征对模型具有选择性,K-means聚类组合模型能够更好地根据不同时段客流数据的时变特征进行分类,因而有利于提高预测绩效;考虑了天气因素的K-means聚类组合模型能进一步提高公交线路的短时预测绩效.     

配合城市轨道交通的常规公交起讫点的确定

为了配合城市快速轨道交通，应用交通分配的方法对城市公交客流O-D矩阵加以调整，除去快速轨道交通直达运送的客流，对换乘快速轨道交通的客流作O-D的变换，从而得到常规公交客流O-D矩阵，在此基础上，根据客流量大小原则确定常规公交起讫点。这种方法既考虑了直达客流，又考虑了换乘客流，所确定的常规公交起讫点更加符合实际，也更能体现常规公交与城市快速轨道交通的配合与衔接。     

基于竞争力分析的快速公交系统服务优化

提升公交竞争力是公交可持续发展的关键,从行为视角对公交竞争力进行分析可以更好地契合出行者的需求,可以提出更加有效的改善目标.通过建立快速公交系统(BRT)竞争力模型,采用结构方程模型对竞争力进行解析,在乌鲁木齐现场数据调查的基础上进行模型求解.研究结果表明,乘客满意度是提升公交竞争力的关键,也是服务质量对BRT竞争力施加影响的中介变量,因此只有针对乘客需求的服务改善才是有效的,根据模型结果对BRT服务改善给出了相应的建议.     

基于遗传算法的多服务模式公交优化设计

基于独立公交走廊需求特征,利用公交客流起点到终点(OD)数据,建立了以发车频率和公交车型为主要输出参数的多服务模式公交优化设计模型.针对模型求解的复杂性,应用遗传算法进行求解.最后,结合上海公交737路公交客流走廊数据给出了优化算例.结果表明,模型具有较强的实用性,能快速有效地求解出多服务模式的公交优化组合.     

考虑公交车内拥挤的区间公交优化设计

为满足公交客流走廊集聚的需求,研究了全程车和区间车形成的多服务模式公交优化设计问题.针对公交走廊需求特征,利用公交客流起止点(OD)数据,建立了双层优化模型,上层模型以发车频率和公交座位数为主要输出参数的公交设计研究模型,下层模型为经典的随机选择(SUE)模型,应用序列二次规划(SQP)算法求解模型.最后结合相关案例给出了优化算例,案例结果表明,模型具有较强的实用性,能够较好地反映公交车内拥挤对乘客出行成本的影响,能有效地提高公交走廊的运营效率.同时,模型通过输出不同站点上车在各站点能找到座位的概率,优化乘客选择不同公交出行的行为,均衡了公交客流,提高了车辆服务质量.     

多模式公交服务模式及时刻表协同优化设计

考虑多模式公交服务模式和时刻表的交互作用,建立了多模式公交双层优化模型,上层协同优化多模式公交服务和时刻表,下层考虑乘客出行选择实现多模式公交的客流分配,为上层提供输入.针对双层模型求解的复杂性,设计了相应启发式的求解算法,采用遗传算法求解上层模型,应用Dial算法求解下层模型.最后,结合江苏省江阴市K1路和上海市73...     

基于公交IC卡刷卡数据的站点客流推算

公交客流数据是公交组织调度、线网优化和场站规划的基础性数据,随着计算机信息技术的发展,通过对公交刷卡数据进行分析处理即可得到全面准确的公交客流信息.以桂林市公交系统数据为例,首先,对公交IC卡刷卡数据和定位数据结构进行分析并对刷卡数据进行预处理,筛选出客流推算所需数据并剔除异常数据;其次,融合刷卡数据与定位数据匹配乘客...     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。     

基于IC卡的公交枢纽客流特征分析

IC卡数据记录了IC卡的卡号、车辆号、交易日期、交易时间、公交线路编号等信息,通过对IC卡数据的处理以及挖掘分析,能够反映城市居民公交出行的总体特征,同时也能够为公交枢纽预警机制提供数据支持。利用基于IC卡数据的上客客流、落客客流、换乘客流判定方法,结合实际IC卡刷卡数据,分析了公交枢纽客流的时间特征、动态特征以及短时特征,可为公交枢纽客流状态判断提供数据支持,为行业主管部门提升公众出行服务水平提供决策依据,同时也能够对公交枢纽安全预警以及应急管理工作起到关键数据支撑作用。     

快速公交站间距服务水平分级方法

提出基于有序Logistic回归模型的服务水平分级临界值确定方法.通过提出快速公交不同站间距的客流量估算方法和建立站间距与公交车运行速度的三次方函数,标定了快速公交的仿真参数.采用VISSIM软件建立不同站间距(500～1 500 m)的快速公交仿真系统,据此制作了包含到站、等车、乘车、离站4个阶段的快速公交出行视频短片.通过受访者观看快速公交出行视频短片进行视频实验,收集到126份不同站间距的服务水平数据,采用提出的分级临界值确定方法建立了快速公交的站间距服务水平分级.所建分级中A级～F级的临界值分别为300,460,850,1 300,1 900 m.所建分级可指导快速公交规划及建设中的站间距设置,可评价现状站间距所提供的服务水平.     

基于ε-支持向量机回归的快速公交到站时间预测

选择ε-支持向量机回归(ε-SVR)算法预测快速公交(BRT)车辆的到站时间,以提高公共交通的准点性.分别对BRT的停靠时间和路段行驶时间建立模型.根据分析,在停靠站时间预测建模过程中选取车头时距、时段、天气等7维特征向量作为模型输入,采用人工调查法,对厦门BRT-1路的数据进行采集,归一化处理后建模.仿真结果显示该模型能够比较准确地预测厦门BRT-1路的运行路线到站时间,并验证天气因素对该线路的到站时间预测影响最大.     

连续型公交专用道网络布局优化模型

针对以往离散公交专用道网络布局的局限性,从公交专用道布设的现实条件、规划与建设实践入手,利用网络优化方法提出了面向公交走廊的连续公交专用道网络布局双层优化模型.该模型的上层模型是以最小化路网用户总出行时间为目标的连续公交专用道网络布局设计决策,下层模型是以最小广义出行成本为目标的小汽车和公交车客流分配模型,并应用遗传算法(genetic algorithm,GA)求解该模型.通过算例验证了该双层优化模型有效性与实用性,以及连续型专用道网络布局方案相较与离散型方案的优越性.     

基于交通出行行为的郑焦城际公交客流预测

通过统计分析郑焦城际公交乘客的个人属性和出行信息,选择灰色模型对客流进行建模、预测和精度检验,得到模型的平均相对误差为3.98%,精度为96.02%,较好地满足了精度要求。该研究为郑焦城际公交的组织优化提供了理论依据和技术支持。     

BRT专用道的设置形式及方法研究

本文在对不同BRT专用道的不同设置形式进行对比阐述并分析它们的优缺点的基础之上,具体研究路中型BRT直行快速公交专用进口道的设置方法。