基于AFC数据的大型活动期间城市轨道交通客流预测

准确预测大型活动期间城市轨道交通客流,是城市轨道交通管理与运营部门制定运输组织计划的重要依据,也是实现活动期间交通保障的关键.在分析大型活动期间城市轨道交通历史客流特征的基础上,针对活动期间的客流成分,分别构建活动客流与背景客流预测模型,以实现对未来大型活动期间城市轨道交通客流的预测.基于城市轨道交通自动检票系统(AFC)采集到的客流数据,分析大型活动期间的历史客流数据的变化规律,并依据其客流特征进行成分分解.针对活动客流,构建基于小波分解与重构的GM-ARIMA客流预测模型,针对背景客流则采用ARIMA模型与底特律法进行预测.基于广州地铁在2011—2014年广交会期间的历史AFC客流数据,对提出的方法进行验证.结果表明:该方法能够捕捉大型活动期间的客流特征,并可实现对大型活动期间城市轨道交通客流的预测.     

基于客流转移的轨道交通换乘站客流分析

换乘站客流研究是城市轨道交通重要的研究方向,本文针对轨道交通换乘站客流分析预测存在的不足,提出了一种基于客流转移的换乘站客流分析方法。文章主要对比轨道交通信息运营前后两个阶段,获得换乘站准确的客流变化情况,为下一步进行客流预测建模提供坚实的理论与数据支撑。     

对城市轨道交通客流特征的分析与预测

城市轨道交通是缓解城市道路交通压力的有效途径，客流预测是城市轨道交通建设与设计的基础环节。本文主要对城市轨道交通客流模型展开探讨，并从其特征、机理上提出预测方法。     

迭代反馈约束下的城市轨道交通客流预测分析

在分析当前国内城市轨道交通客流预测存在问题的基础上,提出了基于迭代反馈约束的城市轨道交通客流预测模型框架和方法.在基础数据处理上,依据城市总体规划和轨道交通沿线控制性详细规划,通过协调总体与局部的开发强度,达到研究范围内城市人口和就业岗位的重新平衡.在模型方面,考虑到机动车车流对公交车运行的影响,对传统四阶段模型进行了...     

城市轨道交通客流预测结果的技术分析体系

针对目前城市轨道交通客流预测可信度较低的状况,建议通过对客流预测结果的评估分析来提高轨道交通系统的抗风险能力,提出了包含可信度分析、客流特性分析、风险性分析和敏感性分析在内的城市轨道交通客流预测结果分析的结构体系。从预测过程和预测结果两方面指出了城市轨道交通客流预测可信度分析的要点,以高峰小时单向最大断面客流量、时空分布特性为核心,建立了轨道交通客流特性分析指标;通过客流在成熟区域内的集中率和在某些车站的集中率,反映客流预测结果的风险性大小;提出了客流预测敏感性分析的技术路线,并进一步指出不同时期敏感性因素的选择,并对西安地铁3号线客流预测进行了全面分析。结果表明:其预测结果是可信的,但客流的时空分布很不均衡;客流预测存在较大的风险性,客流波动幅度较大。     

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.     

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。     

基于云模型-Markov链的城市轨道交通车站客流状态分析

在大客流条件下,城市轨道交通车站为缓解大客流的冲击,需要全面地分析和准确地预测车站客流状态,进而采取大客流组织措施.本文在明确车站结构设施设备布局的基础上,针对车站不同的设施设备进行了客流状态划分,确定了车站设施设备客流状态等级,基于此,构建了车站客流状态辨识模型,通过状态隶属关系结合马尔科夫状态转移理论分析了客流状态的动态变化情况,系统地实现了设施设备客流状态级别的判断与动态预测.通过实例分析,验证了该方法能够较准确地判别车站客流状态变化情况,为车站安全运营管理、客流控制、应急处置等方面提供决策支持,具有较强的应用价值.     

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。     

城市轨道交通高峰时段站间起讫点矩阵预测模型

高峰小时单向最大断面客流量是城市轨道交通规划与设计阶段的重要参考依据.为了确定这一参数,需对高峰时段内出发的乘客选择的出发时刻与路径进行预测.高峰时段站间起讫点(OD)矩阵反映了城市轨道交通乘客的出行需求,是整个预测的基础.在全天站间OD矩阵已知的前提下,以中国重庆市为研究对象,首先分析传统的重力模型在预测城市轨道交通高峰时段站间OD矩阵时的优、缺点,并在此基础上进一步提出站间客流高峰时段系数模型.比较结果表明,在同一数据源下,站间客流高峰时段系数模型能有效改善传统的重力模型所存在的缺陷,预测结果明显更优.该模型预测结果的标准误差为12.90人次,相较于重力模型的29.33人次降低了56.02%.     

广州市轨道交通环线设置及必要性分析

从功能、要求、特点、运营等角度,对城市轨道交通环线进行了阐述,提出了设置环线的客流条件和工程条件,分析了环线的设置形式和规模,并针对广州的实际情况,对广州城市轨道交通推荐规划线网环线设置的必要性进行了研究.     

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.     

城市轨道交通客运量影响因素与成长规律

针对目前城市轨道交通客流预测精度较低的状况,分析了轨道交通客流的影响因素和成长规律,为中国大城市轨道交通客流预测结果的合理性判断提供依据.分析了轨道交通沿线用地、交通衔接、轨道交通服务水平以及票价政策变化对客流的影响机理和影响程度,并对国内外一些典型线路和全网的客流增长趋势进行统计分析.结果表明:单条轨道交通线路的客流在初期有个缓慢的发育过程,增长较缓慢,其中第1条轨道交通线的客流培育期将更长,在经历发育期之后,客运量会加速增长;轨道交通网络化效应明显,相交的新线路投入运营,会使原有线路客流迅速增长,并且使得新线路的客流起点比较高;全网客运量呈稳定增长趋势,客运强度则会出现短暂性的波动.     

基于圈层人口变量的城市轨道交通车站客流预测

考虑城市轨道交通车站客流(指进出站客流)吸引范围内不同距离的人口对车站客流贡献率不同的情况,将人口按照距离车站的远近分为不同圈层,以不同圈层人口作为变量进行车站客流预测.通过偏相关分析验证圈层人口作为变量的合理性,同时获得影响车站客流的其他显著因素.针对线性多元回归预测模型的不合理性,建立了可反映车站客流与自变量高度非线性关系的BP(back propagation)神经网络预测模型.案例研究表明:基于圈层人口变量和BP神经网络的车站客流预测模型在减小误差方面明显优于其他模型,且具有很好的实时性.在上述模型的基础上,构建了已知任意车站背景变量,车站圈层人口对客流的贡献率模型.该模型验证的结果进一步说明基于圈层人口变量和BP神经网络的车站客流预测模型能够很好地反映圈层人口与其他影响车站客流的显著影响因素同车站客流之间的关系.     

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。     

基于客流需求的城市轨道交通行车计划与列车时刻表优化

满足客流需求和提高运输效率对提高城市轨道交通的吸引力具有重要作用。为平衡城市轨道交通运力、客流需求以及运输效率,对城市轨道交通行车计划和列车时刻表的优化进行研究。首先根据客流需求制定行车计划,然后在此基础上以列车运行安全和运力为约束条件,建立以乘客在站台等待时间最小化为目标的优化模型,并设计遗传和声算法求解该模型。通过算例进行分析计算,得到了满足要求且合理的列车时刻表,该研究可以为匹配城市轨道交通运输资源和客流需求提供决策依据。     

基于客流需求的城市轨道交通行车计划与列车时刻表优化

满足客流需求和提高运输效率对提高城市轨道交通的吸引力具有重要作用。为平衡城市轨道交通运力、客流需求以及运输效率，对城市轨道交通行车计划和列车时刻表的优化进行研究。首先根据客流需求制定行车计划，然后在此基础上以列车运行安全和运力为约束条件，建立以乘客在站台等待时间最小化为目标的优化模型，并设计遗传和声算法求解该模型。通过算例进行分析计算，得到了满足要求且合理的列车时刻表，该研究可以为匹配城市轨道交通运输资源和客流需求提供决策依据。     

城市轨道交通短时OD客流预测实验教学系统设计

针对目前轨道交通运营管理实践教学中缺乏实验设备,学生缺少直观认知的问题,设计了基于地铁AFC数据的城市轨道交通短时OD客流预测实验教学系统。系统分为数据准备、客流预测、结果评价三个模块,采用数据隔离方式解耦客流预测中的三个阶段,使用B/S架构实现了多用户同时访问和实验。该教学系统为轨道交通专业学生进行客流预测实践提供了平台,已在深圳技术大学城市交通与物流学院实践课程中投入使用。     

基于自动售检票数据的轨道车站客流识别模型

为探究城市轨道交通车站客流模式,采用轨道自动售检票(automatic fare collection,AFC)数据,构建客流指标,提出了一种基于K-means聚类算法的站点客流识别模型.以重庆轨道3号线连续1个月的AFC数据为例,探讨工作日、周末、节假日时期不同客流指标和综合多变量指标的聚类结果.结果表明:不同时期客流指标能够促进车站客流识别;将站点客流模式分为7类时,聚类效能最佳;通过连续1周和连续1个月聚类结果对比,验证了分类结果具有良好的稳定性.结合结果数据特征和站点实际情况对车站客流特点进行归纳总结.     

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.