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。     

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。     

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...     

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.     

城市轨道交通客流预测分析

随着城市化进程的加快,建设大运量、高速、方便的城市轨道交通已成为当今城市交通发展的必然。城市轨道交通是一个城市最大的基础设施之一,是一个涉及面很广、综合性很强的系统工程,城市轨道交通的客流预测工作是前期研究工作的关键。结合贵阳市城市轨道交通客流预测工作的实际,运用四阶段法对贵阳市城市轨道交通1号线客流进行了测试,通过预测线路的断面流量、客运量、负荷强度等,为城市轨道交通建设提供重要的量化指标,对轨道交通项目的科学决策具有重要意义。     

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。     

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...     

城市轨道交通线路与站点规划理论研究

交通方式划分与路网分配理论与算法进行研究,是对轨道交通线网规划过程中进行客流预测的理论支撑。本文分析了影响城市轨道交通线网总体规模的因素,建立了各影响因素的多级递阶结构模型和计算城市轨道交通线网总体规模的数学模型。在客流数据资料不完善的前提下,依据城市轨道交通线路定位原则,以沿线站点人口覆盖量最大、线路建设总费用最小为目标,提出了城市轨道交通线网三阶段规划法,该方法避免进行客流预测带来过大人力、物力的花费。建立了基于乘客出行时间最短的最优平均站距模型、车站选取的覆盖量模型与费用效益模型。     

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.     

城市轨道交通短期客流预测研究进展

为了全面了解城市轨道交通短期客流预测现有的研究进展,结合国内外相关的研究,梳理了近年来的研究状况,归纳了城市轨道交通短期客流预测的研究焦点并分类进行了讨论.重点从客流分析、预测方法、不同情况下预测方法和时间粒度选择3个方面总结归纳现有研究成果.研究结果表明:在客流分析方面,大多采用出行方式链、聚类分析等方法定量分析客流...     

城市轨道交通客流预测方法

为了提高城市轨道交通客流预测的可靠性,对目前中国采用的预测方法进行了分析,建立了通勤出行的生成-分布共生模型来预测高峰小时的出行发生(吸引)及分布,并基于综合交通网络提出了方式划分与分配组合模型,以西安地铁3号线为例,进行了方式划分与路径分配的联合应用。结果表明:改进后的模型能有效地进行轨道交通客流预测;西安地铁3号线初、近、远期的全日客运量分别为39.00 104人次、74.76 104人次、106.08 104人次;初、近、远期的高峰小时单向最高断面流量分别为1.69 104人次、3.08 104人次、3.75 104人次。     

基于向量自回归和动态模式分解的城市轨道交通短时OD预测

针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归（Vector Auto Regression, VAR）和动态模式分解（Dynamic Mode Decomposition, DMD）的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据（Auto Fare Collection, AFC）,对地铁OD客流进行时空特征分析;其次,构建高阶加权向量自回归模型捕获OD客流数据的时空关联性,利用动态模式分解算法估算模型的参数,提取OD客流数据动态特征,实现数据的降维和降噪,利用实时更新算法更新模型的参数,实现长期连续预测;最后,以北京地铁AFC数据为算例,对模型进行验证.研究结果表明：相较于基准模型,VAR-DMD模型的运行时间减少96.67%,预测误差减少2.6%,具有较高的预测速度和预测精度,为城市轨道交通运营管理部门提供了可靠又及时的决策依据.     

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。     

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.     

城市轨道交通网络突发事件影响客流量的计算

城市轨道交通网络发生突发事件而造成临时性中断后,因列车运行延误具有传递性和扩散性,此时各相关车站会形成延误客流、绕行客流及损失客流.引入图论的方法建立城市轨道交通网络局部中断评价模型;再结合轨道网络单位时段内各站点间的起讫点出行分布历史或预测矩阵,得到了在各个受影响站点的各种受影响客流的评价模型.根据这些模型可以得到网络节点破坏后各相关站点随着时间的推移而不断变化的受影响客流量、绕行客流量、拥堵客流量、延误客流量、损失客流量、损失时间等参数.通过对上海轨道交通的局部网络的分析计算,证明了该应急处置参考模型的有效性.     

城市轨道交通网络布局的双层优化模型

为了有效布设轨道交通网络,考虑可达性约束与轨道线网合理规模约束,建立了城市轨道交通网络布局优化的双层模型。该模型上层为一个多目标函数,其使得总出行时间最少,轨道交通线网总长度最少及总换乘次数最少;下层通过容量限制分配方法将客流在轨道交通线网上进行分配。算例结果表明,运用该双层模型可对所有可能的轨道交通线路进行筛选,并得到最优的线路网络布设方案。该模型可用于城市轨道交通规划中,对线路网络进行优化布局。