铁路客运需求分析与短期客流预测研究

旅客对于铁路客运的需求直接决定了铁路自身的运输生产,对历史旅客需求规律的准确分析以及对未来短期需求的准确预测对旅客运输组织的优化极为重要。为此,提出了基于Prophet模型的铁路客运量需求分析方法和基于Seq2Seq-Attention与Prophet非线性组合模型的短期客流预测方法。前者可以从长期的历史数据中分解出普适整个数据的客流时间分布特征,从而对过去的客运需求规律做出分析;后者利用神经网络进行非线性组合,以求在不同规模的数据集上充分发挥Seq2Seq-Attention网络与Prophet模型各自的优势,做出更精准的客流需求预测。通过实例验证表明,使用Prophet模型将客流历史数据分解成多种时间分布类型数据后在整个数据集上的误差仅有6.68%,同时Seq2Seq-Prophet模型在数据集上的预测效果好于组成它的单模型和其余既有方法。     

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.     

大型活动散场期间地铁车站短时进站客流预测

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求.基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站的短时客流预测模型.首先对历史客流数据进行了拆分及降噪处理,并分析了活动客流特征.之后,基于深度学习框架构建多层结构的卷积神经网络,拟合活动客流特征与客流时空分布的映射关系,并选取Adam(adaptive moment estimation)算法优化训练过程,以适用于活动散场时客流集中进站的情况.最后,以北京地铁奥林匹克公园站为例,利用实测数据验证了模型的准确性.预测结果表明:建立的Adam-CNN(convolution neural network)模型相对于常用时间序列方法自回归滑动平均和传统神经网络SGD-CNN模型具有更高的精度,能够为大型活动的组织提供更为有力的支持.     

基于FPGA和PC机的客流统计系统设计

提出了一种基于FPGA和PC机的客流统计系统的设计方法。其中基于FPGA的下位机数据采集与处理电路模块采用Verilog HDL语言和原理图相结合的方式设计,上位机的人机交互界面及串口通信采用Visual C＋＋6．0设计完成。经模拟仿真和实际电路验证,结果表明该系统具有结构简单,成本低廉,计数准确率高的特点,能够很好地实现客流统计的功能,并可在不改变硬件平台的情况下对系统随时进行升级与重构,具有良好的适用性。     

城市轨道交通车站客流仿真中的事件驱动模型

利用多智能体(Multi-agent)仿真技术对轨道交通车站设计方案、客流组织方案进行评估是一种科学有效的方法.在对"客流事件"、"服务流程"及"乘客流"进行定义的基础上,利用三种"元事件"以组合的方式构建了七种"客流事件",从而实现了一种能够描述客流在车站内的复杂行为的统一模型.大量仿真实验表明,此模型不但能够显著降低建立仿真项目的工作量,并且更加真实地反映了乘客在车站内的行为习惯.此外,模型还具有良好的可扩展性,易推广到其它场景,如大型体育比赛(奥运会、世界杯)、大型展览会(世博会)等条件下的观众疏散、交通组织等领域.     

上海世博会主入口广场客流集散仿真研究

以上海世博园区上南路入口广场为例,应用自主研发的客流分布仿真系统对3万m2区域、2万余客流同时在线的大面积、大客流的游客入场过程进行了实景微观仿真.针对游客入场时的随机到达与多级有控排队、多种形式不规则排队、游客排队的静止态与入场行走的运动态相结合等特点,建立了由行为流程管理层和行走过程控制层构成的智能动态寻优的行人运动过程仿真模型.基于仿真评价系统对入口广场设施和排队服务水平的评估,结合排队心理学的研究规律,提出了游客多级排队组织方式及排队引导设施布置的建议,并给出了入口广场安全容量和合理的安检时间控制指标.     

广州地铁2010年客流预测与运能规划的分析与研究

为配合广州城市发展的需要,结合2010年第16届亚运会的举办,本文主要以广州地铁2010年预测客流为基础,考虑2010年车辆供应及设备功能实现情况．分析了广州地铁2010年的运能规划,以妥善解决届时产生的突发客流,满足2010年开通运营的230公里的线网发展需要。     

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。     

基于图卷积循环神经网络的城市轨道客流预测

客流预测对于城市轨道交通运行组织和管理具有重要的意义.本文中组合图卷积网络和循环神经网络构建图卷积循环神经网络GCGRU模型,借助图卷积网络学习城市轨道网络的复杂拓扑结构,进而捕捉空间关联特征,通过循环神经网络变体门控循环单元学习多特征客流量的趋势变化规律从而捕捉时间特征.利用上海市1年的全网地铁断面客流量展开研究,并...     

云南省入境旅游成长规律及时空演化分析

探讨云南省入境旅游客流的成长规律及时空演化过程,为云南省入境旅游业可持续发展提供参考。利用入境旅游流流质指数与游客密度优势指数的匹配度演化模型,分析云南省及各地州市入境旅游流游客密度优势指数与流质成长过程及匹配度的时空演化。结果表明:入境旅游流游客密度优势指数和流质的成长过程大致以2004年为截点,分为前期质优量弱,后期质弱量优的2个阶段;其成长演变特征可以概括为整体降低演变型、整体增长演变型和轻微波动演变型;入境旅游流游客密度优势指数与流质的匹配度整体上正逐步向良性转化,偏离型或双低型发展的地州市演化为同步双高型成为未来区域旅游客流成长演化的理想趋势和重点主攻方向。