基于XGBoost的城市轨道交通短时客流预测

城市轨道交通短时客流量具有随机性、周期性、相关性的特征,而短时客流预测作为城市轨道交通运营组织优化的关键技术,其预测数据的准确性将直接影响城市轨道交通运营组织的合理性。本文在分析城市轨道交通客流时间分布特征的基础上,提出了使用随机森林和XGBoost预测模型,对工作日和周末的客流分别进行预测,并以杭州地铁日均客流量最大的火车东站地铁站的进站客流为例进行实例分析,得到的预测数据与真实数据误差较小,验证了模型的有效性。最后将两种模型的预测误差进行对比分析,结果表明XGBoost预测模型对城市轨道交通客流的短时预测有着更高的精度和准确度。     

基于AFC数据的城市轨道交通OD客流动态预测

路网客流实时状态是城市轨道交通系统进行日常运营及关键决策的重要基础，针对目前城市轨道交通客流预测中站点层次预测方法较成熟，而客流分布预测较少的情况，提出基于时序神经网络的量测方程OD客流动态预测方法。利用地铁AFC数据，确定时序神经网络预测的最优数据粒度为15mins和最优时间序列阶数为4，以此构建时序神经网络框架，对站点进站量进行预测；对于站点进站客流与OD客流间的时空关联性，主要体现在进站客流的不同去向以及相同去向下不同的到达时间，建立量测方程反应这一联系，将进站客流转化为OD客流，并以成都地铁为例，对路网条件下不同分布特征OD客流进行预测验证，加权相对误差为14.08%，验证了模型的有效性。     

基于注意力机制和时空卷积网络的客流预测方法

客流预测方法可以帮助城市轨道交通运营部门根据客流动态变化调配列车资源,是实现精准列车动态控制的基础。研究提出基于注意力机制和时空卷积网络模型的客流预测方法,融合不同功能的网络单元,使得网络可同时捕获客流数据的时间相关性、空间相关性和时空相关性,并采用注意力机制以提高模型预测的准确性,能够同时实现城市轨道交通多站客流的动态预测。基于北京地铁的实际客流数据对该方法和模型进行数值试验,结果表明该模型性能优于其他基线模型。     

基于IC卡数据的深圳地铁客流特征分析

随着我国经济的快速发展和城市化进程加快,近年来以地铁为代表的城市轨道交通实现跨越式发展。客流数据是城市轨道交通规划设计、建设和运营调度的基本依据。地铁IC卡数据具有数据量大、真实准确、时间连续、易获取的特点,广泛应用于地铁站点、线路和网络客流特征分析、长短期客流预测以及地铁用户出行模式识别等方面。本文主要对深圳地铁IC卡刷卡数据进行分析,重点提取地铁客流时空分布特征以及用户出行特征,研究客流变化规律,对于地铁运营调度管理以及站点客流疏导有重要意义。     

考虑公交桥接服务的城市轨道交通网络修复时序优化

城市轨道交通（urban rail transit, URT）网络因突发事件而失效时，优化失效站点/区间的修复时序有助于提升URT网络应对突发事件的能力。针对既有研究在优化修复时序时未充分考虑列车折返操作及系统所提供公交桥接服务的缺陷，本文以最大化URT网络的韧性为目标，考虑列车折返操作、系统修复能力及公交桥接服务，构建模型优化了URT网络的修复时序，并设计了基于仿真的模型求解算法。以成都地铁网络为例的研究表明，优化修复时序时不能忽略列车折返操作的影响，相较于常规修复策略，本文所建立的修复时序优化，模型具有最优的修复效果。     

基于TE-LSTM组合模型的短时交通流预测

为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于传递熵（TE）变量选择和长短时记忆（LSTM）神经网络模型的城市道路交通流预测方法。根据传递熵选取与被测对象时空因果关联性强的影响因素，将筛选所得的因素作为输入变量，建立TELSTM组合预测模型。采用自动车牌识别数据对算法进行训练和实验，并与基于随机森林（RF）、递归特征消除（RFE）、前向选择（FA）的LSTM组合预测模型对比。结果表明：TE-LSTM模型对道路交通流的预测准确度最高，交通流量预测的MAPE低于5%，在满足实际交通管理和控制的数据精度要求的同时，降低了预测模型的变量维度和复杂度，提升预测效率。     

基于广义费用的城市轨道交通客流分配

为了更加客观全面地反映城市轨道交通出行者决策行为，提升城市轨道交通客流预测准确性，缓解线路运营面临的高峰时段客流拥挤现象，从出行广义费用角度出发，开展城市轨道交通客流分配研究。综合考虑票价、出行时间、舒适度、准时性等因素，构建了城市轨道交通乘客出行广义费用计算模型；以北京地铁5号线为例，将广义费用作为出行阻抗引入客流分配之中，构建了基于广义费用的随机用户平衡条件下的城市轨道交通客流分配模型，并提出了嵌套Logit模型的迭代加权法用以求解模型；基于分配模型及算法，对不同票价和列车容量条件下的城市轨道交通客流分配结果进行了对比分析。结果表明，基于广义费用的城市轨道交通客流分配模型能够实现对轨道交通流量的有效预测，可对各类缓解高峰时段拥挤措施的实施效果进行评估，辅助城市轨道交通领域相关决策。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

预售期多阶段多层次高铁网络客流需求模型

铁路运输企业编制运输计划时，不仅需要尽可能满足起讫点间的客流需求，同时要充分考虑客流需求在时间和空间上的波动性。根据问卷调查数据，采用分类统计和交叉分析的方法，分析不同出行目的、收入水平和出行距离的旅客在预售期内对购票时间阶段的偏好，用于研究高铁客流需求特征。根据多项式逼近拟合方法，基于客流需求特征，构造了预售期多阶段多层次高铁网络客流需求模型。以京沪高铁实际购票数据为例验证模型的有效性，结果表明提出的模型能够很好地模拟实际精细化的客流需求特征，应用该模型有助于提升高铁运输资源利用率、合理制定票价增加运营收益。     

城市中心区轨交站域慢行接驳空间优化设计——以天津市营口道站为例

基于OSM路网、百度地图实景、POI、百度热力等多源时空数据，运用绕行系数PRD值分析法、空间分析法、对比分析法，构建城市中心区轨交站域慢行接驳空间特征分析方法，确定轨交站域影响范围，分析站域慢行接驳空间便捷性，剖析时空特征视角下的轨交站点出入口活力特征，挖掘轨交站域慢行接驳空间品质特征。在明确慢行接驳空间优化原则的基础上，从居住区出入口、路权、静态交通、导视系统、辅助设施等方面优化设计，通过空间模型法可视化表达，营造畅行连续、空间宜人、绿色友好的轨交站域慢行接驳环境。     

基于不同优化算法的隧道洞口段拱顶沉降SVR预测模型及其比较评价

准确预测隧道洞口段沉降变形是保障安全进洞的重点工作，如何解决输入层维度高的问题以及准确描述机器学习预测模型的性能意义重大。因此，将主成分分析法（PCA）、优化算法和支持向量回归机（SVR）相结合，提出6个基于PCA和优化算法的SVR组合预测模型。首先，通过PCA筛选影响拱顶沉降的主要因素；其次，采用遗传算法（GA）、粒子群算法（PSO）和灰狼算法（GWO），对SVR的惩罚因子和核参数进行寻优；最后，将组合预测模型应用到温州市石鼻头隧道，采用相关性系数（R）、均方根误差（RMSE）和平均绝对误差（MAE）对预测模型的性能进行比较评价，并构建模型查询表。结果表明：组合预测模型均有较高精度，R≥0.987 0,RMSE≤6.792 4 mm,MAE≤3.493 7 mm;PCA降维后，GA优化后的SVR预测模型的预测效率提高了65%,PSO和GWO优化后的SVR预测模型减少了输入层维度，但需要更大的k值，降低了预测效率，PCA-GWO-SVR模型尤为明显；PCA-PSO-SVR预测模型的鲁棒性更强。     

共享单车停放需求影响因素分析和预测研究

为了解决城市共享单车的乱停乱放问题,本文基于北京市的共享单车出行大数据,提出了共享单车停放需求预测的多项Logit模型。首先分析了单车停放需求的影响因素,然后选取了时间、空间及天气方面的12个因素为自变量,通过Wald检验分析了这些因素与停放需求的相关性和显著性,基于多项Logit模型建立了共享单车的停放需求预测模型。结果表明:工作日、时段、商业区、所临道路类型、临近轨交站、高温、下雨、以及风力等级与共享单车停放需求显著相关;构建的预测模型总体预测准确率为77.5%,其中对出现频率最高的低停放需求预测准确率高达86.49%。     

铁路单列车票额分配优化研究

针对我国铁路目前票价单一、不能有效调节客流,票额分配对客流波动适应性较差的问题,根据收益管理理论,以铁路给定预测客流为依据,在基本票额分配中预留部分可灵活分配的票额作为全程通售票额,以应对客流预测误差等带来的影响;对区段剩余票额,按照尽可能分配长途票额的原则建立剩余能力优化模型,并为剩余票额制定动态票价来吸引客流、提高客运收益。算例结果表明,本文提出的票额分配模型能适应客流需求的波动,避免大量票额调整工作,根据不同购票时段的需求特点,对剩余能力进行动态定价来吸引潜在客流,提高铁路客运收益,为铁路票额分配和动态定价提供了优化方法。     

大型会展类项目的交通客流预测方法研究

会展中心作为带动城市和区域经济的一种重要的现代公共服务业建筑类型,具有客流规模大、瞬时客流特征明显等交通特点,在此类建筑设计过程中需要对大型展会期间客流进行准确的预测,为会展建筑的规划设计,以及配套交通设施建设提供必要的依据和数据的支持。基于对长春东北亚国际会展中心项目的实践,探索一种支撑大型展会客流预测方法。在对国内大型会展案例中客流类比分析的基础上,以客流规模预测为目标导向,建立以会展客流分类和相关出行链分析为基础的会展客流规模预测方法,推导出会展客流规模、客流构成、到达时间分布等关键指标预测,为后续同类型的项目提供一定的借鉴。     

成都市通勤客流地铁-公交换乘系数分析

充分考虑通勤客流的地铁-公交换乘系数分析对交通管理部门和公共交通运营公司优化线网设计、提升通勤效率起着重要的作用，本文创新性提出了基于多日重复出现的OD刷卡数据识别地铁-公交换乘行为的算法。在选取了成都市典型性的7个地铁站点和其周边的公交站点后，利用3天的全网刷卡数据，得到了站点的地铁-公交换乘系数、换乘客流比例等数据，发现小于近年的地铁换乘系数。计算结果表明在不同的站点，地铁-公交的换乘系数差异较大，且地铁首尾站点的换乘系数明显较高，随后分析了算法可能的缺陷。基于以上结果提出了三条针对成都市公共交通运营的建议，并给出了后续值得研究的方向。     

上海轨道交通网络化客流特征及规律初探

结合上海轨道交通在实现网络化运营后出现的一些新特征，介绍了客流变化的新动向和新情况，同时，对于在网络运营中，如何把握运营规律、挖掘客流潜力、提升客流强度、提高投资回报等进行了研究和分析，可供在建轨道交通的其他城市借鉴。     

公交惯常出行与随机出行的时空分布差异

差异化和精细化的公交服务要求城市管理者和公交运营者加深对公交出行变异性的认识。本文将公交惯常出行定义为乘客个体多次在同一时段或空间乘坐公交的行为，随机出行的定义与之相反。利用厦门市30天连续的常规公交数据，使用DBSCAN算法对出行天数在10天以上的高频乘客进行划分，用核心点来表征惯常出行，用非核心点来表征随机出行。结果表明有78.70%的出行在时间上具有稳定性，有72.32%的出行在空间上具有稳定性。研究结论凸显了公交高频乘客也具有随机出行，且随机出行的统计特征和时空分布与惯常出行有较大差异。研究结论可以应用于个体时空模式挖掘、乘客人群划分、定制公交线路制定、公交差异化服务设置等方面。     

基于K-means与GRNN的高原山区高速公路短时交通流预测

为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络（General Regression Neural Network,GRNN）,构建K均值聚类算法（K-means clustering algorithm,K-means）与GRNN混合预测方法思路,即通过K-means和绩效指标判断GRNN模型参数最佳值,进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比,采用K-means和GRNN混合预测思路得出的模型参数值更佳,且模型RMSE、MAE最高可分别改善45.92%、45.05%,则构建的混合预测方法思路是科学有效的,可为高原山区交通流预测方法优化提供借鉴。     

多交路共线运行的城市轨道交通时刻表优化

城市轨道交通行车组织多样化背景下，多交路共线运行模式逐渐得到规划者与运营者的青睐。然而，普遍采用的均匀发车间隔时刻表难以解决恒定运力供给与时变客流需求间的矛盾，也未发挥出多交路共线运行模式的优势。为提升城市轨道交通服务水平，本文分析时刻表优化的关键因素，利用分时段客流OD数据，调整列车到发间隔，构建多交路共线运行线路的时刻表优化模型，并采用CPLEX求解。算例研究中，选取两层交路的城市轨道交通Y型线进行优化，满载率大于0.6的运行区间数量及满载率均衡性分别优化96.8%和41.4%，验证了模型的有效性。     

城市轨道交通线网客流预测及特征研究

建设高效绿色的轨道交通系统已成为各大城市提升城市形象、缓解交通拥堵、方便居民出行的首选,而客流预测是其中必不可少的重要工作。本文结合普洱市城市轨道交通客流预测实例,在研究现状城市居民出行特征、公交发展水平及道路系统运行特征基础上,利用四阶段模型理论,分析普洱市不同组团间的居民出行量、出行分布、出行结构等特征,对普洱市城市轨道交通线网客流进行测试,通过预测线路的断面流量、客运量、负荷强度,确定不同的比选方案指标,为城市轨道交通线网规划提供量化支撑。