城市轨道交通客流预测结果敏感性分析

针对客流预测结果存在的问题,通过对客流影响因素分析,确定线网结构变化、票价因素、运营服务水平、社会经济用地四个主要影响因素,并就每个因素对客流预测结果的影响做敏感性分析。结合地铁5号线的实际数据进行实例分析,总体给出地铁5号线的推荐域值。     

基于综合路网分析的长沙地铁6号线客流预测

在长沙市综合路网分析的基础上,采用四阶段预测法,从全日客流和高峰客流等指标对长沙市轨道交通6号线客流进行预测,并结合城市公交网络系统进行客流分配,结果显示,轨道交通6号线近期客流增长较快,远期增长较慢;对预测结果进行敏感性分析,得出3个近期敏感性因素和3个远期敏感性因素,并提出客流稳定性保障措施,为工程建设和运营决策提供参考。     

基于车公里载客量的公交线路客运量预测研究

对公交线路客运量的有效预测是制定线路运营计划、合理规划运营线路和优化公交运营调度的基础.通过分析线路车公里载客量的周期波动特征,提出以车公里载客量和公交车载客里程为关键影响因素,建立公交线路客运量预测模型.实验结果表明,该模型预测效果较好,相对误差低于15%,具有较强的实用性.     

城市轨道交通节假日客流预测研究

城市轨道交通短期客流预测是列车运力配置和网络化运营决策的基础,预测结果的准确性、精细度及科学合理性决定了运营过程的安全性、运营组织的高效性和资源配置的均衡性.节假日(包括节前一日)客流与平日有明显差异,不同节假日、不同车站的客流规律各异,预测过程同时面临路网结构改变、历史可用样本少等问题,本文综合考虑大型活动、恶劣天气、车站周边土地利用性质等影响因素,采用模糊C均值聚类法和一元线性回归模型,构建了适用于路网结构发生改变的车站进、出站量预测模型,并结合北京市轨道交通历史客流数据,对2015年清明节前一日车站进、出站量进行了预测,与神经网络模型、多元回归模型预测结果对比表明,本模型预测结果更好,全路网客运量误差率为0.27%,车站平均预测误差率为3.92%.     

面向运营管理的多粒度省际客运需求预测方法

客运量是表征省际客运需求,开展行业运营管理的基础指标.为增强省际客运行业运营管理水平,提高旅客出行效率和应急保障能力,建立面向省际客运运营管理的年客运量和节假日客运量的多粒度预测模型.在影响因素与省际年客运量关联度分析的基础上,构建基于BP神经网络的年客运量预测模型.考虑特殊节假日的影响特征,提出了指数平滑与季节模型相结合的节假日客运量组合预测模型,实现节假日总客运量、日客运量的预测.以北京的实际数据为例,对预测模型进行精度验证.结果表明,年客运量预测模型的平均相对误差为0.15%,春运期间每日客运量预测模型的平均相对误差为6.7%,能较好地体现客运量在不同阶段的变化趋势,具有良好的稳定性.      

长沙市地铁1号线开通初期客流预测研究

由于地铁开通初期进行客流预测时间较短,在交通小区划分、交通调查、出行者行为、运营供应条件和预测模型方面均需做特殊处理。文中依据长沙市地铁1号线所设车站周边个人出行调查结果,利用改进的四阶段法建立预测模型对该地铁线路初期客流进行预测分析。     

济南市轨道交通客流时空分布特征分析

充分掌握轨道交通客流时空分布特征,能够精准优化运营组织,提高轨道交通客运量。本文以济南市轨道交通一期线网为例,基于轨道交通刷卡数据对客流出行时间和空间分布特征进行分析,研究发现当前轨道交通存在线网覆盖不足、线网客流空间分布不均衡以及线路客流方向不均衡等问题,并对问题影响因素剖析,为轨道交通优化策略提供支撑,助推交通行业实现“碳达峰、碳中和”。     

地铁线路客流分配方法与算法研究

地铁的规划、建设是国民经济高速发展的需要。着重对地铁线路的客流分配方法及算法进行了研究。提出了综合考虑时间、费用及舒适度三因素的交通阻抗函数 ,根据居民出行过程中的最短路因素及随机性因素 ,提出了改进型Logit出行方式分担率模型 ,并就 5种常见的地铁网型提出了客流分算法。其基本模型及算法简单、有效 ,易于在计算机上实现 ,并已在南京市地铁客流预测中应用。可供轻轨及公路交通借鉴和参考。     

基于大数据的地铁客流预测与调度优化策略

随着技术进步和深化应用,大数据在客流预测和调度优化中的作用将更加凸显。本文研究了基于大数据的地铁客流预测与调度优化策略,分析了大数据在轨道交通中的应用现状,提出了实施中地铁客流预测与调度优化的挑战与困境,通过分析客流预测的大数据分析方法,提出了多项地铁调度优化策略,并从调度优化的目标与原则、基于大数据预测结果的调度优化策略、调度策略执行的技术支持与管理规范三个视角对相关策略进行归集和研究。最后,对数据安全与隐私保护的难题以及大数据技术的演进趋势与应用潜力进行了分析和预判。     

高速公路客运量预测

针对传统客运量预测方法存在的不足，在对高速公路客流特性作充分分析的基础上，提出了在影响区内按运输工具划分不同出行方式，给出了各出行方式客流分担率的计算方法和实例。     

轨道交通上下车客流冲突量化分析

针对轨道交通微观设施管控措施科学性基础不足的现状,结合轨道交通客流对向冲突实际,以地铁上、下车乘客冲突现象为对象,通过深入分析客流冲突的影响因素和表征参数,利用数值模拟仿真上下车乘客的客流状态.随后,根据冲突行人流理论分析上、下车客流的行为特性,量化了客流在车门处的运行状况.根据上、下车客流冲突的影响程度,提出基于客流平均密度、平均行程时间、平均速度的量化模型,实现客流冲突量化分级.本文根据综合指标将客流冲突划分为5个等级.研究成果对准确把握客流对向冲突的预防和控制提供理论基础,为实际指导地铁客流组织管理提供科学支撑.     

基于HRHN模型的城市常规公交线路客流预测

准确的公交客流预测对于城市公交线网规划设计和线路运营管理有着重要意义.为了提高公交客流预测的准确度,研究出一种基于HRHN模型的公交线路客流预测方法.在Encoder模块中,采用ConvNet对输入特征进行提取,利用RHN对提取到的特征建立时间依赖性关系;在Decoder模块中,历史客流量作为输入,利用RHN模型建立时序的关联性;输出值和特征之间的相互作用通过注意力模型进行分析,从而在Decoder中进行预测.对公交数据进行预处理并获取公交客流量,在考虑客流特性的基础上,结合气候因素,利用特征工程进行公交客流预测的特征选取,并利用HRHN模型对客流进行预测.使用了郑州市1个月的公交客流数据,其中选择前24 d数据进行训练,后7 d数据进行测试.分别预测60号公交线路上行方向和下行方向线路客流,并将HRHN模型预测结果与其他5种模型(ARIMA,BPNN,LSTM,RNN,SVR)进行比较.结果表明,HRHN模型在上行方向线路客流预测、下行方向线路客流预测的MAPE分别为0.1161,0.1444,HRHN模型精度最佳.      

加权盲数回归法在公路客运量预测中的应用

为克服传统客运量回归预算法中测忽视历史数据对未来预测的影响,以及无法处理影响客运量预测不确定因素的问题,提出了采用加权盲数回归方法进行公路客运量预测.该方法以不同权重区分历史数据的差别,采用加权最小二乘法确定回归系数;同时用盲数的形式来表达预测模型的相关变量,来获得客运量可能出现的多个区间,即各个区间可能出现的可信度情况.算例表明,该方法的预测结果比较合理、可靠,预测可信度高.     

考虑动态波动性的轨道交通站点短时客流预测方法

轨道交通站点客流预测研究缺乏对短时客流动态波动性的考虑,不能预测短时客流区间.以北京市典型轨道交通站点为例开展实证,构建ARIMA-GARCH模型对误差项建模分析,拟合短时客流的随机波动特征.不同于以往的ARIMA-GARCH模型,研究还通过t分布揭示了客流的“尖峰后尾”效应,通过2种非对称GARCH模型识别了短时客流的非对称波动特征.模型结果表明,相比传统ARIMA模型,ARIMA-GARCH混合模型降低了20%以上的客流平均置信区间长度(MPII),同时提高了1%左右的置信区间覆盖率(PICP);周内客流波动性大于周末客流,而非高峰时段的客流不具有波动性.值得指出的是ARIMA-GARCH模型没有明显降低客流预测的平均绝对误差,尽管如此,混合模型可以在保证客流单点预测的前提下,准确地预测地铁客流区间.      

城市轨道交通客流预测算法研究

城市轨道交通客流预测是客运组织的基础,预测结果可为运营管理提供决策依据.针对城市轨道交通客流量预测问题,提出了一种ARMA-RBF组合客流预测算法:首先根据变点算法,通过对客流数据构成的时间序列处理得到变点集;然后基于小波变化对变点集进行去噪处理;最后利用ARMA-RBF算法对城市轨道客流进行预测.以北京地铁4号线新街口、平安里、西四地铁站进出客流数据进行方法验证,结果表明,相较于单独的ARMA算法或RBF神经网络算法,ARMA-RBF组合客流预测算法可提高城市轨道交通进站客流预测的精度.     

GM(1,3)模型在交通系统公路客运量预测中的应用

交通系统公路客运量预测不仅具有模糊性和动态性等特点,而且受多个因素影响。许多交通研究人员只根据客运量一个因素,用GM(1,1)模型预测。文章运用GM(1,N)系统综合预测模型,考虑系统中多个相关因素,并结合GM(1,1)模型,以原始离散的公路客运量、人口和国内生产总值GDP三组数据数列为基础,建立GM(1,3)模型来预测公路客运量。在详细论述了系统综合预测模型GM(1,3)的建立过程后,用后验差检验法对预测结果进行了检验,预测精度较好,表明此模型对公路客运量预测有一定应用价值。     

基于整合协同预测理论的交通枢纽流量分析

科学的枢纽流量预测和分析对交通枢纽规划的合理性至关重要,目前,对于枢纽流量分析主要依赖传统的几种预测方法,其优势和劣势并存,本文对交通枢纽流量分析的基本过程进行深刻剖析,进一步提出客流分析的主要思路,同时以公路客运量的预测为例,在几种传统预测方法的基础上提出组合预测理论。     

基于BIM与Pathfinder的地铁车站客流疏散相关研究

一般地铁疏散计算大多是对疏散设施通行能力的分析，然而未能明确地铁车站建筑形式及站厅至站台提升高度的多样性、客流的复杂性等因素对地铁客流疏散是否存在影响以及产生何种程度的影响，需要结合仿真模拟软件进一步分析。主要基于BIM环境利用Pathfinder仿真软件，在满足规定疏散时间的条件下，研究不同建筑形式车站的不同客流量下同一提升高度的客流疏散情况和在同一建筑形式车站的相同客流量下不同提升高度的客流疏散情况，通过数据模拟并分析得到车站建筑形式对站台客流疏散效率影响不大且疏散效果随车站站台至站厅疏散设施提升高度的增加呈现先减小后增大的趋势，其分界点位于疏散设施提升高度值为19 m处。同时，疏散过程中拥堵会造成模拟结果与理论计算结果出现较大偏差，在工程设计时疏散设施要考虑一定程度上的冗余度。     

国外如何避免交通拥挤

伦敦:地铁价浮巧调客流 伦敦是地铁的发源地.1863年1月10日.伦敦市中心帕丁顿至法灵顿的地铁在全球首先开通运营,全长6.4公里.140多年过去了,世界上拥有地铁的城市已超过百座,但伦敦地铁至少在总里程和车站数量上仍居世界前列.     

灰色关联弹性模型在公路客运量预测中的运用

根据公路客运量预测受到多因素影响以及非线性的特点[1],选取了影响公路客运量的主要因素,并计算出关联因素对公路客运量的关联度,进一步提出了灰色关联弹性模型预测公路客运量的方法。该方法提出灰色综合弹性系数的概念,基于灰色关联弹性模型的原理,根据若干年已知数据计算得出的灰色综合弹性系数并预测出后面紧邻若干年份的客运量。将该模型运用到对我国公路客运量的预测,发现预测精度同传统弹性系数法相比有了一定提高,验证了该模型具有一定的实用性和参考价值。