公交线路客流OD矩阵推算方法研究

公交线路客流OD矩阵是公共交通管理和控制不可缺少的信息.参照机动车OD矩阵反推技术,对公交线路客流OD矩阵推算进行了专门研究.在公交线路客流OD调查数据的基础上,分析得到居民公交出行规律.首次建立了根据公交乘客上下车人数推算公交线路客流OD矩阵的极大熵模型,分别采用原始资料作为先验OD和重力模型形式的先验OD对模型进行求解,结果证明该模型精度较高.     

����СƱ���Ĺ�������OD���������о�

针对目前常规公交客流OD调查抽样率及准确率难以保证的缺陷,提出调查公交客流OD的小票法. 该方法可采集各站点的上下车人数及每位乘客的上下车站点信息. 本文基于小票法调查数据的基础上提出一种公交客流OD分析方法：在分析小票法原理的基础上得到乘客OD的分析算法,通过ACCESS实现乘客上车站点查询,获取公交客流OD,并通过修正和扩样,准确得到公交客流OD. 最后将公交客流OD导入 EMME中,进行公交客流分配,即可输出断面客流及各站点上下车人数等信息. 该方法在厦门市公交客流OD调查中得到运用,取得很好的效果,证明了该方法的有效性.     

城市公交客流调查数据的修正

城市公交客流调查数据是进行城市公交科学决策的重要依据,特别是乘客OD矩阵更是优化公交调度的重要参考指标.然而公交客流调查数据产生偏差不可避免.对上、下车人数采用权重法进行修正,对乘客起讫点(OD)矩阵数据采用弗尼斯法进行修正,经实例验证是较好的数据修正方法.     

基于公交客流OD反推的公交乘客乘车站数分析

通过对公交出行距离的分析,认为公交出行属于中长距离的出行,出行时间过长或过短的居民,则很少采用公交出行方式.基于此对公交客流进行了调查,并对调查结果进行处理,验证了公交乘客的乘车站数服从偏正态分布.这个结论可应用于公交客流OD反推时的概率修正系数的确定.     

公交客流OD矩阵反推法

公交客流OD矩阵是进行公共交通规划的重要基础数据。根据交通需求预测“四阶段”理论中交通分布预测的重力模型法的基本原理，建立了公交客流分布函数模型，根据公交OD矩阵与公交线路的日均客运量以及区域人口、社会经济、用地性质等之间的内在联系提出了一种免OD调查的公交客流OD矩阵的反推算法。用Matlab语言编写了多条线路公交客流OD矩阵推算程序，给出了oD矩阵的检验及修正方法。     

基于综合交通调查多源数据的公交OD更新方法

在上海市第6次综合交通大调查多源数据的基础上,研究一种基于公交线路客运量数据、居民出行调查数据、公交卡刷卡数据、跟车调查数据和轨道接驳方式结构数据的OD更新方法。首先,以居民出行调查为基础,通过校核、扩样处理,采用传统的"四阶段法"结合历史年份的公交模型得到新一轮大调查下的公交出行OD;其次,通过线路客流数据和刷卡上客数据反推全市道路上的断面量,并以公交断面量、线路客运量为依据调整公交OD,小区层面结构依据居民出行调查小区OD分布结构加以补充;最后,通过线路层面、跟车调查、出行距离时耗和总体特征指标的校核,证实分配结果达到宏观应用要求。     

由车站上下车客流量估计铁路OD矩阵

旅客出行OD矩阵是旅客列车开行重要的基础数据。本文主要介绍了一种利用上下车的客流推算路段流量，然后由路段流量反推导旅客出行OD矩阵的方法。这个方法建立了多路径交通分配和反推模型，设计了反推模型的迭代算法，并进行了算法分析。文中的算例给出了该方法的合理性与精确性．     

基于公交客流OD反推的公交乘客乘车站数分析

通过对公交出行距离的分析，认为公交出行属于中长距离的出行，出行时间过长或过短的居民，则很少采用公交出行方式。基于此对公交客流进行了调查，并对调查结果进行处理，验证了公交乘客的乘车站数服从偏正态分布。这个结论可应用于公交客流OD反推时的概率修正系数的确定。     

公交客流OD矩阵推算

公交客流OD矩阵是／2-交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。     

基于IC卡和RBF神经网络的短时公交客流量预测

在公交客流量特性分析基础上,通过IC卡获取了实时公交客流量数据;结合GPS数据,利用OD反推法分析了实时客流分布;进而建立了基于IC卡和RBF神经网络的短时公交客流量预测模型并介绍了具体预测过程。对重庆市841公交线路进行了实例分析,得到上下车客流真实值与预测值的平均绝对相对误差均小于1.5%,实例计算结果表明该模型能获取实时客流数据,预测精度高,具有一定的实际应用价值。     

城市公交枢纽换乘客流OD动态预测方法

换乘枢纽衔接公交线路的换乘客流OD是APTS下实施公交多线路动态协调调度的基础数据。以公交线路上下车乘客数的自动获取为前提,建立换乘OD推算优化模型,并设计了BP神经网络求解算法,应用数值试验对神经网络中的核心参数进行了标定。算例表明:BP神经网络为动态更新公交枢纽换乘客流OD提供了一种经济、有效的方法。     

基于公交站点上下客人数反推OD矩阵的概率论模型研究

基于站点上下客人数,采用简单概率分布模型,可提出反推公交站点间的OD分布矩阵的具体方法。实例表明,在采用此类方法进行反推计算时,应按照土地利用性质对站点进行合并计算,这样方可提高推算的精度。     

出行策略与行程时间不确定下的公交客流分配方法

利用杭州市公交线路站点GIS数据和车辆运行GPS数据进行分析,将公交车到站时间分为站点停靠时间和站间行程时间,得到公交车站点之间运行可能总时间的分布概率.通过实际的公交路网结构,定义扩展的公交网络有效路径.在考虑公交线路联合发车频率和根据乘客路径选择的广义成本下,建立出行策略与行程时间不确定下的公交客流分配模型,并将公交线路发车时刻表引入用户均衡模型中,设计了基于扩展网络最短路的Method of Successive Average(MSA)算法求解,通过对两个交通小区间高峰小时的客流分配结果验证模型和算法的有效性.     

公交车辆站停时间与乘客行为的关系

为了提高无人售票公交车辆站停时间的预测精度，探讨了乘客上、下车行为的动作序列和动作时间．研究表明：乘客密度不大于临界乘客密度时，乘客上车时间取决于付费时间且其统计均值稳定，否则取决于乘客离开付费装置的速率且随乘客密度递增呈非线性递减；乘客下车时间取决于乘客下车的速率，与乘客密度无关．基于现场观测数据建立了分别适用于秩序优先和效率优先乘客的乘客上、下车时间的统计模型．在此模型基础上，考虑驾驶员行为的时间因素，建立了无人售票公交车辆站停时间模型．算例表明，站停时间模型的计算结果与实测数据的相对误差小于20％．     

基于乘客需求的公交客流OD采集技术研究

为了提高公交服务水平和优化公交调度,在分析现有公交客流采集技术基础上,运用单片机技术、通信技术等,提出了基于乘客需求的公交客流OD采集技术,设计了由请求单元、公交车单元、数据中心组成的采集系统,实现了公交乘客的上下车请求、站点客流数据、公交OD数据的采集,可以为公交优化调度提供基础数据。     

多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.     

青岛市轨道交通一期工程功能定位及客流预测

城市轨道交通建设中,客流预测是先导。在分析青岛市轨道交通一期工程功能定位的基础上,结合轨道一期工程沿线土地利用现状和规划,以及常规公交布局,对轨道交通一期工程客流进行预测分析。提出一期工程客流总量规模、站点乘降量和换乘量等客流指标。     

公交乘客等车时间分布的估算方法研究

针对高频公交服务,以给定车头时距作为已知条件,作者研究了乘客等车时间分布的估算方法,该方法为评价公交服务可靠性奠定基础。依据乘客等车时间分布的定义,通过分析乘客等车时间概率密度,得到了以车头时距为自变量的乘客等车时间概率密度曲线,并以此为基础推导出乘客等车时间分布的一种估算方法。通过分析单车头时距内的乘客等车时间分布以及对应的载客量比例,推导出乘客等车时间分布的另一种估算方法。作者介绍了两种估算方法的应用方法,并以一个实例进行说明。两种估算方法的计算结果相差很小,用户可根据自己的需求选择合适的方法。     

基于OD反推的公交站点团OD矩阵预测

城市公共交通的公交站点数量多,在实际操作中,预测站点之间的客流OD分布往往非常困难,因此需把与主要客流集散点相近的站点合并成公交站点团．通过预测站点团的OD矩阵来掌握客流量的分布情况,从而为合理布置公交线网、站场提供科学依据。