城市轨道交通客流增长滞后性与预测方法研究

城市轨道交通客流是确定城市轨道交通建设规模及投资决策的主要依据,然而客流增长速度并不与城市轨道交通建设同步.考虑到城市轨道交通客流增长的滞后性,利用上海城市轨道交通1996-2010年客流与建设数据,基于协整理论建立了向量自回归模型进行城市轨道交通客流预测.研究结果表明:城市轨道交通客流与城市轨道交通网络长度以及连接度存在协整关系;在城市轨道交通建设初期,客流增长对于网络长度具有显著滞后性,随着城市轨道交通系统的完善客流滞后性减弱;2011年上海城市轨道客流预测误差为9.3％.     

基于周期时变特点的城市轨道交通短期客流预测研究

分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。     

苏州轨道交通节假日客流预测研究

节假日大客流往往会对城市轨道运营管理造成较大压力,及时准确地预测节假日期间客流,可以为城市轨道交通运营与管理部门制定运输计划、确定应对措施提供重要依据,保障节假日期间轨道交通安全顺畅运行。在分析节假日客流变化趋势的基础上,根据历史客流变化趋势获得基准客流;基于当前客流量水平,构建ARIMA-GARCH模型,预测轨道交通未来节假日各时段客流量。基于苏州轨道交通2018年与2019年的历史客流数据,对方法进行验证分析。结果表明,该方法能有效识别节假日客流特征,降低客流预测前期工作,并实现城市轨道交通节假日各时段客流预测。     

城市轨道交通客流分布短时预测模型研究及应用

客流分布短时预测对于城市轨道交通运营管理和乘客出行服务具有重要的实际意义。采用自底向上的网络建模技术,利用动态仿真方法模拟乘客出行行为,构建城市轨道交通客流动态分布仿真模型,进行城市轨道交通线网客流分布短时预测,并通过实际AFC(自动售检票)刷卡数据进行二元校验。依托北京市轨道交通安全防范物联网应用示范工程,将其应用于北京地铁运营实践中,结合实例验证了模型的可行性和有效性。     

深圳市轨道交通客流预测的新探索

客流预测工作是轨道交通规划设计和建设工作的重要环节和支撑,尤其是随着我国城市轨道交通进入新的发展阶段,灵活的投融资模式、运营管理的创新、线路功能的多样化对轨道交通客流预测工作提出了新的要求。深圳市基于多年轨道客流预测经验积累,在预测方法、研究范围和精度等方面深入探索和创新,在传统的规划、工程设计客流预测基础上,开展了一系列针对投融资方案研究、线路开通初期客流特征分析、旅游景区轨道客流分析等的客流预测工作,支撑具体项目推进,完善和补充客流预测工作体系。     

青岛市轨道交通运营客流低于预期原因分析及改进对策

从城市发展、土地开发、交通衔接、运营管理、体制机制等方面剖析了青岛市轨道交通运营客流过低的原因,提出了合理确定城市轨道交通线网布局、科学安排城市轨道交通线路建设时序、优化城市轨道交通沿线土地利用、促进多元公共交通方式融合、提高城市轨道交通自身规建管水平等5个方面的改进措施,以提高客流效益,促进城市轨道交通可持续发展.     

从运营角度谈城市轨道交通的总体设计

从运营的角度对现行城市轨道交通总体设计中的客流、线路配线、列车配属、环控制式、轨道等提出了看法.在新一轮城市轨道交通建设高潮中,必须要从系统的角度,综合考虑已建轨道交通存在的一些问题.     

城市轨道交通客流补偿及引导措施研究

客流预测与实际运营客流之间不断增大的差异,已经成为影响大城市轨道交通网络化运营的突出问题.深入分析这一问题存在的根本原因,着重提出在客流总量、空间分布、时间分布三种不均衡条件下,为保证城市轨道交通高效运营而应采取的客流补偿和引导措施.研究轨道交通客流成长的基本规律以及客流与线网结构之间的基本关系,提出在城市轨道交通领域应用交通需求管理的方法,最后给出网络化解决城市轨道交通运营问题的宏观思路.     

城市轨道交通运营初期客流预测偏差及修正方法研究

客流预测是城市轨道交通规划、设计及运营的依据.客流预测准确度的影响因素众多,加之城市建设快速发展,使得客流预测结果与实际客流数据存在较大差异.以上海市轨道交通为例,利用经验方法,通过校正线路初期高峰小时最大断面客流预测值,以及确定小交路折返点参考阈值的取值范围这两个有效手段,给出了修正客流预测的可行方法.在规划阶段减少客流预测的偏差,为后续实现灵活的运营组织提供条件,以达到满足实际客流、提高城市轨道交通服务水平的总体要求.     

TransCAD在城市轨道交通客流预测中的应用

简要介绍了城市轨道交通客流预测的重要性及预测方法,探讨在TransCAD软件平台上建立步行、常规公交和轨道联合网络,运用"四阶段"法实行交通预测,实现对轨道交通客流预测的过程。     

城市轨道交通站点数据链客流预测方法研究

城市轨道交通客流预测数据是城市轨道交通设计与运营的重要依据与基础,在总结分析我国城市轨道交通客流预测经验及研究成果的基础上,提出基于城市土地利用法的站点数据链客流预测方法,系统介绍该预测方法的理论体系,并以杭州地铁4号线为例,验证站点数据链客流预测方法的科学性与合理性,以期使该预测方法在客流预测与校核中具有指导意义。     

城市轨道交通客流特征分析在可研阶段的应用

城市轨道交通的工程可行性研究是一项涉及众多专业、复杂程度高、综合性强的系统工程,为更准确地把握客流特征,根据城市轨道交通工程可行性研究阶段客流预测的主要内容,就反映沿线区域特性的客流预测指标进行分析,包括高峰小时客流量、平均运距、换乘系数、区域OD和客流不均衡性等,以长春北湖线一期和成都10号线一期工程可行性研究为例,从与上位规划的符合性、线路特点的一致性和对工程方案的指导性3个方面阐述多指标结合的客流特征分析方法。     

城市轨道交通客流预测主体数据的简化模型构建

文章深入、系统地解析城市轨道交通客流预测主体数据的全部数理关系,展示了实用、简化数据模型的构建方法,通过该方法可得到城市轨道交通工程设计所需的主体客流预测数据。     

城市轨道交通断面客流不确定性分析的广义自回归条件异方差改进模型

对比分析指出,城市轨道交通线路断面客流量变化与道路交通断面客流量变化具有相似性,但城市轨道交通线路断面客流时间序列具备特有的尖峰厚尾特性,其变化的敏感程度依赖时空条件,常用于道路领域的广义自回归条件异方差(GARCH)模型无法直接用于城市轨道交通领域。基于此,引入广义误差分布(GED)虚变量,构建改进的GARCH模型,并基于成都地铁1号线下行断面客流时间序列数据,借助EViews和Matlab软件对改进前后的模型效果进行实证对比分析。结果表明,改进后的虚变量GARCH模型比原始的GARCH模型具有更好的适用性。     

客流预测量对地铁车站造价的影响分析

在地铁工程可行性研究阶段,项目决策对地铁工程造价的影响度可达80%～90%,而客流量又是决定地铁工程必要性和可行性的重要参数。客流预测工作做得科学细致,可以使地铁修建方面的许多不合理因素得到控制。研究了客流预测量与不同发车频率下列车编组的关系,探讨了客流预测量与车站站台长度、宽度和进出站通道等的关系,分析了客流预测量对车站规模的影响,及其对车站造价的影响。     

地铁换乘客流实时监测模型研究

针对地铁换乘客流随机性强及短时冲击性等特点,在分析地铁线网结构的基础上,提出基于时序倒推的地铁换乘客流实时监测模型,并采用BP神经网络算法进行模型求解。选取南京地铁典型换乘站对所述方法进行分析验证,进一步说明模型的合理性和可行性。     

城市轨道交通车站大客流处置的数据驱动模式

随着城市轨道交通网络规模和客流规模的不断扩大,大客流风险也越来越凸显。相较于基于历史经验的大客流应急处置模式,基于数据驱动的大客流智能化/智慧化处置辅助决策技术在事前预警预测、事中处置和事后评估等方面都有突出优势。从车站客流处置数据驱动模式的信息感知、风险预判及处置决策3方面入手,探究城市轨道交通车站多源数据融合驱动下的客流处置模式的技术实现途径,可为我国各大城市轨道交通车站大客流的数据驱动模式探究提供参考。     

城市轨道交通站点客流不确定性研究

为提高城市轨道交通站点客流预测的可靠性,在分析客流不确定性影响因素的基础上,基于ARIMA-GARCH模型,依据南京地铁珠江路站点客流数据对客流不确定性进行建模和预测,并从预测置信区间和无效覆盖率两方面与传统的时间序列进行对比分析,研究结果表明,ARIMA-GARCH能够较好地拟合客流波动情况,为城市轨道交通运营与管理提供理论依据。     

基于OD反推模型预测客运通道客流量

OD矩阵是进行客流预测的重要基础数据,在实际操作过程中,获取吸引区之间的OD矩阵却是非常困难的,一般采用OD调查的方式,但缺陷是调查过程较为费时、费力。本文提出一种免OD调查,利用客流区段观测值直接反推OD矩阵的方法。首先讨论了传统"四阶段"模式与OD反推预测模式的联系和区别,然后阐述以重力模型为结构的基于区段客流量反推OD矩阵模型,并利用最大似然法对模型参数进行迭代求解,最后结合一个具体实例,运用该方法对武广客运通道的客流量进行了预测分析,采用试算法模拟重力模型的参数,误差控制良好,结果验证了方法的有效性。     

城市轨道交通客流量实时预测模型

城市轨道交通客流预测方法主要有基于调查的客流量预测方法和基于实际流量的事后统计方法。针对目前尚无根据实际客流量数据预测各个站的客流量的模型,提出了利用实际到站的客流量数据,通过建立灰色模型和马尔科夫链,预测下一站实际客流量的实时预测模型。试验仿真表明,该模型能较好预测实时客流量。