基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布.基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性.     

基于IC信息和概率理论的公交OD反推方法

针对现有公交OD调查成本高昂、数据可靠性不高、影响因素考虑不全等问题,通过对公交IC卡信息的处理获得公交站点上下乘客人数及对公交乘客出行特征的分析,结合站点吸引率,提出了单条公交线路站点间OD反推结构化算法,并通过实例分析进行了有效性验证。结果表明该方法经济节约,数据可靠,易于实现。     

基于GIS平台的地铁客流预测模型构建

借助GIS平台,对公交线网进行编码,并利用ArcGis的缓冲和叠加分析工具,建立公交站点和地铁站点的空间对应关系。根据调查得到的公交线路站间OD矩阵,利用地铁意向调查标定的参数结果,得到公交客流转移到地铁的比例。基于GIS平台构建的地铁客流预测模型,可以有效地提高建模速度,并能对公交线路调整进行快速反应。     

公交线路客流时段分布估计新方法--首末站分层不等概率整群抽样法

在对南京市公交线路客注解调查数据研究的基础上，提出一种公交线路客流时段分布估计的新方法，即利用首末站分层不等概率整群抽样方法，对线路客流进行估计，并给出相应的方差估计公式。该方法在南京市的公交企业中得到了实际的应用。     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。      

基于贝叶斯网络的短时公交客流预测模型

针对公交客流的时变特征,假设当前时刻的客流量仅与历史客流量和发车频率相关,提出一种基于贝叶斯网络的短时公交客流预测模型,给出了节点定义、网络结构与参数学习及推理算法,揭示了它们之间的因果关系;通过南通市301路公交线路某个站点的实际客流调查,利用该模型预测其发展趋势,并与神经网络、支持向量机等预测模型进行比较,验证了其有效性。     

公交站点停靠时间预测模型研究

基于对北京市六环内各方向23条公交线路不同站点的现状数据采集,提出了一种公交站点停靠时间预测模型.分析了上下车人数、车内拥挤度、车门数及公交车台阶数等影响因素对公交停靠时间影响程度.根据分析结果,排除台阶数对停靠时间的影响.由于北京市3门铰接车与2门车的停靠时间存在一定的差异,考虑公交车门数对上下车时间的影响,得到3门车公交下车客流分配关系;然后选择上下车人数及车内拥挤度2个因素作为自变量,建立了乘客上下车时间预测模型;进而通过回归分析开门时间最长的车门乘客上下车时间与站点停靠时间的关系,选取二次函数作为公交站点停靠时间预测模型.最后,对2条不同公交线路的公交预测停车时间及实地调查停车时间进行比较,其标准化均方差分别为0.151 0,0.178 2,表明该模型具有较高可靠性,可应用于公交行程时间的研究.      

基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

公交线路客流 OD 管流类推估算方法的应用

应用管流类推法(fluid analogy method ,FAM )研究公交线路 OD 矩阵的估算,该方法利用管流概念,将公交线路和乘客分别视为管道和流体,利用乘客在各站上下车人数来估算公交线路 OD 矩阵。将该方法应用于北京市分段计价的公交线路中,通过对比估算结果与实际公交 IC 卡的出行 OD分布,结果表明:在早高峰、晚高峰、全日的 OD 估算误差指数在0.75以上,且早高峰、晚高峰、全日估算的公交乘车站距与实际乘车距离的相关系数分别为0.98,0.98,0.99,验证了 FAM 法在公交线路不同时段 OD 估算中的精度与可靠性,与传统的均衡算法等解析模型相比,该方法简单、高效,且能够得到惟一解,在智能公交实时调度中具有较高的实用价值。      

基于IC卡数据挖掘获取公交OD矩阵的方法

以广州市羊城通IC卡以及广州市公交系统信息为例子,探讨了实现基于IC卡信息获取公交客流出行特征的方法。在IC卡数据挖掘和统计基础上,对线路站点OD矩阵、区域OD矩阵进行了推算。相比传统的人工统计法。该方法易于实现,能运用到实际中且运算效率高,适用于海量数据的客流出行特征统计分析。     

城市轨道交通车站客流组织的仿真和评价

分析城市轨道交通车站客流组织中存在的问题,运用基于社会力模型的simWalk软件,建立客流的微观仿真模型,并研发评价客流组织方案的技术方法。车站内行人交通特性实地观测和分析表明,客流的步速、步幅、步频服从明确的统计分布,能作为仿真模型的基本参数。实例分析说明了技术方法的可行和有效,能够以多种方式直观、定量地分析和评估客流组织方案的绩效。     

基于 OD 反推的交通需求分析方法研究

对于影响范围较大、道路系统较为复杂的项目的交通需求分析问题,结合T ransCAD软件平台,提出了基于OD反推的交通需求分析方法。以背景交通量作为路段流量,OD反推得到虚拟分区的客流发生、吸引量,继而进行四阶段交通需求预测。相对于传统"手工"分配,在背景交通量基础上叠加流量的方法,文章提出的方法能够有效避免高估干道,低估次要道路拥堵程度的情况,可以细化到支路层面进行分析。      

城市公交客流调查数据修正方法研究

城市公交客流调查数据是进行城市公交系统规划和管理的重要依据,主要包括乘客到达率和下车率、上下车人数两个方面内容。在现有修正方法的基础上,对乘客到达率和下车率采用三次样条插值法修正．对上下车人数采用“推位移”法进行修正,经镇江市4路公交车调查数据应用实践。实践表明修正方法可行。     

城市交通枢纽短期客流量的组合预测模型

客流量的预测对交通枢纽内部组织方案和应急预案的调整起着重要作用,为了更为精确地对交通枢纽短期的客流量进行预测分析,通过分析交通枢纽客流量的变化特点,对比各种预测方法的优缺点,建立了综合BP神经网络和最小二乘支持向量机的组合预测模型,通过BP神经网络初步预测,再利用最小二乘支持向量机的修正,完成对交通枢纽客流量的预测。实际数据验证表明,相比单一的预测模型,文内提出的模型能够将交通枢纽的客流量的预测精度提高约1%,表明论文中方法能够克服单一模型带来的不确定性。      

城市过境交通流量调查与预测方法研究

介绍了过境交通研究中通常采用的交通调查方法,并以记录车辆牌照法调查为重点,提出城市过境交通调查中调查地点和调查时段的选取原则。并通过对外交通小区的划分与数据库的建立,研究了一种城市出入口交通流特性分析的方法.并解决了过境交通初始OD矩阵、相应时间OD矩阵的建立方法,OD矩阵的扩充以及过境交通需求预测方法,最后以兰州市为实例对过境交通流量调查与预测方法进行了验证。     

基于出行规律的高峰小时客流OD矩阵快速估算方法

为了快速准确地计算城市交通高峰小时客流OD矩阵,提出一种简单易行的推算方法。该方法近似认为城市出行均为由家出行,从而将交通产生-吸引矩阵分解为一个由家出发的OD矩阵和一个返回家里的OD矩阵,通过调查交通高峰小时系数,将由家出发的OD矩阵与返回家里的OD矩阵按一定比例进行叠加即得到高峰小时客流OD矩阵,并应用该方法进行了算例分析。结果表明:该方法简单易行,抓住了出行的主要规律,可省去大规模的调查,具有一定的科学性与准确性,在潍坊市滨海交通客流规模预测研究中得到了较好的应用。     

基于聚类分析方法的公交站点客流匹配方法研究

对公交IC卡数据收集、处理和分析得到的结果可以为公交客流分析提供重要依据。文中针对一票制IC卡数据信息不完善的缺陷,结合公交其他运营信息,利用聚类分析方法,研究基于公交IC卡数据的匹配技术,并给出应用于匹配技术的实例计算结果。结果表明,提出的方法有很强的实用性,为得到准确、实时且连续的公交客流信息提供良好的平台。