面向数据驱动的城市轨道交通短时客流预测模型

考虑城市轨道交通客流的时空交互关系,提出一种融合循环门控单元和图卷积神经网络的城市轨道交通客流预测模型(GCGRU)。首先,分析短时客流在城市轨道交通网络中的空间关系,建立图卷积神经网络提取不同车站客流的空间交互关系;其次,分析路网各车站客流的时间演化关系,并利用循环门控单元刻画各车站客流数据的时间特征,进而形成面向数据驱动的城市轨道交通路网短时客流预测模型。与传统方法相比,该模型能较好地刻画路网各车站客流的时空相关性,可以深度挖掘路网各车站客流变化的内在机理;同时与既有的图卷积神经网络相比,该模型提出了面向旅行时间的邻接矩阵,能够挖掘客流数据与运行图数据的内在关系,具有较高的精度和可解释性。最后,以广州地铁典型车站的出站量预测为例,验证该模型的有效性。结果表明:该模型在整体预测性能和各车站的预测性能上都优于现有模型,能较好地处理城市轨道交通客流的时空关系,精准地预测路网各车站客流变化。此外,通过邻接矩阵对预测精度影响的分析,进一步验证该模型的性能。     

考虑峰值数据重平衡的地铁客流预测研究

地铁客流预测是城市轨道交通系统日常运营管理的基础,尤其是对突发大客流影响时的准确客流预测,能够有助于缓解城市地铁运营压力并降低安全风险。虽然目前的地铁客流预测方法在对日常客流预测准确性上有较好的表现,然而由于忽视了客流波动造成的客流峰值和谷值数据量不平衡,其对客流的峰值预测效果并不佳。为了进一步提高客流预测精度,考虑从峰值数据自身特征出发,通过聚类模型判断客流类别并验证不同客流类别间显著的不平衡问题,参照分类任务中类别不平衡问题的处理方式,通过欠采样、随机过采样和合成少数类过采样3种数据平衡方式,实现客流平衡处理。同时,采用支持向量回归、人工神经网络和长短时记忆神经网络3种预测模型,进行客流预测并对比不同数据平衡方式对模型性能的影响。研究结果表明：相比于未对训练集进行数据平衡处理,类别平衡在一定程度上提升了模型的预测精度;基于合成少数类过采样技术平衡数据的支持向量回归模型可以提供最佳的进站客流预测精度;基于随机过采样技术平衡数据的长短时记忆神经网络模型可以提供最佳的出站客流预测精度。研究结果可为客流波动较大情况下的城市轨道客流精准预测提供理论依据。     

南京地铁1号线客流OD矩阵推算与特性分析

以南京地铁1号线为例,充分利用地铁站客流进出数据,运用系统平衡模型与弗雷特法迭代推算得到客流OD矩阵.在系统平衡模型的求解计算过程中,运用数学软件对系数进行求解,提高了系统平衡模型的可操作性.程序设计中引入了相关控制变量,控制OD矩阵的推算精度,提高了算法运算效率.应用统计分析工具对所得数据进行分析,从而得到地铁客流量...     

基于图像采集技术的地铁站台客流引导系统

地铁快速发展带来的高密度客流冲击,对地铁的运行效率,乘客出行的快捷性、实时性、舒适性造成了一定的影响。基于以上问题,对客流分布进行研究并提出基于图像采集技术的地铁站台客流引导系统,此系统是基于车厢内的摄像头采集客流信息,通过地铁运营方的数据库与处理中枢对客流信息进行分析处理,得出客流引导信息,同时显示在站台门上侧的屏幕上,实时显示列车客流信息。结果表明,通过本系统对于客流的引导,可以部分代替引导人员的安排,节省了大量的人力,使乘客快速舒适出行,可以有效提高地铁运行效率。     

城市轨道交通突发事件客流诱导系统设计

城市轨道交通网络突发事件是影响轨道交通正常、安全运营的重要因素.为降低突发事件对轨道交通正常运营的影响,减少经济损失,确保人身安全,实现突发事件信息的准确获取、分析、处理,生成客流诱导信息,建立城市交通路网客流诱导系统.分析了路网客流日常分布特征,及突发事件客流诱导系统需求;设计了满足系统需求的系统功能模块,及功能结构;论述了系统中各功能模块的实现方案.     

基于支持向量机的地铁客流量预测

地铁客流量是城市地铁交通运营组织的重要依据,客流随机性较大及其影响因素较多,因此加大了客流预测的难度。为了更加准确地预测城市地铁交通中的客流量,及时对客流组织方案进行调整,设计了一种基于非线性支持向量回归机的地铁客流量预测方法。该方法通过分析已采集数据的影响因素,确定对客流量影响较大的支持向量,然后构建预测模型进行预测。该模型可以通过调整影响因素的强度来提高预测精度。最后,通过算例验证：该方法可以有效地改善预测误差,适用于短期和不确定环境的地铁客流预测。     

客流数据在城市轨道交通网络化运营组织中的应用

客流数据作为运营工作的基础,是安排运力、组织列车和评价运营效果的依据。研究客流数据在城市轨道交通网络化运营组织中的应用,是提高路网乘客服务水平、降低运营成本的前提条件。结合北京城市轨道交通运营管理实际情况,针对网络化运营条件下的客流特性,分析了客流数据在路网列车运行计划编制、网络化运营组织协调、应急指挥工作中的应用,为网络化列车运行的合理组织提供了理论依据。     

基于支持向量回归的地铁进站客流短时预测模型

基于准确的未来客流信息对地铁运营的重要性,研究客流预测的方法。选取支持向量机应用领域的一大分支——支持向量回归的方法对地铁进站客流进行短时预测,使用一种改进的粒子群算法进行参数寻优,从而构建客流预测模型。提出的模型以日期类型和所处时刻作为输入,可以提前预测未来一周的每15 min的客流。采取平均绝对百分比误差和均方根误差对模型的预测结果进行评估。使用广州杨箕车站进站客流数据进行实验,通过交叉验证确定验证参数选取的合理性,并将该模型与BP神经网络、KNN算法进行比较,实验表明模型预测结果的精度更高,稳定性更好。     

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础.针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用.该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日...     

ARIMA模型在城市轨道交通短期客流预测中的应用研究

城市轨道交通站点的客流监控与短期精准预测对实现高效列车调度、防范安全隐患、降低运营成本具有关键作用。文章通过优化ARIMA模型参数对不同时间粒度下天津地铁某站点周一到周五的AFC客流数据进行预测,预测结果表明ARIMA方法能够准确预测城市轨道交通站点的短期客流。减小客流数据时间粒度能够获得更多的客流数据细节信息,有利于提升预测的精准度。研究发现即便在客流数据能够通过平稳性检验的情况下,对客流数据进行差分处理依然能够明显提升ARIMA模型的预测精度。     

基于双优化流线的城轨车站客流仿真系统设计与实现

为准确掌握城轨车站内部客流动态变化趋势,设计并实现了基于双优化流线的城轨车站客流仿真系统.系统通过改进传统社会力模型中自驱动力的期望方向和期望速度,计算乘客的碰撞行为对局部流线的影响,实现了局部流线的动态优化;通过设计全局流线可扩展分层结构,判别多源节点属性,实现了全局流线的优化;通过搭建车站二维场景,实现车站仿真动画...     

西安地铁2号线南段运营初期客流预测

以西安地铁2号线南延段开通日期为预测年限,通过设计、实施客流调查及AFC(自动售检票)系统数据分析,深入探讨2号线南段现状客流出行特征及既有线上的客流规律,运用在既有客流规律基础上的趋势推演法,通过标定车站客流与土地利用、到离站交通距离与地铁车站选择、合理轨道乘距等数学模型,从客运量与断面客流量两方面完成其开通初期的客流预测,为2号线南段开通的运输计划编制提供依据,为后期新线开通的客流预测积累经验。     

UKF地铁短时客流预测研究

为获得较为可靠的地铁车站实时客流,提出基于神经网络与无迹变换卡尔曼滤波(UKF)结合的信息融合预测方法。首先利用各站点间进出客流时空相关性,在运行时间约束下组织预测向量,以BP神经网络为函数表达给出目标站点客流的初步预测值。在此基础上,利用无迹变换卡尔曼滤波解决神经网络过学习造成的误差,以提高预测结果精度。最后选取实例验证算法的准确性,结果表明,该改进算法可有效提高预测精度,满足运营需求。     

基于时空拥挤度的地铁拥挤踩踏事故实时监测预警系统

为了有效避免地铁车站突发大客流造成的人员拥挤、踩踏等事故的发生,以时空拥挤度为理论支撑,以BIM(建筑信息模型)与RFID(无线射频识别)为技术支撑,设计地铁拥挤踩踏事故实时监测预警系统的架构、功能和工作流程,并提出其面临的挑战和研究建议。结果表明,该系统可实现对客流的实时准确监测和统计,实现参数化、可视化地反映人群聚集和运动状态,以及实现智能预警,有利于提高地铁管理层的安全管理水平。     

基于大客流的北京地铁网络化运营风险研究

客流冲击对北京地铁网络化运营安全的影响日益突出。通过统计分析北京地铁各线路日常运营的客流量数据,总结北京地铁运营网络的客流规律和大客流冲击地铁线网结构产生的运营风险特点。结合风险管理的相关理论,构建地铁网络化运营风险评价指标体系和多层次模糊综合评价模型。实证研究部分以北京地铁客流量较大的1号线为评价对象,计算该条线路上22个车站的风险值,风险值大小能够反映出不同站点对地铁网络化运营风险大小的影响程度。其中国贸站、大望路站风险值达到0.7以上(属于高风险),需要作为运营风险管理的关键站点,以期为今后进行地铁网络化运营关键站点风险管控研究提供参考思路。     

地铁列车配置数计算方法研究及其应用

基于客流需求,特别是高峰客流情况下,地铁线路应配置地铁列车数量问题,建立了地铁线路列车配置数的数学模型,给出地铁线路列车配置数计算方法。以深圳地铁罗宝线的列车配置数及反推数据以及国内部分地铁线路列车配置数据,验证了计算模型的有效性和实用性,同时就如何在地铁实际运营中有效提高列车运能进行了阐述。     

地铁车站出入口设施优化设置研究

闸机检票效率影响地铁车站的整体通行能力,且作用于乘客等待时间来影响社会效益。为此,从系统优化的角度出发,以稳态条件下单位时间总费用为目标函数,通过研究北京西直门地铁枢纽A口客流出入站的过程,分析影响闸机设置的因素,以客流需求、空间限制、成本投入、疏散要求等为约束条件,采用线性规划的方法,对闸机设置进行优化研究,分别确定普通闸机与加宽闸机的个数。根据优化结果,为科学组织高峰小时客流出入车站提供基础数据和重要参考,检验实设闸机的合理程度。     

基于动态客流的城市轨道交通列车牵引能耗分析

城市轨道交通客运量的不断增长使得能源消耗越来越大,在此背景下,从动态客流层面研究城市轨道交通列车牵引能耗对实现城市轨道交通可持续发展具有重要意义。首先建立一个基于动态客流的城市轨道交通列车牵引能耗算法流程,通过研究动态客流对列车牵引能耗的影响,初步得到动态客流和列车牵引能耗的耦合机理。以广州地铁某线路区段为例,利用城轨列车运行计算模拟实验系统进行算例分析,以动态客流为x变量,牵引时分为y变量,牵引能耗为z变量,并利用Matlab对570组模拟实验数据进行多项式拟合,并对动态客流进行灵敏度分析。分析结果表明,列车牵引能耗随着客流的增大呈线性增长关系。     

地铁车站大客流组织措施研究

针对地铁车站大客流组织问题，以天津地铁营口道站为具体研究对象，结合实际运营经验，对大客流组织原则、影响因素和应对措施进行较全面的探讨。首先，结合营口道站实际运营情况和一线工作经验，总结地铁车站的大客流组织原则；其次，从乘客乘坐地铁的流程入手，详细分析影响车站大客流组织的主要影响因素，定量化计算AFC系统服务能力、出入口及通道的通过能力、楼扶梯的通过能力、站台乘候车秩序？、列车运能和客流疏导能力等；最后，遵循大客流组织原则，针对影响大客流组织的主要因素，从客流预测、客流组织、行车调度和票务组织等方面提出具体的大客流组织应对措施。     

基于网络瓶颈控制的轨道交通车站客流疏导研究

轨道交通客流在特定时空区间的强聚集效应导致车站内部设施的服务能力与客流量不匹配,极易造成乘客拥堵、滞留等问题。通过对轨道交通车站客流流线大范围调研,确定服务设施实际通行能力,识别车站瓶颈区域。进而利用多点联动的瓶颈控制方法,构建网络瓶颈客流疏导模型,协调流线网络结构中设施通行能力的匹配度,计算瓶颈点上下游客流调节量。以北京东单地铁换乘站为例进行流线瓶颈优化,制定不同客流强度下瓶颈优化方案,验证模型的有效性和实用性。模型可协助车站管理人员明确瓶颈控制区域的范围,并制定详细的限流泄流乘客量分配,为高密度客流组织提供理论依据与数据支撑。