基于动态反馈神经网络的城市轨道交通短期客流预测

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作等的关键。文章在研究城市轨道交通的断面客流特征的基础上,建立基于动态反馈神经网络的城市轨道交通短期客流预测模型,提出通过若干组连续历史断面客流数据训练动态连续的神经网络,以此对未来客流进行预测;并以北京轨道交通某日早高峰客流为例进行分析,验证了该模型与方法的有效性。     

城市轨道交通车站客流吸引范围重叠区域划分模型

现有城市轨道交通车站客流吸引范围划分方法大多未考虑相邻车站间的重叠区域,导致车站客流预测值偏大。为了提高车站客流预测的准确性,考虑中间站、首末站、换乘站,针对不同相邻车站类型提出客流分配量计算公式。基于此构建轨道交通车站客流吸引范围重叠区域划分模型,并采用日本东京都城市轨道交通车站的相关数据标定模型参数。最后,以上海市轨道交通11号线安亭站及相邻的兆丰路站和汽车城站为例进行模型验证,结果显示精确度为78.6%。指出产生误差的原因可能在于上海市与东京都的差异以及交通小区数量过少。     

北京城铁13号线北段土地利用对客流影响的分析

根据城市轨道交通与土地利用的互动发展关系,分析了北京城铁13号线北段客流分布不平衡的特点及成因,以回龙观站为代表分析了站北土地利用对客流的影响,提出整合回龙观、霍营站北土地利用,协调13号线龙泽、回龙观和霍营小区客流的设想,并总结了沿线不同的土地利用对城市轨道交通客流的影响.     

西安地铁二号线客流预测后评估

统计西安地铁2~#线客流预测数据和现状客流数据,进行客流预测后评估。在充分地考虑了轨道交通客流预测不确定因素的前提下,对比分析了日均客运量、高峰小时客运量、高峰小时单向最大断面客流量、客运周转量、平均乘距、车站进出站客流、时间分布特征。解析目前城市轨道交通客流预测中的不足,分析了影响客流预测精确度的因素,探讨今后改进城市轨道交通客流预测的思路。     

城市轨道交通网络新线接入后的客流预测

城市轨道交通网络新线接入后,网络拓扑结构和客流时空规律都将发生较大变化。提出通过可达性指标将进出站量预测、OD分布量预测、基于路径选择模型的随机客流分配等阶段关联,构建客流预测模型。进出站量预测时,构建土地利用替代指标,避免对新车站周边土地利用、社会经济属性等进行调查;同时由目的地选择效用计算得到车站可达性指标,描述车站位置对进出站量的影响。OD分布量预测时,构建目的地选择模型,可适应拓扑变化后的场景,模型中OD可达性指标由路径选择效用计算得到。构建的路径选择模型,综合考虑了影响乘客路径选择的各因素。最后,对广州市地铁6号线接入后的客流进行建模预测,各模型参数均符合统计检验要求且客流预测精度较高。     

城市轨道交通短时客流预测体系框架及关键技术

针对当前城市轨道交通短时客流预测系统性不强等问题,构建短时客流预测体系框架,并讨论预测过程涉及的关键技术。框架的构建以自动售检票系统（AFC）获得的数据为出发点,统计站点客流和线网客流OD矩阵两类基础客流数据;在此基础上,构建线网客流分配模型,结合视频数据、站点平面布置和列车运行时刻表三类数据,考虑乘客步行时间的影响,估计断面客流数据;接着,在分析站点客流和断面客流数据时空特性的基础上,分别预测站点和断面短时客流;利用站点客流和断面客流短时预测结果反推未来OD矩阵;同时引入GARCH模型分析预测结果的可靠性,以提高短时客流预测结果的可信度。     

基于城市轨道交通客流短时预测的运营编组设计

根据城市轨道交通客流短时预测量进行运营编组设计,更接近客流的实际运营情况,具有实时、灵活和快速响应等优点.以一周为周期,使用最近一周的历史断面客流量作为原始数据,应用嵌入式灰色神经网络组合模型进行短时预测,得到的下一周期断面客流量更符合客流不断变化的趋势.以此为基础进行运营编组设计,使其更能适应客流量的实时变化.然后将按计划运营的实际客流纳入历史客流,进行循环修正更新,作为下一周期客流短时预测基础进行运营编组设计.基于城市轨道交通客流短时预测的运营编组优化,在一定程度上可以提高城市轨道交通系统运能,提升运营效率,降低运营成本.     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测的城市轨道交通短期客流预测模型,提出通过若干组连续历史客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

基于时序特征的城市轨道交通客流预测

通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10％以下,小于单个神经网络的预测误差,提高了预测精度.     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

大连市轨道交通客流特征分析与启示

科学合理地预测轨道交通客流状况是促进城市轨道交通系统健康快速发展的重要课题,需要在实践中不断积累、完善和提高。从客流总量、时空分布、出行距离、断面客流、进出站客流等诸多方面,分析大连市轨道交通客流发展的基本特征,归纳总结单中心城市轨道交通建设初期客流成长的一般规律,对提高大连市轨道交通建设水平具有重要指导作用,同时,也为其他城市轨道交通客流预测及特征分析提供经验借鉴。     

基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明:考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。      

基于出行阻抗的城市地铁网络客流分布计算

为提高城市地铁网络客流分布预测的准确性,结合乘车阻抗、进站候车阻抗和换乘阻抗等出行阻抗建立综合出行阻抗函数,基于阻抗函数对有效路径集进行搜索与筛选,建立基于综合出行阻抗的多路径客流分布计算模型,并设立换乘惩罚系数对不同路径的客流分配进行合理修正.以深圳地铁新开通的11号线为契机,结合地铁1号线、2号线、3号线、5号线分析网络客流分布的变化.结果 表明:新开通的11号线使各线路中的换乘客流有不同程度的增大,增加了乘客出行的可选路径,且11号线车站附近形成新的人口及岗位聚集圈,进一步增加了11号线自身的客流,使得线网客运总量增加,与实际运营中的客流特征相符,验证了所建模型的有效性和适用性.     

基于客流集散网络的城市轨道交通瓶颈识别方法研究

为科学客观地识别大型城市轨道交通网络瓶颈,提高网络化运营和服务管理水平,本文从轨道交通网络层出发综合考虑车站与区间能力关系,研究系统内部断面客流量和车站实际客流集散量的关系,从网络系统内部与外界客流集散关系角度,建立了基于集散网络的城市轨道交通瓶颈识别模型。以成都轨道交通网络为例进行分析,验证了该瓶颈识别方法的有效性和实用性。案例结果表明模型方法可对大型实际客流集散网络的瓶颈进行有效识别,瓶颈车站主要集中于1号线南部,最拥堵车站为火车南站(13号车站)。与既有方法相比,本文方法能从车站角度客观量化网络系统实际运营拥堵情况。     

城市轨道交通客流分析

在城市轨道交通的规划设计中,客流资料是项目的必要性论证、方案比选、确定系统规模、进行效益分析的基础.通过对我国十几座城市轨道交通系统30多条线路客流预测资料的分析,结合规划设计的技术决策过程和处理实际问题时的思路,建立了客流分析方法,提出不能仅靠"远期高峰小时单向最大断面客流量"来确定系统规模,应考察单向"最大断面客流量"是否能得到"高断面流量区间"的支撑;阐明了客运量可能的发展趋势;建立了以车站、路段为单元的客流空间分布研究方法和全日客运量时段分布研究方法;提出了应对系统、环境发生变化时的客流预测结果的调整方法.     

沈阳至铁岭城际快速轨道交通客流预测研究

基于对沈阳至铁岭城际快速轨道交通功能定位与客流特征分析,提出了将城际快速轨道交通作为区域客流通道进行研究的基本思想,以及四阶段客流预测的技术路线.通过客流分配模型,对沈阳至铁岭城际快速轨道交通进行了客流预测,获得线路全日客运量、平均运距和高峰小时最大断面客流量等客流预测指标.     

重庆市璧山区云巴1号线客流时空特征分析

云巴是一种重要的低运量城市轨道交通制式。以重庆市璧山区云巴1号线作为研究对象,从时间和空间两个维度、线路和车站两个层面,选取全日与早高峰时段的相关客流指标进行系统性解析,并与重庆市中心城区轨道交通1号线客流指标进行对比分析,评估云巴1号线的运营表现。研究结果表明：璧山区云巴1号线客流时间分布形态与中心城区轨道交通1号线较为相似,但工作日客流高峰小时系数较低,节假日较高;云巴1号线的客流空间分布特征也与轨道交通1号线较为相似,包括线路断面客流形态、方向和断面不均衡性等特征,但云巴1号线主要承担了沿线中长距离客流,平均运距占线路长度比例较大。最后,从沿线用地开发、公共交通一体化、运营服务以及网络效应等方面对云巴1号线的发展提出了优化对策建议。     

城市轨道交通客流预测校核技术研究

对城市轨道交通客流预测结果进行校核是保证预测结果合理可靠的必要环节,是客流专业人员需要掌握的技能。为更加全面地认识客流预测校核工作,确保客流预测水平科学合理,更好地指导和服务于项目决策,提出了几点客流预测校核思路,如:客流校核工作可按"面、线、点"三级架构逐层开展;客流校核指标体系包括客流整体指标、客流时空分布指标及其他指标;客流校核主要有核对基础、总结规律、相似比对、实地调查及软件计算五种方法。     

南京市地铁1号线开通初期客流预测

为了对南京市地铁1号线开通初期进行精准的客流预测,以规划地铁1号线沿线车站1km半径范围内的51个交通小区为研究重点,进行了5类个人出行调查,利用四阶段法建立交通模型进行预测分析。在交通方式预测阶段,利用交通意向调查数据建立了轨道交通转移率模型,得到轨道交通OD预测结果。最后,将预测结果与实际客流进行比较,说明客流预测精度较好,验证了所使用的出行调查和模型方法的合理和有效性。     

广州至珠海城际快速轨道交通客流预测

基于对广州至珠海城际快速轨道交通功能定位与客流特征的分析，提出了将城际快速轨道交通作为区域客流通道进行研究的基本思想以及基于四阶段的客流预测技术路线。用客流分配组合模型，对广州至珠海城际快速轨道交通进行了客流预测，获得了线路全日客运量、客运工作量、平均运距和高峰小时最大断面流量等客流预测指标。