基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

多元数据在北京轨道交通线网规划中的应用

随着城市轨道交通的发展,越来越多的难题显现出来,多元数据分析模型可为轨道交通线网规划提供定量技术手段.首先,介绍北京轨道交通多元数据库的构建,主要包括地铁AFC刷卡数据、手机信令数据、公交1C卡数据和浮动车数据等;其次,从地铁车站进出站客流特征、地铁车站换乘客流特征和线路断面客流特征三方面,阐述轨道交通现状客流特征;最...     

苏州轨道交通初步成网阶段客流特征分析及启示

概述了苏州轨道交通的3个发展阶段(一条线运营阶段、两条线运营阶段和初步成网阶段),重点分析了线网客流的发展特征，主要包括高峰小时客流最大断面的客流特征、进出站客流特征及乘客出行OD(起讫点)特征等，总结了苏州轨道交通客流发展的4个规律。在此基础上，分析了目前苏州轨道交通线网存在的主要问题，为苏州轨道交通的进一步发展提出建议。     

城市轨道交通动态OD矩阵分析及估计模型研究

客流动态起讫点（OD）矩阵是城市轨道交通实现动态运营管理的重要基础，准确地估计动态OD矩阵对城市轨道交通实际运营管理水平的提高有着重要意义。文章从空间方面分析了起讫站点性质、终点站吸引量、线路属性、起讫站点是否同线的影响，从时间方面分析了列车发车间隔、OD间换乘次数和距离的影响。构建了城市轨道交通动态OD矩阵估计模型，并选取北京市城市轨道交通网络的局部区域作为验证案例，对所提出模型的估计效果进行研究分析，所得结果表明，文中的模型较采用历史数据进行估计，在早晚高峰时精度提高约4%～10%、平峰期时精度提高约8%～17%，同时在15 min、30 min、60 min粒度下全日平均精度分别提高8.67%、11.75%、3.46%，验证了模型的可行性。     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

城市轨道交通环线试运营客流预测方法研究

为解决目前城市轨道交通环线开通试运营期间,客流预测OD数据难以获取、"初设"客流预测结果偏差较大的问题,考虑相邻轨道车站客流分布及出行规律具有相似性,提出一种"既有网络+新开环线"出行需求生成方法。既有线网OD计算以不同线路客流自然增长规律为基础;新开环线客流OD分布,根据环线车站进、出站客流量,结合环线车站位置分布以及既有线网组团间客流分布规律计算所得。经过验证,通过"既有网络+新开环线"算法实施轨道环线试运营期间出行需求预测,并将其在新的线网中分配,可实现线网客流情况快速计算,为线网运营组织安排提供依据。     

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。     

基于AFC数据的南昌轨道交通车站精细化分类

为满足城市轨道交通车站精细化客运组织需求,对车站进出站客流特性进行有效的分类管理。结合自动售检票系统(auto fare collection,AFC)采集的进出站客流数据,从车站进出站客流总量及时序特性方面入手,提出一种基于K-means算法的双层规划聚类方法对全线所有车站进行聚类并划分车站类型。首先以车站进出站客运总量为特征指标进行上层聚类,得出不同客运规模的车站大类;然后考虑车站进出站客流的时变特征,根据不同时段内的客流变化特点构建特征向量进行下层聚类,识别车站客流的时序分布特性。研究结果表明：利用本算法得到的分类结果与实际高度吻合,不同类别车站在客运规模和时变特性上差异明显。双层K-means聚类分析算法通过把握客运规模和客流时变特征,对车站进行精细划分,为车站的客运组织提供依据。     

城市轨道交通新站开通初期实时进出站客流量预测

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。     

新线开通对线网客流特征的影响

随着北京市轨道交通的快速发展,每年的新线开通都将对线网各线的客流分布产生较大的影响,但新线可研多注重新线自身的预测,缺乏线网整体变化的预测分析.结合线网客流变化的关键因素,探索利用新线可研和现有OD数据预测新线开通后线网客流的方法,并以北京地铁4号线开通为例进行验证,从一定程度上证明该方法的可行性和适用性.     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。     

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。     

滇中城市群城际铁路网客流预测

基于对滇中城际铁路网客流的现状分析,将城市群内交通划分为区域内交流、对外交流、过境客流三部分,以区域内交流为重点,将客流以不同的交通方式划分为公路客流、铁路客流与航空客流进行分析。采用改进的四阶段交通需求预测理论,以实际客流数据为基础得到2015年不同交通方式与全方式的客流OD表。运用弗雷特法(Frator method)计算未来各规划年不同交通方式与全方式居民出行城际客流和旅游客流分布。建立滇中城市群各城际通道方式划分Logit模型,得到滇中城市群城际铁路客流OD表,成功得到未来各规划年的客运交通分布预测、客运交通方式预测与主要通道客运交通预测。     

客流饱和条件下轨道交通网络动态可达性分析

轨道交通客流的日益增长使乘客在网络上的出行可达性受到影响,当轨道交通处于客流饱和时乘客存在无法上车而被迫留乘的可能性。为分析轨道交通网络可达性的动态变化特征,建立考虑客流饱和条件下的轨道交通网络动态可达性的评价模型;模型以轨道交通网络拓扑结果作为可达性的空间特性,以列车运行计划作为其时间特性。在深圳轨道交通网络上进行案例分析,通过网络客流和列车运行计划,得到乘客在网络上的期望旅行时间,继而得到OD对及车站的可达性指标。结果表明,目前的轨道交通网络中客流需求更大的车站往往配备较好的列车运输能力,以提高可达性,但是受限于列车开行间隔,客流饱和条件下的部分热门车站动态可达性较低。提出可达性评价方法,可用于评价网络中的客流需求与列车运行计划的匹配程度。     

城市轨道交通精细化客流预测系统设计与实现

针对大部分客流预测系统存在预测客流指标不全,时空粒度较粗,多场景的适用性不足等问题,以大规模网络化运营的城市轨道交通精细化客流预测需求为研究对象,分析适应多场景铁路网客流预测实现方法,利用Hadoop、Spark&Hive、Redis、微服务、H5等先进技术搭建客流预测大数据平台,实现铁路网交通出行量(OD,Origin Destination)的精细化客流功能,为调度指挥和客运管理提供进站、出站、换乘、断面客流量等全指标、精细化时空粒度的客流预测数据支持,提升轨道交通调度指挥针对性、客流组织合理性和客运服务水平。     

城市轨道交通进站客流量短时组合预测模型

高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义,利用客流预测结果在事前实施限流、疏导等措施,较事后控制更及时、先进。通过采集15 min间隔的地铁进站客流数据,利用上周同期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量,尝试分别采用加权历史平均自回归模型、ARIMA模型及小波神经网络模型进行短时预测,以获得精度最高的模型。在此基础上,进行三种方法组合预测,探究组合预测效果。通过案例分析,发现当考虑时段因素时,小波神经网络预测精度最高,为91.05%;ARIMA模型误差结构最好。当采用所提出的组合预测模型后,预测精度指标较独立预测模型均有提升,但误差结构没有得到改善。研究表明,所提组合预测模型可以有效地应用于城市轨道交通进站客流的短时预测中。     

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。