基于支持向量机的节假日进出站客流预测方法

节假日期间客流规律分析与预测是城市轨道交通运营企业做好节假日期间大客流组织工作的重要内容,可有效指导车站现场、OCC(运营控制中心)等提前做好预案,制定和实施合适的运营管理及客流组织计划。基于节假日期间车站进出站客流量特征分析结果,考虑按车站特点的分类情况,构建了基于支持向量机的城市轨道交通节假日进出站客流量预测模型。最后利用广州地铁客流数据对预测模型进行精度分析,验证了模型的预测精度。     

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。     

城市轨道交通车站高峰客流偏差研究

城市轨道交通车站设计时,大多数城市采用预测的城市高峰小时客流作为设计客流。但由于城市轨道交通车站客流的高峰出现时段与城市高峰小时不完全一致,导致某些车站设计客流偏小。为研究城市高峰小时客流与车站高峰小时客流的差异,通过引入车站高峰客流偏差系数,合理确定车站设计客流。以西安市地铁为例,运用最小二乘支持向量机建立预测车站高峰客流偏差系数的模型,得出训练集拟合优度为0.71,测试集预测平均相对误差为2.41%,模型拟合效果良好,表明最小二乘支持向量机能够很好地预测车站高峰客流偏差系数。     

铁路客运车站客流监测与预警系统

由于缺乏准确的实时客流数据,铁路客运车站的客运组织一直主要依靠经验来调配设备、人员等所需资源。为此,开发了铁路客运车站客流监测与预警系统,通过有效利用铁路客票预售数据、车站历史客流数据、旅客进出站实时数据、列车正晚点数据等相关数据,建立基于K均值聚类的支持向量回归机客流预测模型,实现车站每日进站客流、分时段进站客流、候车室客流的监测、预测及超限预警,方便车站工作人员随时掌握客流动态,及时根据客流变化进行设备和人员动态调配,更加精准、高效、安全、有序地开展车站客运组织作业,有助于改善车站客运服务水平,提升旅客出行体验。     

基于EMD的SVR方法在铁路客流预测中的应用

客流预测是铁路客运运营管理的重要依据,铁路客流具有非线性、非平稳的特点,传统预测模型很难得到满意的结果,因此利用经验模态分解(EMD)方法对客流进行自适应的分解,利用支持向量回归机(SVR)对固有模态函数(IMF)进行预测,建立基于EMD的SVR铁路客流预测模型。利用Matlab对SVR预测、BP神经网络预测和基于EMD的SVR预测模型进行仿真实验,得出3种预测模型的平均相对误差,分别为22%、25%和13%。结果表明,基于EMD的SVR方法的预测精度明显高于另外两种预测方法,能够有效地提高铁路客流预测准确性。     

大型活动期间地铁车站客流预测方法研究

以中国进出口商品交易会(广交会)为研究对象,对大型活动期间地铁车站客流组成及其分布特征进行了分析,并基于历史客流数据提出广交会期间车站客流量的提取方法.基于灰色预测理论构建了广交会期间地铁车站客流量预测模型,依托2018年秋季广交会期间地铁车站客流数据对该模型进行了验证.结果 表明,所提方法可高精度预测广交会期间的地铁车站客流量.     

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 SSA-SVR 模型的城市轨道 交通短时进站客流预测

针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析 (singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨 道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始 时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进 行各站点的短时进站客流预测。采集 2015 年 11 月北京市全网的城市轨道交通进站客流数据,对提出的短时客流 预测模型进行验证和对比分析。结果表明,组合模型预测精度相比 ARIMA、SVR、CNN-LSTM 和 T-GCN 模型具 有更高的预测精度和更稳定的预测表现,具有一定的实际意义。     

2008年北京西站超大客流预测分析

北京西站自开通运营以来，春运期间的旅客发送量逐年上升。依据历年春运、暑运的客流量，对2008年北京西站在春运、暑运及十一黄金周的客流进行预测，初步掌握的测算结果可以为车站有针对性地制定运输方案提供依据。利用一元线性回归模型和季节模型对车站的日常客流和超大客流进行预测分析，预测误差分析则采用平均绝对偏差、平均平方误差、平均预测误差和平均绝对百分误差4种指标相结合的方式进行。     

基于视频检测的轨道交通短时客流预测研究

为提高客流预测的精度,构建轨道交通站点客流多变量时间序列预测模型。基于视频检测的轨道交通短时客流预测研究采用方向梯度直方图特征描述器与支持向量机分类器识别行人目标,利用Camshift算法对目标跟踪,从而获取客流量和客流速度参数,并根据协整关系构建客流多变量预测的向量误差修正模型,最后利用南京鼓楼车站4A通道的视频数据进行模型验证和对比分析。实例验证结果表明:构建的向量误差修正模型具有较好的预测性能,客流量和速度预测的MAPE值都小于8%,优于相同样本下ARIMA(0,1,1)的预测性能。     

车站站台乘降区宽度的简易计算

阐述车站站台的列车停靠、乘客候车和上下车等功能,从乘降区的定义出发,分析乘客在站台上的动态行为和不同状态时所占的面积,并提出合理指标,从而对站台宽度进行计算。重点解决乘降区站台宽度计算的理念,以高峰小时段、每一列车、平均每一车门的上车客流作为计算客流的依据,探索简易计算方法。对换乘客流特征进行分析,提出车站高峰客流和换乘突发客流的新概念,以修正车站设计客流。     

铁路客运站到发线运用优化研究

详细分析客运站旅客列车到、发技术作业。把客运站到发线运用优化目标分解为方便旅客旅行、有利于保证行车作业安全与行车技术作业和有效地使用车站各种既有行车技术设备等三个子目标,并分别建立其优化模型。运用多目标规划理论与分枝定界法对模型进行求解。依据某大型双线通过式客运站的实际数据,应用优化模型进行到发线运用实例分析计算,计算所得方案的优化效果明显。     

铁路客站地下进站流线设计研究

研究目的:一批日渐投入运营的新型铁路客站的设计日均小时发送量和高峰小时发送量均较高,使得铁路客站的流线设计得以重视。专为来自于地铁的换乘客流设计的"地下进站"流线无疑是缩短换乘流线的最佳模式。因此,研究和设计"地下进站"流线是必要的。研究结论:(1)铁路客站的流线模式向着"通过式"转变;(2)铁路客站地下进站设计应尽可能缩短旅客的换乘距离;(3)"地下进站"流线应考虑设计预留,并合理利用铁路客站有限的地下空间。     

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。     

基于动态优化的城轨网络列车运行计划换乘衔接研究

随着城市轨道交通网络的快速发展，线路间的换乘点不断增多，换乘站时刻表的协调直接影响服务水平，有必要结合线网客流分布特点协调换乘站列车到发时刻，以尽量减少乘客在换乘站的换乘等待时间，提高乘客出行效率。以线路间列车衔接时刻点为优化对象，以重点换乘站的换乘衔接需求为主导，建立换乘衔接方案编排优化模型，在网络层面实现基于线网整体换乘等待时间动态最优的换乘站衔接时刻优化，并以广州地铁线网为例，利用模型开发软件，得到符合现场需求的换乘衔接优化时刻点，为网络化运营条件下的列车运行计划协同编制提供技术支持。     

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。     

城轨列车延误情况下受影响乘客出行选择建模

由于列车延误情况下接收到延误信息的乘客比例和有意愿改变出行方案的乘客比例等较难量化,导致无法掌握客流分布情况,采取的应急处理措施缺乏数据依据。为估算列车延误对网络客流分布的影响程度,分析了延误的传播机理,确定受延误影响的乘客数量、时空位置,研究其在接收到列车延误信息后的出行选择行为,基于多项Logit(MNL)模型构建延误情况下乘客出行方案选择模型,预判受影响客流在网络上的重分布并研发系统进行应用。实例证明,该模型能准确地估算受影响客流的重分布情况,对于列车延误类突发事件下的应急处置具有积极意义。     

城市轨道交通换乘车站多方式客流控制模型

针对城市轨道交通换乘车站的客流控制展开研究,提出进站流量控制和换乘绕行相结合的多方式客流控制模型。模型以乘客平均停留时间最小为目标,并且满足站台人数在安全限制内。使用多子群混合粒子群算法对模型进行求解。模拟国贸车站早高峰大客流场景进行实验,实验求解过程收敛快且稳定;实验对比分析无客流控制、常态进站客流控制与多方式客流控制的不同指标数值,证明多客流控制方案的必要性以及模型的可行性与有效性。