基于AFC数据的城市轨道交通乘客目的站实时预测

为解决轨道交通只有在乘客刷卡离开路网，且获得实际列车运行图后，才可通过清分模型系统仿真推演其全出行链的问题，在实时接入自动售检票系统（AFC）刷卡数据情况下，建立基于乘客出行OD规律、乘客职住地规律及重点去向车站规律的级联目的站预测模型，为进站乘客快速预测目的站，进而与清分模型系统结合实现进站乘客在网分布的实时动态推演。通过开展乘客目的站预测，提高客流实时仿真推演系统对各项客流指标的预测准确度，不仅方便运营管理人员进行科学高效的网络化运营调度指挥及客运管理，还可为乘客出行提供个性化引导。     

基于列车满载率的城市轨道交通进站客流量控制

基于新冠肺炎疫情的防控要求，2020年初北京轨道交通将列车满载率作为客流控制指标，严格控制城市轨道交通的进站客流量。为此，亟需量化各车站的进站客流控制阈值，用以作为现场客流管控的依据。提出了基于列车满载率的进站客流控制模型及相关客流控制方案。首先根据线网的客流特征对控流日客流的OD(起讫点)信息进行预测，再结合列车运行图精确推演出乘客进站—上车—换乘—下车的全过程出行链信息，计算得到乘客出行所乘坐的各计划运行车次的列车满载率数据；然后结合列车满载率控制指标进行逆向推演及反算，得到该计划列次在各站上车的客流控制阈值，再根据车站客流分布特征计算得到各站10 min粒度的进站客流控制阈值；最后，举例说明了该客流控制模型在北京轨道交通线网进站客流控制管理中的科学性及有效性。     

城市轨道交通新线接入客流精细化预测模型

随着城市轨道交通的不断发展，每年都会有不同类型的新线或者延长线投入运营。新线接入不仅会改变原有轨道交通路网的拓扑结构，影响乘客出行路径选择，而且对客流时空分布有较大影响。以工程可行性研究报告中新线车站的开通年全日上下车人数为依据，采用改进的双约束重力模型实现新线车站相关OD客流量全日预测；建立路网及车站的分时进出站规律模型，实现新线相关OD客流量的精细化预测；采用加权平均法对既有车站OD客流量进行预测，并分析挖掘历史新线接入前后既有车站客流的变化规律，实现预测优化调整。提出的预测方法不仅可应用于新线接入前，为新线接入后的运营安全和科学高效的调度指挥提供有力支撑，而且可用于轨道交通线路规划阶段客流分布预测仿真。     

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。     

城市轨道交通换乘站客流实时预测与客运组织应用

通过对比城市轨道交通换乘站历史客流清分数据,得出车站在相同特征日具有相同的客流特征.据此提出以特征日历史客流清分数据为基础,计算得到的换乘站的基本客流数据.再利用AFC系统收集的进出站客流数据修正基本客流的总体大小,利用热敏探头,视频采集等收集的车站关键通道内的客流数据修正基本客流的比例结构,最后基于这些精细化客流数据进行换乘站客运组织管理.     

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。     

基于粒子群优化与宽度学习系统的地铁客流预测模型

为了提高地铁客流量预测的准确性，基于传统的PSO(粒子群优化)算法与BLS (宽度学习系统),提出一种新的地铁客流预测模型，即PSO-BLS算法。首先，对地铁站点的繁华程度、前一时段进站量、前一时段出站量及前一时段断面客流量等参数进行分析，并根据分析结果提出需要根据工作日和双休日分别对地铁客流量进行预测。其次，利用PSO算法对BLS的特征层偏置进行优化。最后，以福州地铁1号线AFC(自动售检票)系统中记录的大量乘客出行数据为例，对所提PSO-BLS算法进行验证。验证结果表明：与传统的地铁客流量预测算法BP(反向传播)神经网络和ELM(极限学习机)相比，PSO-BLS算法获得的计算结果在多项性能指标中均取得了较优异的表现；对BLS的特征层偏置进行优化可以提高BLS的计算精度，为地铁客流量预测提供更精确的计算结果。     

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。     

轨道交通车站客流预测模型研究

研究目的:通过对传统的"四阶段"客流预测方法优缺点的分析,对交通出行方式分担率预测模型进行改进,提高客流量预测的准确性,为轨道交通车站站台尺寸及其它设施的设计提供依据.研究结论:在交通出行方式分担率的预测模型中,引入"出行者收入水平"这一概念,重新定义了交通出行方式阻抗函数,优化了传统的"四阶段"客流预测方法.以北京地铁1号线五棵松车站为例,对该车站高峰小时进出站客流进行了预测,将预测得到的客流量与实际客流量进行了对比,证明了本文所提出的方法是一种快捷、有效的客流预测方法.     

基于支持向量回归的大型客运站客流量预测应用研究

准确预测大型客运站发送客流量,是铁路依据旅客出行需求制订开行方案、编制运行图和完成客流输送任务的重要基础。简要介绍支持向量回归的概念和原理;以汉口车站2017年1月—12月日实际发送客流量作为样本数据集,分析大型铁路客运车站客流特点,即年度客流呈现明显周期波动性、长周期内因多次节假日出现客流大幅激增;将样本数据集分为训练集及测试集,利用支持向量回归模型对剔除节假日前后的客流量进行预测,预测误差对比表明:排除节假日突发大客流的影响后,由支持向量回归模型计算得到车站日常发送客流量的预测精度可明显提高。     

城市轨道交通AFC实时进站客流有效数据筛选

针对目前城市轨道交通AFC实时进站客流数据不准确,分析数据传输流程及其不准确的原因,探索解决办法。在挖掘轨道交通历史同期进站客流量规律的基础上,通过设定阈值来对AFC实时进站客流有效数据进行筛选,初步建立阈值设定的方法,通过大量数据对阈值设定方法进行检验,找到方法的不足之处;之后对阈值设定方法存在的问题进行分析与解决,得到一套能够满足地铁各类车站AFC实时进站客流数据阈值设定的流程,并进行实例验证。     

基于多时间粒度的地铁出行规律相似性度量

乘客出行规律对城市轨道交通运营管理至关重要,而不同时间粒度下观测到的客流规律差异较大。以往研究缺乏多时间粒度车站层级客流规律的量化研究。本文基于刷卡数据分析不同时间尺度下地铁出行规律的相似性。构建客流时间序列模型和相似性度量方法,使用连续五周北京地铁刷卡数据分别度量1 min到720min共16个时间粒度下,进站客流和OD客流与历史同期的相似性大小,并基于度量结果给出一定精度要求下预测短时进站量和OD量时的最小时间粒度推荐值,以综合相似性指标对全网车站的可预测等级进行划分。多角度统计分析结果表明,工作日客流与历史同期相似性较大,高峰比平峰、早高峰比晚高峰相似性大。     

京沪线铁路客流规律分析

通过对京沪铁路沿线的客流进行抽样调查和搜集的车站客流数据，从客流出行时间（车间及OD间的小时客流量变化），客流结构（旅游职业，旅行目的，旅客年龄，旅费来源，旅客月收入等），旅客出行频率，高速铁路对客流的吸引程度（高速铁路与飞机，夕发朝至提速列车，高速公路大巴车在不同距离范围内的旅行时间，票价及其他的综合对比），旅客对各种交通工具的评（安全，正点，快捷，经济，方便）等方面对京沪线铁路客流规律进行了计算和分析，以期为未来京沪高速铁路的客流组织和客车方案提供研究依据。     

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。     

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。     

城市轨道交通客流特征分析

基于交通规划原理及TransCAD软件，探讨在已知轨道交通各车站进出站客流量的条件下，如何计算站间客流量，进而分析得出断面客流量及各换乘站分向客流量指标，最后对北京市轨道交通客流特征进行了实例分析。     

基于广义动态模糊神经网络的轨道交通车站进站量预测1

针对轨道交通车站短时进站客流的不均衡性、高度非线性和时变性特点，结合逻辑推理能力强的模糊技术与自学习能力强的神经网络，提出一种基于广义动态模糊神经网络（GD-FNN）的短时进站量预测方法。以北京轨道交通各车站的进站客流量数据为例，分析轨道交通车站的进站客流特征，确定影响短时客流分布的主要因素；然后采用GD-FNN方法构建车站短时进站量的预测模型，实现北京轨道交通系统若干车站进站量的预测，预测结果表明，该方法与传统的神经网络相比，预测效果更准确（最大相对误差小于8%），稳定性好。     

基于组合误差优化模型的城市轨道交通短期客流预测研究

为提高城市轨道交通短期客流预测的准确性,构建了一种基于组合误差优化的短期客流预测模型。采用预测误差值对预测值进行优化校正,弱化传统SVM模型在实际预测中误差对预测结果的影响,以提高模型的预测精度。数据选取样本周期内郑州市地铁1号线每小时客流量组成的样本序列并进行了仿真验证。结果显示,经误差优化后的预测模型的预测精度有了明显提高,且优化后的预测值与误差预测值的趋势具有较高的一致性。     

城市轨道交通初期运营客流预测技术研究

城市轨道交通新开通线路初期运营客流预测是开展初期运营安全评估和运营组织筹备的基础性工作。分析初期运营客流预测在预测期、研究对象、基础数据和预测模型方面的特点,总结该类预测工作开展的技术难点。在此基础上提出一套适用于初期运营客流预测的技术路线,阐述其中基础资料收集、交通调查、交通运行特征分析、出行需求预测、评估分析及敏感性分析的研究要点,并概括总结客流预测指标、对既有线的影响评估、需要重点关注的车站等研究内容。研究结果表明,初期运营客流预测重点在于准确把握城市及交通发展现状,而解读城市及交通发展现状资料并掌握其运行现状特点,研判其短期发展趋势是初期运营客流预测的基础性工作;针对宏观交通需求分析模型对微观客流指标预测的精度不足问题,可在城市宏观交通需求预测的基础上,通过开展各类交通调查建立城轨系统出行需求分析专题模型。本研究成果以期为初期运营客流预测的技术方法、研究内容等提供借鉴。     

基于多源时空数据的城轨车站分类及特征研究

对城轨车站进行精细化分类研究可指导车站客流预测、客流提升及TOD开发等工作。文章以长沙市轨道交通为例,首先基于城轨客流量、车站周边设施、交通需求、交通供给和运行等相关的城市多源时空数据,选取城轨车站聚类指标;然后,在进行数据标准化处理及指标间相关性分析的基础上,采用主成分分析法提取7个主成分,以较好地表达各项原始指标变量;最后,利用K-Means聚类分析法将长沙市99座城轨车站分为对外枢纽、就业集聚、客流培育、职住均衡、居住集聚、商业中心、复合枢纽和特殊景点8类,并根据分类结果分析各类车站的用地功能、交通供需、客流等特征,以期为后续相关研究和实践提供参考和借鉴。