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BP神经网络的城市轨道交通客流预测

本文首先根据北京城市轨道交通网络的特点,以静态非平衡分配模型中的最短路径分配为理论基础,实现历史客流在断面上的分配,得到具有参考价值的断面客流。然后通过大量BP神经网络建模试验,对北京城市轨道交通客流预测问题,建立了合理的预测模型。最后利用BP神经网络模型对13号线西直门站至2号线西直门站的换乘断面客流进行预测,并与最小二乘拟合结果进行对比分析,得出合理的客流预测结果。     

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.     

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。     

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.     

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。     

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.     

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。     

城市轨道交通客流预测专家点评

2008年10月14—15日,“城市轨道交通客流预测理论、方法和应用”研讨会在北京顺利召开。会议交流了各城市轨道交通客流预测现状,探讨了客流预测理论和方法。这次会议不仅是对城市轨道交通客流预测工作的促进,而且必将对我国城市交通客流预测技术起到补充完善的重要作用。本刊特对部分与会专家的发言进行编辑整理,以飨读者。     

城市轨道交通客流预测内容和应用

针对城市轨道交通客流预测存在的问题,介绍了城市轨道交通客流预测的基本观点、年限和范围。从线路客流、车站乘降客流、OD客流、换乘车站客流、车站出入口分向客流等方面,着重分析了城市轨道交通客流预测的内容及其在轨道交通建设项目中的作用。探讨了客流预测结果的可信度,包括线网总量控制、线路量级分析、敏感性分析和设计应用4个方面。最后,总结了轨道交通客流预测在未来应关注的问题。     

基于遗传算法与小波神经网络的客流预测研究

针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.     

���й����ͨ��������ֲ�����ģ���о�

城市轨道交通网络客流时空分布特征是网络化协同运输组织的基础与核心.本文在系统分析城市轨道交通乘客出行行为的基础上,基于Multi-Agent建模技术,构建了网络客流分布动态仿真模型,应用该模型模拟乘客的网络出行过程,统计分析得到路网的客流分布特征.该模型既能反映乘客网络出行行为全过程,又能满足大规模路网仿真需求.最后,开发了城市轨道交通网络客流仿真系统,通过北京市轨道交通网络的实际数据对模型和算法进行验证.     

基于常规公交的轨道交通站点吸引范围研究

在进行城市轨道交通规划与运营优化时,需要对客流进行分析,其中确定城市轨道交通站点的吸引范围属于关键性问题。考虑到不同用地性质的轨道交通站点承担的交通功能不同,对城市轨道交通的站点进行分类,建立基于聚集效应的城市轨道交通站点客流吸引范围模型,并通过实例进行分析,得到轨道交通站点对常规公交客流的合理和最大吸引时间,从而确定不同类型站点的客流吸引范围。     

基于天气因素的城市轨道交通接驳客流预测改进模型

本文从当前城市轨道交通车站接驳工作中存在的问题入手,阐明了接驳客流预测工作的重要性,并着重抓住天气因素对接驳客流预测的影响,结合现实调查数据,找出了晴天和雨天的各种接驳交通方式客流分担率变化规律;在此基础之上借助于经典的Logit模型构建了城市轨道交通接驳客流预测的改进模型,指出各种接驳方式的设施需根据不同天气条件下客流需求的最大值进行配置.     

城市轨道交通网络化客流特征及成长规律——基于京沪穗深城市轨道交通网络客流数据分析

中国各大城市轨道交通将陆续进入网络化运营阶段,然而对于网络化进程中客流特征及成长规律尚缺乏深入细致的分析与研究。对北京、上海、广州、深圳4个城市轨道交通网络化进程中的客流特征及成长规律进行系统总结,涉及客运量及客运强度、断面客流量分布、线网换乘系数、乘距与运距、客流时间分布等。同时,针对轨道交通沿线土地利用、线网规模、服务水平、票制票价等影响客流特征变化的主要因素进行分析。在此基础上,对当前中国城市轨道交通规划、建设、运营组织的若干关键问题提出建议。     

考虑综合效益的城市轨道交通票价制定方法

城市轨道交通的票价制定涉及到社会各方的利益,合理的票价可以促进城市轨道交通系统的健康良性发展。由于城市轨道交通的票价与其承担的客流量有直接关系,故首先利用logit模型确定城市轨道交通的客流分担率,同时考虑诱增客流量,在此基础上建立起综合考虑包括消费者、企业、政府各方在内的综合效益最优的多目标规划模型,从而求解相应的最优票价。最后以具体实例详细验证了该方法的可行性。     

广州市轨道交通客流特征分析

科学合理的预测轨道交通客流状况已成为轨道交通系统决策中面临的重大课题,需要在实践中不断积累、完善和提高。根据广州市轨道交通运营资料,从网络、线路、车站三个层面探讨轨道交通从单线向网络转变过程中的客流特征和成长规律,为客流预测模型的参数选择提供参考。分析发现：随着轨道交通网络的扩展,客运强度边际效应递减、换乘系数增大、平均运距增长;从线到网,换乘客流成为客流增长的主要来源;不同类型车站的客流特征差异较大,预测时应分类考虑。