轨道交通拥挤传播速率量化模型研究

轨道交通作为综合客运交通系统的骨干,影响着城市客运交通乃至社会经济的正常运转,对其大客流拥挤传播规律的研究有助于提高轨道交通系统的运输安全和效率.以往学者研究的大客流传播模型中往往参数量化缺失或者缺乏实际意义,因此,本文着眼于量化大客流传播模型中的参数,旨在构建客流影响下的拥挤传播模型.首先,分析大客流传播模型中参数及其影响因素,阐述现有传播速率量化模型;其次,以客流的不确定性作为研究对象,分析客流传播特征;再次,通过轨道交通客流数据量化模型参数相关的客流和列车剩余载客能力,界定大客流影响阈值;然后,构建考虑客流因素的传染病模型,量化拥挤传播速率,据此分析客流对轨道交通拥挤传播的影响;最后,以北京地铁13号线为例,比较不同时段、不同换乘情况下其大客流拥挤传播影响范围的差异,分析其原因,从而为优化轨道交通系统的服务水平及大客流事件应急处置提供参考和借鉴.     

基于多核最小二乘支持向量机的短期公交客流预测

公交客流是公交规划和运营调度的基础。针对短期公交客流的非线性、随机性和复杂性及支持向量机单核核函数自适应能力较弱的特点,提出一种基于多核最小二乘支持向量机的公交客流预测方法。该方法既考虑到了公交客流的历史数据规律,又顾及到短期公交客流的时变特性,充分利用了相关参数的知识信息。为了保证模型的自适应能力和提高模型的泛化能力,作者提出了综合评价指标,并采用改进遗传算法实现向量机参数优化。最后,结合LS．SVM工具箱,在MATLAB平台上实现长春市短期公交客流的预测。预测结果表明,提出的多核预测方法具有较高的准确性、较强的鲁棒性和自适应能力,在公交客流预测中有具有较好的应用价值。     

基于元胞自动机的轨道交通客流拥堵传播研究

随着轨道交通网络化运营的发展,客流拥挤己成为大城市轨道交通常态.本文基于元胞自动机建立轨道交通大客流拥堵传播仿真模型,研究通勤大客流情景下城市轨道交通车站与区间拥堵状态传播问题.该仿真模型克服平均场理论的局限,通过建立局部交互的演化规则反映大客流传播过程中车站与车站间、车站与列车间的交互作用,定义列车满载率作为传播强度的衡量指标.从网络层、线路层和车站层构建指标,定量分析大客流拥堵传播规律.结果表明,本文模型可用于分析可预见性的大客流,预测客流在轨道交通网络中的传播规律,为客流控制策略的制定和评价提供依据.     

基于时间序列季节分类模型的轨道交通客流短期预测

轨道交通客流的分析中,数据季节性特征对客流预测的有效性存在显著影响.通过分析轨道交通客流曲线,发现轨道交通客流呈现出季节性特征;针对这种特征,提出基于季节分类模型的轨道交通客流预测方法.根据客流季节特征建立季节分类模板和季节时间序列;采用乘法季节自回归差分滑动平均模型建立客流季节分类模型;使用季节分类模型预测对应类型日期的客流.实验表明:季节分类模型既能有效预测轨道交通客流,又能较好地避免预测误差波动性问题.     

基于最小二乘向量机的公交站点短时客流预测

考虑上下游公交站点、历史同期客流和相邻间隔输入因子β三者的影响,采用最小二乘支持向量机回归算法建立预测模型,并利用粒子群算法优化模型参数.实例验证结果表明:三者均会对预测精度产生影响;当β=3并在多输入变量中设有上下游站点、历史同期客流维度时,该预测模型相比预测性能最好,平均绝对误差为0.625 0,均方误差为0.914 5.     

上海市轨道交通客流预测理论方法研究

加强城市轨道交通客流预测理论方法的研究是提高客流预测准确性的重要手段之一。结合过去20年上海市轨道交通发展的实践经验和教训,总结了影响轨道交通客流预测精度的因素。对轨道交通客流预测的理论、方法和参数进行了深入研究,重点分析了客流预测在理论研究和模型方法改进方面应注意的问题和研究的方向,并指出客流预测参数取值存在的问题。最后,提出在预测技术方面未来的研究方向,以提高轨道交通客流预测的准确性。     

多源数据驱动的轨道交通与公交换乘特征和服务范围研究

以苏州市轨道交通5号线开通后地面公交的线网优化规划为例,提出基于多源数据的轨道交通和公交换乘客流特征分析方法,并用以划分服务范围.利用轨道交通和公交的IC卡刷卡数据及手机大数据,模型分析轨道交通和公交换乘客流和潜在客流进行换乘的行为,明确轨道交通新开后对公共交通的影响范围,并预测换乘的公共交通供需变化,作为线网调整优化的依据,并在项目应用中得到较好的应用.该模型可用于轨道交通开通后公共交通线网优化的实际工作中.     

时空因素影响下在线短时交通量预测

考虑交通流的时空因素进行短时交通流预测,能够提高预测的精度.为此,引入径向基核函数,将复杂的预测问题转化为高维空间的回归问题;然后,基于支持向量回归机并考虑时空因素影响作用建立在线的短时交通量预测模型,通过网格搜索的方法对模型参数进行优化;最后,构造时间-空间状态向量,通过不同的状态向量对时间和空间维度的影响进行了分析.利用高速公路检测器数据,对比不同模型的精度,对在线短时交通量预测模型的有效性和可行性进行了验证.结果表明：在线模型精度优于传统的支持向量回归模型,考虑时空因素影响后交通量预测模型具有更高的精度和稳定性.     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

基于网络客流传播的轨道交通关键站点识别

为了更为真实的反映城市轨道交通网络的实际运营情况,在复杂网络理论基础上,进一步考虑客流因素的影响,提高网络中关键站点识别的准确性,通过分析站区间断面客流来源,根据普通站和换乘站的客流运输功能特征,分别构建了客流传播模型,对历史刷卡数据配流统计标定模型参数,并结合复杂网络的度与介数提出了4个关键站点识别指标.以某市轨道交通网络为例,利用刷卡数据对某工作日早高峰时段进行了全网动态客流演示并展示关键车站.研究结果表明:关键线路为1号线与10号线,南站、西二旗、天通苑附近乘客滞留严重,客流负荷强度大的车站更易受到大客流的冲击;本文所构建的客流传播模型可动态显示全网各区间等级及滞留车站的变化,并能综合真实客流、线路运输能力以及线网结构三方面的指标识别关键站点,可更有效地为轨道交通网络安全管理提供参考.     

轨道交通站点购票客流预测及优化技术研究

将地铁中高峰时段购票客流看成排队论系统,结合排队论知识进行数据优化,利用MATLAB编制BP神经网络模型的程序,建立仿真并预测站点购票客流及自动售票机的需求量,从而达到应急售票服务的优化,提升乘客服务满意度.并以某市大客流站点的客流数据进行论证.     

城市轨道交通客流空间分布模型

为定量分析轨道交通客流随线路距市中心距离增加的变化趋势,在分析路面使用性能衰变模型的基础上,建立了城市轨道交通客流空间分布模型.运用上海市和天津市轨道交通实际数据对模型进行了验证,结果表明:重要节点系数K取值越大,轨道交通重要节点站越重要,客流量越大;形状参数值β大于1时,客流变化趋势曲线呈反S形,小于1时呈凹形;城市规模参数α反映了轨道交通辐射范围,取值接近15 km的城市规模参数连线在上海市外环路附近,表明轨道交通客流主要集中在主城区内;预测客流随轨道交通车站距市中心距离变化的规律与实际情况相符.      

基于时段分布的市郊轨道交通车站滞留客流分布算法

市郊轨道交通车站滞留客流的分时段预测,关系到运营计划的调整、乘客出行 方式的选择、出行时间的预估等,尤其对市郊线路快慢车模式下开行方案的优化具有重 要意义.首先引入出行方式角度费用理论,分析了乘客公交出行与地铁线路形成的角度费 用,构建了角度费用模型Anglecostm,n k ,计算乘客的流失率VPn ,进而确定因滞留客流达到 阈值而导致的乘客流失量.其次,以AFC获取的客流数据为支撑,结合角度费用模型对乘 客流失量的计算,提出了一种基于时段的滞留车站客流分布预测方法,接着分析了站台 候车客流与通过列车实际载客情况两者之间的客流交互规律,提出了候车客流-列车载 客量影响动态交换模型,并分析和研究该模型求解算法.最后,以某市郊线路进行实例演 算,预测结果可为轨道交通开行方案优化提供理论和方法支持,对运营计划临时调整,客 流预测及引导模型的补充等提供参考.     

城市轨道交通网络协调限流优化研究

轨道交通高峰时段乘客滞留站台已经是运营管理部门面临的重大安全问题,考虑到目前运能提高空间较小,提出了对相关车站进行客流控制的安全管理措施。通过分析轨道交通客流特征及其拥堵传播规律;在满足安全约束条件下,基于受影响乘客数最少为目标构建路网协调客流控制优化模型;并设计了基于遗传算法的求解方法;最后以实际路网为背景进行了案例分析,验证了该模型和算法的有效性。     

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.     

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.     

�Ǽʹ����ͨת�ƿ�����Ԥ�ⷽ���о�

科学准确地预测轨道交通客流量,超前掌握轨道交通客流量发展的趋势、特点、规律和数量,是制定轨道交通客运发展和站场配置规划的基础.现有轨道交通客流预测方法对于城际轨道交通客流预测的适应性各不相同,本文采用三次吸引法和客流转移理论相结合,并借鉴统计学中距离分析思想,确定客流转移率,从而获得转移客流量.具体做法是：在分析客流量转移的影响因素基础上,建立广义不相似距离矩阵,以此在轨道交通三次吸引范围内分别确定各种交通方式客流量转移率,从而获得规划年轨道交通客流量.通过某一城市的实际数据进行了算例分析,该方法简单、可操作性强、具有工程应用价值.     

哈尔滨市地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果.通过分析,证明了四阶段预测方法的可行性及合理性.     

基于近邻和SVM的公交停靠时间预测

为提高公交行程时间预测的准确性,提升公交系统的整体服务水平,提出了一种公交车站点停靠时间预测模型.在考虑上下车人数、在车人数和天气状况等因素对公交停靠时间的影响下,采用训练集样本预筛选操作,分析样本筛选过程中不同抽样率对预测效果的影响,比较基于不同核函数的支持向量机在预测精度上的差异.选取佛山市301路公交线中有代表性的10个站点,用以检验基于近邻的支持向量机模型的预测效果,并分析不同站点的特性.试验结果表明,所提出的模型可以达到较高的预测精度,决定系数为0.4255,均方根误差为9.4737,且计算时间与不进行预筛选时相比,降低约40％.训练集数据的预筛选过程可以缩短模型的计算时间并且降低预测误差,而基于线性核函数的支持向量机比基于其他核函数的预测效果更好.     

����PSO-SVM�ľ�����з�ʽԤ��ģ�ͪ�

居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.