城市群客流生成预测精度控制模型研究

城市群客流生成预测是城市群轨道交通规划中客流预测的主要组成部分,其预测精度将直接影响轨道交通客流预测精度,进而影响轨道交通规划的合理性.在分析城市群客流生成特点的基础上,提出客流生成阶段预测精度控制分为小区划分精度控制、预测方法选择、建模精度控制及模型计算结果调整4个阶段的思路;详细论述后2个阶段的精度控制内容,在模型计算结果调整中提出区域对外交通调整、空间调整、发生总量平衡调整及发生吸引平衡调整4个调整内容,并建立调整模型.     

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。     

基于交通系统与城市空间结构互馈机制的城际轨道交通走廊客流预测

基于交通系统与城市空间结构之间的动态互馈机制和公交导向性开发策略,开展城际轨道交通走廊客流预测研究.对新建区,在土地使用形态控制的基础上,利用土地价值计算人口地理分布权,进而得到出行发生和出行吸引的权重,它刻画了交通系统对城市空间结构的作用机制;对建成区,主要根据土地使用形态计算出行发生和出行吸引的权重,它体现了城市空间结构对交通系统的影响.在此基础上,给出了城际轨道交通走廊的客流预测方法.该预测方法不仅反映了城际轨道交通系统对客流需求的满足,更重要的是,能真实体现城际轨道交通系统对城市群空间结构形态和交通需求的导向作用.以长株潭城际轨道交通建设项目为背景,运用该方法分析预测了相应区域的城际轨道交通走廊的客流需求量.     

城市群城际轨道客流预测方法研究

针对城市群城际轨道交通特点,综合分析客流特征分析的基础上,提出考虑区位势能的交通小区划分方法;结合城市群内各城市经济发展,采用修正重力模型进行客流分布预测,通过trans CAD完成K矩阵和相应参数的标定;以logit模型为基础,研究交通方式划分与交通分配联合模型的竞争分配方法。最后,以长株潭城市群为例,对长株潭城际铁路近期、远期客运需求进行预测分析。研究结果表明:该方法和模型具有较好的应用价值。     

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.     

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.     

城市轨道交通短期客流预测方法研究

阐述城市轨道交通客流预测面临的问题,总结近年来提出的各种短期客流预测方法及主要设计思想。首先介绍短期客流预测的研究背景,然后分别从实时判断和实时预测2个维度介绍具有代表性的研究工作,对涉及的主要方法进行分类分析,最后进行各种算法的综合比较,并指出城市轨道交通短期客流预测未来的研究方向。     

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。     

基于产业关联度的都市圈轨道交通客流分布预测

阐述了在都市圈轨道交通分布模型中引入产业关联度的必要性和可行性。将两城市之间的产业关联度参数加入到现有交通分布模型中,给出了交通小区间产业关联度的灰色理论计算方法,对系统平衡模型进行了改进。提出了基于产业关联度的都市圈轨道交通客流预测方法,并以重庆市"一小时经济圈"为例,对重庆"一小时经济圈"2020年的轨道交通客流进行了预测和分析,以促进我国都市圈轨道交通规划和客流预测的科学性和合理性。     

灰色预测法在城轨客流预测中的应用

选择灰色系统理论对城市轨道交通客流进行预测.此方法利用城市轨道交通客流量历史数据建立GM(1,1)模型群,对模型群中的各个模型进行精度检验,选取其中精度较高的模型对客流进行预测.     

轨道交通客流预测四阶段法的改进

从交通生成、交通分布、交通方式划分等3方面指出了轨道交通客流预测四阶段法的不足,提出按出行目的对区内和区间的交通分布分别建模,对原来没有轨道交通的城市,采用二阶段的轨道交通方式划分对规划中的轨道交通客流进行预测,建立了区内、区间分布模型。并对分布模型的改进方法进行了验证,改进分布模型较原重力模型对样本OD的模拟更精确。     

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。     

基于ArcGIS的城市轨道交通客流预测

针对乌鲁木齐市轨道交通客流预测,论述如何在不进行大规模的分片区城市人口和就业调查情况下,依据社区人口调查和全国经济普查数据,利用地理信息系统平台软件（ArcGIS）的空间分析功能作为工具,将社区人口和经济普查数据中的就业岗位经分析计算转化为客流预测所需的交通小区的居住人口数和就业岗位数。     

线路客流预测分析与运营组织设计

从运营需要出发,提出客流预测的年限和内容;通过对客流量级的阐述,分析客流预测三级数据,确定运营的规模;根据OD(起讫点)客流分析来研究行车交路,做出满载率和拥挤度的评价;最终确定车辆编组与行车密度的合理组合,形成系统全面的技术方案,使客流预测更好地为运营组织服务.     

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。     

城市轨道交通行车突发事件应急处置辅助决策系统研究与实现

为协助城市轨道交通运营部门处理行车突发事件,研究并开发了城市轨道交通行车突发事件应急处置辅助决策系统。在行车突发事件发生时,系统能够通过自动判断或事故参数的手动输入快速获取事故信息,自动生成行车突发事件下的列车运行计划调整方案,为行车突发事件期间的列车合理周转提供参考;同时,系统会自动根据新生成的列车运行调整方案进行行车突发事件下的线网客流预测,并将预测结果在线网图上进行可视化展示,为行车突发事件期间线网客流组织与疏导提供数据支持,实现降低行车突发事件带来的损失与影响的研究目标。以成都地铁3号线为例,通过对系统的实际操作,验证了系统在行车突发事件下的列车运行计划调整与线网客流预测与展示功能。     

基于统计特征的轨道交通站点乘降量预测算法研究

针对现有预测方法因未考虑城市轨道交通站点乘客的随机性,致使乘降量预测精度不高的问题,提出一种基于统计特征的客流量预测方法。依据日期、时段、天气、突发事件等因素将历史数据进行分类。建立基于乘降量统计特征的分布模型,根据其预测客流的统计特征,结合随机数产生算法,产生的随机数即为客流乘降量预测值,最后结合算例予以说明,证明该模型的可行性。     

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。     

基于移动通信数据分析的Elman神经网络城市轨道交通客流预测

城市轨道交通的短时客流预测数据对运营组织单位面对潜在的大客流或突发事件的应对准备工作有着重要的作用。以原始移动通信数据作为换乘站点换乘客流统计的数据来源,得到了精确的单条线路某个换乘站的换乘人数,并结合自动售检票系统的统计数据,通过建立Elman神经网络模型对客流数据进行样本对训练,得到下游车站未来1 h内断面客流量的预测结果。预测结果误差符合要求,为站点的运营组织方案提供了良好的数据支撑。同时为了对比说明建立了ARIMA模型,并对预测结果作出分析比较。