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。     

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。     

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。     

区域性城际轨道交通客流预测方法研究

分析了区域性城际轨道交通规划与传统交通规划方法的差异,提出了城际轨道交通客流的特点,以及以影响范围、交通小区划分、交通方式分担、诱增客流、时间价值为要点的区域性城际轨道交通客流预测方法。     

建立在现有模型基础上的轨道交通客流预测模型及其校核

客流预测是贯穿城市轨道交通规划、设计和运营全过程的一项系统工程.目前我国城市轨道交通建设已进入快速发展时期,部分城市在轨道交通运营过程中逐步积累了客流方面的第一手资料.如何利用这些资料来改进和优化原有客流预测模型、提高预测的精度具有十分重要的意义.在回顾武汉市交通预测模型发展的基础上,介绍了利用1号线一期工程客流资料对现有模型进行改进和优化的过程,以及将轨道矩阵从公共交通总矩阵中分离的具体方法.实践证明,在已标定完善的轨道模型基础上进行轨道交通客流预测,其客流预测成果更具合理性.     

基于出行方式链的城市轨道交通客流分析方法

传统"四阶段"法预测流程无法准确预测与轨道交通接驳的交通方式及换乘客流.借鉴基于活动的交通需求模型中利用出行链来解释人的出行行为的方法,提出了基于出行方式链的轨道交通客流分析方法.使用三层的Nested-Logit模型来模拟出行者选择轨道交通为主要出行方式接驳其他交通方式和预测各种方式的客流,建立了轨道交通出行方式链模...     

都市圈区域轨道交通客流预测研究

依据都市圈的特点提出了以轨道交通站点为中心,以合理的客流吸引半径的圆形范围作为交通小区进行客流预测的思路.研究了轨道交通车站客流的合理步行区及合理交通区,把车站客流划定为一、二、三级吸引范围;提出了以车站节点为中心,以客流吸引范围为半径的圆形范围作为交通小区,并划分为一、二、三类小区,选择各类小区之间出行的步行时间矩阵、等车时间矩阵、在乘时间矩阵、交通费用矩阵等作为客流预测Logit模型参数矩阵.     

上海轨道交通出行方式链模型研究

随着上海轨道交通网络的形成,以轨道交通为主、多种交通方式组合的交通出行已经成为上海重要的交通模式。从轨道交通客流出行的多方式组合特征入手,建立上海轨道交通出行方式链模型,研究乘坐轨道交通的出行者选择哪一个轨道站点进入轨道交通系统,以及选择何种辅助交通方式到达该站点。该模型能揭示轨道站点周边的用地、配套交通设施与轨道客流之间的内在关系,从而提高轨道客流预测分析技术的可靠性。     

轨道交通短期客流预测方法及其算法研究

轨道交通客流预测对轨道交通日常运营有着重要作用,文章首先根据轨道交通历史数据,对其客流特性进行了分析,着重利用灰色模型对轨道交通短期内的客流量进行建模预测,利用马尔科夫链修正和改进模型预测结果;为了方便客流预测的自动化实现,给出了整个客流预测过程的流程图,并对其预测算法进行了研究。     

综合交通网络整合规划的必要性与联合模型在轨道交通客流预测中的应用

在论述综合交通网络整合规划必要性的基础上,提出了进行轨道交通客流预测的基本思路和工作流程,建立了实现综合交通网络整合规划的数学模型即方式划分和路网分配联合模型,为整合交通规划方案的制定提供了模型与方法.     

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 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 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。     

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。     

城际轨道交通旅客票价与客流量敏感性分析模型

城际轨道交通票价作为影响客流大小的关键敏感性因素,关系到客流预测的准确性。为明确城际轨道交通票价与客流的关系,本文提供一种基于均衡模型的票价敏感分析方法,通过对平均运行时间、花费价格及其他影响因素分析,建立效用函数,计算效用值;依据客流均衡配流模型,得到各类交通方式均衡状态下客流量;在此基础上,利用灵敏度分析模型得到不同方式出行票价与客流量的关系;最后以杭绍城际轨道交通线为例进行票价敏感性分析,研究结果表明,该模型与算法具有较高的可靠性。     

基于IC卡刷卡数据的深圳市轨道交通站点活力研究

基于深圳市IC卡刷卡数据,分析深圳市轨道交通网络客流分布的特征规律,探讨轨道交通的客流模式,并提出一种基于客流强度和客流时间持续性的综合评估指标,定量分析深圳轨道交通站点的客流活力分布特征,而后对轨道交通站点进行分类分析。研究结果表明：深圳轨道交通网络的客流分布极不均衡,少数站点占据了大量的轨道交通客流量,前10的站点客流比重为19.64%;不同类型的站点客流模式存在显著差异,工作日和非工作日客流模式也有所不同。深圳轨道交通网络活力相对匮乏的站点比重较大,超过60%,非工作日轨道交通网络的客流活力明显优于工作日。     

深圳市轨道交通客流预测的新探索

客流预测工作是轨道交通规划设计和建设工作的重要环节和支撑,尤其是随着我国城市轨道交通进入新的发展阶段,灵活的投融资模式、运营管理的创新、线路功能的多样化对轨道交通客流预测工作提出了新的要求。深圳市基于多年轨道客流预测经验积累,在预测方法、研究范围和精度等方面深入探索和创新,在传统的规划、工程设计客流预测基础上,开展了一系列针对投融资方案研究、线路开通初期客流特征分析、旅游景区轨道客流分析等的客流预测工作,支撑具体项目推进,完善和补充客流预测工作体系。     

重庆主城区现状轨道交通问题分析与建议

从客流量、客流分布、车站客流、运行效率、换乘情况等几个方面,分析重庆市主城区轨道交通存在的五大问题:总体客流效果相对较差、客流量空间分布不均衡、部分核心区段线路相对拥挤、重点车站换乘压力较大、运营效率不高。从城市空间结构拓展,轨道车站与人口、用地的契合关系,车站覆盖率,站间距等方面找出存在问题的原因,如城市拓展需要时间、轨道功能层次尤其是快线缺乏等,从进一步加密中心区线网密度、规划轨道快线、做好车站的规划建设等方面提出后期优化完善建议。     

城市轨道交通站点客流不确定性研究

为提高城市轨道交通站点客流预测的可靠性,在分析客流不确定性影响因素的基础上,基于ARIMA-GARCH模型,依据南京地铁珠江路站点客流数据对客流不确定性进行建模和预测,并从预测置信区间和无效覆盖率两方面与传统的时间序列进行对比分析,研究结果表明,ARIMA-GARCH能够较好地拟合客流波动情况,为城市轨道交通运营与管理提供理论依据。     

轨道交通大数据运用现状及发展趋势研究

为了确保大数据在轨道交通领域规范运用、良性发展,在总结大数据基本概念的基础上,系统梳理轨道交通行业内大数据的基本特点、数据类型、主要内容、处理流程及关键技术,并选择其中的某个典型专业,总结轨道交通大数据在统计分析、应急辅助决策、乘客出行诱导、客流预测和调度管理等方面的运用现状。最后,阐述大数据在轨道交通应用方面的挑战,从轨道交通数据系统内部和外部两个方面提出轨道交通大数据应用的发展趋势。