城市轨道交通新站开通初期实时进出站客流量预测

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。     

面向数据驱动的城市轨道交通短时客流预测模型

考虑城市轨道交通客流的时空交互关系,提出一种融合循环门控单元和图卷积神经网络的城市轨道交通客流预测模型(GCGRU)。首先,分析短时客流在城市轨道交通网络中的空间关系,建立图卷积神经网络提取不同车站客流的空间交互关系;其次,分析路网各车站客流的时间演化关系,并利用循环门控单元刻画各车站客流数据的时间特征,进而形成面向数据驱动的城市轨道交通路网短时客流预测模型。与传统方法相比,该模型能较好地刻画路网各车站客流的时空相关性,可以深度挖掘路网各车站客流变化的内在机理;同时与既有的图卷积神经网络相比,该模型提出了面向旅行时间的邻接矩阵,能够挖掘客流数据与运行图数据的内在关系,具有较高的精度和可解释性。最后,以广州地铁典型车站的出站量预测为例,验证该模型的有效性。结果表明:该模型在整体预测性能和各车站的预测性能上都优于现有模型,能较好地处理城市轨道交通客流的时空关系,精准地预测路网各车站客流变化。此外,通过邻接矩阵对预测精度影响的分析,进一步验证该模型的性能。     

基于图像技术的城市轨道交通大客流辨识

通过分析我国城市轨道交通发展的现状,说明"大客流"状态已逐渐成为城市轨道交通运营中的常态化现象。为了对城市轨道交通车站内客流进行更准确的辨识与监控,保证运营安全,尝试将图像技术引入轨道交通的客流辨识与安全管理中:建立客流图像特征值与客流特征值的联动关系,给出客流辨识的函数,并开发客流辨识系统。北京地铁雍和宫站的实际视频数据的辨识应用结果表明,该方法的识别准确度较高,具有一定的可用性。     

城市轨道交通车站换乘通道客流压力的评估方法

基于车站各设施设备的负荷,可建立一套可以描述城市轨道交通车站客流压力状态的评价方法与评价指标。针对城市轨道交通换乘车站换乘通道部位的客流压力进行评估,利用行人路阻函数来表征车站换乘通道的通行能力及客流压力情况。选取上海轨道交通线网中的江苏路站及四平路站为案例,形成这两个换乘站换乘通道走行时间函数。计算结果表明,该方法具有可行性和实用性。     

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.     

基于城市轨道交通车站换乘能力的合理发车间隔研究

为确定城市轨道交通换乘站合理发车间隔,通过对其设施类型进行分析,采用车站平均换乘延误度作为评价车站整体换乘效率的指标,以换乘客流量和换乘效率为目标函数,车站通行设施最大通行能力作为约束条件建立数学优化模型。以呼家楼车站为例,采用Vissim仿真软件建立不同发车间隔下的仿真模型,并基于换乘站实际设施能力和客流情况,分析发车间隔变化对换乘效率的影响规律,最终得到换乘站的合理发车间隔。     

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。     

城市轨道交通线网形态和客流分布的分形特征分析

为研究城市轨道交通线网形态和客流的时空分布变化特征问题,结合分形理论和客流分配理论,提出了城市轨道交通线网和客流特征的分形计量方法.提出了4个半径维数和2个分枝维数指标,分别对城市轨道交通线网和客流的复杂程度及其变化特征进行数字描述.基于ArcGIS软件平台,以北京地铁为例,验证了方法的合理性与有效性.实例测算分析结果表明:北京五环内区域的地铁线网结构和客流分布均存在分形特征;线网供给和乘客需求基本匹配,但局部区间和换乘车站超载严重,线网仍需加密.     

基于支持向量机的节假日进出站客流预测方法

节假日期间客流规律分析与预测是城市轨道交通运营企业做好节假日期间大客流组织工作的重要内容,可有效指导车站现场、OCC(运营控制中心)等提前做好预案,制定和实施合适的运营管理及客流组织计划。基于节假日期间车站进出站客流量特征分析结果,考虑按车站特点的分类情况,构建了基于支持向量机的城市轨道交通节假日进出站客流量预测模型。最后利用广州地铁客流数据对预测模型进行精度分析,验证了模型的预测精度。     

城市轨道交通进出站短时客流预测模型研究

针对城市轨道交通短时进出站客流的强随机性、周期性及非线性的特征,提出了一种基于小波变换与Adam算法优化的长短时记忆网络(LSTM)短时客流组合预测模型(即WT-LSTM组合模型),同时基于非饱和激活函数ReLU函数实现了LSTM的学习与训练.采用LSTM模型与WT-LSTM组合模型对广州地铁广州塔站的客流量进行预测,并对预测结果的误差进行对比分析.结果 表明,WT-LSTM组合模型能够较好地预测短时客流,预测结果优于单一LSTM模型.     

基于AFC数据的南昌轨道交通 车站精细化分类

为满足城市轨道交通车站精细化客运组织需求,对车站进出站客流特性进行有效的分类管理。结合自动 售检票系统(auto fare collection,AFC)采集的进出站客流数据,从车站进出站客流总量及时序特性方面入手,提出 一种基于 K-means 算法的双层规划聚类方法对全线所有车站进行聚类并划分车站类型。首先以车站进出站客运总 量为特征指标进行上层聚类,得出不同客运规模的车站大类;然后考虑车站进出站客流的时变特征,根据不同时 段内的客流变化特点构建特征向量进行下层聚类,识别车站客流的时序分布特性。研究结果表明：利用本算法得 到的分类结果与实际高度吻合,不同类别车站在客运规模和时变特性上差异明显。双层 K-means 聚类分析算法通 过把握客运规模和客流时变特征,对车站进行精细划分,为车站的客运组织提供依据。     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。     

基于谱聚类的城市轨道交通车站间客流分型研究

在轨道交通运营管理过程中,不同车站间客流的时间分布特性及规律直接决定了客流组织方案。明晰 车站间客流分型及特征,对合理配置客流组织方案大有裨益。相对于单车站客流类型,多车站间客流类型的影 响因素多样且复杂,为此,从时间、空间和结构 3 个角度对车站间客流分类特征进行分析,并通过谱聚类方法 压缩搜索空间,从而达到更加精准的类型划分。利用轮廓系数与戴维森堡丁指数对比不同方法的分类结果,证 明所提出的谱聚类方法相对于 k-means 等其他方法具有更好的分类效果。以苏州地铁 2020 年数据为例,通过 提出的方法寻找出 7 种车站间客流分型,该结果可应用于预测模型训练等领域。     

基于EMD的SVR方法在铁路客流预测中的应用

客流预测是铁路客运运营管理的重要依据,铁路客流具有非线性、非平稳的特点,传统预测模型很难得到满意的结果,因此利用经验模态分解(EMD)方法对客流进行自适应的分解,利用支持向量回归机(SVR)对固有模态函数(IMF)进行预测,建立基于EMD的SVR铁路客流预测模型。利用Matlab对SVR预测、BP神经网络预测和基于EMD的SVR预测模型进行仿真实验,得出3种预测模型的平均相对误差,分别为22%、25%和13%。结果表明,基于EMD的SVR方法的预测精度明显高于另外两种预测方法,能够有效地提高铁路客流预测准确性。     

土地利用因素对城市轨道交通车站客流的时空影响分析

通过建立城市轨道交通站点周边各类用地与客流的拟合模型,分析土地利用因素对客流的时空影响,为制订相关土地利用政策、合理组织站点客流提供依据。基于西安地铁4号线乘客出行特征数据,建立基于地理加权回归(GWR)的车站客流回归模型,量化分析了用地属性对车站客流的时空影响。结果表明:土地利用因素对早高峰出站客流、晚高峰进站客流的解释力较强;土地利用类型对客流的影响具有时空异质性,时间维度的变化与乘客出行目的有关,空间维度的变化与城市空间结构有关。与普通最小二乘回归模型相比,GWR模型能够刻画变量之间的空间异质性,具有更高的拟合精度。     

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。     

基于大客流的北京地铁网络化运营风险研究

客流冲击对北京地铁网络化运营安全的影响日益突出。通过统计分析北京地铁各线路日常运营的客流量数据,总结北京地铁运营网络的客流规律和大客流冲击地铁线网结构产生的运营风险特点。结合风险管理的相关理论,构建地铁网络化运营风险评价指标体系和多层次模糊综合评价模型。实证研究部分以北京地铁客流量较大的1号线为评价对象,计算该条线路上22个车站的风险值,风险值大小能够反映出不同站点对地铁网络化运营风险大小的影响程度。其中国贸站、大望路站风险值达到0.7以上(属于高风险),需要作为运营风险管理的关键站点,以期为今后进行地铁网络化运营关键站点风险管控研究提供参考思路。     

新时期铁路客运站建设的指导总则与实践

中国铁路在《铁路＂十一五＂规划》中,要建设6个路网性客运中心、10个区域性客运中心。根据这一总体布局,＂十一五＂期间,中国铁路将结合客运专线和长大干线建设,新建和改建一批铁路客运站,即,省会级城市客运站25座、地市级城市客运站95座、县级城市客运站428座,逐步形成适应客流特点、便于客运组织和分类管理的客运站体系。为了体现以人为本、更好地为旅客服务的宗旨,建设好这一大批客运站,在总结我国客运站建设的经验教训、借鉴国外先进做法的基础上,以＂功能性、系统性、先进性、文化性、经济性＂的建设理念,作为新时期铁路客运站建设的指导总则。结合北京南站的工程实例,阐明客运站建设指导总则的具体运用。针对当前客运站建设存在的问题,提出系统解决的思路。     

客流模拟评价在复杂换乘站设计中的应用

复杂换乘站是指多线换乘兼对外客运枢纽车站,由于其功能和客流特征的复杂性,需采用客流模拟手段来辅助方案设计。在车站客流特征详细分析的基础上,结合成都火车南站的实际案例,提出对多线换乘兼对外客运枢纽车站进行客流模拟时,应兼顾车站的各项功能需求,针对客流特征细化模型参数,从而对设计方案进行综合评价和优化。对于多线换乘站设计方案应适当增大付费区空间,合理组织客流流线,避免流线交叉。对于衔接对外客运枢纽的车站,枢纽换乘区域应预留足够的空间以便于组织客流,并应根据客流需求配备购票和安检设施,适当增加人工售票设施,同时还应加强导向标识的设计。     

基于全生命周期的铁路客运站绿色等级评价

铁路客运站作为城市交通系统的重要节点,在城市绿色交通系统建设中处于重要地位。对客运站绿色等级进行科学评价是指导绿色客运站规划、建设的基础。根据绿色建筑定义,结合铁路客运站特点,提出绿色客运站及客运站绿色等级的概念;基于全生命周期原则,构建规划设计、建设以及运营各阶段客运站绿色等级评价指标体系;以可拓学理论为基础建立客运站绿色等级物元评价模型,运用G1法确定各指标权重。最后对H客运站进行绿色等级评价,利用MATLAB实现评价过程中的矩阵运算。结果表明:物元模型适用于客运站绿色等级评价。