城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

考虑老年人出行行为的公交票价补贴政策研究

北京市现行的老年人公交免费政策在保障老年人日常出行的同时,诱发了老年人无谓出行、高峰出行、冒乘出行等问题. 针对不同出行目的、出行距离及出发时刻下老年人出行行为偏好,基于北京市第五次综合交通调查数据,构建多场景下老年人出行方式选择MNL (Multinominal Logit)模型,分析错峰优惠、阶梯式津贴等补贴政策对多方式分担率的影响,并从公共交通运能利用率、政府补贴和老年人公交支出等方面评价政策效果. 结果表明：相对现行政策,两种政策均可有效调节老年人出行行为,前者能够缓解政府财政补贴压力,但造成老年人公交支出的上升;后者侧重保护老年人群的社会福利,对行为的引导效果更显著,但仍需大量的财政补贴投入.     

考虑土地利用性质匹配度的城轨客流分布预测

传统城轨站间客流分布模型较少考虑起讫点土地利用对客流分布的影响,当 站点周边土地利用发生改变时适用性变差,无法保持较好的预测精度,因此有必要构建 考虑站点土地利用及其站点间土地利用性质匹配度的客流分布预测模型.首先,基于站点 聚类分析土地利用性质与客流分布之间的关联性,构造性质匹配度指标;其次,综合考虑 站点土地利用、性质匹配度、终点站吸引量、运行时间等因素建立效用函数,结合客流数 据进行参数估计,构建基于目的地选择的轨道交通客流分布模型;最后,利用广州市轨道 交通客流量数据对其进行精度分析.结果显示,在站点土地利用性质未发生改变与改变情 景下全网站间客流分布量的平均绝对误差仅为29.30 和29.52 人,表明模型具有较高的预 测精度.     

基于小客车燃油核算模型的政策节能效果分析

近年来,快速增长的私人小客车带来的能耗排放问题日益严重,如何构建面向私人小客车的燃油核算模型,分析不同需求管理政策的宏观节能效果,是解决城市交通节能减排问题的关键.本文针对传统私人小客车能耗调查方式所获得数据准确性较差、无法满足精细化管理的问题,利用现有调查数据和监测数据,基于“OLS(Ordinary Least Square) +稳健标准差” 验证法,分析油耗显著性影响因素,提出基于交通大数据的私人小客车能耗核算模型,以实测数据验证其可靠性和有效性,并分析了不同交通需求管理政策(含组合政策)宏观节能效果.结果表明,当政策效果指标变化率相同时,实行“拥堵收费+控制大排量小客车数量”政策对于减少小客车燃油消耗总量的效果最为明显.     

轨道交通乘客个性化出行路径规划算法

随着城市轨道交通网络的不断完善,可供乘客选择的轨道交通出行路径日益 增加,乘客出行路径决策愈加复杂.本文在分析轨道交通服务水平变量对不同属性乘客出 行路径选择行为影响的基础上,提出轨道交通乘客个性化出行路径规划算法.首先,基于 非集计理论构建针对不同类别乘客的路径选择模型,该模型综合考虑乘车时间、换乘时 间、换乘次数、车内拥挤度及个人属性等因素对乘客路径选择行为的影响.其次,基于不同 类别乘客的路径选择行为差异,构建考虑车内拥挤度变化的乘客个性化出行路径动态规 划算法,为不同属性乘客规划广义出行时间最小的路径.最后,基于广州地铁数据对算法 进行验证.结果表明,该算法针对乘客个人属性规划的最优出行路径,更加贴合乘客的出 行心理.     

日本ITS开发和运用的实例--名古屋基于浮动车信息的P-DRGS简介

简要介绍了日本最近开发的一个先进的车辆导航系统——名古屋基于浮动车信息的动态路径引导系统(P-DRGS)。分别从系统的开发历程和计划,系统的构成、特点以及实用化四个方面介绍了P-DRGS的概况,从而在一定程度上折射出日本ITS发展的历程和值得我国借鉴的经验。     

基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

基于行为分析的突发事件下城轨站间客流分布预测

提出突发事件下城市轨道交通(城轨)站间客流分布预测方法,旨在为制定突发事件下的应急预案和运营管理措施提供决策支持。首先,提出突发事件下城轨受影响客流界定算法,界定受影响的客流;然后,针对受影响客流,基于非集计理论构建突发事件下城轨乘客的出行选择行为模型,捕捉受影响乘客的出行选择偏好;其次,建立突发事件下的多方式备选出行方案集合,结合乘客出行选择行为建模结果,预测突发事件下城轨站间客流的重分布。最后,基于某突发事件下某城市轨道交通系统的历史客流数据,对该预测方法进行验证。结果表明,该方法能够捕捉到突发事件下城轨乘客的出行行为特征,分时站间客流预测的平均绝对误差为2.05人,预测效果较好。     

基于基尼系数的高速公路网流量不均衡性研究

要:受路网结构及沿线经济发展水平等影响,高速公路呈现出流量分布的不均衡性,本研究提出利用基尼系数量化路网流量分布不均衡性,这对全面掌控交通流量分布规律和提高路网的运营效率具有重要意义.首先,本文构建多车型下的高速公路网交通流量分配模型,以计算路径选择概率和断面交通量;其次,综合考虑路网拓扑结构、出行路径选择行为和交通流量等,建立考虑流量分布的高速公路网络特性模型,以反映节点或路段在路网中的重要性;再次,采用基尼系数评估高速公路网流量分布不均衡性;最后,结合山东省区域高速公路网和收费数据进行实例分析.结果表明,采用基尼系数分析高速公路网流量分布不均衡性的方法灵活,能够量化不同空间维度的流量分布不均衡性.     

城市轨道交通乘客半补偿路径选择建模与应用

城轨网络规模的扩大使乘客可选的路径增多,但通常乘客只考虑容忍阈值范围内的路径(即有效路径集合生成),然后从中择优。本文构建的半补偿Mixed Logit模型,基于贝叶斯理论将两个子过程统一,并将偏好系数和阈值参数处理成随机变量以体现乘客的异质性。融合马尔科夫链蒙特卡洛法与数据扩张技术,可内生标定所有参数。基于广州地铁调查数据标定的结果显示,内生标定的出行时间和换乘次数阈值更精准,且所建模型更优。将模型应用于预测广州地铁六号线接入后的换乘量,平均相对误差为5.19%,说明所建模型适应于网络结构变化下的客流预测。