市域快速轨道交通客流预测工作思路及分析内容研究

通过对比市域快速轨道交通与市区轨道交通、城际铁路在服务范围、服务对象、主要设计参数、客流预测指标等方面的共性与个性,提出一套能体现市域快速轨道交通需求特征的客流预测工作思路.将市域快速轨道交通客流预测划分为分客群分层次需求分析和多情景、多时间维度线路预测2个阶段,并对客流预测专项模型提出5点建模要求.最后从增加车站及走廊级的需求分析、重视不同特征日的客流分析、补充对相衔接线路客流的影响分析、加强对边界条件不确定性的风险分析等4个方面归纳出市域快速轨道交通客流分析重点内容.     

市域(郊)铁路发展或将补足城市公共交通短板

正市域(郊)铁路是城市中心城区联接周边城镇组团及其城镇组团之间的通勤化、快速度、大运量的轨道交通系统,提供城市公共交通服务,是城市综合交通体系的重要组成部分。加快市域(郊)铁路发展,对扩大交通有效供给,缓解城市交通拥堵,改善城市人居环境,优化城镇空间布局,促进新型城镇化建设,具有重要作用。都市圈交通是我国综合交通运输体系的短板之一,解决的重要途径是建设支撑职住平衡的大容量、快速化轨道交通体系。《人民交通》杂志拟从多个角度对《关于促进市域(郊)铁路发展的指导意见》进行深入解读。     

昆明市域(郊)轨道交通网络及建设时机分析

对都市区轨道交通体系概念、研究背景和发展实践进行了梳理。从都市区城镇发展机理出发,探讨了市域(郊)轨道交通支撑下的网络化城市发展模式重构。结合昆明城镇体系规划,提出了3个层次的1h通勤圈以及市域(郊)轨道交通网络布局,并指出主城与呈贡、晋宁之间采用地铁制式的1号线和4号线、9号线难以适应该尺度的长距离通勤出行,不足以支撑新区的发展,必须建设快速、舒适、可达性高的环滇池市域(郊)轨道交通系统等问题。此外,以尊重轨道交通建设客观规律,因地制宜合理把握时机与节奏为出发点,进一步从客流需求、城市经济体量、城镇化进程、城市发展模式、综合交通体系几个方面对市域(郊)轨道交通网络的建设门槛和建设时机进行了探讨。     

铁路“十三五”发展规划发布 铁路发展蓝图绘就

正日前,国家发改委、交通运输部、国家铁路局、中国铁路总公司联合印发《铁路"十三五"发展规划》(以下简称《规划》),对"十三五"时期铁路建设发展的目标、重点任务、保障措施等进行了总体规划。据《规划》,到2020年,全国铁路营业里程达到15万km,城际和市域(郊)铁路规模达到2 000 km左右,高速铁路网覆盖80%以上大城市。     

城市综合客运枢纽交通需求预测关键问题

交通需求预测是城市综合客运枢纽规划和设计的重要基础,是综合客运枢纽研究的关键问题之一.选择交通需求预测中的预测年限和枢纽客流总量预测作为研究对象.首先,通过分析既有的民航、铁路、公路以及轨道交通的相关规范规定,结合综合客运交通枢纽的特点,提出了其合理的预测年限;其次,针对目前枢纽客流总量定义不明晰、使用不统一的问题,分析了既有规范关于枢纽客流总量的规定;最后,明确了综合客运枢纽客流总量定义、预测内容,并对枢纽客流预测在枢纽设计阶段的适用性进行了分析.     

合肥市包公大道客流分析与功能定位

在新一轮合肥市城市总体规划中,位于合肥市域东北区域的包公大道定位为城市快速射线,东西向串联中心城与肥东县城,兼顾客运交通与货运走廊。依托客流预测,分析包公大道在市域路网结构中的作用。在全市骨干路网研究的基础上,对包公大道功能定位进行梳理,分析其主线路段、辅道路段及节点匝道客流,从功能分析和客流分析两方面得出研究结论。     

基于SVM-KNN的降雨条件下短时公交客流预测

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型.分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响.进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型.具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流.通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性.结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%.      

城市轨道交通初步设计阶段接驳客流预测方法研究

对轨道交通初步设计阶段客流预测工作进行梳理,以工程可行性研究阶段的客流预测结果为基础,根据沿线城市规划、建设和交通枢纽的调整变化(如线路车站位置、出口分布等的调整)以接驳客流的预测方法研究为重点,对轨道交通客流进行修正预测,为车站出入口、换乘通道宽度、售/检票机、楼/扶梯等设施规模和布局提供计算依据.     

多网融合条件下市域列车开行方案编制方法

为解决铁路系统中市域铁路与其他制式轨道交通之间列车的到发时序及运能的匹配性问题,研究了多网融合条件下的市域列车开行方案编制方法。考虑枢纽站的跨制式换乘客流需求,根据客流的时间分布特征及不同乘客的时间价值对客流精细划分,以最小化列车总运营成本、旅客广义总出行成本、跨制式换乘客流对研究线路的短时冲击性为目标;考虑列车满载率、各时段区间通过能力、各类时间间隔、列车到发时刻、不同时段各类旅客的换乘协调性等约束,构建了分时段精细化编制列车开行方案的多目标非线性整数规划模型。采用线性加权法将多目标转化为单目标,引入模糊精英保留策略并对逃逸能量更新策略进行非线性化处理,以改进基本哈里斯鹰算法,降低算法陷入局部最优解的可能,提高模型的求解质量。以台州市域铁路S1线及其衔接高速铁路的相关数据为例进行实验,结果表明：与算法初始解相比,模型的总目标函数值降低36.7%;与基本哈里斯鹰算法相比,列车运营成本、旅客总广义出行成本、模型总目标函数值分别降低8.09%,7.04%,7.56%。验证了所设计的算法适合模型的特点,且具有较高的求解质量;所建模型可在不同时段兼顾列车运能与乘客换乘效率,有助于提升多网融合条...     

敏感性因素对城市轨道交通客运量的影响分析

客流敏感性分析是客流预测中的重要环节,通过对各不确定性因素的分析,掌握客流量浮动范围,是指导地铁设计、把握地铁规模的重要依据.文章结合对多个城市地铁实际运营中客运量的变化分析,总结敏感性因素对轨道交通客运量的影响,进一步证明了敏感性因素分析在地铁客流预测中的重要性.在地铁客流预测中应着重关注票价、运营服务水平及突发客流对地铁客流水平的影响,从而缓解或避免因客流激增而对地铁运营造成的巨大压力.     

考虑动态波动性的轨道交通站点短时客流预测方法

轨道交通站点客流预测研究缺乏对短时客流动态波动性的考虑,不能预测短时客流区间.以北京市典型轨道交通站点为例开展实证,构建ARIMA-GARCH模型对误差项建模分析,拟合短时客流的随机波动特征.不同于以往的ARIMA-GARCH模型,研究还通过t分布揭示了客流的“尖峰后尾”效应,通过2种非对称GARCH模型识别了短时客流的非对称波动特征.模型结果表明,相比传统ARIMA模型,ARIMA-GARCH混合模型降低了20%以上的客流平均置信区间长度(MPII),同时提高了1%左右的置信区间覆盖率(PICP);周内客流波动性大于周末客流,而非高峰时段的客流不具有波动性.值得指出的是ARIMA-GARCH模型没有明显降低客流预测的平均绝对误差,尽管如此,混合模型可以在保证客流单点预测的前提下,准确地预测地铁客流区间.      

基于深度学习的城市地面公交客流集散点刷卡客流预测——以常州市为例

提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusion LSTM RNN)模型,并应用于常州市地面公交客流集散点的智慧卡(Smart Card)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.     

基于HRHN模型的城市常规公交线路客流预测

准确的公交客流预测对于城市公交线网规划设计和线路运营管理有着重要意义.为了提高公交客流预测的准确度,研究出一种基于HRHN模型的公交线路客流预测方法.在Encoder模块中,采用ConvNet对输入特征进行提取,利用RHN对提取到的特征建立时间依赖性关系;在Decoder模块中,历史客流量作为输入,利用RHN模型建立时序的关联性;输出值和特征之间的相互作用通过注意力模型进行分析,从而在Decoder中进行预测.对公交数据进行预处理并获取公交客流量,在考虑客流特性的基础上,结合气候因素,利用特征工程进行公交客流预测的特征选取,并利用HRHN模型对客流进行预测.使用了郑州市1个月的公交客流数据,其中选择前24 d数据进行训练,后7 d数据进行测试.分别预测60号公交线路上行方向和下行方向线路客流,并将HRHN模型预测结果与其他5种模型(ARIMA,BPNN,LSTM,RNN,SVR)进行比较.结果表明,HRHN模型在上行方向线路客流预测、下行方向线路客流预测的MAPE分别为0.1161,0.1444,HRHN模型精度最佳.      

城市轨道交通车站分向客流预测方法研究

城市轨道交通车站分向客流预测数据是各出入口通道设计的重要依据,目前适合我国城市轨道交通车站分向客流预测研究工作开展并不多.文中以车站所属的线路客流预测数据为基础,根据车站周边土地利用现状及规划情况,采用“逐层分解”法预测各个出入口通过客流量,并研究了全日小时及高峰小时内部的波动系数,通过广州市轨道交通13号线鱼珠站分向客流预测研究证明,预测方法是合理且可行的.     

广深运输通道内公共客流分担率预测模型研究

为了解决广深运输通道内长途汽车、常规铁路、高速铁路和城际铁路4种运输方式的客流分担率测算问题,采用行为调查方法调查了4种运输方式特性对旅客出行方式选择的影响。提出采用两层巢式Logit(NL)模型构建各种运输方式的客流分担率预测模型,选取经济性、舒适性、安全性、快捷性和方便性5个变量作为效用函数的构成变量。运用二阶段估计法将NL模型分解为1个二项Logit(BL)和1个多项Logit(MNL)模型后对各种运输方式的客流分担率进行求解。广深运输通道案例数据测算表明:2020年公路和铁路的客流分担率分别为16%和84%,其中铁路运输方式中的常规铁路、高速铁路和城际铁路的客流分担率分别为2%,57%和41%。     

基于路网容量约束的火车站客流规模确定方法研究

路网容量是制约火车站发展的重要因素,为确保城市道路网络的有效利用,火车站客流规模应与路网容量协调发展.基于路网容量约束下,预测火车站到发客流、周边用地诱发客流及换乘客流.该预测模型以3类客流规模总和最大为目标函数,以城市道路各路段容量为约束条件,分析火车站枢纽衔接交通方式分担率,将火车站枢纽客流按照用户均衡方法加载到城市道路网络中进行迭代检验.以兰州西站作为实例,验证算法的可行性并给出合适的预测客流规模.      

基于IGWO-BP算法的轨道交通短时客流预测

轨道交通短时客流具有随机性和非线性的特点.为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP).计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力...     

市域快轨空间需求特征研究——以上海市为例

在城市多中心组团发展模式下,分析市域快速轨道交通客流需求特征。以上海都市圈为例,分析城市空间结构特征、交通需求特征,明确大都市圈发展趋势与空间发展需求,从城区交通瓶颈、区域交通限制、轨道交通限制等方面分析上海大都市圈市域快轨发展的必要性。以空间视角分析解析市域快轨的空间演变特征,提出了与上海空间发展相协调的市域快轨线网规划模式。     

基于灰色理论的公交候车排队客流预测

通过对公交站点的候车排队客流调查分析,研究了站点排队客流的特征,针对候车排队客流周期波动的特征,采用灰色理论的研究方法对于候车排队客流进行预测,并在此基础上应用最小二乘法的非线性拟合的方式对于残差进行预测,最后将灰色理论预测结果与残差预测结果进行整合.通过实例,验证了改进后的灰色理论在公交候车排队客流预测方面的有效性和可行性,并且取得了比较好的预测结果.     

成彭市域轨道交通枢纽综合开发规划研究

市域铁路建设将促进沿线土地的二次开发,影响城市空间格局.文中对成都市域轨道交通之一的成彭市域铁路交通枢纽进行了研究.在分析传统交通枢纽规划与开发的不足之后,借助成彭快铁规划设计案例,从交通枢纽规划和城市设计的角度,提炼出规划设计策略,总结设计特色,包括强调站点周边功能复合,站点周边用地的高密度开发以及对公共空间的塑造,以此凸显鲜明可识别的城市意象.同时借鉴国外的站点开发经验,提出了成彭市域轨道枢纽开发的建议.