不完备信息下公交断面客流的推算模型

为解决不完备交通数据信息下城市公交线路的断面客流量的计算问题,以断面客流的预测为研究对象,探讨了公交车站下车客流的预测模型。运用区段覆盖的思想,将公交沿线以客流集散点为中心划分成不同的客流分布区段。结合各站点的区位条件、客流条件建立不同区段内的公交分担率模型。以此为基础结合公交IC卡上车客流数据构建各车站的下车客流预测模型,结合上车客流、下车客流与断面客流三者的关系模型,计算得到公交断面客流量。最后以西安市某条公交线路某个时段的上车刷卡数据为例进行了模型的适用性分析,统计该条线路沿线各个站点周边300 m吸引范围内的土地利用性质以及人口密度,采用改进的遗传算法对模型中的未知参数进行标定。结果显示,待确定参数α和β分别取0.419 1和0.482 3时目标函数取得最优解,利用标定的结果计算该线路各车站的下车客流,进而求得断面客流量。通过与实际跟车调查结果对比,运用构建的模型预测得到的断面客流量与实际值存在一定的差异,平均相对误差在23%以内,平均绝对误差约为5人/断面,从整体结果来看预测的断面客流的变化趋势与实际调查断面客流情况基本一致,表明构建的模型具有一定的可靠性。     

基于灰色马尔可夫模型的近期公交客流量预测

为了科学准确地预测近期公交客流量,提出了应用灰色马尔可夫模型进行预测的方法。利用历史数据建立灰色GM(1,1)模型,通过确定系数可获得公交客流量的时间响应序列及还原值的表达式,从而可获得未来年公交客流量的发展序列值,结合马尔可夫链过程将随机序列状态划分为3类,通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值,最终求得各序列的修正值。通过铜陵市公交客流的历史数据,预测了近3年的公交客流。实例证明该预测模型具有较高的精度,能够指导公交经营管理者近期的决策行为。     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

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%.      

北京市国贸地区公交客流特征分析及对策

国贸地区公交客流量大,造成交通拥堵、路面秩序混乱,通过对国贸地区公交IC卡数据进行详细分析,总结国贸地区各公交场站的公交线路客流量分布规律;为获得国贸不同地块的客流吸引,对公交乘客进行了问卷调查,总结国贸地区的公交客流需求特点,提出了国贸地区公交站点优化的重点、优化方向以及整合线路等方面的对策。     

快速公交客流量影响因素解释结构模型构建与应用

针对当前交通拥堵、能源紧张、尾气污染等一系列问题,为加快快速公共交通的发展、提高公共交通利用率,本文找出了影响快速公交客流的主要因素,利用系统工程学中的ISM方法,构建了快速公交客流系统解释结构模型,通过分析探讨快速公交客流的主要影响因素,进而明确了各因素间的清晰结构,得到影响快速公交客流量的5级递阶结构;最后找出影响快速公交客流因素的各影响因素.通过影响因素,建立了多元回归模型,从影响程度、影响方向、影响时期分别归类分析.通过分析各层级因素对快速公交客流量的影响,可引导更多居民选择快速公交出行,对缓解交通压力提供了一定方法指导和决策支持.并通过合理分析为快速公交运输服务提出了建议.     

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.      

乌鲁木齐市快速公交客流分布特征研究

通过乌鲁木齐市快速公交（BRT）1号线、2号线、3号线高峰时段上下客流现场调查，从时间和空间上进行客流特征分析，结果表明乌鲁木齐市BRT承担了公共交通系统中的主要客流，其中1号线客流高于其他BRT线路，其客流量已超过运营能力，同时BRT存在换乘难等问题，进而提出了改善措施。     

基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布.基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性.     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.      

基于大数据分析的客流走廊判别方法研究

在轨道交通规划、公共交通规划类项目中,面临的一个核心难点是对现有公交走廊的判断以及对走廊客流量的调查收集。简要介绍常规公交调查并分析其调查成果,发现仅采用常规的公交调查手段,总体抽样率较低,并且难以对一个城市做到相对全面的客流调查。在常规调查基础上,介绍通过手机信令数据分析的手段,采用多种方式拟合之后,判断研究出城市的主要客流走廊,其成果可为后续规划设计提供充足依据。     

面向地铁接驳需求的公交服务能力评估

城市公交与地铁之间的换乘服务能力极大影响整个公交网络的服务能力。为科学评估公交接驳地铁的服务能力,文中利用Python网络爬虫获取深圳市地铁刷卡、公交线路规划、公交站点位置等数据,选择换乘步行距离、换乘时间、换乘客流量作为评估指标,采用数据包络分析(DEA)构建公交接驳服务能力评估模型;以深圳市10个地铁站点为例,分别对其接驳公交线路的服务能力进行评估。结果表明,公交接驳服务能力主要取决于换乘距离、换乘选择及换乘客流。     

城市轨道交通站点接驳设施规模预测方法

为了对城市轨道交通站点接驳设施规模进行准确预测,从各接驳方式分担的客流量入手对接驳设施规模预测方法展开研究.在分析接驳设施规模影响因素的基础上,对城市轨道交通站点各出入口进出站客流进行观测统计,确定高峰小时集散的总客流量,利用多项logistic回归和Bayes判别分析2种方法分别建立城市轨道交通站点接驳方式分担率预测模型,将模型输出的结果与调查数据进行对比,判定2类模型在不同接驳方式分担率预测上的适用性,进而得到城市轨道交通站点高峰小时各接驳方式分担的客流量.利用数理统计学方法建立城市轨道交通站点周边的常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场规模预测模型,根据调查数据和已有研究成果对模型参数进行标定.应用这组模型对哈尔滨轨道交通1号线中哈达站的接驳设施规模进行预测,验证了模型在实际应用中的可行性.      

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.     

基于智汇卡的公交大数据挖掘研究

选取公交行业大数据,涉及公交交易数据、公交GPS数据、地铁交易数据等,对数据结构进行分析,利用Oracle数据库对源数据进行筛选、清理,利用R语言、Python对数据进行更加精细化的分类、融合,通过设计算法分别实现公交交易数据与GPS数据融合、公交交易数据与GPS数据的上车站点名称匹配。以南京37路公交为例,挖掘公交客流特征,包括总体客流特征,老年人、学生和残疾人等特殊人群的公交出行特征;挖掘公交客流的日客流分布、时客流分布和空间客流分布;挖掘公交的运行状态中的运行参数,把握公交运行状态的规律。为智能公共交通系统建设、政府决策、公众便捷出行、企业运营调度优化及数据验证提供数据支撑。     

公交线路客流模糊神经网络预测模型

提出一种基于模糊神经网络理论的公交线路客流预测模型。实验比较发现,该模型具有较强的自适应性,其预测结果优于常规时间序列模型ＡＲ、ＡＲＭＡ得到的预测结果。该模型适用于公交企业运营调度管理的需要。     

公交站点停靠时间预测模型研究

基于对北京市六环内各方向23条公交线路不同站点的现状数据采集,提出了一种公交站点停靠时间预测模型.分析了上下车人数、车内拥挤度、车门数及公交车台阶数等影响因素对公交停靠时间影响程度.根据分析结果,排除台阶数对停靠时间的影响.由于北京市3门铰接车与2门车的停靠时间存在一定的差异,考虑公交车门数对上下车时间的影响,得到3门车公交下车客流分配关系;然后选择上下车人数及车内拥挤度2个因素作为自变量,建立了乘客上下车时间预测模型;进而通过回归分析开门时间最长的车门乘客上下车时间与站点停靠时间的关系,选取二次函数作为公交站点停靠时间预测模型.最后,对2条不同公交线路的公交预测停车时间及实地调查停车时间进行比较,其标准化均方差分别为0.151 0,0.178 2,表明该模型具有较高可靠性,可应用于公交行程时间的研究.      

公交客流信息采集技术研究

城市公共交通在我国城市交通中占有重要的地位,公交客流信息是公交调度管理及线网优化的基础。本文介绍了常用的公交客流信息采集方法,其中包括人工调查、公交IC卡、自动乘客计数等系统的技术实现方式及各自特点,提出了适于我国国情的公交客流信息采集技术的选用方法。     

东直门交通枢纽客流量规律研究

分别对激光和视频2种检测设备进行了人工校验,利用统计学知识对枢纽客流数据进行统计分析,得到了东直门交通枢纽进出客流量和不同运输方式客流量的客流规律,对枢纽科学的运营管理和安全防范具有重要的指导意义.     

智能公交系统运营优化数据库建立方法探讨

城市公共交通运输是城市客流运输的主要形式之一,智能公交系统是公共交通的发展趋势.在分析智能公交系统数据处理流程和公共交通客流采集技术的基础上,研究了智能公交客流基本数据采集技术,探讨了常规公交、轨道交通和出租车交通客流的筛选分析方法.