灰色预测法在城轨客流预测中的应用

选择灰色系统理论对城市轨道交通客流进行预测.此方法利用城市轨道交通客流量历史数据建立GM(1,1)模型群,对模型群中的各个模型进行精度检验,选取其中精度较高的模型对客流进行预测.     

基于周期时变特点的城市轨道交通短期客流预测研究

分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。     

ARIMA模型在城市轨道交通短期客流预测中的应用研究

城市轨道交通站点的客流监控与短期精准预测对实现高效列车调度、防范安全隐患、降低运营成本具有关键作用。文章通过优化ARIMA模型参数对不同时间粒度下天津地铁某站点周一到周五的AFC客流数据进行预测,预测结果表明ARIMA方法能够准确预测城市轨道交通站点的短期客流。减小客流数据时间粒度能够获得更多的客流数据细节信息,有利于提升预测的精准度。研究发现即便在客流数据能够通过平稳性检验的情况下,对客流数据进行差分处理依然能够明显提升ARIMA模型的预测精度。     

浅谈城市轨道交通客流预测方法

本将在分析现有轨道交通客流预测应用实例的基础上，分析了轨道交通客流预测方法的模式，难点，提出了具体预测步骤。     

城市轨道交通客流预测的不确定性分析

上海轨道交通1号线2005年的实际统计客运量,远远超过了当年预测的同期客流量.分析了城市轨道交通客流预测的不确定性,以及产生这一现象的原因.提出对城市轨道交通系统的运输能力应留有适当的富裕量,以应对不可预见的客运量增长.随着城市化进程的加快,城市公共交通客运量将大幅度增长,加长列车编组、提高乘车舒适度也将提上议事日程.     

城市轨道交通客流特征及预测相关问题

客流预测是城市轨道交通建设的一个十分重要的环节,是各项设计工作的基础。预测结果的可靠与否直接关系到城市轨道交通的建设投资、运营效率和经济效益。通过对城市轨道交通客流进行分析,阐述了城市轨道交通客流规模影响因素、客流形成机理、客流特征、客流预测方法等。分析了四阶段法各阶段预测所使用模型及方法。     

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。     

基于组合误差优化模型的城市轨道交通短期客流预测研究

为提高城市轨道交通短期客流预测的准确性,构建了一种基于组合误差优化的短期客流预测模型。采用预测误差值对预测值进行优化校正,弱化传统SVM模型在实际预测中误差对预测结果的影响,以提高模型的预测精度。数据选取样本周期内郑州市地铁1号线每小时客流量组成的样本序列并进行了仿真验证。结果显示,经误差优化后的预测模型的预测精度有了明显提高,且优化后的预测值与误差预测值的趋势具有较高的一致性。     

城市轨道交通客流预测主体数据的简化模型构建

文章深入、系统地解析城市轨道交通客流预测主体数据的全部数理关系,展示了实用、简化数据模型的构建方法,通过该方法可得到城市轨道交通工程设计所需的主体客流预测数据。     

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。     

城市轨道交通短期客流预测方法研究

阐述城市轨道交通客流预测面临的问题,总结近年来提出的各种短期客流预测方法及主要设计思想。首先介绍短期客流预测的研究背景,然后分别从实时判断和实时预测2个维度介绍具有代表性的研究工作,对涉及的主要方法进行分类分析,最后进行各种算法的综合比较,并指出城市轨道交通短期客流预测未来的研究方向。     

城市轨道交通客流突增研究

基于北京地铁工作日的刷卡数据和北京地铁网络GIS数据,以网络流理论为支撑,挖掘地铁在平日稳定客流下的小时时段使用规律。提出轨道交通区间断面客流计算方法,量化轨道交通拥挤程度,并发现在客流高峰期,不同站点突增等量客流对城市轨道交通网络的影响有着巨大的差异。针对突增客流应对能力较弱的站点,结合站点客流分布基尼系数,提出相应的对策与措施,为城市轨道交通运营管理打开了新思路并提供信息支持。     

基于客流需求的城市轨道交通动态时刻表优化模型

为使城市轨道交通列车运行时刻表更贴合客流需求,依据不断变化的客流需求确定每列车的发车时刻和停站时间,采用多目标优化方法构建以乘客出行时间费用和列车运行时间费用最小为目标、列车发车时刻和停站时间为决策变量的城市轨道交通动态时刻表优化模型,并采用粒子群算法求解。以广州地铁13号线为例进行验证,结果表明优化后的时刻表更满足客流需求,能有效地提高乘客出行效率,具有更好的动态适应性。     

基于客票数据的城市轨道交通车站客流控制决策研究

城市轨道交通大客流控制是保证运行秩序和乘客安全的客运组织管控手段,目前由运营人员根据经验进行大客流辨识和客流控制决策的模式具有一定的主观性和滞后性。基于自动售检票系统(AFC)历史客票数据,分析车站大客流的发展规律,基于实时客票数据和列车运行实绩,获取进站客流的实时聚集数量及其空间分布情况,提出的辅助决策方法能够基于客票数据确定车站客流控制等级和控制时机,具备较好的精确性和前瞻性。     

城市轨道交通站点数据链客流预测方法研究

城市轨道交通客流预测数据是城市轨道交通设计与运营的重要依据与基础,在总结分析我国城市轨道交通客流预测经验及研究成果的基础上,提出基于城市土地利用法的站点数据链客流预测方法,系统介绍该预测方法的理论体系,并以杭州地铁4号线为例,验证站点数据链客流预测方法的科学性与合理性,以期使该预测方法在客流预测与校核中具有指导意义。     

改进的动态灰色模型在高铁路基变形预测中的应用

在分析灰色预测理论的建模机理和已有动态预测模型研究成果的基础上,从级比检验、背景构造值及残差等方面分别对动态新陈代谢模型进行了改进以提高预测精度,并通过工程实例的部分数据验证其改进效果,而后将其应用于工程中不同位置测点沉降变形的实时预测与分析。研究结果表明:建立的改进动态灰色新陈代谢预测模型群,精度较高,即使对于波动较大的测点,其预测也具有一定的参考价值,适用于高速铁路路基沉降变形的实时预测。     

基于时间序列的趋势外推模型预测城市轨道交通车站客流的应用

本文提出了一种基于时间序列的趋势外推模型,对实际应用中的客流数据进行预测,通过预测与节假日客流数据变化规律的分析,对模型进行完善与修正.在地铁日常运营操作过程中,起着辅助判断的作用,并能及时预判问题采取措施进行预防.该算法在城市轨道交通应急平台项目中应用,解决了线路车站日常客流运营维护中出现的大客流事件发生的问题.     

自密实混凝土梁长期变形的灰色动态拓广模型预测

采用灰色系统模型以及灰色动态拓广模型考虑荷载持续时间对混凝土徐变的影响对6根自密实混凝土梁的长期变形进行预测研究。结果表明:采用灰色动态拓广模型所得结果与试验结果较吻合,该法具有计算简单、预测精度高且不需要大量的试验数据等特点,能方便地用于实际。