共查询到19条相似文献,搜索用时 171 毫秒
1.
地铁客流预测是城市轨道交通系统日常运营管理的基础,尤其是对突发大客流影响时的准确客流预测,能够有助于缓解城市地铁运营压力并降低安全风险。虽然目前的地铁客流预测方法在对日常客流预测准确性上有较好的表现,然而由于忽视了客流波动造成的客流峰值和谷值数据量不平衡,其对客流的峰值预测效果并不佳。为了进一步提高客流预测精度,考虑从峰值数据自身特征出发,通过聚类模型判断客流类别并验证不同客流类别间显著的不平衡问题,参照分类任务中类别不平衡问题的处理方式,通过欠采样、随机过采样和合成少数类过采样3种数据平衡方式,实现客流平衡处理。同时,采用支持向量回归、人工神经网络和长短时记忆神经网络3种预测模型,进行客流预测并对比不同数据平衡方式对模型性能的影响。研究结果表明:相比于未对训练集进行数据平衡处理,类别平衡在一定程度上提升了模型的预测精度;基于合成少数类过采样技术平衡数据的支持向量回归模型可以提供最佳的进站客流预测精度;基于随机过采样技术平衡数据的长短时记忆神经网络模型可以提供最佳的出站客流预测精度。研究结果可为客流波动较大情况下的城市轨道客流精准预测提供理论依据。 相似文献
2.
精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度,
基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合
模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的
作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行
客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在
15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部
门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统
的服务水平。 相似文献
3.
城市轨道交通客流预测问题分析及建议 总被引:6,自引:5,他引:1
目前我国城市轨道交通客流预测中,普遍存在着规划阶段的预测结果与运营之后的实际客流有较大差异、实际客流远小于远期预测客流、不同机构预测的客流量离散性较大的问题。在分析形成这些问题原因的基础上,提出了利用政策协调和控制城市规划与交通规划的共同发展、尽快建立我国城市城市轨道交通客流预测完整体系、加强城市交通基础数据调查等改善城市轨道交通客流预测的一些建议。 相似文献
4.
5.
在目前我国城市已运营的轨道交通线路中,实际客流与设计客流偏差较大的问题普遍存在。以西安地铁3号线为例,研究其现状客流特征,并与原设计客流对比,分析主要客流预测指标与实际值的偏差及原因。在综合考虑客流影响因素的基础上,提出3号线研究年度内各年客流预测推荐值,对其原客流预测进行校正。最后,结合3号线客流发展规律,对城市轨道交通规划设计及运营提出相关建议。在线路运营初期对客流趋势进行预测,为合理增购车辆、制定运营计划提供依据,为其他线路进行客流趋势预测提供参考。 相似文献
6.
城市轨道交通客流补偿及引导措施研究 总被引:3,自引:3,他引:0
客流预测与实际运营客流之间不断增大的差异,已经成为影响大城市轨道交通网络化运营的突出问题.深入分析这一问题存在的根本原因,着重提出在客流总量、空间分布、时间分布三种不均衡条件下,为保证城市轨道交通高效运营而应采取的客流补偿和引导措施.研究轨道交通客流成长的基本规律以及客流与线网结构之间的基本关系,提出在城市轨道交通领域应用交通需求管理的方法,最后给出网络化解决城市轨道交通运营问题的宏观思路. 相似文献
7.
客流预测是城市轨道交通规划、设计及运营的依据.客流预测准确度的影响因素众多,加之城市建设快速发展,使得客流预测结果与实际客流数据存在较大差异.以上海市轨道交通为例,利用经验方法,通过校正线路初期高峰小时最大断面客流预测值,以及确定小交路折返点参考阈值的取值范围这两个有效手段,给出了修正客流预测的可行方法.在规划阶段减少客流预测的偏差,为后续实现灵活的运营组织提供条件,以达到满足实际客流、提高城市轨道交通服务水平的总体要求. 相似文献
8.
轨道交通客流预测对轨道交通日常运营有着重要作用,文章首先根据轨道交通历史数据,对其客流特性进行了分析,着重利用灰色模型对轨道交通短期内的客流量进行建模预测,利用马尔科夫链修正和改进模型预测结果;为了方便客流预测的自动化实现,给出了整个客流预测过程的流程图,并对其预测算法进行了研究。 相似文献
9.
10.
赵晓丽 《现代城市轨道交通》2023,(8):77-82
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。 相似文献
11.
李涛 《郑州铁路职业技术学院学报》2021,(1):19-24
建立符合郑州地铁客流特点的短期客流预测模型并运用到线网客流预测工作中。短期客流预测模型可预测未来1个月内工作日、周末及节假日的线网客流,为线网日常运营管理及运输组织工作提供有效参考依据。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
分析了运行延误对站台乘客密度、乘客上下车过程和客流输送能力的影响,提出了减少运行延误对客流输送影响的行车组织和客运组织措施。基于延误产生后的城市轨道交通线路上的客流分布特点建立模型,并提出了运行延误对客流输送影响的相关计算指标,通过实例分析,产生了一些对车站客流组织工作的相应建议。 相似文献
16.
17.
18.
19.
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。 相似文献