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%。     

西安首条地铁线路初期运营客流特征分析

以西安首条地铁线路(2号线)初期运营客流特征为分析对象,通过对客流时间及空间分布特征分析,运用数理统计方法计算得到2号线开通后不同阶段工作日和休息日的客流分布、站点乘降量、客流断面空间分布及乘客出行特征。通过这些数据可掌握西安地铁2号线的客流特征和增长趋势,为西安地铁后续线路的规划、设计及运营准备等提供参考。     

基于支持向量回归的地铁进站客流短时预测模型

基于准确的未来客流信息对地铁运营的重要性,研究客流预测的方法。选取支持向量机应用领域的一大分支——支持向量回归的方法对地铁进站客流进行短时预测,使用一种改进的粒子群算法进行参数寻优,从而构建客流预测模型。提出的模型以日期类型和所处时刻作为输入,可以提前预测未来一周的每15 min的客流。采取平均绝对百分比误差和均方根误差对模型的预测结果进行评估。使用广州杨箕车站进站客流数据进行实验,通过交叉验证确定验证参数选取的合理性,并将该模型与BP神经网络、KNN算法进行比较,实验表明模型预测结果的精度更高,稳定性更好。     

车站站台乘降区宽度的简易计算

阐述车站站台的列车停靠、乘客候车和上下车等功能,从乘降区的定义出发,分析乘客在站台上的动态行为和不同状态时所占的面积,并提出合理指标,从而对站台宽度进行计算。重点解决乘降区站台宽度计算的理念,以高峰小时段、每一列车、平均每一车门的上车客流作为计算客流的依据,探索简易计算方法。对换乘客流特征进行分析,提出车站高峰客流和换乘突发客流的新概念,以修正车站设计客流。     

成网条件下地铁换乘量预测方法研究

换乘量预测是换乘站设计、客流组织及安全应急预案编制的重要基础。近年来,地铁网络化运营快速发展,成网条件下地铁换乘量预测成为一个亟待解决的问题。本文在研究成网条件下乘客路径选择行为的基础上,结合全网客流分布规律,提出成网条件下地铁换乘量预测方法。首先,考虑乘车时间、换乘次数、换乘时间和拥挤度等地铁服务水平变量后,通过引入角度费用指标表述路网结构和路径走向等网络特征对乘客路径选择的影响,建立地铁乘客出行路径选择模型,分析乘客潜在的路径选择偏好。其次,基于各因素等效乘车时间换算和乘客对出行时间的容忍程度分析,使用K-最短路算法构造所有站点间的有效路径集合,结合首末班车限制设计MSA法进行随机网络客流加载,提出不同时间粒度下各换乘站换乘量的统计算法。最后,基于本算法对北京市地铁换乘量进行预测,结果表明:角度费用对乘客的路径选择行为产生显著影响,全天换乘量的分时变化规律与实际情况相符,使用本方法预测换乘量具有较好的可靠性和准确度。     

考虑日期属性和天气因素的铁路城际短期客流预测方法

分析2014—2018年上海至南京的单向铁路客流数据发现,日期属性和天气因素会对铁路城际短期客流的波动产生显著影响。为此,结合对非线性时间序列数据处理具有优势的长短期记忆(LSTM)神经网络模型,以及可弥补模型中超参数设置主观性的粒子群优化(PSO)算法,将日期属性和天气因素纳入模型的影响因素体系,提出1种基于PSO-LSTM组合预测模型的铁路城际短期客流预测方法,以解决因短期客流波动性大、随机性强而产生的准确预测难度大等问题。利用2014—2018年上海至南京的单向铁路客流以及上海的天气信息,设置预测输入步长为14 d、输出步长为7 d,对模型进行实例验证。结果表明:与实际客流相比,该模型的最终预测平均误差为6.75%;与删除1个影响因素的PSO-LSTM组合预测模型,以及结合了BP神经网络的PSO-BP组合预测模型相比,该模型具有最优预测精度。     

城市轨道交通新站开通初期实时进出站客流量预测

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。     

城市轨道交通客流预测宏观指标统计分析这篇中文摘要写得很空泛，不太容易看出论文要点

城市轨道交通客流预测作为需求分析的有效技术手段,其预测结果的可信度和有效性将直接影响决策的精准度,重要性不言而喻。通过对北京、上海、广州、深圳、成都、南京等20余座城市的轨道交通现状运营数据进行全面整理与归纳,系统阐述网络客流、线路客流、车站客流的诸多特征,从负荷强度、网络平均乘距、线路平均运距、换乘系数、断面高峰小时系数、断面不均衡性、换乘客流量级分布、车站超高峰系数等客流预测关键技术指标进行特征探讨与规律总结,以期协助模型工作者更好地把握预测结果的合理性。     

重庆市主城区轨道交通客流成长规律研究

根据重庆市主城区轨道交通线路的通车历程,将其划分为单线运营、初步成网和网络化运营3个阶段。结合线网长度的变化,从客运量与客流强度、换乘量与换乘系数、平均乘距与平均运距、早高峰小时客运量与早高峰小时系数、最大日客运量与线网客流波动系数等多个层面的指标深入总结分析主城区轨道客流成长规律。结合北京、上海、广州、深圳的轨道交通线网及其客流成长特征指标,进一步总结轨道交通线网与客流成长规律,期望为相关城市的轨道交通客流分析与预测提供借鉴。     

城市轨道交通客流预测宏观指标统计分析

城市轨道交通客流预测作为需求分析的有效技术手段,其预测结果的可信度和有效性将直接影响决策的精准度,重要性不言而喻。通过对北京、上海、广州、深圳、成都、南京等20余座城市的轨道交通现状运营数据进行全面整理与归纳,系统阐述网络客流、线路客流、车站客流的诸多特征,从负荷强度、网络平均乘距、线路平均运距、换乘系数、断面高峰小时系数、断面不均衡性、换乘客流量级分布、车站超高峰系数等客流预测关键技术指标进行特征探讨与规律总结,以期协助模型工作者更好地把握预测结果的合理性。     

大型客运站最高聚集人数仿真计算方法研究

铁路客运站最高聚集人数传统计算方法采用静态公式计算,忽略了车站功能布局、客流组织方案与最高聚集人数的互动影响。在研究旅客最高聚集人数形成机理的基础上,提出并证明3个规律,揭示最高聚集人数影响因素的作用规律、最高聚集人数的周期特性和出现时间;通过对15万条现场统计数据的拟合分析,提出旅客提前到站时间分布密度函数;运用车站客流组织仿真系统,研究提出车站最高聚集人数的仿真计算方法,并采用北京南站数据进行验算。结果表明,该方法可为车站方案设计、运营管理方案编制提供参考。     

铁路旅客乘车选择行为及其效用

通过分析铁路客流构成和旅客列车分类,将铁路旅客乘车选择行为的影响因素归结为旅客主体特性、列车特性和随机因素,构造可以直观描述列车特性的时间、费用和舒适度3个因素之间关系的曲线图。采用随机效用理论建立铁路旅客乘车选择行为非集计模型,给出个体旅客对列车选择概率的多项Logit模型,并通过影响因素选择及参数标定等设计求解方法。以某区段不同收入旅客群的乘车选择行为为例进行计算分析。从计算结果可以看出:旅客收入水平越高,考虑时间、舒适度因素就越多,受费用因素影响越小,更趋向于选择乘车时间较短、舒适度较高的高档次列车。计算所得2个旅客群对不同列车的选择概率结果具有合理性,表明模型与算法贴切地反映了铁路旅客乘车选择行为的特征。     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。     

基于支持向量回归的大型客运站客流量预测应用研究

准确预测大型客运站发送客流量,是铁路依据旅客出行需求制订开行方案、编制运行图和完成客流输送任务的重要基础.简要介绍支持向量回归的概念和原理;以汉口车站2017年1月—12月日实际发送客流量作为样本数据集,分析大型铁路客运车站客流特点,即年度客流呈现明显周期波动性、长周期内因多次节假日出现客流大幅激增;将样本数据集分为训...     

客运专线相关旅客列车开行方案研究

通过分析铁路客运专线的相关收益及费用,从铁路运输企业和旅客两方面的利益出发建立了客运专线相关旅客列车开行方案的多目标优化模型,提出了优化旅客列车开行方案的求解方法。所提出的换乘多种类别列车的疲劳恢复时间计算公式、不同消费层次选择不同类别列车的思想、列车开行数量的计算式、列车的吸流原则、确定列车类别的动态规划方法等都贴切反映了铁路客运组织和客运市场的相关规律。该方法在客运专线预可行性研究中得到了成功的应用,求解路网规模为60个车站的旅客列车开行方案仅需100s左右时间,并获得了满意的结果。     

基于数据拟合的铁路车站旅客最高聚集人数计算研究

铁路车站旅客最高聚集人数是设计铁路客运站站房规模的主要依据之一。文章以成都东站为例，通过提取售/取票设备数据，统计旅客提前到站时间，采用对数正态、复合负指数、威布尔3种分布形式对旅客到站规律进行拟合分析，构建铁路车站最高聚集人数检算模型。试验结果表明，对数正态分布对铁路旅客提前到站规律拟合效果优于其他2种分布，基于最优拟合分布的计算结果更为精确，有利于精准掌握车站最高聚集人数。     

基于混合Logit模型的旅客对短途高速铁路列车选择行为

以南京到上海和南京到杭州的短途高速铁路客流为背景,应用行为调查法与意向调查法开展客流调查,获取客流数据.基于选择行为理论,以旅客对列车的选择作为因变量,旅客个体特征、出行特征、列车服务水平作为白变量,基于多项式Logit模型构建混合Logit模型,拟合客流调查数据.结果 表明:混合Logit模型的拟合优度高于多项式Lo...     

基于深度Q网络的轨道交通客流控制

针对高峰时期城市轨道交通因有限运能,不足以满足乘客出行需求而引发的安全问题,需要采取客流 控制策略来调节进入车站的客流量,以缓解车站拥挤。提出一种基于强化学习深度 Q 网络的多站协同控制模 型,用来优化每个车站在一定时间内的进站量,以最小化地铁车站乘客的站台超限量、平均等待时间,提高 客流控制强度的综合效益。以北京地铁八通线为例进行仿真实验,验证该方法的有效性。仿真结果表明,所 提出的模型可以在客流控制强度较低的条件下有效地降低乘客等待时间,提高乘客出行效率,有助于缓解车 站的乘客拥堵。     

基于断面客流特征的城市轨道交通行车组织优化方法

以西安地铁4号线为例,基于线路设施和断面客流特征条件,提出了行车组织的优化方法。根据车站条件进行折返适宜度分析以确定小交路区段,分别以乘客服务水平最高和运营成本最小为目标并考虑一定的约束条件构建目标函数,结合Rail Sys软件仿真得到的线路拓扑结构确定了不同交路区段下的列车运行时分及速度,据此标定了模型参数。建立了多目标函数,并利用基于隶属度的算法得到了模糊最优解,求解出大小交路的列车编组数量及行车间隔,给出高峰时段的行车方案。模型计算结果表明,和原设计方案相比,优化方案在满足乘客需求的同时可有效节约运营成本,并显著提高客流时空分布不均衡状态下的线路断面满载率。