共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
《道路交通与安全》2020,(1)
针对持续型大型活动具有持续时间长、客流集散时间分散、影响范围广、客流波动明显等特点,其客流规模受天气、环境、节假日、出行方式等多种因素影响的特点.本研究以第九届中国国际园林博览会客流为研究对象,获取活动期间客流数据,基于最小显著性差异分析法分析了园博会期间客流特征的相关影响因素,分析表明,天气和节假日为影响客流规模的主要因素,人们更倾向于选择天气状况良好的节假日出行.相比于工作日,周末和节假日客流平均增幅最高超过200%,客流规模平均增长30%.而在雨天、高温等异常天气条件时,入园客流将大幅下降,客流规模下降20%~50%.自办活动的举办并未对客流造成明显影响. 相似文献
4.
在长沙市综合路网分析的基础上,采用四阶段预测法,从全日客流和高峰客流等指标对长沙市轨道交通6号线客流进行预测,并结合城市公交网络系统进行客流分配,结果显示,轨道交通6号线近期客流增长较快,远期增长较慢;对预测结果进行敏感性分析,得出3个近期敏感性因素和3个远期敏感性因素,并提出客流稳定性保障措施,为工程建设和运营决策提供参考。 相似文献
5.
6.
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。 相似文献
7.
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. 相似文献
8.
分析了已有的城市路网交通量分布分配组合模型的共性与不足,如不能反映节假日里居民选择购物中心行为对城市交通量分配的影响.通过合理假设,并考虑到了大城市节假日里,居民选择购物中心行为的特殊性,建立了城市路网交通量分布与分配的组合模型.给出了等价性证明和求解模型的算法. 相似文献
9.
客运量是表征省际客运需求,开展行业运营管理的基础指标.为增强省际客运行业运营管理水平,提高旅客出行效率和应急保障能力,建立面向省际客运运营管理的年客运量和节假日客运量的多粒度预测模型.在影响因素与省际年客运量关联度分析的基础上,构建基于BP神经网络的年客运量预测模型.考虑特殊节假日的影响特征,提出了指数平滑与季节模型相结合的节假日客运量组合预测模型,实现节假日总客运量、日客运量的预测.以北京的实际数据为例,对预测模型进行精度验证.结果表明,年客运量预测模型的平均相对误差为0.15%,春运期间每日客运量预测模型的平均相对误差为6.7%,能较好地体现客运量在不同阶段的变化趋势,具有良好的稳定性. 相似文献
10.
11.
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. 相似文献
12.
城市轨道交通车站客流集散过程中的设施瓶颈会导致车站内客流拥堵,严重影响乘客出行效率和系统运营安全.针对客流集散瓶颈进行识别和排序,在利用元胞自动机空间划分理念构建客流集散网络的基础上,分别基于复杂网络、网络最大流、拥挤堵塞等理论,提出了客流集散状态下形态、能力和拥堵瓶颈3种静态识别方法,并结合Anylogic仿真软件,基于集散时间进行静态瓶颈的排序;在动态瓶颈识别和排序方面,结合时间离散化的客流数据,提出基于时空拥堵强度的瓶颈识别及排序算法.以北京西直门换乘枢纽站为例进行概念建模和仿真建模,结果表明,利用堵塞流识别出的拥堵瓶颈在3种静态瓶颈中更符合车站实际运营情况;而排序重要度最高的动态瓶颈为站台处各楼梯起点,车站内客流集散瓶颈多出现在流线交织区且具有传播特性,验证了上述方法的可靠性和适用性. 相似文献
13.
14.
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. 相似文献
15.
16.
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. 相似文献
17.
由于地铁开通初期进行客流预测时间较短,在交通小区划分、交通调查、出行者行为、运营供应条件和预测模型方面均需做特殊处理。文中依据长沙市地铁1号线所设车站周边个人出行调查结果,利用改进的四阶段法建立预测模型对该地铁线路初期客流进行预测分析。 相似文献
18.
客流瓶颈的疏解对车站日常运营安全有着重要影响.构建了综合考虑M/G/c/c模型和用户均衡理论的乘客网络动态客流分配和瓶颈识别模型,通过多指标比较,有效识别车站瓶颈及其拥堵情况.在识别出的瓶颈点处进一步考虑瓶颈疏解方法,比较了不同导流杆设置方法对疏解效果的影响.以宋家庄站为例,对该站的瓶颈点进行识别和疏解,仿真结果表明,导流杆连续设置时对瓶颈的疏解效果较为稳定,案例中最优场景瓶颈区域密度均值和最大值明显下降,间隔设置时疏解效果则不如连续设置时明显. 相似文献
19.