基于贝叶斯网络的短时公交客流预测模型

针对公交客流的时变特征,假设当前时刻的客流量仅与历史客流量和发车频率相关,提出一种基于贝叶斯网络的短时公交客流预测模型,给出了节点定义、网络结构与参数学习及推理算法,揭示了它们之间的因果关系;通过南通市301路公交线路某个站点的实际客流调查,利用该模型预测其发展趋势,并与神经网络、支持向量机等预测模型进行比较,验证了其有效性。     

基于GIS的公交网络客流分配方法研究

常规公交是我国城市公共交通运营的主体,研究常规公交网络的客流分配方法有着重要的意义。本文分析传统公交客流分配方法的不足,在地理信息系统的基础上研究了一种公交网络数据结构模型,以充分表达公交线路、站点和交通区域间的空间位置关系,提出一种实用的公交客流分配技术。该方法在城市公交规划中得到了实际应用,并取得良好的效果。     

基于灰色理论的公交候车排队客流预测

通过对公交站点的候车排队客流调查分析,研究了站点排队客流的特征,针对候车排队客流周期波动的特征,采用灰色理论的研究方法对于候车排队客流进行预测,并在此基础上应用最小二乘法的非线性拟合的方式对于残差进行预测,最后将灰色理论预测结果与残差预测结果进行整合.通过实例,验证了改进后的灰色理论在公交候车排队客流预测方面的有效性和可行性,并且取得了比较好的预测结果.     

基于数据库的公交客流调查数据处理与挖掘

智能公共交通系统的技术基础是实时掌握公共交通的需求情况，这就要求对公交客流调查获取的需求数据进行准确、快捷的分析处理。文中利用Visual Foxpro数据库和数据挖掘技术，构建了公交客流调查数据处理新模式，并说明了其功能和运行效果。     

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.     

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。     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。      

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%.     

基于天气影响分析的公交客流调查日期确定方法

目前公交客流调查日期的确定往往过于经验性和随机性,不利于调查数据质量的把握。文中通过建立多元回归模型,定量研究了公交日常客流随机波动的天气影响因素,并结合IC卡数据样本特征分析,提出了确定公交客流辅助调查日期的具体方法。该方法在工程实践中得到良好应用,且为相应区域公交规划的调查日期确定提供了参考依据。     

基于乘客主观感知的公交客流拥塞量化表征模型

为了综合量化表征公交走廊客流承载设施及工具的空间拥挤性和客流运送时间效率,并科学评价客观技术指标和主观乘客感知对公交系统运行状态的敏感度,提出客流拥塞的概念,并用客流拥塞指数量化表征公交系统运行状态。通过解析客流拥塞与出行时效的关联,并分析公交出行阶段特征,基于“时效延长”思想构建客流拥塞量化表征模型,用于系统量化乘客对出行时间和空间拥挤的主观感知;选取影响出行时效的核心要素作为特征变量（车厢客流密度、站台乘客密度、区间乘车时间和站点候车时间）,采用直观类比打分SP调查法获取数据用于估计模型参数;基于北京西三环公交走廊实测数据,分析全天区间客流拥塞指数时空分布特征和走廊客流拥塞指数动态演化趋势。研究结果表明：北京西三环公交走廊客流拥塞高峰阈值为0.193 9,客流拥塞状态存在明显的方向特征,下行方向客流拥塞高峰状态更显著且持续时间更长;4个特征变量灵敏度系数均值分别为0.449 2,0.165 2,1.427 1和0.408 3,即区间乘车时间为客流拥塞指数最显著的影响因子,而站台乘客密度的影响程度最小,模型识别公交客流拥塞成因的能力得以体现;该模型能够综合全面地反映公交走廊客流拥塞时空分布和动态演化趋势,并能够应用于公交运行状态改善措施研究。     

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误,解决车辆串车问题,研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征,以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束,采用实时混合控制策略,实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法,考虑到乘客到达率的不确定性,并通过调控公交车辆站点驻站时间以及路段平均行驶速度,可满足站点时段性群体聚集公交客流出行需求,防范潜在的公交串车。在模型求解上,考虑到双目标优化视角的差异性,运用超车规则对串车场景下的出站车辆重新排序,设计基于NSGA-II的求解算法,以拥挤距离标定序度关系,以精英策略获取新种群,改进交叉算子,并基于TOPSIS法对获取的Pareto解集择优。最后,以实际公交线路为例进行案例分析,结果表明：基于站点群体聚集性客流的公交串车优化调度模型,系统考虑了乘客乘车属性与车辆载客限制,能够输出最优的车辆滞站与车速调整方案,并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...     

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.     

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.     

基于公交 IC 卡和 AVL 数据的客流 OD 推导方法

公交 IC 卡收费系统和车辆定位系统的广泛应用,为获取公交客流 OD 提供了新的途径。针对现有公交客流 OD 推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流 OD推导算法进行了改进。为了修正公交 IC 卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于 AVL 数据的公交 IC 卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交 IC 卡和 AVL 数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流 OD 推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

应对春运客流高峰,公交安全不容忽视

一年一度的春运如期而至。对于身处异地他乡的人来说,积攒一年的思乡之情,都在年末愈发浓重的节日氛围中得到释放,因此回家的期望就显得迫切而强烈。对于在外辛苦奔波一年的人们来说,能否在春节之前顺顺利利、平平安安的回到家中,成为眼下最为揪心的事情。     

公交客流分配模型改进算例研究

公交分配模型是城市交通需求预测模型的重要组成部分,改进分配算法提高预测精度具有现实意义.分析了公交分配最优策略分配模型及其3种改进模型,分别是Logit加载模型、组合加载模型和策略改进的组合加载模型.通过案例研究了3种改进模型的参数灵敏度,分析了乘客出行时间感知误差对客流分配的影响,并使用经典的Spiess公交网络进行测试,对比了最优策略算法及其改进算法的结果差异.结果表明改进算法对乘客感知误差的灵敏度表现具有连续性,比最优策略分配模型更为可靠,其中,组合加载模型是最优策略模型的推广,策略改进组合加载模型应用最为灵活,考虑的因素更为周全.     

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。     

基于视频图像的交通事件检测系统研究与开发

交通事件检测是智能交通系统中的重要组成部分和关键技术.文中基于计算机视觉技术与数字图像处理技术,结合当前我国高速公路交通监控所需和已有监控设施,对基于视频图像的交通事件检测进行了研究,并完成了系统的开发和测试.     

基于MFC的电动汽车整车下线检测设备的开发

为确保所有电动车电气设备在交付后能够正常工作,基于MFC我们设计并开发了新能源电动车的整车下线检测设备,通过对电动汽车整车下线检测设备国内外发展状况做出调查分析,并对系统的原理及控制功能进行分析得到下线检测设备总体方案,最后对系统的故障码的读取与清除,动作测试,VCU内部信息的读取及将数据写入到VCU的功能分析,研究结果表明本系统实现新能源汽车的VCU装配检测、整车CAN线上的功能配置数据读取、故障分析读取和基本信息保存功能,为加快对电动汽车的检测,确保产品质量,为评价与跟踪车辆提供重要依据。