南京市地铁1号线开通初期客流预测

为了对南京市地铁1号线开通初期进行精准的客流预测,以规划地铁1号线沿线车站1km半径范围内的51个交通小区为研究重点,进行了5类个人出行调查,利用四阶段法建立交通模型进行预测分析。在交通方式预测阶段,利用交通意向调查数据建立了轨道交通转移率模型,得到轨道交通OD预测结果。最后,将预测结果与实际客流进行比较,说明客流预测精度较好,验证了所使用的出行调查和模型方法的合理和有效性。     

基于Wi-Fi探针的地铁客流预测研究

在城市轨道交通日常运营中,随着车站客流量的逐年增长,为了避免人群拥挤导致的安全问题,地铁车站客流量的准确预测存在重要的现实意义.通过对Wi-Fi探针的采集原理、源数据处理进行分析,对Wi-Fi探针间的关系进行关联分析,构建BP神经网络客流的预测模型,最后以算例验证Wi-Fi探针技术采集数据及客流预测模型的有效性和可行性,并以某地铁站采集到的数据为例进行验证.实验结果表明,Wi-Fi探针技术采集到的数据可以满足客流预测的需求,基于Wi-Fi探针的地铁客流预测模型有效.     

基于出行链的铁路车站开通初期客流预测研究

【目的】为解决铁路车站开通初期客流预测缺乏数据支撑,以及估计不同交通方式成本来计算客流转移量结果与实际偏差较大的问题。【方法】以新开通南沿江城际铁路江阴站为例,考虑该线与既有高速及城际铁路的线位关系,基于城际出行链,依托旅客出行行为调查对区域内可选择的不同交通方式的城际出行效用进行定量计算,采用Multinominal Logit(MNL)模型,区分工作日与非工作日,结合客流分配现状对效用变量系数进行标定,据此预测南沿江城际铁路江阴站开通后发往南京、上海枢纽的客流量,同时结合城市经济和社会发展推演计算发往沿线其他站点的客流。【结果】结果表明,南沿江城际铁路江阴站的开通可以有效吸引江阴地区原本选择既有铁路、公路去往南京、上海的客流以及选择公路去往南沿江城际铁路沿线其他城市的客流。【结论】因此,南沿江城际铁路的开通能有效缓解辐射范围内既有铁路、公路的运输压力,客流预测结果还将支撑站点运力资源配置优化研究。     

基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究

地铁客流的变化规律存在着一定周期性和潮汐性,针对地铁客流的预测有助于提高城市轨道系统的运营效率,实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度,提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群,再利用改进后的麻雀算法优化BP神经网络,达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例,利用构建的预测模型开展客流预测实验,并通过3种准确性评价指标(MAE、RMSE、MAPE),评价改进前后模型预测的准确性。研究结果表明：改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14.96%和13.73%;与传统BP预测模型相比,其客流预测结果具有更高的准确性。     

哈尔滨地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果。通过分析,证明了四阶段预测方法的可行性及合理性。     

哈尔滨市地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果.通过分析,证明了四阶段预测方法的可行性及合理性.     

基于动态时空神经网络模型的地铁客流预测

针对城市轨道交通站点客流预测问题,本文提出一种基于注意力机制的动态时空神经网络(DSTNN)模型。模型采用多分支并行架构,能够有效提取地铁客流的复杂时空特征,在空间维度上,全局和局部注意力机制相结合,实现站点间动态时空关联和静态拓扑结构的捕捉;在时间维度上,使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验,结果表明：相较于经典预测模型和深度学习模型,DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下,DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型(DCRNN)和物理虚拟结合图网络模型(PVCGN)分别降低6.63%和2.57%。此外,可视化分析证明了本模型对时空关联的动态学习能力,消融实验验证了各分支的有效性。     

基于改进灰色马尔科夫模型的地铁客流预测

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型,对西安地铁客流量的数据进行分析预测;然后对原始数据序列滑动平均处理,再用无偏GM(1,1)模型拟合系统的发展变化趋势,将修正后得到的模型与马尔科夫模型进行结合,提出改进的灰色马尔科夫模型预测方法。利用改进后的新模型对地铁客流的预测结果与传统的灰色马尔科夫模型进行对比。结果表明,改进后的灰色马尔科夫模型预测精度有显著提高。     

基于多模式灰色模型的地铁全网客流预测研究

地铁全网客流量预测对轨道线网规模确定及线路规划建设具有指导性作用,为准确预测地铁全网客流量,选取GM(1,1)均值模型、GM(1,1)差分模型和灰色Verhulst模型对重庆地铁全网客流量进行预测,采用平均相对误差、均方差比值和关联度三个指标对模型进行检验。结果表明:GM(1,1)均值模型预测结果与实际数据最接近,预测性能优于差分模型和Verhulst模型,为重庆地铁全网客流预测提供新思路,为重庆地铁规划建设提供理论依据。     

哈尔滨地铁1#线客流特征与开行方案分析

城市轨道交通线路的客流特征是运营组织的重要依据,通过对哈地铁1#线客流特征进行研究,针对其客流特性,提出了大小交路运行与快慢车组合两种开行方案,并将两种行车组织方式进行对比,得出符合本线路客流特征,满足乘客需求的运营方案.     

西安地铁二号线客流预测后评估

统计西安地铁2~#线客流预测数据和现状客流数据,进行客流预测后评估。在充分地考虑了轨道交通客流预测不确定因素的前提下,对比分析了日均客运量、高峰小时客运量、高峰小时单向最大断面客流量、客运周转量、平均乘距、车站进出站客流、时间分布特征。解析目前城市轨道交通客流预测中的不足,分析了影响客流预测精确度的因素,探讨今后改进城市轨道交通客流预测的思路。     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

地铁新线穿越既有线车站的施工方案优化设计

在地铁车站施工中,新建线路穿越既有线路车站是不可避免的问题,为保障施工影响范围内地下建筑物的安全,以及围岩与结构的稳定,针对具体工程,对需要采取措施的近接施工,采用力学仿真分析,总结出合理的设计施工方案。在新建车站施工过程中,通过分析优化设计既有车站的应力、变形规律,而获得相应的支护措施和最优的施工方案。     

地铁车站客流指示与疏导方案优化设计

科学合理的车站客流指示与疏导方案可以帮助乘客在复杂的车站环境中安全、迅速、准确的选择行进路线。文章以南昌地铁双港站、庐山南大道站、地铁大厦站为调查对象,从基础设施设备、客流量、乘客进站走行时间三个方面进行调查,得出客流指示与疏导系统存在的问题。最后以地铁大厦站为例进行方案优化设计,并从站外引导、乘客进站、乘客出站三类流线模拟乘客走行记录时间来对比优化前后的效果,为方案优化设计提供依据。     

基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明：考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。     

长沙地铁2号线运营初期客流特征分析

开展客流特征研究对科学合理地设计轨道交通系统、优化运营组织设计具有重要意义。以长沙地铁2号线的地铁刷卡数据为研究对象,运用数理统计方法对其开通初期三年的运营客流进行分析,着重分析断面不均衡系数、车站进出站高峰系数与车站周边土地利用性质的相关性,线路客运量高峰系数与该线功能定位的关系,以及乘降量和换乘量的客流特征。针对上述结论对设计和运营提出建议,可为轨道交通的设计、建设、运营提供参考,也可为大城市轨道交通客流预测结果的合理性判断提供依据。     

成都地铁2号线东延线有望明年开建

据报道：预计到明年二季度，2号线东延线的施工设计即将完成。目前，中铁成都轨道交通设计院正负责进行2号线东延线、3号线的初步设计工作。2号线东延线自经干院至龙泉东站，共设林家大堰站、龙泉西站、东风渠站、龙泉站、保安村站和龙泉东站6个站台，全长10．8公里。如果工期推进顺利，预计最快可在2013年建成通车。     

地铁与周边建筑连接通道客流预测方法

基于连通北京市地铁车站与周边建筑的人行通道的不同特点,分析研究操作性较强的客流预测方法体系,提出三种不同的预测方法,并提出各种方法的应用条件。以地铁大兴线西红门站与英特宜家购物中心连接通廊为例,进行客流预测分析,为确定连接通廊的建设规模提供技术支持。     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测.通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练,并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明:所建的Elman模型比BP模型的预测精度高,效果好.