公交客流OD矩阵推算

公交客流OD矩阵是／2-交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。     

基于组团式城市结构的公交客流OD推算研究

通过分析组团城市居民公交出行特征,得出组团式城市居民出行受组团空间结构、功能分布及用地性质影响较大;在分析组团城市居民公交出行过程的基础上,引入组团间吸引权系数和站点间吸引权系数,提出了由站点上下客人数推算组团城市单条公交线路OD的概率模型,并举实例进行了验证.结果表明:该方法方便简单,易于实现,可靠性高.     

公交线路客流OD矩阵推算方法研究

公交线路客流OD矩阵是公共交通管理和控制不可缺少的信息.参照机动车OD矩阵反推技术,对公交线路客流OD矩阵推算进行了专门研究.在公交线路客流OD调查数据的基础上,分析得到居民公交出行规律.首次建立了根据公交乘客上下车人数推算公交线路客流OD矩阵的极大熵模型,分别采用原始资料作为先验OD和重力模型形式的先验OD对模型进行求解,结果证明该模型精度较高.     

基于EMD-BPN方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步:首先,使用经验模态分解方法将客流时间序列分解;其次,将IMFs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

铁路货运OD模糊推算应用技术研究

结合我国区域铁路货运的特点,对可获取的多种来源的数据与信息进行了分析,并用于基年货运OD矩阵的推算。在对已有相关研究成果进行综述的基础上,建立了基于模糊规划理论的多源信息OD推算模型及相应的求解算法,提出了利用铁路枢纽货物交流表推算初始OD矩阵的计算方法,并通过江苏省铁路货运OD推算进行了实践验证。研究表明,模糊数学方法的引入有助于解决多源信息带来的两类不确定性问题,基于多源信息能够有效的进行OD初始阵的计算,与传统路段交通量反推OD技术相比,多源数据的各自权重显著影响OD矩阵的最终推算精度。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

基于公交IC卡数据的OD推算技术研究

公交OD矩阵是进行公交调度和公交线网优化的基础资料.随着公交IC卡技术的广泛应用,如何利用IC卡的数据信息来推算公交OD矩阵以及换乘次数、出行次数等公交出行信息,具有很强的现实意义和实用价值.通过对IC卡统计数据特点的分析,利用数据挖掘技术,分别对公交线路站点OD和区间出行OD的推算方法进行了研究,并进一步研究了如何从IC卡统计数据中得到公交出行的其他信息.分别给出了由IC卡统计数据推算公交线路站点OD和区间出行OD的方法,并提出了基于GIS的公交IC卡数据分析处理系统框架,建立了系统分析流程来实现公交OD的推算.通过分析发现,公交IC卡的数据分析处理最终要建立起能将数据库的处理功能和地理空间的属性特性结合起来的地理信息系统,才能够有效地解决公交OD推算、换乘次数以及出行次数等问题.     

高速铁路网络化客流分配方法

为了充分反映旅客在高速铁路网络化运营环境中的出行选择行为,以旅客中转换乘为重点环节展开高速铁路网络化客流分配方法研究.首先,围绕旅客在高铁网络中的中转换乘环节刻画旅客在网络中的出行过程,提出符合旅客网络出行特征的运输网络构建方法.其次,分析构建的运输网络中不同节点、不同弧段对旅客出行的意义,确定不同弧段的出行费用及能力约束,并构建整数网络化客流分配模型.最后,选取宝兰高铁、京广高铁等多条高铁构成的存在环状结构的网络实例研究验证模型的有效性,通过求解可得到客流完整的路径,打破以直达为导向的客流分配模式,实现网络中客流的均衡分配,更能全面反映客流在枢纽的换乘选择结果.     

城市公交枢纽换乘客流OD动态预测方法

换乘枢纽衔接公交线路的换乘客流OD是APTS下实施公交多线路动态协调调度的基础数据。以公交线路上下车乘客数的自动获取为前提,建立换乘OD推算优化模型,并设计了BP神经网络求解算法,应用数值试验对神经网络中的核心参数进行了标定。算例表明:BP神经网络为动态更新公交枢纽换乘客流OD提供了一种经济、有效的方法。     

基于航空OD客流的重力模型逆向算法

为了由航空OD（起讫点）客流数据及航线距离数据估计机场旅客吞吐量,结合哈密顿图简化算法机理,推导了简化代数算法．以我国15个主要机场之间航空0D客流数据为例,标定了模型参数,并利用两种逆向代数算法预测机场旅客吞吐量,结果吻合良好．与标准代数算法相比,简化代数算法需要的数据少,尤其适合于缺乏完整数据的大规模OD矩阵分析．     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

基于Epsilon 约束法的高速铁路客票多目标定价研究

高铁客票定价是多目标定价问题,既要保障旅客福利,又要增加企业合理利润. 以企业利润和旅客福利作为高铁定价目标,考虑旅客差异和不同运距情境下的多种运输方式竞争,研究高铁客票多目标定价. 结合Epsilon约束法构建双层规划模型,根据分层序列思想分解多目标问题,设计松弛算法得到纳什均衡解,由解对应的目标值得到帕累托边界,确定多目标定价最优决策. 计算结果表明,对比量价波动和目标值改进,多目标定价适合票价改革要求,时间敏感型客票和短途客票有较高涨价空间,多种运输方式竞争影响定价实施效果. 将 Epsilon 约束法应用于求解高铁客票定价多目标问题,有利于优化客运企业与旅客利益,为铁路部门提供高铁客票定价思路.     

基于公交站点上下客人数反推OD矩阵的概率论模型研究

基于站点上下客人数,采用简单概率分布模型,可提出反推公交站点间的OD分布矩阵的具体方法。实例表明,在采用此类方法进行反推计算时,应按照土地利用性质对站点进行合并计算,这样方可提高推算的精度。     

基于PCA-聚类分析的高铁旅客购票行为特性研究

铁路运输中旅客购票行为是铁路客运运营策略制定的重要基础.旅客购票行为直接影响着列车能力的占用过程,是铁路客运票额组织的重要依据.根据贵阳—广州高速铁路的旅客购票统计数据,以高铁购票旅客为样本,运用主成分分析法购票行为的特征属性进行综合分析,获得购票行为中重要特征变量.结合单次购票强度提出基于模糊C均值的双重聚类算法,对购票旅客进行聚类,并利用模糊聚类有效性指标Xie-beni和分离系数法确定最佳聚类数.结果表明,高铁旅客购票行为的关键特性为单次出行旅客人数、购票提前天数、出行OD城市人均GDP和购票渠道;不同旅客类型的购票行为有明显特性.     

考虑路段流量不确定性的OD矩阵反推算法

现有OD矩阵反推技术大都将路段流量确定为稳定不变的,导致反推精度不高。为了解决这一问题,以交通网络平衡和双层规划模型为理论基础,选取路段流量与实测流量之间的偏差平方和最小作为目标函数,删除OD矩阵的判别误差函数,将双层规划模型简化为单层规划,从而减少了计算量。以云南省某城市中心城区路网作为实际算例,采取用户平衡分配模型进行验证。结果表明,分配得到的路段流量与实测流量的相对误差都在12％以内,证明该方法与已有研究中以网络行驶时间最小作为目标函数的反推模型相比,精度更高。     

基于马尔可夫过程的快速路OD矩阵估计方法

为得到城市快速路网络的OD矩阵,引入马尔可夫理论.运用吸收马尔可夫过程对快速路网络进行建模分析,给出相应求解算法推导路段流量,小区OD矩阵表达式,并介绍了运用MATLAB软件进行矩阵求解的方法.最后进行了算例分析,利用VISSIM仿真,通过布设线圈检测器,对OD矩阵估计模型及算法进行精度评价.结果显示,模型可很好地拟合...     

基于潜在类别模型的高铁旅客市场细分

对高速铁路旅客市场进行细分是应用收益管理理论的重要环节.基于京沪高铁的客票数据,选取年龄、性别、出行日期、出行距离、购票方式和提前购票时间6类外显变量作为分类指标,采用潜在类别模型进行高速铁路旅客市场的细分.首先将外显变量概率参数化后代入模型进行建模并利用Mplus软件进行模型求解,模型拟合的AIC和BIC等指标表明,当潜在类别为3类时模型具有较好的效果.然后根据模型参数估计结果对所有数据进行潜在聚类分析,分类正确率达到93%左右,表明分类结果合理,3种类别的旅客在提前购票时间、出行距离等方面具有明显的差异.潜在类别模型的引入可以为我国高速铁路收益管理理论研究和实践应用提供参考借鉴.     

基于BP神经网络的轨道交通客流量预测

通过对BP神经网络的研究,借助MATLAB软件及其神经网络工具箱的应用学习,对非线性函数进行逼近,通过特定设计函数对所需要建立的神经网络模型进行训练,并且利用仿真来判断误差结果,得出符合模型的合理权值以及阈值,最后根据已有年数据进行轨道交通客流量的预测.