公交线路客流时段分布估计新方法--首末站分层不等概率整群抽样法

在对南京市公交线路客注解调查数据研究的基础上，提出一种公交线路客流时段分布估计的新方法，即利用首末站分层不等概率整群抽样方法，对线路客流进行估计，并给出相应的方差估计公式。该方法在南京市的公交企业中得到了实际的应用。     

基于HRHN模型的城市常规公交线路客流预测

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.     

快速公交车站客流预测模型问题研究

在分析传统＂四阶段＂客流预测方法优缺点的基础上,引入了＂出行者收入水平＂这一概念,重新定义了出行方式阻抗函数,提出了一种快速公交车站进出站客流预测的＂四阶段＂预测法的改进方法。选取阜石路快速公交系统中的甘家口车站进行实例分析,对车站高峰小时进出站客流量进行了预测。     

利用模糊神经网络预测道路交通事故损失

本文利用模糊神经网络系统的特性，分析道路交通事故损失与交通事故次数，死亡人数和受伤人数之间的关系，提出了模糊神经网络预测道路交通事故损失的方法。     

呼和浩特市轨道交通客流预测分析

轨道交通建设规划编制需开展客流预测工作,客流预测结果将作为轨道项目建设的必要性和运输方式、建设方案和运营组织模式选择的参考依据,同时通过对不同预选建设方案的客流测试结果作出财务和国民经济评价,配合城市规模和经济发展水平确定与之相适宜的建设方案和实施计划,并进一步对推荐方案进行详细客流测试,为线路的系统制式、车辆编组和运行组织等提供初步参考。     

基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。     

城市群轨道交通客流预测在TransCAD中的实现

城市群轨道交通客流预测多采用综合线网分配预测法，为了提高预测法精度，准确地描述城市群中各种公共交通方式之间的合作竞争关系，在预测时需要考虑竞争方式的运营组织。讨论了基于运营组织的城市群轨道交通客流预测分配阶段应用TransCAD解决预测的整体思路与方案，阐述了其操作步骤、各种层的建立、相关表的建立及设置、相关属性设置、分配结果处理及需注意的事项，并引入AutoCAD辅助建立基层线网层及小区层。     

小波模糊神经网络在高速公路沥青路面性能预测中的应用

针对高速公路沥青路面养护管理的需求,将小波变换理论与模糊神经网络结合起来,建立用于高速公路沥青路面性能预测的小波模糊神经网络。对路面性能的原始数据列进行小波分析后,再通过样本学习训练,获取预测的数据列,最后通过重构获得路面性能的预测数据列。将小波模糊网络与一般神经网络的预测结果相比较,结果表明：采用小波模糊神经网络对高速公路沥青路面性能预测可降低人为因素影响,保证预测结果尽可能客观,提高预测效率。     

基于BP神经网络的交通事故预测模型

交通事故预测对于分析现有道路交通条件下交通事故的未来发展趋势及其预防具有重要意义。在进行交通事故统计的基础上，运用BP神经网络理论，建立交通事故预测模型。计算结果表明，该模型较传统方法精度高，可用于交通事故预测。     

基于模糊-神经网络的公交出行不确定性研究

为了合理规划公交线路,优化公交路网,提高乘客的舒适性,在交通工程学、模糊理论的指导下,通过对影响公交出行的主要因素定性分析,确定了影响出行生成量的模糊因素;结合对某地公交出行实地调研,分析出影响因素与出行量之间的相互关系规律;并采用空间静态模糊预测方法对调研数据进行处理,从而得到公交出行中快捷、舒适、方便、安全的隶属度,最后结合BP人工神经网络预测出该地区的公交出行生成量,为交通设施的建设提供了理论依据.     

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.     

基于神经网络PID控制的客车ECAS设计与实现

以飞思卡尔MC9S08GB60单片机为控制核心,以亚星YBL6891H型客车为试验对象,针对空气悬架系统本身的非线性特性,采用神经PID控制算法,设计了一种通过检测车身高度对空气弹簧进行充排气,进而改变弹簧刚度的客车电控空气悬架系统.根据悬架评价指标建立了电控悬架的2自由度1/4车辆模型,通过仿真验证了该悬架系统对悬架动行程、车轮动载荷及车身垂直加速度这3项汽车行驶平顺性评价指标的改善,最后通过试验验证了所设计控制策略的正确性.     

基于神经网络的班轮航线配船优化方法

通过一种神经网络算法对班轮航线配船进行了优化求解，其计算结果经验是正确的，符合运输和时吨位大的船舶优先分配到各条航线，从而减少运输成本的原则，此算法表明，基于神经网络的优化方法对于其它的数学规划也是可行的，开辟了优化求解的新思路。     

城市公共汽电车中途站人流仿真研究

针对公共汽电车中途站行人运行仿真问题,研究了基于NetLogo仿真平台的中途站人流仿真模型。首先分析了基于Agent的建模方法,并以此为据采用元胞自动机建模技术进行行人仿真,在此之上开发了基于NetLogo的用于中途站行人交通流仿真的行人仿真分析平台,并介绍了该仿真平台在分析中途站行人交通组织中的应用。     

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...     

快速公交客流量影响因素解释结构模型构建与应用

针对当前交通拥堵、能源紧张、尾气污染等一系列问题,为加快快速公共交通的发展、提高公共交通利用率,本文找出了影响快速公交客流的主要因素,利用系统工程学中的ISM方法,构建了快速公交客流系统解释结构模型,通过分析探讨快速公交客流的主要影响因素,进而明确了各因素间的清晰结构,得到影响快速公交客流量的5级递阶结构;最后找出影响快速公交客流因素的各影响因素.通过影响因素,建立了多元回归模型,从影响程度、影响方向、影响时期分别归类分析.通过分析各层级因素对快速公交客流量的影响,可引导更多居民选择快速公交出行,对缓解交通压力提供了一定方法指导和决策支持.并通过合理分析为快速公交运输服务提出了建议.     

公交车辆行程时间预测方法研究

章以智能交通运输系统为背景，分析公闪车辆的行驶特性，在大量实测数据的基础上，应用统计回归理论，进行了公交车辆行程时间预测模型的假设和建立，并给出了公交车辆行程时间的预测结果。     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

神经网络在客车车身造型美学评价中的应用研究

提出基于人工神经网络（ANN）对客车车身造型进行美学评价的计算机辅助方法,阐述了用于“准三维”造型评价的BP网络结构以及造型特征提取技术。初步创建了智能化客车造型美学评价软件,并将其应用到实际客车造型评价中,使用效果良好。