城市轨道交通断面客流不确定性分析的广义自回归条件异方差改进模型

对比分析指出,城市轨道交通线路断面客流量变化与道路交通断面客流量变化具有相似性,但城市轨道交通线路断面客流时间序列具备特有的尖峰厚尾特性,其变化的敏感程度依赖时空条件,常用于道路领域的广义自回归条件异方差(GARCH)模型无法直接用于城市轨道交通领域。基于此,引入广义误差分布(GED)虚变量,构建改进的GARCH模型,并基于成都地铁1号线下行断面客流时间序列数据,借助EViews和Matlab软件对改进前后的模型效果进行实证对比分析。结果表明,改进后的虚变量GARCH模型比原始的GARCH模型具有更好的适用性。     

苏州市轨道交通典型站点客流离散特性对比分析

为准确把握苏州市轨道交通站点客流的离散特性,利用SARIMA模型和GARCH模型,对苏州市轨道交通车站的客流进行离散特性建模,并使用宽度流量比指标对6座典型车站的客流离散特性进行了分析和评价,为城市轨道交通车站客流特性的预测方法及车站设计和客流的疏导与管理提供了参考,具有一定借鉴意义。     

基于季节分解和SARIMA-GARCH模型的铁路月度客运量预测方法

首先,根据铁路月度客运量时序图呈现的趋势性、周期性和随机波动性,运用季节分解法将其分解为趋势循环分量、季节因子分量和不规则分量,直观量化地表征出所蕴含的特征信息。接着,引入季节时间序列模型(SARIMA)对平稳化和单整检验后的月度客运量序列的趋势性和季节性进行建模,通过季节差分序列的相关图筛选确定出最佳模型阶数,得到SARIMA基础预测模型。然后,为提高模型对波动性的刻画精度,消除异方差影响,再对基础模型的回归残差进行ARCH检验,构建出广义自回归条件异方差(GARCH)模型,并检验所建SARIMA-GARCH融合模型的稳定性。最后,将融合模型与常规SARIMA、ARIMA和NAR动态神经网络模型的短期预测值进行精度对比验证,并对其中长期预测性能做测试分析。结果表明,SARIMA-GARCH模型短期预测性能优于SARIMA、ARIMA和NAR动态神经网络模型。     

城市轨道交通站点客流不确定性研究

为提高城市轨道交通站点客流预测的可靠性,在分析客流不确定性影响因素的基础上,基于ARIMA-GARCH模型,依据南京地铁珠江路站点客流数据对客流不确定性进行建模和预测,并从预测置信区间和无效覆盖率两方面与传统的时间序列进行对比分析,研究结果表明,ARIMA-GARCH能够较好地拟合客流波动情况,为城市轨道交通运营与管理提供理论依据。     

基于IC卡刷卡数据的深圳市轨道交通站点活力研究

基于深圳市IC卡刷卡数据,分析深圳市轨道交通网络客流分布的特征规律,探讨轨道交通的客流模式,并提出一种基于客流强度和客流时间持续性的综合评估指标,定量分析深圳轨道交通站点的客流活力分布特征,而后对轨道交通站点进行分类分析。研究结果表明：深圳轨道交通网络的客流分布极不均衡,少数站点占据了大量的轨道交通客流量,前10的站点客流比重为19.64%;不同类型的站点客流模式存在显著差异,工作日和非工作日客流模式也有所不同。深圳轨道交通网络活力相对匮乏的站点比重较大,超过60%,非工作日轨道交通网络的客流活力明显优于工作日。     

以旅游功能为主的城市轨道交通线路客流预测方法

以深圳轨道交通8号线为例,分析了以旅游功能为主的轨道交通线路的客流特征。针对旅游客流特征,改进了传统的城市轨道交通客流预测方法,利用RP/SP(显示偏好/陈述偏好)调查等手段,提出建立旅游客流预测模型的方法。此方法改变了以往只预测各个预测年限工作日客流数据的惯例,提出针对淡季和旺季的工作日、周末\节假日分别进行客流预测,每个预测年限预测4套客流预测数据,为深圳轨道交通8号线工程可行性研究提供了必要且充足的数据支撑。     

基于多源数据的北京轨道交通客流特征分析

为提高城市轨道交通成网条件下客流预测与运营管理水平,有必要对轨道交通客流特征进行研究。结合实地调研数据,利用海量的市政交通"一卡通"(IC卡)数据和移动通信定位数据对北京市轨道交通乘客属性特征、时空特征、接驳特征、票价调整影响特征等进行分析,最后对客流需求高增长的北京轨道交通客流特征进行总结。结果表明:北京轨道交通工作日主要服务于中低收入的中青年通勤族,77.25%的乘客轨道交通出行时间在10~60 min之间;轨道交通线路高峰客流有明显的潮汐现象,受职住分离现象的影响,客流空间分布的不均衡性突出;现阶段轨道交通网络发展较为成熟,但仍有部分区域对轨道交通的需求较大;轨道交通站点接驳设施的便利性和完善性程度影响乘客对轨道站点交通方式的选择;在可接受范围内,票价调整对客流的影响在短期内较明显,经过渡期后客流量呈增加趋势。     

深圳市轨道交通周五大客流特征及成因分析

为了掌握深圳市轨道交通工作日客流日变化特征,以深圳市轨道交通一周的刷卡数据为基础,分析了工作日客流的总量及时间特征.针对工作日中周五客流较大的现象,进一步研究周五新增客流成因.从站点及线路特征、出行特征两个角度分析了周五新增客流的特征.结果 表明,周五客流增加的原因主要是有新的个体出行,而这些个体的出行特征具有一定规律.研究结果可为深圳市轨道交通工作日高峰客流的运营组织提供支撑.     

城市轨道交通客流密集度指数研究

基于轨道交通物联网监测数据，从点、线、面三个层级，构建不同时间粒度车站、线路、网络的客流密集度指数计算模型和算法。车站客流密集度指数模型综合考虑影响车站密集度指数的关键区域（出入口、站台、楼扶梯、换乘通道）的拥挤程度和拥挤范围因素；线路的客流密集度指数模型综合考虑车站和区间的影响；网络的客流密集度指数模型由各线路的客流密集度指数加权得到。测试结果表明，提出的模型计算结果与实际地铁客流出行规律一致，可较好地反映地铁拥挤程度，为地铁客流运营拥挤状态评价和辅助决策提供技术支持。     

苏州轨道交通节假日客流预测研究

节假日大客流往往会对城市轨道运营管理造成较大压力,及时准确地预测节假日期间客流,可以为城市轨道交通运营与管理部门制定运输计划、确定应对措施提供重要依据,保障节假日期间轨道交通安全顺畅运行。在分析节假日客流变化趋势的基础上,根据历史客流变化趋势获得基准客流;基于当前客流量水平,构建ARIMA-GARCH模型,预测轨道交通未来节假日各时段客流量。基于苏州轨道交通2018年与2019年的历史客流数据,对方法进行验证分析。结果表明,该方法能有效识别节假日客流特征,降低客流预测前期工作,并实现城市轨道交通节假日各时段客流预测。     

城市轨道交通进站客流量短时组合预测模型

高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义,利用客流预测结果在事前实施限流、疏导等措施,较事后控制更及时、先进。通过采集15 min间隔的地铁进站客流数据,利用上周同期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量,尝试分别采用加权历史平均自回归模型、ARIMA模型及小波神经网络模型进行短时预测,以获得精度最高的模型。在此基础上,进行三种方法组合预测,探究组合预测效果。通过案例分析,发现当考虑时段因素时,小波神经网络预测精度最高,为91.05%;ARIMA模型误差结构最好。当采用所提出的组合预测模型后,预测精度指标较独立预测模型均有提升,但误差结构没有得到改善。研究表明,所提组合预测模型可以有效地应用于城市轨道交通进站客流的短时预测中。     

铁路客运车站客流监测与预警系统

由于缺乏准确的实时客流数据,铁路客运车站的客运组织一直主要依靠经验来调配设备、人员等所需资源。为此,开发了铁路客运车站客流监测与预警系统,通过有效利用铁路客票预售数据、车站历史客流数据、旅客进出站实时数据、列车正晚点数据等相关数据,建立基于K均值聚类的支持向量回归机客流预测模型,实现车站每日进站客流、分时段进站客流、候车室客流的监测、预测及超限预警,方便车站工作人员随时掌握客流动态,及时根据客流变化进行设备和人员动态调配,更加精准、高效、安全、有序地开展车站客运组织作业,有助于改善车站客运服务水平,提升旅客出行体验。     

无缝换乘条件下城市轨道交通网络客流分配模型及算法

结合国内城市轨道交通无缝换乘的运营特点,充分考虑了影响城市轨道交通网络客流分配的主要因素（包括出行时间和换乘次数）,以及城市轨道交通网络的特有属性,构造城市轨道交通网络的广义费用函数,并分析乘客在城市轨道交通网络中的路径选择行为。在此基础上,基于随机用户平衡原则提出城市轨道交通网络客流分配问题的数学优化模型,在模型的求解中,分析目前常用的有效路径搜索方法并设计了基于图的深度优先搜索算法,以得出符合现实的有效路径集合,并给出求解配流模型的连续平均算法。最后通过北京市轨道交通网络的数据对模型和算法进行验证。     

铁路旅客乘车选择行为及其效用

通过分析铁路客流构成和旅客列车分类,将铁路旅客乘车选择行为的影响因素归结为旅客主体特性、列车特性和随机因素,构造可以直观描述列车特性的时间、费用和舒适度3个因素之间关系的曲线图。采用随机效用理论建立铁路旅客乘车选择行为非集计模型,给出个体旅客对列车选择概率的多项Logit模型,并通过影响因素选择及参数标定等设计求解方法。以某区段不同收入旅客群的乘车选择行为为例进行计算分析。从计算结果可以看出:旅客收入水平越高,考虑时间、舒适度因素就越多,受费用因素影响越小,更趋向于选择乘车时间较短、舒适度较高的高档次列车。计算所得2个旅客群对不同列车的选择概率结果具有合理性,表明模型与算法贴切地反映了铁路旅客乘车选择行为的特征。     

郑州地铁短期客流预测研究

建立符合郑州地铁客流特点的短期客流预测模型并运用到线网客流预测工作中。短期客流预测模型可预测未来1个月内工作日、周末及节假日的线网客流,为线网日常运营管理及运输组织工作提供有效参考依据。     

基于时空网络的城际高速铁路列车开行方案优化方法

列车开行方案是有效利用铁路运输能力和提升服务质量的关键组织手段。基于城际铁路客流的时变特性,将时空网络方法引入城际列车开行方案决策,增加考虑客流出行时间信息,从而能更加全面评价所得方案。在构造开行方案时空网络图的基础上,以最小化包括列车运行成本、旅客旅行时间、旅客出发偏差时间和未上车惩罚和列车数量等的总成本为目标,考虑时空网络客流及列车流守恒、发车时间间隔和列车能力等约束,建立基于时空网络的城际高速铁路列车开行方案优化模型,并设计双层模拟退火算法进行求解,其中内层算法优化列车停站方案,外层算法优化列车起讫点、开行数量和始发时间。算例计算分析表明,所提方法能为城际铁路列车开行方案决策提供科学依据。     

接触网锚段关节线形分析与计算

研究目的:在客运专线施工中,电气化接触网锚段关节安装调整的方法及工艺水平将直接关系到弓网运行质量。因该区域内结构复杂,位置关键,其一直是施工重难点项目。目前,国内施工单位仍然采用的是人工模拟反复调整的方法,这样既浪费时间,而且质量很难得到保证,更不能适应我国铁路发展水平的技术要求。研究结论:本文针对接触网悬挂安装后的实际工作状态,提出接触网锚段关节悬挂调整线形选择方案,通过对接触线索微段受力分析,认为采用二次抛物线过渡是比较理想的选择,并以此为基础建立计算模型。通过武广及京沪客专大量施工应用实践表明,采用该方法计算的吊弦安装后,精确到位,勿需调整,测试结果完全能满足线路试验及运营要求。     

基于周期运行图的京津城际铁路列车开行方案研究

城际铁路的客流性质、承担的运输任务以及提供给旅客的服务水平都与铁路既有线有所不同。制定城际铁路旅客列车开行方案，应考虑采用具有规律性强、使用灵活、能力利用率高、方便旅客出行等诸多优点的以周期运行图为特征的运输组织模式。本文研究基于周期运行图的旅客列车开行方案，同时考虑铁路运输企业运营的收益、旅客的总等待时间等具体需求，特别考虑到客流的不确定性，建立了包含3个具体目标的机会约束模型。并以京津城际铁路为背景，利用该模型计算得到列车的开行方案。结果表明，该模型较之单目标模型和确定性模型更能合理反映实际情况。     

城市轨道交通环境振动预测与评价

随着城市轨道交通的大量新建以及客运专线、城际铁路的快速发展,由此引起的线路环境振动与噪声问题日益突出,已成为城市建设与发展中人们关注的焦点之一.在国内外学者研究的基础上,作为应用实例,对某机场城市轨道交通连接线引起的环境振动进行了预测和评价,提出了适合我国城市轨道交通的环境振动预测和评价方法.