一种基于预测反馈的城市公共交通协调调度系统

建立一种基于预测反馈的城市公共交通协调调度系统,利用相关终端获取实时的客流数据,对各站点的运量需求进行预测,并对预测值进行计算处理,得到初步的班线调度策略,以群组为单位,对联系较为紧密的各班线的调度策略进行协调,得到各班线均能接受的优化的调度策略,从而使各站点、班线和城市整体的客运能力和适应性均达到较为理想的水平.     

公共交通智能化调度基础数据预测方法研究

智能公共交通系统是将信息、数据通信、电子控制、卫星定位、计算机网络等科学技术应用于整个公共交通系统中。站点、客流集散量预测及公交站点间运行时间预测是城市公共交通智能化调度最重要工作。本文研究的主要目的是为公共交通智能化调度基础数据提供预测方法。首先提出基于逐步回归分析的方法预测公交站点客流集散量，其次提出广义回归神经网络方法预测站点间运行时间，并在长春市实际应用中得到了验证。     

基于智汇卡的公交大数据挖掘研究

选取公交行业大数据,涉及公交交易数据、公交GPS数据、地铁交易数据等,对数据结构进行分析,利用Oracle数据库对源数据进行筛选、清理,利用R语言、Python对数据进行更加精细化的分类、融合,通过设计算法分别实现公交交易数据与GPS数据融合、公交交易数据与GPS数据的上车站点名称匹配。以南京37路公交为例,挖掘公交客流特征,包括总体客流特征,老年人、学生和残疾人等特殊人群的公交出行特征;挖掘公交客流的日客流分布、时客流分布和空间客流分布;挖掘公交的运行状态中的运行参数,把握公交运行状态的规律。为智能公共交通系统建设、政府决策、公众便捷出行、企业运营调度优化及数据验证提供数据支撑。     

基于智汇卡的公交大数据应用研究

论文以基于智汇卡的公交大数据为分析研究对象,对公交大数据在公交服务水平评价以及运营调度方面的应用展开研究。首先分析了智汇卡大数据多源数据特征,并对多源数据进行处理,具体包括:数据的清理、选取、异常值的处理以及智汇卡交易数据与GPS数据的匹配,最后选定数据优质的南京市37路公交作为应用研究对象。运用大数据对37路公交的服务水平进行评价,包括站点可达性、线路可达性、服务便捷性。同时运用大数据分析37路公交的客流特征,制定组合调度形式提高其服务水平。结果表明:运用大数据可以更加科学的进行公交服务水平的评价以及优化公交的调度形式。     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

地铁线路客流分配方法与算法研究

地铁的规划、建设是国民经济高速发展的需要。着重对地铁线路的客流分配方法及算法进行了研究。提出了综合考虑时间、费用及舒适度三因素的交通阻抗函数 ,根据居民出行过程中的最短路因素及随机性因素 ,提出了改进型Logit出行方式分担率模型 ,并就 5种常见的地铁网型提出了客流分算法。其基本模型及算法简单、有效 ,易于在计算机上实现 ,并已在南京市地铁客流预测中应用。可供轻轨及公路交通借鉴和参考。     

敏感性因素对城市轨道交通客运量的影响分析

客流敏感性分析是客流预测中的重要环节,通过对各不确定性因素的分析,掌握客流量浮动范围,是指导地铁设计、把握地铁规模的重要依据.文章结合对多个城市地铁实际运营中客运量的变化分析,总结敏感性因素对轨道交通客运量的影响,进一步证明了敏感性因素分析在地铁客流预测中的重要性.在地铁客流预测中应着重关注票价、运营服务水平及突发客流对地铁客流水平的影响,从而缓解或避免因客流激增而对地铁运营造成的巨大压力.     

地铁行车间隔调整及应用

简要分析了地铁列车运行间隔及客流发展趋势,形成高密度、大客流情况下行车间隔调整的理论公式,重点对行车间隔调整公式在实际工作中的运用进行了研究,并总结了行车调整在调度指挥中的应用情况,为行车间隔调整理论计算探索新途径。     

地铁数字调度通信系统维修及优化策略

地铁数字调度通信系统是保障地铁运行的关键性因素之一,在当前阶段地铁运营管理过程中发现,地铁数字调度通信系统在运行过程中出现故障的概率是相对较高的,而在系统出现故障后影响到整个系统的传输控制效果,为此应该加强地铁数字调度通信系统维修及优化管理。鉴于此,本文针对地铁数字调度通信系统维修及优化策略进行了研究,旨在本文研究帮助下能够了解地铁数字调度通信系统的运行情况,对其整个系统的维修模式及优化策略进行分析,从而提高系统运营能力,保障地铁的正常运营。     

城市轨道交通客流预测结果敏感性分析

针对客流预测结果存在的问题,通过对客流影响因素分析,确定线网结构变化、票价因素、运营服务水平、社会经济用地四个主要影响因素,并就每个因素对客流预测结果的影响做敏感性分析。结合地铁5号线的实际数据进行实例分析,总体给出地铁5号线的推荐域值。     

基于IGWO-BP算法的轨道交通短时客流预测

轨道交通短时客流具有随机性和非线性的特点.为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP).计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力...     

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.      

地铁与上盖综合体客流流线设计思路分析——以广佛地铁金融高新区站为例

为分析地铁与上盖综合体客流流线设计思路,提高地铁上盖综合体客流出行质量,通过对地铁与上盖综合体客流流线设计原则进行分析,探讨其基本的设计思路,并以广佛地铁金融高新区站与其上盖综合体“地铁金融城”项目的客流流线设计为例,对其设计思路进行探析;分析地铁与上盖综合体客流流线设计应根据客流高峰期合理布置功能位置,并提出对同一出行高峰的功能,应按照其客流特点进行优先疏导;当客流流线经由地下时,应在流线上增设大空间,以保证换乘客流的舒适感,并兼顾考虑发生火灾时客流的疏散安全性。     

济南市轨道交通客流时空分布特征分析

充分掌握轨道交通客流时空分布特征,能够精准优化运营组织,提高轨道交通客运量。本文以济南市轨道交通一期线网为例,基于轨道交通刷卡数据对客流出行时间和空间分布特征进行分析,研究发现当前轨道交通存在线网覆盖不足、线网客流空间分布不均衡以及线路客流方向不均衡等问题,并对问题影响因素剖析,为轨道交通优化策略提供支撑,助推交通行业实现“碳达峰、碳中和”。     

以安全为导向的地铁过饱和线路跳站停车策略优化模型

为缓解高峰时段地铁过饱和线路的客流极端拥挤情况，从安全角度出发，以降低线路客流聚集风险和乘客总等待时间为目的，研究了地铁跳站停车策略优化问题。考虑随时间变化的动态客流需求，通过构建列车跳停、追踪运行、乘客动态加载等约束，推算出跳站停车策略下各车站乘客的动态聚集人数，并设计了独特的客流聚集风险评估函数。在传统只考虑乘客等待时间的列车跳停策略优化模型的基础上，将客流聚集风险纳入到模型的目标函数中，构建了以安全为导向的地铁跳站停车策略优化模型。考虑到模型的非线性特性，设计了适用于问题的可变邻域搜索算法(VNS)，提出了3类邻域新解的产生方式，并设置违反约束的惩罚函数，以提高求解效率。以北京地铁八通线为例，对其早高峰和部分平峰时段(07:00—10:40)下行方向42趟开行列车的停站策略进行了优化实验。结果表明:所提出的模型可在5 min内求解出高质量的列车跳停方案，能有效缓解极端拥堵，提升客运服务质量。对比发现，相对于传统站站停策略，列车跳停策略下，车站最大等待人数由5 299人减少到2 495人，客流聚集风险降低了98.7%。在客运服务水平方面，乘客的平均等待时间由9.49 min降低到9.15 min，降低了3.6%。      

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.      

长沙市地铁1号线开通初期客流预测研究

由于地铁开通初期进行客流预测时间较短,在交通小区划分、交通调查、出行者行为、运营供应条件和预测模型方面均需做特殊处理。文中依据长沙市地铁1号线所设车站周边个人出行调查结果,利用改进的四阶段法建立预测模型对该地铁线路初期客流进行预测分析。     

城市轨道交通客流预测算法研究

城市轨道交通客流预测是客运组织的基础,预测结果可为运营管理提供决策依据.针对城市轨道交通客流量预测问题,提出了一种ARMA-RBF组合客流预测算法:首先根据变点算法,通过对客流数据构成的时间序列处理得到变点集;然后基于小波变化对变点集进行去噪处理;最后利用ARMA-RBF算法对城市轨道客流进行预测.以北京地铁4号线新街口、平安里、西四地铁站进出客流数据进行方法验证,结果表明,相较于单独的ARMA算法或RBF神经网络算法,ARMA-RBF组合客流预测算法可提高城市轨道交通进站客流预测的精度.     

基于预测控制的PHEV能源管理策略

提出一种基于预测控制的PHEV在线能源管理策略。它利用BP神经网络构建旅途预测模型,并采用遗传-粒子群混合优化算法提升预测模型的车速预测精度;在此基础上,为保证预测模型对工况的适应性和策略的实时性,设计了基于动态规划的预测控制策略;最后以实际工况数据对提出的策略进行了仿真验证。结果表明,设计的旅途预测模型可有效地进行车速预测,预测精度超过93%;同时,与现有的实时策略和全局优化策略相比,采用提出的策略时油耗、排放和实时性得到了改善。