城市间经济引力模型实证研究及敏感性分析

更精准地预测城市间经济引力强度,有利于指导城市间交通基础设施建设。首先,对现状城市间引力进行实证研究,建立城市间经济引力模型;其次,采用城市间交通客流交互量对经济引力进行相关性表征,即认为城市间客流交互量越大的,其经济引力也越大;最后,基于手机信令数据推算各城市间客流交互量,对现状广州与粤港澳大湾区及省内城市间引力进行了建模,并对模型中的主要影响因素进行了敏感性分析。结果表明,根据人口、GDP、产业结构相似程度、两市间时间(空间)距离等影响因素建立的模型能够较好地预测城市间的经济引力。此外,两市间的时间距离对城市引力的影响比空间距离更大,规划城际性的快速交通网络对于提升两个城市间的经济引力具有积极作用。     

铁路客运专线客流量预测分析

客流预测是客运专线各项工作得以顺利进行的基础研究课题。首先分析了一般客流预测方法的特点,然后按照客运专线客流的形成原因将其分为趋势客流、诱发客流和转移客流,根据各部分客流的自身变化特点,分别采用不同的模型或方法进行预测,最后给出了总体客流量预测的计算方法。     

北京市郊铁路副中心线运营效益提升策略研究

北京市郊铁路副中心线的功能定位是利用既有铁路开行市郊列车,实现中心城区和城市副中心的快捷联系,解决城市副中心的通勤问题.线路开通后,由于内在和外在的因素,运营客流量与规划客流预期存在较大差距.通过研究市郊铁路副中心线运营后客流特征,分析线路客流低于预期的主要原因及未来线路客流提升的潜力,提出提升客流的主要措施和建议.     

城市轨道交通与地面常规公交换乘客流预测模型研究

轨道交通与地面常规公交共同支撑着城市公共交通系统.一个城市轨道交通系统效率的发挥,有待于作为集散客流重要交通方式的常规公交的配合,科学地分析与预测轨道交通与常规公交之间的换乘客流量,可以为确定交通枢纽建设的合理规模、各种交通工具在枢纽中的布局分布等提供依据.本文在总结各种客流预测模型的基础上,针对城市的不同情形给出了不同的换乘客流预测模型.     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

沈阳至铁岭城际快速轨道交通客流预测研究

基于对沈阳至铁岭城际快速轨道交通功能定位与客流特征分析,提出了将城际快速轨道交通作为区域客流通道进行研究的基本思想,以及四阶段客流预测的技术路线.通过客流分配模型,对沈阳至铁岭城际快速轨道交通进行了客流预测,获得线路全日客运量、平均运距和高峰小时最大断面客流量等客流预测指标.     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

基于城市轨道交通客流短时预测的运营编组设计

根据城市轨道交通客流短时预测量进行运营编组设计,更接近客流的实际运营情况,具有实时、灵活和快速响应等优点.以一周为周期,使用最近一周的历史断面客流量作为原始数据,应用嵌入式灰色神经网络组合模型进行短时预测,得到的下一周期断面客流量更符合客流不断变化的趋势.以此为基础进行运营编组设计,使其更能适应客流量的实时变化.然后将按计划运营的实际客流纳入历史客流,进行循环修正更新,作为下一周期客流短时预测基础进行运营编组设计.基于城市轨道交通客流短时预测的运营编组优化,在一定程度上可以提高城市轨道交通系统运能,提升运营效率,降低运营成本.     

成都市轨道交通客流特征分析及启示

成都市轨道交通刚刚起步,正在追赶高速发展的城镇化进程和较为清晰的城市空间布局。基于2010—2016年轨道交通运营客流数据,分析成都市开通轨道交通线路七年来的客流变化特征和成长规律,涉及客流总量、客流强度、换乘系数、换乘客流量、线路断面流量分布、进出站客流时间分布等。比较成都与北京、上海、广州等中国超大城市的轨道交通客流水平、增长步伐、变化趋势,总结成都市轨道交通客流与城市空间结构的关系,探讨对成都市轨道交通规划建设工作的启示。     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。      

基于SUMO的大型活动三层级公交疏散保障方案仿真

大型活动客流具有短时集聚与疏散的特点,为保障活动结束后场馆附近公交客流的快速有序疏散,构建三层级公交疏散运保体系,包括公交常规线、专用快线和微循环线.按客流量疏散目的地将其分为城市市内的内散客流量和需前往高铁站、飞机场等对外客运枢纽换乘至其他城市的外散客流量.对内散客流量,采用微循环线将乘客运送到公交常规线站点接驳出行;对外散客流量,采用微循环线将乘客运送到专用快线站点,再运送到对外客运枢纽.基于SUMO仿真平台,选择苏州市奥林匹克体育中心体育馆作为大型活动承办场所,仿真三层级公交保障方案下的客流疏散场景,更直观地说明微循环线的作用及其与公交常规线和专用快线的联动特点.     

城市轨道交通客流分析

在城市轨道交通的规划设计中,客流资料是项目的必要性论证、方案比选、确定系统规模、进行效益分析的基础.通过对我国十几座城市轨道交通系统30多条线路客流预测资料的分析,结合规划设计的技术决策过程和处理实际问题时的思路,建立了客流分析方法,提出不能仅靠"远期高峰小时单向最大断面客流量"来确定系统规模,应考察单向"最大断面客流量"是否能得到"高断面流量区间"的支撑;阐明了客运量可能的发展趋势;建立了以车站、路段为单元的客流空间分布研究方法和全日客运量时段分布研究方法;提出了应对系统、环境发生变化时的客流预测结果的调整方法.     

基于时序特征的城市轨道交通客流预测

通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10％以下,小于单个神经网络的预测误差,提高了预测精度.     

基于SARIMA模型的广珠城际铁路客流量预测

为实现铁路车站发送客流量的短期预测,研究预测步长对短期客流预测效果的影响,分析了广珠城际铁路车站发送客流的特征和变化规律,结合客流特征及季节性差分自回归滑动平均模型（seasonal autoregressive integrated moving average,SARIMA）的适用性,构建了SARIMA客流预测模型,利用Python软件中的Statsmodels模块完成了SARIMA客流模型的精细化调参,以广州南站、小榄站的发送客流量为例验证了模型的有效性. 结果表明,SARIMA预测模型可以较好地适用于不同数量等级的客流预测,其预测精度随预测步长的增加而降低. 预测步长为1时,广州南站、小榄站、珠海站客流预测平均绝对百分比误差（mean absolute percentage error,MAPE）值分别为3.97%,5.83%,5.43%;预测步长增加为2时,各车站客流预测误差显著增加,广州南站、小榄站、珠海站客流预测误差MAPE值分别为5.31%,6.79%,7.62%;预测步长大于2时,预测误差基本保持稳定. 将SARIMA模型预测效果与随机森林（random forest, RF）、支持向量机（support vector machine, SVM）、梯度提升算法（gradient boosting, GB）、K最近邻算法（K-nearest neighbor, KNN）模型或方法的预测效果进行对比,预测步长为1时,SARIMA模型预测效果略优于其余4种模型,5种预测模型预测精度差距较小;预测步长大于1时,RF、SVM、GB、KNN模型预测误差随预测步长显著增加,预测误差为SARIMA模型的数倍. SARIMA模型在客流时间序列的多步预测方面具有较大的优势.      

基于朴素贝叶斯的城市轨道交通网络客流动态分配模型

为解决传统城市轨道交通网络客流动态分配模型分配均衡度低的问题,提出基于朴素贝叶斯设计城市轨道交通网络客流动态分配模型.通过识别城市轨道交通网络断面客流量,提出城市轨道交通网络客流动态分配的目标函数,标定客流动态分配参数,计算网络客流动态分配量,采用朴素贝叶斯分类方法确定城市轨道交通网络客流动态分配模型.实证表明,设计模型的分配均衡度最小为1.0,远高于对照组,证明此方法可有效缓解传统城市轨道交通网络客流动态分配模型分配均衡度低的问题.     

城市轨道交通出站客流与疏散运能匹配研究

通过分析城市轨道交通出站客流的时空分布特性和到达规律,建立疏散运能匹配度模型来判定出站客流疏散的时效性。首先,构建出站客流到达换乘点的客流量计算公式,结合疏散运能计算公式,建立疏散运能匹配度模型。然后,从常规公交调度调整、线路和站点调整以及其他途径三个方面对运能调整进行建议。最后,以哈尔滨市轨道交通1号线为例,在交通量调查和问卷调查的基础上,对典型枢纽的出站客流与疏散运能匹配情况进行分析,得到沿线枢纽存在疏散运能不匹配的结论,需要进行运能调整以完成客流的及时疏散。通过对城市轨道交通出站客流与疏散运能匹配的研究,为充分发挥客流转换潜能,主动引导出行方式的结构优化,为缓解城市内部的交通拥堵提供理论支撑。     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营,本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程,采用状态参数集反映车站拥挤程度的多样化差异,定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例,仿真设置不同量值的突发客流,研究线网客流状态的演化规律.结果表明,随着突发客流量增加,客流状态从区域拥堵演化至线拥堵的速度减缓,从线拥堵演化至点拥堵的速度保持不变或略有加快.此外,大量突发客流会引起拥堵消散速度的减缓,造成更大时空范围的区域性拥堵.     

国内瞭望

正多个城市群规划将加快编制中国区域发展战略开始向纵深推进。根据不久前公布的《2017年国民经济和社会发展计划的报告》,国家发展改革委员会2017年将加快编制粤港澳大湾区、海峡西岸、关中平原、呼包鄂榆等多个城市群发展规划。2017年政府工作报告中首度提到要研究制定粤港澳大湾区城市区发展规划。粤港澳大湾区城市群拥有约1亿人口,面积5.6万多km2,GDP规模约1.3万亿美     

基于VMD-LSTM轨道交通客流预测模型

客流量预测是城市智能交通系统的重要组成部分.为实现客流量的准确预测,首先采用变分模态分解(VMD)将时序客流数据分解成不同时间尺度下的本征模态函数(IMF),降低数据噪声对客流预测模型的影响,再结合长短时记忆神经网络(LSTM)进行预测,提出VMD-LSTM预测模型.采集明尼苏达州州际轨道交通客流数据对模型进行验证.结...     

北京市轨道交通线网客流分布及成长规律

为了应对城市轨道交通快速建设带来的客流规模及分布的变化,有必要对线网客流变化趋势及成长规律进行研究。以北京市轨道交通系统IC卡数据为基础,从客流量的空间、时间分布等角度分析轨道交通网络化运营客流特征。分析轨道交通新线开通产生的诱发客流和转移客流,揭示新线开通对既有线路客流分布的影响。最后,从线网规模、线位、线网布局等方面归纳轨道交通线路及线网客流成长的一般规律。