面向数据驱动的城市轨道交通短时客流预测模型

考虑城市轨道交通客流的时空交互关系,提出一种融合循环门控单元和图卷积神经网络的城市轨道交通客流预测模型(GCGRU)。首先,分析短时客流在城市轨道交通网络中的空间关系,建立图卷积神经网络提取不同车站客流的空间交互关系;其次,分析路网各车站客流的时间演化关系,并利用循环门控单元刻画各车站客流数据的时间特征,进而形成面向数据驱动的城市轨道交通路网短时客流预测模型。与传统方法相比,该模型能较好地刻画路网各车站客流的时空相关性,可以深度挖掘路网各车站客流变化的内在机理;同时与既有的图卷积神经网络相比,该模型提出了面向旅行时间的邻接矩阵,能够挖掘客流数据与运行图数据的内在关系,具有较高的精度和可解释性。最后,以广州地铁典型车站的出站量预测为例,验证该模型的有效性。结果表明:该模型在整体预测性能和各车站的预测性能上都优于现有模型,能较好地处理城市轨道交通客流的时空关系,精准地预测路网各车站客流变化。此外,通过邻接矩阵对预测精度影响的分析,进一步验证该模型的性能。     

基于周期时变特点的城市轨道交通短期客流预测研究

分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。     

城市轨道交通超大客流网络拥挤传播研究

为研究城市轨道交通超大客流传播的时间规律以及不同数量拥堵站点对整体轨道交通网络的影响,通过定义超大客流,引用疾病传播理论,建立了基于网络拥挤模型的超大客流拥堵网络疾病传播模型,并运用Adams微分方程数值进行模型求解。对反演参数得到的SIR传染病模型的传播特性拟合运用于轨道交通网络,并通过不同的初始拥堵站点数量进行仿真。研究表明:轨道交通超大客流的病态传播受传染概率、恢复概率、初始拥堵站点数影响,该联系为超大客流网络拥挤传播提供一种新的研究思路。     

基于多路径的城市轨道交通网络客流分布模型及算法研究

城市轨道交通网络形成之后,为实施"一票换乘"需建立轨道交通自动售检票清算管理中心,进行客流信息统计和票务收入清分,而清分的核心在于解决客流在网络上的分布问题.本文结合城市轨道交通系统的基本特性,提出一种考虑乘客多路径出行选择的客流概率分布模型,并设计基于深度优先的路径搜索算法.该模型既体现了乘客出行阻抗最小化的选择心理,又反映了路径多样化的实际情况,具有较强的实用性.最后通过北京轨道交通网络实际客流数据验证模型和算法的有效性.     

基于云模型的城市轨道交通短时客流预测

城市轨道交通线路短时客流具有不确定性特征。分析了短时客流的准周期性,用云概念表示短时客流的特征,构建历史时间云、历史客流云、当前客流趋势云以及客流预测云,并建立时间云与客流云的关联规则,将时间云作为规则前件,客流预测云作为规则后件构建单条件多规则不确定性预测云模型。以南京地铁2号线15 min间隔的进站客流预测为例,将云模型与ARIMA模型的预测结果进行对比分析,证明云模型应用于短时客流预测的有效性,从而为城市轨道交通线路短时客流预测提供了一种新途径。     

城市轨道交通线延伸段经济评价方法初探

针对城市轨道交通线延伸段的经济评价方法存在的分歧,对各种评价方法的优缺点进行了分析,探讨了基于增量法的延伸段经济评价方法.为解决增量客流的计算问题,运用灰色理论建立了先期工程客流的灰色系统模型.利用GM(1,1)模型对客运量进行拟合和预测,以此得到的客流数据作为先期工程的新预测客流.该模型的运用能较为准确地定量延伸段的客流增量,为正确评价延伸段的财务可行性和经济合理性提供了条件.     

基于换乘网络的城市轨道交通客流分配模型

城市轨道交通客流分配需要考虑乘客换乘的影响。为了直观表达乘客的换乘方案,方便换乘阻抗的计算,阐述了城市轨道交通换乘网络的构建方法,在分析换乘网络弧的阻抗计算方法的基础上,建立了城市轨道交通客流均衡分配模型。分析说明了该模型与公路交通分配模型具有相同的形式,因此可利用公路交通流分配算法进行求解。最后,通过实例验证了的该客流分配方法的有效性。     

高速铁路转移客流量计算模型与应用

高速铁路开通初期,合理估计客流量是科学制定动车组开行计划的基础.相对规划设计期的客流预测,运营期的客流分析与预测要求的精度更高.基于Logit模型,构建了高速铁路转移客流量的计算模型和计算方法,并以武广高速铁路为例,应用该方法计算了航空、公路、铁路既有线的相应客流转移量.运营结果表明:利用该模型与方法所得客流量与实际客...     

基于支持向量回归的地铁进站客流短时预测模型

基于准确的未来客流信息对地铁运营的重要性,研究客流预测的方法。选取支持向量机应用领域的一大分支——支持向量回归的方法对地铁进站客流进行短时预测,使用一种改进的粒子群算法进行参数寻优,从而构建客流预测模型。提出的模型以日期类型和所处时刻作为输入,可以提前预测未来一周的每15 min的客流。采取平均绝对百分比误差和均方根误差对模型的预测结果进行评估。使用广州杨箕车站进站客流数据进行实验,通过交叉验证确定验证参数选取的合理性,并将该模型与BP神经网络、KNN算法进行比较,实验表明模型预测结果的精度更高,稳定性更好。     

旅客列车票额智能预分方法研究

考虑客流本身的波动、客流预测的误差以及沿途车站的票额实际利用等问题,提出一种给定客流条件下的旅客列车票额预分算法。根据实际工作的特点和需求,总结旅客列车票额智能预分原则,并提出基本流程。将票额预分过程划分为基于给定客流的基本票额分配优化及剩余能力优化利用两个主要步骤。针对基本票额预分优化,以客运周转量和平均运距最大化为目标构建了双目标优化模型,并基于e-constraint方法提出了求解算法。针对剩余能力优化,以平均运距最大化为目标,并考虑车站的保护票额构建了优化模型,提出了相应算法。案例计算结果表明,该模型具有较好的实用性。     

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础.针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用.该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日...     

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。     

大型活动期间地铁车站客流预测方法研究

以中国进出口商品交易会(广交会)为研究对象,对大型活动期间地铁车站客流组成及其分布特征进行了分析,并基于历史客流数据提出广交会期间车站客流量的提取方法.基于灰色预测理论构建了广交会期间地铁车站客流量预测模型,依托2018年秋季广交会期间地铁车站客流数据对该模型进行了验证.结果 表明,所提方法可高精度预测广交会期间的地铁车站客流量.     

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。     

城市轨道交通客流时空演变建模研究

在阐述轨道交通客流时空演变概念的基础上,从时间和空间两个角度讨论不同层面微观客流演变的定义、意义以及模型构建方法。在时间演变规律上,分析不同主体和不同时间跨度的客流对运营的具体意义,结合实例分析适合不同主体和不同时间跨度的客流拟合模型;在客流空间演变规律上,讨论全线网站点客流Original Destination(OD)演变的建模方法,通过实例验证该方法的可行性,为轨道交通运营商分析客流时空特性提供参考。     

考虑峰值数据重平衡的地铁客流预测研究

地铁客流预测是城市轨道交通系统日常运营管理的基础,尤其是对突发大客流影响时的准确客流预测,能够有助于缓解城市地铁运营压力并降低安全风险。虽然目前的地铁客流预测方法在对日常客流预测准确性上有较好的表现,然而由于忽视了客流波动造成的客流峰值和谷值数据量不平衡,其对客流的峰值预测效果并不佳。为了进一步提高客流预测精度,考虑从峰值数据自身特征出发,通过聚类模型判断客流类别并验证不同客流类别间显著的不平衡问题,参照分类任务中类别不平衡问题的处理方式,通过欠采样、随机过采样和合成少数类过采样3种数据平衡方式,实现客流平衡处理。同时,采用支持向量回归、人工神经网络和长短时记忆神经网络3种预测模型,进行客流预测并对比不同数据平衡方式对模型性能的影响。研究结果表明：相比于未对训练集进行数据平衡处理,类别平衡在一定程度上提升了模型的预测精度;基于合成少数类过采样技术平衡数据的支持向量回归模型可以提供最佳的进站客流预测精度;基于随机过采样技术平衡数据的长短时记忆神经网络模型可以提供最佳的出站客流预测精度。研究结果可为客流波动较大情况下的城市轨道客流精准预测提供理论依据。     

轨道交通短期客流预测方法及其算法研究

轨道交通客流预测对轨道交通日常运营有着重要作用,文章首先根据轨道交通历史数据,对其客流特性进行了分析,着重利用灰色模型对轨道交通短期内的客流量进行建模预测,利用马尔科夫链修正和改进模型预测结果;为了方便客流预测的自动化实现,给出了整个客流预测过程的流程图,并对其预测算法进行了研究。     

城市轨道交通车站站台客流集散模型与仿真

结合车站站台客流类型、客流集散流程和客流集散影响因素,建立城市轨道交通车站站台客流集散模型。采用Anylogic软件建立站台客流集散仿真流程和仿真模型。以北京地铁4号线北京南站站为工程背景,对其站台客流进行了仿真计算。结果表明,站台客流集散模型能有效刻画高峰时段内站台客流的集散变化规律,验证了仿真模型的可行性。进一步探讨了高峰时段内基于不同发车间隔和不同上下行时间差的站台客流集散变化规律以及疏散仿真试验。形成了一种可操作的站台客流集散动态分析方法,可为城市轨道交通运力配置和车站客流组织提供一定参考。     

地铁车站候车区域乘客分配方法

针对地铁车站候车区域客流的分配问题,基于机动车交通流均衡分配理论,提出了一种候车区域乘客分配模型,以模拟地铁车站候车区域内客流的分配。以北京宣武门地铁站为例,通过统计分析该车站晚高峰时刻候车区域客流数据,验证了所构建的乘客分配模型的有效性。深入研究了不同进站客流率对于候车区域乘客分配的影响,提出站内设置实时动态引导信息的方法以提高候车区域的利用率。     

基于列车满载率的城市轨道交通进站客流量控制

基于新冠肺炎疫情的防控要求，2020年初北京轨道交通将列车满载率作为客流控制指标，严格控制城市轨道交通的进站客流量。为此，亟需量化各车站的进站客流控制阈值，用以作为现场客流管控的依据。提出了基于列车满载率的进站客流控制模型及相关客流控制方案。首先根据线网的客流特征对控流日客流的OD(起讫点)信息进行预测，再结合列车运行图精确推演出乘客进站—上车—换乘—下车的全过程出行链信息，计算得到乘客出行所乘坐的各计划运行车次的列车满载率数据；然后结合列车满载率控制指标进行逆向推演及反算，得到该计划列次在各站上车的客流控制阈值，再根据车站客流分布特征计算得到各站10 min粒度的进站客流控制阈值；最后，举例说明了该客流控制模型在北京轨道交通线网进站客流控制管理中的科学性及有效性。