上海市轨道交通市域快线规划探索与实践

为加深对轨道交通市域快线的认识和理解,开展上海市域快线的评估工作。基于交通年报数据和交通卡刷卡数据,从规划目标实现情况、客流特征等角度,开展市域快线规划实施评估。研究表明,市域快线客流总体上呈现平均运距较长、负荷强度偏低、客流密度偏低等特点。进一步研究发现,客流在空间分布上呈现沿线路轴向分布、中心区集聚、外围组团化三大特征,在时间分布上呈现高峰客流累积效应和客流集聚效应两大特征。最后基于市域快线的特征,从市域快线的线网布局、选线规划、客流预测等方面,提出策略性建议。     

城市轨道交通初期运营客流预测技术研究

城市轨道交通新开通线路初期运营客流预测是开展初期运营安全评估和运营组织筹备的基础性工作。分析初期运营客流预测在预测期、研究对象、基础数据和预测模型方面的特点,总结该类预测工作开展的技术难点。在此基础上提出一套适用于初期运营客流预测的技术路线,阐述其中基础资料收集、交通调查、交通运行特征分析、出行需求预测、评估分析及敏感性分析的研究要点,并概括总结客流预测指标、对既有线的影响评估、需要重点关注的车站等研究内容。研究结果表明,初期运营客流预测重点在于准确把握城市及交通发展现状,而解读城市及交通发展现状资料并掌握其运行现状特点,研判其短期发展趋势是初期运营客流预测的基础性工作;针对宏观交通需求分析模型对微观客流指标预测的精度不足问题,可在城市宏观交通需求预测的基础上,通过开展各类交通调查建立城轨系统出行需求分析专题模型。本研究成果以期为初期运营客流预测的技术方法、研究内容等提供借鉴。     

武汉轨道交通客流分析及其启示

根据武汉市轨道交通1号线一期工程运营1周年内客流数据并结合最新客流情况,对其变化规律进行分析研究.对比国内城市轨道交通客流成长情况,系统分析了目前武汉市轨道交通客流不足的原因,并提出改善措施和建议.     

城际轨道交通广佛线首通段客流分析

为研究广佛线开通以来两地居民的出行特征,总结其客流特点,挖掘和培育客流增长点,对广佛线各车站以现场调研方式开展客流调查活动,并结合广佛线开通以来的客流数据,分析广佛线客流的社会经济属性、出行目的,以及广佛线服务半径、客流特征等。提出根据广佛线客流特征使用高、低峰行车计划组织运营及优化公交接驳的建议。     

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。     

城市轨道交通线网客流动态起讫点估计框架及关键技术

针对既有动态OD(起讫点)估计方法在轨道交通线网中适用性不强的问题,构建城市轨道交通线网客流动态OD估计框架,并讨论所涉及的关键技术。框架构建以自动售检票系统数据为基础,提取线网客流历史OD矩阵和进出站客流信息;结合乘客出行过程和历史客流OD数据,构建OD流和进出站客流间的动态流量关系;最后,通过分析客流需求和行程时间的分布特征,构建动态OD估计模型,并引入标准化均方根误差等指标评估OD估计模型的性能。     

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。     

地铁路网客流数据特征分析系统设计

从地铁路网客流分布特征展开研究,旨在可以快速准确地掌握客流数据统计信息。通过搜集大量现有客流数据及统计分析方法,研发地铁路网客流数据特征分析系统。研究系统查询思路和运力运量匹配关系,设计系统的总体架构和内部功能模块。在地铁客运管理部门的实际应用表明,系统可以实现对地铁客流数据高效、准确、规范的统计分析。     

线路客流预测分析与运营组织设计

从运营需要出发,提出客流预测的年限和内容;通过对客流量级的阐述,分析客流预测三级数据,确定运营的规模;根据OD(起讫点)客流分析来研究行车交路,做出满载率和拥挤度的评价;最终确定车辆编组与行车密度的合理组合,形成系统全面的技术方案,使客流预测更好地为运营组织服务.     

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。     

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。     

城市轨道交通车站大客流处置的数据驱动模式

随着城市轨道交通网络规模和客流规模的不断扩大,大客流风险也越来越凸显。相较于基于历史经验的大客流应急处置模式,基于数据驱动的大客流智能化/智慧化处置辅助决策技术在事前预警预测、事中处置和事后评估等方面都有突出优势。从车站客流处置数据驱动模式的信息感知、风险预判及处置决策3方面入手,探究城市轨道交通车站多源数据融合驱动下的客流处置模式的技术实现途径,可为我国各大城市轨道交通车站大客流的数据驱动模式探究提供参考。     

基于压力-状态-响应的城市轨道交通客流预测综合后评估体系研究

城市轨道交通客流预测后评估是一种对预测全过程的技术性评估,涉及到诸多因素.在分析实际客流与预测客流准确性影响因素的基础上,利用PSR(压力-状态-响应)构建城市轨道交通客流预测综合后评估体系.评估结果的可信性和指导意义在很大程度上了取决于指标体系和评价方法的选取.探讨了基于PSR的城市轨道交通客流综合后评估方法,借以实...     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

客流预测成果在地铁行车组织设计中的应用

结合南宁轨道交通1号线的设计前期工作,对客流量级进行阐述,分析客流预测三级数据,确定运营的规模;根据OD客流分析来研究行车交路,做出满载率和拥挤度的评价,最终确定车辆编组与行车密度的组合,从而形成合理的运营方案。     

苏州地铁客流波动特性分析

为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型。在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征。采用苏州地铁全网客流数据作为分析实例,对5 min、15 min和1 h汇集度的工作日和休息日客流共6组客流数据进行波动性建模、预测与分析,结果表明,SARIMA+GARCH模型具有较好的预测性能。基于各组客流数据的分析结果,分别对工作日与休息日以及不同时间汇集度之间的客流波动特性进行对比,结果表明:休息日客流的波动性强于工作日客流;时间汇集度小的情况下,客流的波动性会更强。     

城市轨道交通线网时空相关性客流预测研究

城市轨道交通客流预测是一个时空相关的复杂问题,仅根据车站的历史数据很难得出更有参考价值的预测结果。提出基于Elman神经网络算法的时空相关性客流预测方式。其模型输入包括车站的历史数据和线网中其它车站及交叉线路车站的时空相关性数据。前者从车站前3周数据中提取纵向强时间相关性数据;后者从相关车站的前3周数据中提取横向强时间相关性数据。提取过程均采用Spearman算法。在两条交叉线路共33个车站3周时间范围的客流数据上,利用Elman神经网络算法比较分析时空预测方式和时间预测方式的预测性能。试验结果表明,时空预测方式对实际客流的预测精度优于时间预测方式。最后,在时空预测的基础上进行客流多步预测,为城城市轨道交通有效的客流疏导提供数据支持和相对宽裕的时间。     

ARIMA模型在城市轨道交通短期客流预测中的应用研究

城市轨道交通站点的客流监控与短期精准预测对实现高效列车调度、防范安全隐患、降低运营成本具有关键作用。文章通过优化ARIMA模型参数对不同时间粒度下天津地铁某站点周一到周五的AFC客流数据进行预测,预测结果表明ARIMA方法能够准确预测城市轨道交通站点的短期客流。减小客流数据时间粒度能够获得更多的客流数据细节信息,有利于提升预测的精准度。研究发现即便在客流数据能够通过平稳性检验的情况下,对客流数据进行差分处理依然能够明显提升ARIMA模型的预测精度。     

城市轨道线网运营调度大数据服务平台及其应用

分析城市轨道交通网络化运营调度指挥业务的数据内容与特点，提出基于云平台的城市轨道线网运营调度大数据服务平台架构方案，创建以运营、调度、评估、安全为主题要素的数据资源目录，实现专业数据主题式访问服务。介绍客流指标统计分析、客流监视预警等典型应用场景，为运营管理和科学制定调度策略提供决策支持。     

天津地铁红旗南路站不同时期换乘客流组织方案研究

以天津地铁红旗南路站为例,根据车站试运营期间客流数据预测远期换乘客流,并在换乘通道型式分析的基础上,提出车站不同时期不同客流情况下对应的客流组织方案,给出对应的评价,选择最优方案并提出改进组织措施,为地铁运营管理人员进行换乘站不同时期客流组织工作提供思路。