哈尔滨地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果。通过分析,证明了四阶段预测方法的可行性及合理性。     

呼和浩特至张家口客专本线客流预测研究

随着社会经济的快速发展,我国铁路客运业也得到迅猛发展。铁路客运量的预测是运能分配、产品设计以及制定营销策略的基础。使用我国铁路客流预测普遍采用的“四阶段”预测法对新建呼和浩特市到张家口市本线客流进行预测。在有无呼和浩特至张家口客运专线的情况下,首先,使用重力模型对本线直接客运需求进行预测;其次,使用logit模型对直接需求进行运输方式分配;最后,在有呼和浩特至张家口客运专线的情况下对产生的转移运量和诱增运量分别进行计算。计算结果证明,呼和浩特至张家口客运专线对于本线旅客出行影响较大,结论可为本线旅客列车开行方案制定提供依据。     

基于BP神经网络的城市轨道交通客流预测

本文首先根据北京城市轨道交通网络的特点,以静态非平衡分配模型中的最短路径分配为理论基础,实现历史客流在断面上的分配,得到具有参考价值的断面客流。然后通过大量BP神经网络建模试验,对北京城市轨道交通客流预测问题,建立了合理的预测模型。最后利用BP神经网络模型对13号线西直门站至2号线西直门站的换乘断面客流进行预测,并与最小二乘拟合结果进行对比分析,得出合理的客流预测结果。     

城市轨道交通突发客流运营组织及其评价

首先提出了城市轨道交通突发客流运营组织及其评价是运营管理的关键问题,分析了突发客流的形成原因。然后将突发客流分为可预测突发客流、可评估突发客流和紧急突发客流,紧接着提出了针对这三种突发客流的运营组织方法,同时也分析了通用客流运营组织,尤其是客流组织瓶颈。最后提出了突发客流运营组织评价指标和方法,尤其是将客流组织瓶颈纳入评价体系。提出的理论和方法具有重要的现实意义,可用于城市轨道交通运营管理。     

基于非集计模型的铁路通道内客运专线分担率模型

客运专线网的逐步建成加剧了运输方式间的竞争,影响着不同方式客流分担率的变化。为充分发挥铁路通道的整体运输能力,论文基于出行效用最大化行为假说,确定了影响乘客出行方式选择的特性变量及相应的取值方法,选择客运专线和既有线作为铁路通道内居民的出行方式,建立了交通方式选择二肢Logit模型。作者用非集计模型将乘客的出行时间、出行目的、出行距离和票价等个人特性引入模型,提高了模型的实用性。通过交通规划软件-TransCAD标定模型参数,得到了不同出行距离下铁路通道内客运专线和既有线的客流分担率,证明在一定距离范围内客运专线的客流分担率与开行距离呈正相关,从而给出了铁路通道内客运专线开行的优势距离范围的建议。     

基于灰色关联决策的客运专线客流节点层次划分研究

针对客运专线客流节点层次划分问题,建立客流节点层次划分指标体系。对各个指标进行量化,明确决策指标,在其基础上建立灰色关联决策模型。并结合东北、华北的部分客流节点进行实例计算,验证了该方法的有效性。     

客运专线旅客列车开行方案研究

为研究兰新客运专线旅客列车的合理开行方案,以满足旅客出行和铁路运营效益最大化为目标,结合我国客运专线发展的实际情况,阐述并制定开行方案的基本原则、过程以及客运量预测方法。通过客运量预测方法分析我国铁路客流的特点,根据消费的不同水平可将客流划分为高消费群体、中等消费群体和低消费群体三个层次。以预测的客运量为基础,根据兰新客运专线的开行经验,针对兰新客运专线的实际情况,制定兰新客运专线旅客列车的合理开行方案。     

上海市轨道交通客流预测理论方法研究

加强城市轨道交通客流预测理论方法的研究是提高客流预测准确性的重要手段之一。结合过去20年上海市轨道交通发展的实践经验和教训,总结了影响轨道交通客流预测精度的因素。对轨道交通客流预测的理论、方法和参数进行了深入研究,重点分析了客流预测在理论研究和模型方法改进方面应注意的问题和研究的方向,并指出客流预测参数取值存在的问题。最后,提出在预测技术方面未来的研究方向,以提高轨道交通客流预测的准确性。     

空港综合交通枢纽客流需求预测研究--以广州白云国际机场为例

为弥补民航部门常规预测思路在航空枢纽集疏运设施供给策略、供给规模预测方面的不足,提出面向集疏运设施规模及供给策略的空港综合交通枢纽客流需求预测思路。在判断主要客流构成的基础上,明确了分客流、分方式的预测总思路;在分析经济增长和高铁两大影响航空客流增长的主要因素基础上,分别提出陆侧航空客流和中转航空客流的预测方法,进而得到航空客流总量,支撑空港枢纽对外交通设施供给策略的制定。以此为基础,通过客流分布、方式划分等技术手段,确定各集疏运方式的客流需求规模,为相应设施规模的预测提供依据。     

基于动态反馈神经网络的城市轨道交通短期客流预测

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作等的关键。文章在研究城市轨道交通的断面客流特征的基础上,建立基于动态反馈神经网络的城市轨道交通短期客流预测模型,提出通过若干组连续历史断面客流数据训练动态连续的神经网络,以此对未来客流进行预测;并以北京轨道交通某日早高峰客流为例进行分析,验证了该模型与方法的有效性。     

基于SARIMA 模型的北京地铁进站客流量预测

通过对北京地铁2013 年5 月~7 月的进站客流量数据进行详细分析,总结北京 地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁 进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预 测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型 适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特 点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议.     

客运专线综合交通枢纽换乘

客运专线综合交通枢纽换乘是一个十分复杂的问题,涉及多个部门和多个学科,具有很强的社会性、综合性与交叉性。首先分析客运专线客流组成和旅客出行时间特征,然后进行换乘衔接的分类,最后提出客运专线与其它交通方式换乘原则,并对科学配置城市交通的客运设施和换乘系统衔接布局等措施进行分析。     

基于时段分布的市郊轨道交通车站滞留客流分布算法

市郊轨道交通车站滞留客流的分时段预测,关系到运营计划的调整、乘客出行 方式的选择、出行时间的预估等,尤其对市郊线路快慢车模式下开行方案的优化具有重 要意义.首先引入出行方式角度费用理论,分析了乘客公交出行与地铁线路形成的角度费 用,构建了角度费用模型Anglecostm,n k ,计算乘客的流失率VPn ,进而确定因滞留客流达到 阈值而导致的乘客流失量.其次,以AFC获取的客流数据为支撑,结合角度费用模型对乘 客流失量的计算,提出了一种基于时段的滞留车站客流分布预测方法,接着分析了站台 候车客流与通过列车实际载客情况两者之间的客流交互规律,提出了候车客流-列车载 客量影响动态交换模型,并分析和研究该模型求解算法.最后,以某市郊线路进行实例演 算,预测结果可为轨道交通开行方案优化提供理论和方法支持,对运营计划临时调整,客 流预测及引导模型的补充等提供参考.     

公交客流OD矩阵反推法

公交客流OD矩阵是进行公共交通规划的重要基础数据。根据交通需求预测“四阶段”理论中交通分布预测的重力模型法的基本原理,建立了公交客流分布函数模型,根据公交OD矩阵与公交线路的日均客运量以及区域人口、社会经济、用地性质等之间的内在联系提出了一种免OD调查的公交客流OD矩阵的反推算法。用Matlab语言编写了多条线路公交客流OD矩阵推算程序,给出了oD矩阵的检验及修正方法。     

灰色预测模型在铁路客流预测中的应用

运量预测是铁路运输组织工作的重要基础和主要依据之一,是一项经常性工作。只有根据运量预测结果及其他方面的信息才能做出科学的决策,编制出可行计划、规划或发展战略,最大程度地减少风险,降低运作成本,减少设施闲置。运用灰色预测模型建立铁路客流预测模型,对我国铁路客运量进行预测,灰色模型的方法简单,适合在数据少的情况下预测短期客流量。     

城市对外交通枢纽站客流交通特性分析

分析城市对外交通枢纽站客流需求 ,采用生成、分布、方式与经路选择 ,确定道路及公交网络的流量及交通工具需求数量 .为停车场规划、交通管理、内外交通衔接规划提供参考 .     

城市轨道交通故障下客流分布计算及评估方法

为了精细化掌握城市轨道交通故障对乘客出行的影响,对等车、上车和下车过程的客流与列车交互状态进行抽象,建立了站台等待乘客、车内乘客等客流分布数据的计算方法,设计了动态客流仿真算法及乘客服务水平评估指标. 以实际线路为背景,以正常运营场景为参照,计算和评估了故障场景下的客流时空分布,分析了乘客等待时间对列车和站台上客流分布及出行时间的影响. 算例结果表明:具体故障下乘客多等待能通过避免离开而减少部分出行时间,但与正常场景相比,列车满载率高、站台人数多的现象增多;最大等待时间15 min与9 min相比,离开人数减少77.0%,带惩罚的总旅行时间降低超过10.0%,留乘发生率一样,但最大留乘人数增加94.1%,最大等待人数增加29.6%.      

基于均衡载客量的公交时刻表优化方法研究

本文首先介绍发车频率及发车间隔的确定方法,然后结合各公交站点在各时间段的平均观测客流量数据．以均衡载客量为原则．讨论了两种基于均衡载客量的公交时刻表编制方法：均衡最大载客断面载客量的时刻表编制方法与均衡单个车辆最大载客量的时刻表编制方法,并阐述了两种时刻表的编制流程。     

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.