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。     

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。     

时变环境下城市轨道交通灵活行车调度分析

深入分析时变环境下城市轨道交通客流分布变化特征,阐述客流变化时的行车调度调整策略,即在地铁运营过程中发生偶发性大客流变化时,行车调度员运用加开临客列车、组织大站快车等措施进行相应的行车调整。同时,提出实时客流预测分析手段和方法。最后,基于仿真评估方法提出时变环境下城市轨道交通行车调度调整建议。     

城市轨道交通短期客流预测方法研究

阐述城市轨道交通客流预测面临的问题,总结近年来提出的各种短期客流预测方法及主要设计思想。首先介绍短期客流预测的研究背景,然后分别从实时判断和实时预测2个维度介绍具有代表性的研究工作,对涉及的主要方法进行分类分析,最后进行各种算法的综合比较,并指出城市轨道交通短期客流预测未来的研究方向。     

基于动态客流的城市轨道交通列车牵引能耗分析

城市轨道交通客运量的不断增长使得能源消耗越来越大,在此背景下,从动态客流层面研究城市轨道交通列车牵引能耗对实现城市轨道交通可持续发展具有重要意义。首先建立一个基于动态客流的城市轨道交通列车牵引能耗算法流程,通过研究动态客流对列车牵引能耗的影响,初步得到动态客流和列车牵引能耗的耦合机理。以广州地铁某线路区段为例,利用城轨列车运行计算模拟实验系统进行算例分析,以动态客流为x变量,牵引时分为y变量,牵引能耗为z变量,并利用Matlab对570组模拟实验数据进行多项式拟合,并对动态客流进行灵敏度分析。分析结果表明,列车牵引能耗随着客流的增大呈线性增长关系。     

基于卷积神经网络的列车实时客流检测算法

城市轨道交通作为城市公共交通系统的主体,在缓解交通出行压力、促进城市发展中具有十分重要的作用。科学精准的测算列车实时客流,对改善城市轨道交通客运服务水平,发展低碳、环保的绿色出行模式具有重大意义。为此,提出基于卷积神经网络的城市轨道交通列车实时客流检测算法,实现列车监控视频视野内乘客数量的实时检测。基于成都地铁1号线车载监控视频建立列车客流图像数据集,以剔除全连接层的VGG-16网络作为算法基础框架,提取输入图像的边缘、角点等浅层细节特征;将多尺度卷积层和膨胀卷积结构融合构建乘客多尺度特征感知模块,在保持图像分辨率的同时,通过不同的感受野增强尺度上下文信息的提取性能,提升网络对乘客尺度变化的鲁棒性;构建特征融合网络将网络浅层提取的细节特征与上采样后的深层语义特征嵌入融合,提升小尺度乘客目标的计数精度和特征图的信息丰富度。实验结果表明：所提算法在城市轨道交通列车场景下的检测精度得到显著提升,平均绝对误差、均方误差以及平均绝对百分比误差指标分别达到了1.1%,1.8%和5.4%,同时单张图像检测速率低于60 ms,能够满足列车客流检测的实时性需求;且算法在2个标准人群数据集Shanghai...     

郑州地铁1号线基于客流的行车调度研究

本文在对城市轨道交通客流的时空不均衡性分析的基础上,对郑州地铁1号线客流进行分析并提出了对客流的时间不均衡性可采取非高峰时段开行小编组列车或减少列车开行对数的行车组织方法,对空间不均衡性可采取区段列车调度形式或大站快车调度形式,以确保地铁较高的服务水平。     

城市轨道交通客流增长滞后性与预测方法研究

城市轨道交通客流是确定城市轨道交通建设规模及投资决策的主要依据,然而客流增长速度并不与城市轨道交通建设同步.考虑到城市轨道交通客流增长的滞后性,利用上海城市轨道交通1996-2010年客流与建设数据,基于协整理论建立了向量自回归模型进行城市轨道交通客流预测.研究结果表明:城市轨道交通客流与城市轨道交通网络长度以及连接度存在协整关系;在城市轨道交通建设初期,客流增长对于网络长度具有显著滞后性,随着城市轨道交通系统的完善客流滞后性减弱;2011年上海城市轨道客流预测误差为9.3％.     

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。     

面向乘客的城市轨道交通运营调度指挥系统方案研究

阐述了面向乘客的城市轨道交通运营调度指挥系统的建设背景、现状及实现的必要性.重点介绍了建设面向乘客的城市轨道运营调度指挥系统所需要的数据支撑和系统结构设计.对该系统中的全息客流感知引导、客流预测分析、乘客体验智能化调整,以及应急调度指挥等核心功能设计进行了分析,介绍了基于工作流的智能化协同联动引擎系统的设计及其功能优势.对该系统在城市轨道交通领域的应用进行了总结和展望.     

基于Zigbee技术的城市轨道交通客流检测系统的设计

对城市轨道交通车辆空气弹簧的工作原理进行了研究,分析了列车载客量的计算方法,并提出城市轨道交通客流检测系统的设计方案.通过采集空气弹簧的内压值来计算列车的载客量,采用Zigbee技术实现车地数据传输,最终由以太网传输到客流分析服务器,实现对城市轨道交通客流的实时检测.     

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。     

基于混合EMD-BPNN方法的短期客流预测分析

通过城市轨道交通的客流预测,可以达到提升乘客出行效率、降低运营成本等目的。基于此,提出一种经验模态分解和神经网络相结合的混合EMD-BPNN方法来预测短期的客流量。该方法通过经验模态分解将原始的客流数据分解成多个固有模态函数分量,并筛选出有意义的分量,将其作为神经网络的输入,从而进行客流预测。实验结果证明,该方法在地铁的短期客流预测中的精度和稳定性均高于传统神经网络算法。     

中、高风险等级新冠肺炎疫情地区的城市轨道交通客流密度控制方法

新冠肺炎疫情期间，控制城市轨道交通车站及列车的客流密度是城市疫情防控的重点。基于疫情下中、高风险地区对城市轨道交通列车及车站客流密度的控制要求，建立了城市轨道交通客流密度控制流程，研究了列车满载率的控制方法，以及车站内各关键点位客流控制人数的计算方法，使列车满载率、车站拥挤度这两个客流指标控制在标准阈值范围内。利用Anylogic软件进行仿真，验证了城市轨道交通客流密度控制方法的可行性和可操作性。     

城市轨道交通客流特征及预测相关问题

客流预测是城市轨道交通建设的一个十分重要的环节,是各项设计工作的基础。预测结果的可靠与否直接关系到城市轨道交通的建设投资、运营效率和经济效益。通过对城市轨道交通客流进行分析,阐述了城市轨道交通客流规模影响因素、客流形成机理、客流特征、客流预测方法等。分析了四阶段法各阶段预测所使用模型及方法。     

城市轨道交通客流预测主体数据的简化模型构建

文章深入、系统地解析城市轨道交通客流预测主体数据的全部数理关系,展示了实用、简化数据模型的构建方法,通过该方法可得到城市轨道交通工程设计所需的主体客流预测数据。     

城市轨道交通客流预测问题分析及建议

目前我国城市轨道交通客流预测中,普遍存在着规划阶段的预测结果与运营之后的实际客流有较大差异、实际客流远小于远期预测客流、不同机构预测的客流量离散性较大的问题。在分析形成这些问题原因的基础上,提出了利用政策协调和控制城市规划与交通规划的共同发展、尽快建立我国城市城市轨道交通客流预测完整体系、加强城市交通基础数据调查等改善城市轨道交通客流预测的一些建议。     

城市轨道交通站点客流不确定性研究

为提高城市轨道交通站点客流预测的可靠性,在分析客流不确定性影响因素的基础上,基于ARIMA-GARCH模型,依据南京地铁珠江路站点客流数据对客流不确定性进行建模和预测,并从预测置信区间和无效覆盖率两方面与传统的时间序列进行对比分析,研究结果表明,ARIMA-GARCH能够较好地拟合客流波动情况,为城市轨道交通运营与管理提供理论依据。     

基于图像技术的城市轨道交通大客流辨识

通过分析我国城市轨道交通发展的现状,说明"大客流"状态已逐渐成为城市轨道交通运营中的常态化现象。为了对城市轨道交通车站内客流进行更准确的辨识与监控,保证运营安全,尝试将图像技术引入轨道交通的客流辨识与安全管理中:建立客流图像特征值与客流特征值的联动关系,给出客流辨识的函数,并开发客流辨识系统。北京地铁雍和宫站的实际视频数据的辨识应用结果表明,该方法的识别准确度较高,具有一定的可用性。     

城市轨道交通站点数据链客流预测方法研究

城市轨道交通客流预测数据是城市轨道交通设计与运营的重要依据与基础,在总结分析我国城市轨道交通客流预测经验及研究成果的基础上,提出基于城市土地利用法的站点数据链客流预测方法,系统介绍该预测方法的理论体系,并以杭州地铁4号线为例,验证站点数据链客流预测方法的科学性与合理性,以期使该预测方法在客流预测与校核中具有指导意义。