北京市轨道交通客流特征分析

为了缓解城市交通拥堵问题,针对北京市轨道交通客流量不断增加、客流规律随时发生改变的现状.根据北京市轨道交通站点的基本客流情况,通过数据挖掘,分析出轨道交通站点在不同区位、不同用地性质情况下的进出站客流规律,换乘情况及断面客流规律,并进行归纳总结,为轨道交通建设、运营管理提供重要的参考依据.     

2017年北京市地面公交运行特征分析

正截至2017年底,地面公交运营线路共890条,运营车辆共21 883辆.其中,公交集团运营线路858条,运营车辆20 796辆;祥龙公交运营线路为32条,运营车辆1 087辆.     

公交客流信息采集技术研究

城市公共交通在我国城市交通中占有重要的地位,公交客流信息是公交调度管理及线网优化的基础。本文介绍了常用的公交客流信息采集方法,其中包括人工调查、公交IC卡、自动乘客计数等系统的技术实现方式及各自特点,提出了适于我国国情的公交客流信息采集技术的选用方法。     

乌鲁木齐市快速公交客流分布特征研究

通过乌鲁木齐市快速公交（BRT）1号线、2号线、3号线高峰时段上下客流现场调查,从时间和空间上进行客流特征分析,结果表明乌鲁木齐市BRT承担了公共交通系统中的主要客流,其中1号线客流高于其他BRT线路,其客流量已超过运营能力,同时BRT存在换乘难等问题,进而提出了改善措施。     

基于在线支付数据的公交客流特征分析方法——以三明市清流县为例

随着IC卡、移动支付等的普及,公交付费方式发生了巨大变革,由此产生的海量数据为全面、准确的把握公交运行特征提供了便利。公交客流特征分析中最重要的步骤在于下车站点的估算,为此提出一种基于乘客上车站点概率分布的估算方法。基于上下车站点等属性,通过统计学方法,可以得到公交分担比例、时间分布、距离分布、线站分布、特定群体公交服务情况等特征,为公交系统规划奠定基础。     

持续型大型活动影响因素及客流分布特征分析

针对持续型大型活动具有持续时间长、客流集散时间分散、影响范围广、客流波动明显等特点,其客流规模受天气、环境、节假日、出行方式等多种因素影响的特点.本研究以第九届中国国际园林博览会客流为研究对象,获取活动期间客流数据,基于最小显著性差异分析法分析了园博会期间客流特征的相关影响因素,分析表明,天气和节假日为影响客流规模的主要因素,人们更倾向于选择天气状况良好的节假日出行.相比于工作日,周末和节假日客流平均增幅最高超过200%,客流规模平均增长30%.而在雨天、高温等异常天气条件时,入园客流将大幅下降,客流规模下降20%～50%.自办活动的举办并未对客流造成明显影响.     

济南市轨道交通客流时空分布特征分析

充分掌握轨道交通客流时空分布特征,能够精准优化运营组织,提高轨道交通客运量。本文以济南市轨道交通一期线网为例,基于轨道交通刷卡数据对客流出行时间和空间分布特征进行分析,研究发现当前轨道交通存在线网覆盖不足、线网客流空间分布不均衡以及线路客流方向不均衡等问题,并对问题影响因素剖析,为轨道交通优化策略提供支撑,助推交通行业实现“碳达峰、碳中和”。     

应对春运客流高峰,公交安全不容忽视

一年一度的春运如期而至。对于身处异地他乡的人来说,积攒一年的思乡之情,都在年末愈发浓重的节日氛围中得到释放,因此回家的期望就显得迫切而强烈。对于在外辛苦奔波一年的人们来说,能否在春节之前顺顺利利、平平安安的回到家中,成为眼下最为揪心的事情。     

公交客流分配模型改进算例研究

公交分配模型是城市交通需求预测模型的重要组成部分,改进分配算法提高预测精度具有现实意义.分析了公交分配最优策略分配模型及其3种改进模型,分别是Logit加载模型、组合加载模型和策略改进的组合加载模型.通过案例研究了3种改进模型的参数灵敏度,分析了乘客出行时间感知误差对客流分配的影响,并使用经典的Spiess公交网络进行测试,对比了最优策略算法及其改进算法的结果差异.结果表明改进算法对乘客感知误差的灵敏度表现具有连续性,比最优策略分配模型更为可靠,其中,组合加载模型是最优策略模型的推广,策略改进组合加载模型应用最为灵活,考虑的因素更为周全.     

基于贝叶斯网络的短时公交客流预测模型

针对公交客流的时变特征,假设当前时刻的客流量仅与历史客流量和发车频率相关,提出一种基于贝叶斯网络的短时公交客流预测模型,给出了节点定义、网络结构与参数学习及推理算法,揭示了它们之间的因果关系;通过南通市301路公交线路某个站点的实际客流调查,利用该模型预测其发展趋势,并与神经网络、支持向量机等预测模型进行比较,验证了其有效性。     

基于GIS的公交网络客流分配方法研究

常规公交是我国城市公共交通运营的主体,研究常规公交网络的客流分配方法有着重要的意义。本文分析传统公交客流分配方法的不足,在地理信息系统的基础上研究了一种公交网络数据结构模型,以充分表达公交线路、站点和交通区域间的空间位置关系,提出一种实用的公交客流分配技术。该方法在城市公交规划中得到了实际应用,并取得良好的效果。     

基于灰色理论的公交候车排队客流预测

通过对公交站点的候车排队客流调查分析,研究了站点排队客流的特征,针对候车排队客流周期波动的特征,采用灰色理论的研究方法对于候车排队客流进行预测,并在此基础上应用最小二乘法的非线性拟合的方式对于残差进行预测,最后将灰色理论预测结果与残差预测结果进行整合.通过实例,验证了改进后的灰色理论在公交候车排队客流预测方面的有效性和可行性,并且取得了比较好的预测结果.     

基于数据库的公交客流调查数据处理与挖掘

智能公共交通系统的技术基础是实时掌握公共交通的需求情况，这就要求对公交客流调查获取的需求数据进行准确、快捷的分析处理。文中利用Visual Foxpro数据库和数据挖掘技术，构建了公交客流调查数据处理新模式，并说明了其功能和运行效果。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.     

基于WinCE的视频公交客流检测设备开发

越来越多的城市实行优先发展城市公共交通的政策,如何提高公共交通的使用率和效率成了至关重要的问题。做好城市公交客流分析,可有效促进城市公共交通的发展。文中针对公交客流分析对检测精度、实时性、可靠性的需求,采用一种基于视频的客流检测算法,根据公交客流分析系统的需求设计了嵌入式车载设备软、硬件结构,并描述了基于WinCE的软件实现过程,最后通过样机测试分析了该设备的性能。     

宁波市常规公交运行特征分析

常规公交作为一体化城市公共交通体系的重要一环,其运行特征是影响乘客出行方式选择以及公交服务质量的重要因素,研究公交运行特征对于进一步增强公共交通的吸引力,提升公共交通服务质量、缓解交通拥堵等方面具有着重要作用。因此,基于公交GPS数据,对宁波市常规公交运行特征进行了分析,研究结果和建议为提升宁波市常规公交运行效率提供了有益参考。     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。      

基于公交数据的公交乘客上客特征分析

城市公共交通是城市交通的重要组成部分,具有缓解交通拥堵、降低能源消耗、改善生态环境等优势,一直是政府大力支持与提倡优先的出行方式。基于公交的运营数据,提取了每次刷卡数据的上客站点数据,进一步分析出公交网络层面站点上客特征,最后,结合居住人口、工作人口分布,分析出公交乘客上客与空间人口分布的关联性。     

北京市电动出租车运营指标体系及特征分析

本文在介绍北京市电动出租车运营概况的基础上,从运行速度指标、运能运量指标和运营特征指标3个方面,建立了面向电动出租车行业动态运营监测和管理需求的指标体系及计算模型,并通过对出租车动态回传的GPS数据和计价器数据的特征及适用范围分析,确定了以计价器数据为基础,通过对比燃油出租车的运营特征指标,量化电动出租车运营特征的分析方法。分析结果表明,电动出租车受电池性能、配套设施、道路奈件及候客模式等多方面因素的影响,呈现载客速度低、运送距离短、里程利用率低、时间利用率高等特点。最后,结合电动出租车运营特点提出相应建议。     

不完备信息下公交断面客流的推算模型

为解决不完备交通数据信息下城市公交线路的断面客流量的计算问题,以断面客流的预测为研究对象,探讨了公交车站下车客流的预测模型。运用区段覆盖的思想,将公交沿线以客流集散点为中心划分成不同的客流分布区段。结合各站点的区位条件、客流条件建立不同区段内的公交分担率模型。以此为基础结合公交IC卡上车客流数据构建各车站的下车客流预测模型,结合上车客流、下车客流与断面客流三者的关系模型,计算得到公交断面客流量。最后以西安市某条公交线路某个时段的上车刷卡数据为例进行了模型的适用性分析,统计该条线路沿线各个站点周边300 m吸引范围内的土地利用性质以及人口密度,采用改进的遗传算法对模型中的未知参数进行标定。结果显示,待确定参数α和β分别取0.419 1和0.482 3时目标函数取得最优解,利用标定的结果计算该线路各车站的下车客流,进而求得断面客流量。通过与实际跟车调查结果对比,运用构建的模型预测得到的断面客流量与实际值存在一定的差异,平均相对误差在23%以内,平均绝对误差约为5人/断面,从整体结果来看预测的断面客流的变化趋势与实际调查断面客流情况基本一致,表明构建的模型具有一定的可靠性。