北京市郊轨道交通发展策略

构建适应不同需求层次、多模式有机融合的轨道交通体系已成为服务北京都市圈交通需求的必然抉择。首先分析北京市现状轨道交通网络规模、功能层次以及与城市空间扩展的适配性。按照服务水平和层次多样的出行需求特征,将北京都市圈范围内轨道交通划分为4个主要功能层次并分析其功能和服务范围。针对轨道交通发展模式单一的现状,提出北京市郊轨道交通发展策略,即规划范围应打破行政边界,重视市郊轨道交通对中心城轨道交通网络运能的缓解作用及对城市发展的引导,以及市郊轨道交通与中心城衔接、既有国铁资源利用、建设时序和投资模式等。     

沈阳至铁岭城际快速轨道交通客流预测研究

基于对沈阳至铁岭城际快速轨道交通功能定位与客流特征分析,提出了将城际快速轨道交通作为区域客流通道进行研究的基本思想,以及四阶段客流预测的技术路线.通过客流分配模型,对沈阳至铁岭城际快速轨道交通进行了客流预测,获得线路全日客运量、平均运距和高峰小时最大断面客流量等客流预测指标.     

广州至珠海城际快速轨道交通客流预测

基于对广州至珠海城际快速轨道交通功能定位与客流特征的分析，提出了将城际快速轨道交通作为区域客流通道进行研究的基本思想以及基于四阶段的客流预测技术路线。用客流分配组合模型，对广州至珠海城际快速轨道交通进行了客流预测，获得了线路全日客运量、客运工作量、平均运距和高峰小时最大断面流量等客流预测指标。     

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。     

基于XGBoost的轨道交通短时客流预测精度分析

短时客流预测是轨道交通运营调度中的先导工作,其中短时预测的时效性尤为重要,预测中既要保证预测精度同时也要提升预测效率,提出基于集成学习的XGBoost算法进行轨道客流预测.以西安市地铁二号线AFC刷卡数据为例,在数据预处理过程中发现特殊节假日、休息日及工作日具有不同的客流特征,在工作日客流波动更为剧烈,因此,采用工作日客流量进行验证.将预测结果与BP神经网络模型、ARM A模型进行对比,结果表明:XG-Boost算法具有更高的预测精度,同时计算时间更短.研究结果可为制定轨道交通动态运营提供参考,同时,将机器学习运用到客流预测中也能增大预测方法的可选择性.     

上海轨道交通网络客流预测的后评估

在轨道交通客流预测研究工作中,日均客流和高峰高断面客流的预测结果是各方面关注的重点.通过对既往轨道网络客流预测的后评估,即充分利用原有预测数据或预测前提进行推算,得到2008年全网的预测值,将其与2008年实际值进行对比,分析差异,查找因为,旨在为预测模型改进及其相关的研究提供一定的帮助.     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。     

基于乘客路径选择的多制式轨道交通客流分配

为量化换乘对乘客出行路径选择的影响程度,在单层网络中添加虚拟换乘站,构建无隐性连接的三层多制式轨道交通拓扑网络模型.基于时间、换乘节点衔接性,计算线网间衔接性系数;利用Dijkstra法搜索模型各起讫点间的K短路径,以乘客感受到的线网复杂度及乘客出行计划确定时间,建立乘客对线网的熟悉度函数;根据乘客路径选择影响因素构建...     

基于VMD-LSTM轨道交通客流预测模型

客流量预测是城市智能交通系统的重要组成部分.为实现客流量的准确预测,首先采用变分模态分解(VMD)将时序客流数据分解成不同时间尺度下的本征模态函数(IMF),降低数据噪声对客流预测模型的影响,再结合长短时记忆神经网络(LSTM)进行预测,提出VMD-LSTM预测模型.采集明尼苏达州州际轨道交通客流数据对模型进行验证.结...     

关于城市轨道交通客流预测的一些思考

针对当前城市轨道交通规划客流预测中存在的问题,分析了目前主流预测模型理论及影响预测精度的原因,对城市的客流预测进行了深层次的思考.     

大连新机场轨道交通客流预测

为了提供大连新机场轨道交通专线日后建设的参考数据,通过定性与定量分析相结合的方法,对现有的大连周水子机场客运数据进行计算,得到大连新机场轨道交通专线客流量的预测值,其中定量方法使用的是三次指数平滑法和等维灰数递补动态预测法,结果为大连新机场轨道交通专线日后选线、列车编组、发车频率等提供了可靠数据．     

城市轨道交通与地面常规公交换乘客流预测模型研究

轨道交通与地面常规公交共同支撑着城市公共交通系统.一个城市轨道交通系统效率的发挥,有待于作为集散客流重要交通方式的常规公交的配合,科学地分析与预测轨道交通与常规公交之间的换乘客流量,可以为确定交通枢纽建设的合理规模、各种交通工具在枢纽中的布局分布等提供依据.本文在总结各种客流预测模型的基础上,针对城市的不同情形给出了不同的换乘客流预测模型.     

城市轨道交通客流分析

在城市轨道交通的规划设计中,客流资料是项目的必要性论证、方案比选、确定系统规模、进行效益分析的基础.通过对我国十几座城市轨道交通系统30多条线路客流预测资料的分析,结合规划设计的技术决策过程和处理实际问题时的思路,建立了客流分析方法,提出不能仅靠"远期高峰小时单向最大断面客流量"来确定系统规模,应考察单向"最大断面客流量"是否能得到"高断面流量区间"的支撑;阐明了客运量可能的发展趋势;建立了以车站、路段为单元的客流空间分布研究方法和全日客运量时段分布研究方法;提出了应对系统、环境发生变化时的客流预测结果的调整方法.     

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。     

城市轨道交通短时客流预测体系框架及关键技术

针对当前城市轨道交通短时客流预测系统性不强等问题,构建短时客流预测体系框架,并讨论预测过程涉及的关键技术。框架的构建以自动售检票系统（AFC）获得的数据为出发点,统计站点客流和线网客流OD矩阵两类基础客流数据;在此基础上,构建线网客流分配模型,结合视频数据、站点平面布置和列车运行时刻表三类数据,考虑乘客步行时间的影响,估计断面客流数据;接着,在分析站点客流和断面客流数据时空特性的基础上,分别预测站点和断面短时客流;利用站点客流和断面客流短时预测结果反推未来OD矩阵;同时引入GARCH模型分析预测结果的可靠性,以提高短时客流预测结果的可信度。     

��������ʱ��ֲ��Ŀ������ģ�ͪ�

在城市轨道交通的线路网络形成、实行一票换乘并伴随投资主体多元化时,需要建立公平公正的票务清分机制,本文提出一个基于乘客旅行实际时间分布计算各路径上乘客比例的新方法.根据交通卡中的进出站的时间记录,计算出在一段时间内在一对出入站之间完成旅行的所有乘客的时间分布,以这个分布为依据计算在这段时间里各路径上的乘客比例.采用数值模拟的方法在一对有两条有效路径的出入站间产生乘客旅行时间的数据,然后根据这些数据进行客流比例计算.结果表明,即使两条路径的运营时间差异很小也能实现较准确的比例划分,这种动态计算客流分布的方法能更准确地反映实际客流分布.     

���й����ͨ��������ֲ�����ģ���о�

城市轨道交通网络客流时空分布特征是网络化协同运输组织的基础与核心.本文在系统分析城市轨道交通乘客出行行为的基础上,基于Multi-Agent建模技术,构建了网络客流分布动态仿真模型,应用该模型模拟乘客的网络出行过程,统计分析得到路网的客流分布特征.该模型既能反映乘客网络出行行为全过程,又能满足大规模路网仿真需求.最后,开发了城市轨道交通网络客流仿真系统,通过北京市轨道交通网络的实际数据对模型和算法进行验证.     

广州市轨道交通客流特征分析

科学合理的预测轨道交通客流状况已成为轨道交通系统决策中面临的重大课题,需要在实践中不断积累、完善和提高。根据广州市轨道交通运营资料,从网络、线路、车站三个层面探讨轨道交通从单线向网络转变过程中的客流特征和成长规律,为客流预测模型的参数选择提供参考。分析发现：随着轨道交通网络的扩展,客运强度边际效应递减、换乘系数增大、平均运距增长;从线到网,换乘客流成为客流增长的主要来源;不同类型车站的客流特征差异较大,预测时应分类考虑。     

考虑土地利用性质匹配度的城轨客流分布预测

传统城轨站间客流分布模型较少考虑起讫点土地利用对客流分布的影响,当 站点周边土地利用发生改变时适用性变差,无法保持较好的预测精度,因此有必要构建 考虑站点土地利用及其站点间土地利用性质匹配度的客流分布预测模型.首先,基于站点 聚类分析土地利用性质与客流分布之间的关联性,构造性质匹配度指标;其次,综合考虑 站点土地利用、性质匹配度、终点站吸引量、运行时间等因素建立效用函数,结合客流数 据进行参数估计,构建基于目的地选择的轨道交通客流分布模型;最后,利用广州市轨道 交通客流量数据对其进行精度分析.结果显示,在站点土地利用性质未发生改变与改变情 景下全网站间客流分布量的平均绝对误差仅为29.30 和29.52 人,表明模型具有较高的预 测精度.