城市轨道交通客流预测理论与方法的研究

研究了采用“四阶段”法预测城市轨道交通客流量的理论模型与方法,并着重论述在混合交通状态下客流分配的平衡模型,提出了以广义出行时间最小为优化目标的分层预测思想。     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测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客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

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。     

城市轨道交通客流预测专家点评

2008年10月14—15日,“城市轨道交通客流预测理论、方法和应用”研讨会在北京顺利召开。会议交流了各城市轨道交通客流预测现状,探讨了客流预测理论和方法。这次会议不仅是对城市轨道交通客流预测工作的促进,而且必将对我国城市交通客流预测技术起到补充完善的重要作用。本刊特对部分与会专家的发言进行编辑整理,以飨读者。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

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.     

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.     

城市轨道交通高峰线路客流协同控制方法

在线路客流控制中,需同时考虑各个车站控流方案的可执行性与协同性. 采用 Fisher 最优分割法确定合理客流控制时段,基于此建立以乘客总等待时间最少和旅客周转量最大为目标的线路客流协同控制线性规划模型. 基于成都地铁2 号线AFC数据进行实验,针对协同控流与非协同控流方案,以及不同客流控制时段划分方案下的协同控流方案进行对比实验. 算例中：协同控流方案在旅客周转量下降约1.0%的情况下,乘客总等待时间减少约 56.7%;基于Fisher 最优分割法确定的时段划分方案中协同控流方案在乘客总等待时间方面最优,并具有很好的可执行性.     

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.     

���ڿ������˲��Ĺ���վ���ʱ����Ԥ��

公交站点短时的客流预测是智能公交调度系统中重要的决策基础与技术支持. 在对短时客流特性进行分析的基础上,提出了以卡尔曼滤波作为公交站点短时客流的预测模型,并给出了模型的求解过程. 选用了一条实际公交线路中客流量较大、客流变化明显具有代表性的站点进行了采集数据和实例分析,数据结果的平均绝对误差为5.1771,均方误差为0.7961,表明提出的模型与算法可以有效地对短时公交客流进行预测. 与人工神经网络预测结果比较,在相同的实例数据下,其平均绝对误差为10.4770,均方误差为1.6724,结果表明使用卡尔曼滤波建立的模型比较准确,说明本文所提出的方法预测误差小,具有现实的应用意义.     

灰色模型与其组合模型的比较

运用灰色模型和二元回归模型的组合模型进行交通量的预测,结果表明,组合模型比单一的灰色模型具有更高的预测精度。     

长沙地铁万家丽广场站厅仿真及客流优化研究

城市轨道交通作为居民主要出行方式,为建设更舒适的出行环境,提高乘客在站厅的进出效率,减少乘客拥堵现象.本文以长沙地铁万家丽为原型,研究已经开通运营的换乘车站,在建筑面积固定的情况下,如何根据既有设备布局高效组织激增的进出站和换乘客流.基于万家丽近期和远期客流数据,同时重现排布验票闸机、楼梯的进出方向和位置,利用仿真软件...     

基于组合深度学习的轨道交通短时进站客流预测模型

针对轨道交通短时进站客流考虑不充分和特征学习不全面而导致预测精度不高的问题,选取客流特征、天气、空气质量和道路交通拥堵指数等多个因素,提出了一种基于组合深度学习的轨道交通短时进站客流预测模型(CNN-ResNet-BiLSTM)。基于卷积神经网络(CNN)对多因素客流时间序列进行自动提取,在CNN网络中插入多个残差神经网络(ResNet)来加深网络深度,利用双向长短时记忆神经网络(BiLSTM)捕捉前后两个方向的客流时间序列特征并得到预测结果;以杭州市全网80个站点工作日的进站客流为例,验证了该模型的有效性。研究结果表明：与常用的几种模型相比,多因素CNN-ResNet-BiLSTM组合模型的均方根误差(ERMS)至少降低了8.50%,平均绝对误差(EMA)至少降低了6.74%,平均绝对百分比误差(EMPA)至少降低了6.52%。     

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination) 估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min 时,估计平均相对误差为 35.5%;为30 min 时,估计平均相对误差为20.4%;为60 min 时,估计平均相对误差为 16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.     

城市轨道交通大小交路开行方案与多站联合限流协同优化研究

针对城市轨道交通高峰时段客流量大、客流空间分布不均衡导致的供需能力不匹配和车站大客流组织安全压力大等问题,本文提出了一种大小交路开行方案与多站联合限流相结合的运输组织协同优化方法. 该方法考虑客流安全容量、列车运行时间和大小交路开行等约束,建立了以乘客出行成本、企业运营成本和各站上车比例方差和最小为目标的优化模型,设计嵌套人工蜂群算法求解. 以某市城市轨道交通线路为例验证模型的有效性与适用性,并对小交路列车开行频率和多目标的权重系数进行了敏感性分析. 结果表明,该方法在输送乘客人数相当的情况下,能有效节省企业运营成本,并提高乘客出行公平性,有效缓解大客流车站的客流组织压力.     

城市轨道交通大小交路开行方案与多站联合限流协同优化研究

针对城市轨道交通高峰时段客流量大、客流空间分布不均衡导致的供需能力不匹配和车站大客流组织安全压力大等问题,本文提出了一种大小交路开行方案与多站联合限流相结合的运输组织协同优化方法. 该方法考虑客流安全容量、列车运行时间和大小交路开行等约束,建立了以乘客出行成本、企业运营成本和各站上车比例方差和最小为目标的优化模型,设计嵌套人工蜂群算法求解. 以某市城市轨道交通线路为例验证模型的有效性与适用性,并对小交路列车开行频率和多目标的权重系数进行了敏感性分析. 结果表明,该方法在输送乘客人数相当的情况下,能有效节省企业运营成本,并提高乘客出行公平性,有效缓解大客流车站的客流组织压力.