TransCAD在城市轨道交通客流预测中的应用

简要介绍了城市轨道交通客流预测的重要性及预测方法,探讨在TransCAD软件平台上建立步行、常规公交和轨道联合网络,运用"四阶段"法实行交通预测,实现对轨道交通客流预测的过程。     

合肥东部城区有轨电车客流预测分析

本文就合肥东部城区有轨电车项目轨道交通客流进行了具体的分析和预测,通过软件TransCAD,构建肥东公共交通(地铁、有轨电车和常规公交)专题模型,对规划中的肥东县有轨电车交通线网进行客流预测,提取有轨电车工程线路的客运需求和各项客流指标,并提出了一些个人思考与分析,为项目选线设站方案提供科学依据.     

城市轨道交通客流预测四阶段法及其在TransCAD中的应用

城市轨道交通线路各设计年度的客流预测工作是轨道交通设计工作中的一项重要基础内容,客流预测结果是后续设计专业的重要依据。四阶段法是城市轨道交通客流预测中常用的一种预测方法,具有系统性和全面性。通过总结四阶段法在TransCAD中的应用过程,对客流预测整个过程进行分析总结,提出基于四阶段法的城市轨道交通客流预测方法,并应用于工程项目中,对设计工作者具有一定的参考价值。     

基于ArcGIS的城市轨道交通客流预测

针对乌鲁木齐市轨道交通客流预测,论述如何在不进行大规模的分片区城市人口和就业调查情况下,依据社区人口调查和全国经济普查数据,利用地理信息系统平台软件（ArcGIS）的空间分析功能作为工具,将社区人口和经济普查数据中的就业岗位经分析计算转化为客流预测所需的交通小区的居住人口数和就业岗位数。     

基于ArCGIS的城市轨道交通客法流预测

针对乌鲁木齐市轨道交通客流预测,论述如何在不进行大规模的分片区城市人口和就业调查情况下,依据社区人口调查和全国经济普查数据,利用地理信息系统平台软件(ArcGIS)的空间分析功能作为工具,将社区人口和经济普查数据中的就业岗位经分析计算转化为客流预测所需的交通小区的居住人口数和就业岗位数.     

区域性城际轨道交通客流预测方法研究

分析了区域性城际轨道交通规划与传统交通规划方法的差异,提出了城际轨道交通客流的特点,以及以影响范围、交通小区划分、交通方式分担、诱增客流、时间价值为要点的区域性城际轨道交通客流预测方法。     

城市群客流生成预测精度控制模型研究

城市群客流生成预测是城市群轨道交通规划中客流预测的主要组成部分,其预测精度将直接影响轨道交通客流预测精度,进而影响轨道交通规划的合理性.在分析城市群客流生成特点的基础上,提出客流生成阶段预测精度控制分为小区划分精度控制、预测方法选择、建模精度控制及模型计算结果调整4个阶段的思路;详细论述后2个阶段的精度控制内容,在模型计算结果调整中提出区域对外交通调整、空间调整、发生总量平衡调整及发生吸引平衡调整4个调整内容,并建立调整模型.     

城市轨道交通客流特征分析

基于交通规划原理及TransCAD软件，探讨在已知轨道交通各车站进出站客流量的条件下，如何计算站间客流量，进而分析得出断面客流量及各换乘站分向客流量指标，最后对北京市轨道交通客流特征进行了实例分析。     

以旅游功能为主的城市轨道交通线路客流预测方法

以深圳轨道交通8号线为例,分析了以旅游功能为主的轨道交通线路的客流特征。针对旅游客流特征,改进了传统的城市轨道交通客流预测方法,利用RP/SP(显示偏好/陈述偏好)调查等手段,提出建立旅游客流预测模型的方法。此方法改变了以往只预测各个预测年限工作日客流数据的惯例,提出针对淡季和旺季的工作日、周末\节假日分别进行客流预测,每个预测年限预测4套客流预测数据,为深圳轨道交通8号线工程可行性研究提供了必要且充足的数据支撑。     

城市群城际轨道客流预测方法研究

针对城市群城际轨道交通特点,综合分析客流特征分析的基础上,提出考虑区位势能的交通小区划分方法;结合城市群内各城市经济发展,采用修正重力模型进行客流分布预测,通过trans CAD完成K矩阵和相应参数的标定;以logit模型为基础,研究交通方式划分与交通分配联合模型的竞争分配方法。最后,以长株潭城市群为例,对长株潭城际铁路近期、远期客运需求进行预测分析。研究结果表明:该方法和模型具有较好的应用价值。     

市域轨道交通客流预测与特征探析

市域轨道交通从客流性质看包括城区客流、城郊客流和城区与辖县间的市域客流;从与地铁衔接看,有贯通运营、站点换乘等不同模式,其中,贯通运营模式将强化对市域客流及城郊客流的服务。为更准确地预测3类客流,支撑市域轨道运营模式决策,指出市域轨道交通客流预测需对传统"四阶段法"进行优化,应细分城区、城郊和市域3类客流,在出行生成、出行分布和方式划分等阶段进行分别建模,在流量分配阶段再汇总,进而应用国际流行的"拓展四阶段法",新增反馈模块,将拥堵信息返回至前述阶段,以多次循环实现模型收敛平衡。以与无锡地铁1号线衔接的无锡至江阴市域轨道(简称锡澄线)为例进行了实例应用分析,验证了模型的可行性;对站点换乘和贯通运营两种模式进行比较。预测表明,在贯通运营模式下,锡澄线本线远期日客运量增长16%、高峰小时断面增长7.8%。较好地支撑了锡澄线运营模式决策,所提方法可为其他地区都市圈市域轨道交通客流预测提供技术参考。     

西安城市快轨交通线网方案客流测试研究

结合西安城市快轨交通线网规划,提出轨道交通线网方案客流测试的基本观点,基于交通规划软件包TransCAD,利用“四阶段”交通预测模型,对西安市轨道线网规划的3个预选方案进行客流测试,通过对客流预测结果的分析比较,综合各个方案中各条线路客流情况,在客流效果较好的方案l的基础上优化形成方案A,在同等条件下,对方案A进行客流测试,从客流的角度来看,方案A的优化是成功的。     

TransCAD软件在轨道交通与常规公交换乘线路优化中的应用

在轨道交通接运公交网络已有的研究成果基础上,基于轨道交通车站的接运公交特点,运用TransCAD软件,通过对轨道交通接运公交网络图层的创建、轨道交通接运网络的指标设定、数据准备,以及用交通分配模型来估计交通路网上的交通流量等,给出接运公交线路优化方案,并结合北京地铁13号线的望京西站,实证分析接运公交线路优化方案的可行性.     

都市圈区域轨道交通客流预测研究

依据都市圈的特点提出了以轨道交通站点为中心,以合理的客流吸引半径的圆形范围作为交通小区进行客流预测的思路.研究了轨道交通车站客流的合理步行区及合理交通区,把车站客流划定为一、二、三级吸引范围;提出了以车站节点为中心,以客流吸引范围为半径的圆形范围作为交通小区,并划分为一、二、三类小区,选择各类小区之间出行的步行时间矩阵、等车时间矩阵、在乘时间矩阵、交通费用矩阵等作为客流预测Logit模型参数矩阵.     

都市圈轨道交通客流预测方法研究

传统的城市交通客流预测方法已不适用于群落城镇构成的都市圈的规划.分析了都市圈交通规划与传统城市交通规划的差异,界定了都市圈轨道交通的功能层次.以轨道交通和汽车的交通竞争关系提出了吸引范围的竞争模型,并以此标定了轨道交通站点的吸引范围.结合线网规划,通过节点分析和交通小区分析,提出了结合交通调查的趋势客流预测方法和诱增客流预测方法.方式分担模型采用了Logit模型,选择表征时间和费用的四个因素(步行时间、等车时间、在乘时间、交通费用)作为效用函数的参数.     

苏州市轨道交通典型站点客流离散特性对比分析

为准确把握苏州市轨道交通站点客流的离散特性,利用SARIMA模型和GARCH模型,对苏州市轨道交通车站的客流进行离散特性建模,并使用宽度流量比指标对6座典型车站的客流离散特性进行了分析和评价,为城市轨道交通车站客流特性的预测方法及车站设计和客流的疏导与管理提供了参考,具有一定借鉴意义。     

苏州轨道交通节假日客流预测研究

节假日大客流往往会对城市轨道运营管理造成较大压力,及时准确地预测节假日期间客流,可以为城市轨道交通运营与管理部门制定运输计划、确定应对措施提供重要依据,保障节假日期间轨道交通安全顺畅运行。在分析节假日客流变化趋势的基础上,根据历史客流变化趋势获得基准客流;基于当前客流量水平,构建ARIMA-GARCH模型,预测轨道交通未来节假日各时段客流量。基于苏州轨道交通2018年与2019年的历史客流数据,对方法进行验证分析。结果表明,该方法能有效识别节假日客流特征,降低客流预测前期工作,并实现城市轨道交通节假日各时段客流预测。     

基于产业关联度的都市圈轨道交通客流分布预测

阐述了在都市圈轨道交通分布模型中引入产业关联度的必要性和可行性。将两城市之间的产业关联度参数加入到现有交通分布模型中,给出了交通小区间产业关联度的灰色理论计算方法,对系统平衡模型进行了改进。提出了基于产业关联度的都市圈轨道交通客流预测方法,并以重庆市"一小时经济圈"为例,对重庆"一小时经济圈"2020年的轨道交通客流进行了预测和分析,以促进我国都市圈轨道交通规划和客流预测的科学性和合理性。     

轨道交通短期客流预测方法及其算法研究

轨道交通客流预测对轨道交通日常运营有着重要作用,文章首先根据轨道交通历史数据,对其客流特性进行了分析,着重利用灰色模型对轨道交通短期内的客流量进行建模预测,利用马尔科夫链修正和改进模型预测结果;为了方便客流预测的自动化实现,给出了整个客流预测过程的流程图,并对其预测算法进行了研究。     

苏州地铁客流波动特性分析

为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型。在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征。采用苏州地铁全网客流数据作为分析实例,对5 min、15 min和1 h汇集度的工作日和休息日客流共6组客流数据进行波动性建模、预测与分析,结果表明,SARIMA+GARCH模型具有较好的预测性能。基于各组客流数据的分析结果,分别对工作日与休息日以及不同时间汇集度之间的客流波动特性进行对比,结果表明:休息日客流的波动性强于工作日客流;时间汇集度小的情况下,客流的波动性会更强。