基于粒子群优化与宽度学习系统的地铁客流预测模型

为了提高地铁客流量预测的准确性,基于传统的PSO(粒子群优化)算法与BLS (宽度学习系统),提出一种新的地铁客流预测模型,即PSO-BLS算法。首先,对地铁站点的繁华程度、前一时段进站量、前一时段出站量及前一时段断面客流量等参数进行分析,并根据分析结果提出需要根据工作日和双休日分别对地铁客流量进行预测。其次,利用PSO算法对BLS的特征层偏置进行优化。最后,以福州地铁1号线AFC(自动售检票)系统中记录的大量乘客出行数据为例,对所提PSO-BLS算法进行验证。验证结果表明：与传统的地铁客流量预测算法BP(反向传播)神经网络和ELM(极限学习机)相比,PSO-BLS算法获得的计算结果在多项性能指标中均取得了较优异的表现;对BLS的特征层偏置进行优化可以提高BLS的计算精度,为地铁客流量预测提供更精确的计算结果。     

南京地铁南北线客流预测研究

介绍了南京地铁南北线客流预测的影响因素、步骤、模型、软件及结果，并对预测结构进行了简要分析。     

轨道交通车站客流预测模型研究

研究目的:通过对传统的"四阶段"客流预测方法优缺点的分析,对交通出行方式分担率预测模型进行改进,提高客流量预测的准确性,为轨道交通车站站台尺寸及其它设施的设计提供依据.研究结论:在交通出行方式分担率的预测模型中,引入"出行者收入水平"这一概念,重新定义了交通出行方式阻抗函数,优化了传统的"四阶段"客流预测方法.以北京地铁1号线五棵松车站为例,对该车站高峰小时进出站客流进行了预测,将预测得到的客流量与实际客流量进行了对比,证明了本文所提出的方法是一种快捷、有效的客流预测方法.     

西安地铁3号线客流趋势预测研究

在目前我国城市已运营的轨道交通线路中,实际客流与设计客流偏差较大的问题普遍存在。以西安地铁3号线为例,研究其现状客流特征,并与原设计客流对比,分析主要客流预测指标与实际值的偏差及原因。在综合考虑客流影响因素的基础上,提出3号线研究年度内各年客流预测推荐值,对其原客流预测进行校正。最后,结合3号线客流发展规律,对城市轨道交通规划设计及运营提出相关建议。在线路运营初期对客流趋势进行预测,为合理增购车辆、制定运营计划提供依据,为其他线路进行客流趋势预测提供参考。     

大型活动期间地铁车站客流预测方法研究

以中国进出口商品交易会(广交会)为研究对象,对大型活动期间地铁车站客流组成及其分布特征进行了分析,并基于历史客流数据提出广交会期间车站客流量的提取方法.基于灰色预测理论构建了广交会期间地铁车站客流量预测模型,依托2018年秋季广交会期间地铁车站客流数据对该模型进行了验证.结果 表明,所提方法可高精度预测广交会期间的地铁车站客流量.     

断面客流不均衡条件下的地铁行车组织方法

结合地铁客流的分布特征,分析了地铁客流时间和空间分布的不均衡性,给出了依据客流不均衡性设计行车组织方法的原则。此外,给出了各种不均衡性的数学公式描述。以西安地铁二号线客流预测数据为例,探讨了客流分布特性与行车组织之间的关系,设计了相应的行车组织方案。     

基于支持向量回归的地铁进站客流短时预测模型

基于准确的未来客流信息对地铁运营的重要性,研究客流预测的方法。选取支持向量机应用领域的一大分支——支持向量回归的方法对地铁进站客流进行短时预测,使用一种改进的粒子群算法进行参数寻优,从而构建客流预测模型。提出的模型以日期类型和所处时刻作为输入,可以提前预测未来一周的每15 min的客流。采取平均绝对百分比误差和均方根误差对模型的预测结果进行评估。使用广州杨箕车站进站客流数据进行实验,通过交叉验证确定验证参数选取的合理性,并将该模型与BP神经网络、KNN算法进行比较,实验表明模型预测结果的精度更高,稳定性更好。     

借鉴地铁客流调研分析预测西安地铁客流

通过对城市线路网络化进程中的客流变化分析客流变化的因素,预测了西安地铁2号线2014—2021年间的客流水平,为2号线提前制定运营预案,并为车辆购置及设备采购提供科学的理论依据。     

基于非线性效用函数的地铁客流量预测模型

阐述居民出行方式选择的影响因素,着重分析非线性效用函数的特征,对传统的效用函数进行了改进。建立两种出行方式分担比例的数学模型,预测出南昌地铁1号线在不同票价下的分担比例。最后,给出一些政策上的建议。     

郑州地铁短期客流预测研究

建立符合郑州地铁客流特点的短期客流预测模型并运用到线网客流预测工作中。短期客流预测模型可预测未来1个月内工作日、周末及节假日的线网客流,为线网日常运营管理及运输组织工作提供有效参考依据。     

基于月客流量残差的地铁客流季节指数预测方法

为精准反映城市轨道交通的季节性特征,基于月客流残差提出了地铁客流季节区间分类方法.建立趋势方程并计算月客流残差,以月客流残差曲线之间的相似度为基础对月份进行分类,得出基于月客流残差曲线的季节分组区间(SIR).分别以每月进行分类并计算传统月份分组区间(TMC)、以每季度进行分类并计算传统季度分组区间(TQC)以及SIR...     

基于光流法的视频分析技术在地铁客流监测中的应用

视频分析技术的应用对于提高轨道交通系统安全运营、地铁运营公司运营服务水平、确保服务质量、增强公众形象具有十分重要的意义.采用光流法视频分析的手段,对地联客流监测应用进行研究.     

基于OD反推模型预测客运通道客流量

OD矩阵是进行客流预测的重要基础数据,在实际操作过程中,获取吸引区之间的OD矩阵却是非常困难的,一般采用OD调查的方式,但缺陷是调查过程较为费时、费力。本文提出一种免OD调查,利用客流区段观测值直接反推OD矩阵的方法。首先讨论了传统"四阶段"模式与OD反推预测模式的联系和区别,然后阐述以重力模型为结构的基于区段客流量反推OD矩阵模型,并利用最大似然法对模型参数进行迭代求解,最后结合一个具体实例,运用该方法对武广客运通道的客流量进行了预测分析,采用试算法模拟重力模型的参数,误差控制良好,结果验证了方法的有效性。     

基于WiFi嗅探数据的地铁网络客流分析技术

对地铁网络中客流流量和流向的多方位全过程动态监测是提升网络运营安全和效率的关键,也一直是网络化运营中的难点问题。Wi Fi嗅探数据可以对携带Wi Fi设备的对象进行动态跟踪,实现乘客出行时空轨迹的精准化识别。在对Wi Fi嗅探数据的采集原理、采集方法、数据结构、预处理流程分析的基础上,对目前上海轨道交通Wi Fi采集的嗅探数据质量、数据特征以及数据分析模型进行了详细阐述,并以上海轨道交通网络为例,对Wi Fi嗅探数据获取和特征分析的有效性进行验证。结果表明,目前上海轨道交通网络的Wi Fi嗅探数据采集和挖掘的技术条件已经具备,采集的数据质量也能满足客流特征分析的要求。     

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。     

客流预测成果在地铁行车组织设计中的应用

结合南宁轨道交通1号线的设计前期工作,对客流量级进行阐述,分析客流预测三级数据,确定运营的规模;根据OD客流分析来研究行车交路,做出满载率和拥挤度的评价,最终确定车辆编组与行车密度的组合,从而形成合理的运营方案。