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。     

基于支持向量回归的大型客运站客流量预测应用研究

准确预测大型客运站发送客流量,是铁路依据旅客出行需求制订开行方案、编制运行图和完成客流输送任务的重要基础。简要介绍支持向量回归的概念和原理;以汉口车站2017年1月—12月日实际发送客流量作为样本数据集,分析大型铁路客运车站客流特点,即年度客流呈现明显周期波动性、长周期内因多次节假日出现客流大幅激增;将样本数据集分为训练集及测试集,利用支持向量回归模型对剔除节假日前后的客流量进行预测,预测误差对比表明:排除节假日突发大客流的影响后,由支持向量回归模型计算得到车站日常发送客流量的预测精度可明显提高。     

金华西站暑运组织方案研究

通过分析金华西站近几年暑运客流情况,从售票组织、候车乘降组织和应急预案措施三个方面针对性地提出缓解客流高峰的应对措施.     

基于GRNN神经网络的地铁疏散预警及对策研究

针对国内地铁车站客流无序性和突发性的现状,提出基于广义回归神经网络GRNN的地铁车站客流预警模型。以南京地铁全线网某时段客流数据为输入样本,运用GRNN神经网络进行训练与测试,得出预测数据并对比实际数据进行误差分析。结果表明:预测数据拟合,精度可行。将预测数据与南京地铁实时客流预警系统相结合,提出突发性大客流应急情况下的运营服务对策措施,为地铁运营管理单位避免突发大客流造成人员踩踏、恐慌等事故提供参考。     

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.     

城市轨道交通客流预测宏观指标统计分析这篇中文摘要写得很空泛，不太容易看出论文要点

城市轨道交通客流预测作为需求分析的有效技术手段,其预测结果的可信度和有效性将直接影响决策的精准度,重要性不言而喻。通过对北京、上海、广州、深圳、成都、南京等20余座城市的轨道交通现状运营数据进行全面整理与归纳,系统阐述网络客流、线路客流、车站客流的诸多特征,从负荷强度、网络平均乘距、线路平均运距、换乘系数、断面高峰小时系数、断面不均衡性、换乘客流量级分布、车站超高峰系数等客流预测关键技术指标进行特征探讨与规律总结,以期协助模型工作者更好地把握预测结果的合理性。     

基于组合误差优化模型的城市轨道交通短期客流预测研究

为提高城市轨道交通短期客流预测的准确性,构建了一种基于组合误差优化的短期客流预测模型。采用预测误差值对预测值进行优化校正,弱化传统SVM模型在实际预测中误差对预测结果的影响,以提高模型的预测精度。数据选取样本周期内郑州市地铁1号线每小时客流量组成的样本序列并进行了仿真验证。结果显示,经误差优化后的预测模型的预测精度有了明显提高,且优化后的预测值与误差预测值的趋势具有较高的一致性。     

基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

城市轨道交通线网时空相关性客流预测研究

城市轨道交通客流预测是一个时空相关的复杂问题,仅根据车站的历史数据很难得出更有参考价值的预测结果。提出基于Elman神经网络算法的时空相关性客流预测方式。其模型输入包括车站的历史数据和线网中其它车站及交叉线路车站的时空相关性数据。前者从车站前3周数据中提取纵向强时间相关性数据;后者从相关车站的前3周数据中提取横向强时间相关性数据。提取过程均采用Spearman算法。在两条交叉线路共33个车站3周时间范围的客流数据上,利用Elman神经网络算法比较分析时空预测方式和时间预测方式的预测性能。试验结果表明,时空预测方式对实际客流的预测精度优于时间预测方式。最后,在时空预测的基础上进行客流多步预测,为城城市轨道交通有效的客流疏导提供数据支持和相对宽裕的时间。     

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.     

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.     

基于客流预测成果控制地铁设计规模

在城市轨道交通设计中,用好客流预测的结果对线路、车站、各系统的规模影响很大。通过西安地铁3号线规模设计实践,从全线路列车编组、线路两端车站、一般车站和换乘车站的规模设计等方面分析研究如何用好客流预测的成果,提出建议:设计时应注重敏感性分析结果在列车编组规模设计中的应用;对线路末端车站周边土地发展潜力要作充分估计;车站的规模设计要注重车站自身高峰小时客流;换乘车站的规模设计需综合考虑换乘客流的方向不均衡性及与进站客流的关系等因素。     

城市轨道交通上海火车站站春运客流分析及策略研究

近年来,随着上海轨道交通运营线网规模的集中扩张和居民出行方式的改变,轨道交通承担的客运负荷不断攀升.尤其在春运期间,与各火车站毗邻的换乘枢纽大站的客运组织工作也备受考验.以上海轨道交通1号线上海火车站站为例,首先对车站的客流进行分析及预测,随后将客流与车站疏散能力、列车运能相结合,找到不足之处,最后从春运前期准备工作及现场处置两方面制定了上海火车站站春运客运组织策略,为类似城市轨道交通车站春运期间的客运组织提供经验与参考.     

客流预测成果在地铁车站设计中应用及预测值偏小的影响分析

阐述轨道交通客流预测成果在地铁车站设计中应用及影响,并对设计中如何合理利用客流预测成果进行探讨。     

铁路客运专线客流量预测的探讨

依据客运专线客流的成因,将其分为趋势客流、诱增客流和转移客流。运用灰色预测模型对趋势客流进行预测;采用以GDP和常住人口数量作为影响因素的改进型重力模型对诱增客流进行探讨;利用MNL（Multi-Nominal Logit）模型来预测转移客流。以某规划中的客运专线为例,对文中的预测模型进行阐述,以验证本模型对于客运专线客流预测的正确性。     

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区间的季节指数并进行预测.预测结果表明,提出的分类方法在相对误差、平均绝对百分比误差、均方根误差三方面都比其他分类方法更小.这说明所提出的分类方法在地铁客流预测中具有更好的适应性,从而可以为地铁运能运力调整以及运营计划的制定提供参考依据.     

铁路暑运圆满结束

在2008年7月1日至8月31日历时62天的暑运中，铁路客流呈大幅度增长态势，全国铁路发送旅客27854．1万人，同比增加2216．7万人，增长8.6％；日均发送旅客449．3万人，比2008年春运多14．5万人，创历年暑运最高纪录。     

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。     

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.     

城市轨道交通客流特征及预测相关问题

客流预测是城市轨道交通建设的一个十分重要的环节,是各项设计工作的基础。预测结果的可靠与否直接关系到城市轨道交通的建设投资、运营效率和经济效益。通过对城市轨道交通客流进行分析,阐述了城市轨道交通客流规模影响因素、客流形成机理、客流特征、客流预测方法等。分析了四阶段法各阶段预测所使用模型及方法。