基于SVM-KNN的降雨条件下短时公交客流预测

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型.分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响.进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型.具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流.通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性.结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%.     

基于集对分析的随机需求接驳公交调度模型

针对需求点的出行客流服从正态分布,基于集对分析理论,利用二元联系数刻画随机客流的确定和不确定部分,将其转化为带联系数的确定性数学模型,研究一类随机需求接驳公交调度模型,将乘客从需求点运输至轨道站点,追求总里程最少.同时,该模型集成了这些乘客的最大容忍在车时间对调度结果的影响.利用Cplex求解模型的精确解,结合实际算例,给出了不同车辆数的最优调度方案,比较了有无乘客在车时间限制的2种方案差异,并分析了客流的不确定程度对调度结果的影响.实验表明,随着客流的不确定程度逐渐增加引起需求点的上车人数变多,受车辆的额定载客量限制,这致使车辆偏好访问较远距离但不超过其额定载客量的需求点,因而总行驶里程也变大;考虑乘客的最大在车时间限制,这引导车辆提供"直达"服务,因而会增加总行使里程,但是满足了乘客的个性化出行需求.     

广义P&R系统优化选址模型研究

针对P&R系统的特性和功能提出了广义P&R系统优化选址模型,将P&R系统优化选址问题统一在一个模型中,并用实例运算证明了建立模型的有效性和普适性.     

基于GIS的武汉市公交线路最优路径运算研究

基于GIS的空间数据库技术,可以对公交实体要素进行详细表述,为精确计算换乘延误提供了可能。以武汉市公交系统为实例研究对象,建立了基于GIS的公交网络数据库,应用可行的基于换乘次数最少的最优路径算法,在ArcGIS中实现了任意两点间的最优路径查询。     

基于灰色系统理论的城市客运枢纽换乘方案评价

城市客运交通枢纽是城市交通系统的一个重要组成部分,枢纽换乘方案的评价是客运枢纽规划设计的直接依据.从运行效率和内部设施布局两方面建立了客运枢纽换乘方案评价指标体系,通过熵值法确定指标权重,在此基础上提出了客运枢纽换乘方案的灰色评价方法,并结合示例说明了方法的可行性.     

哈尔滨市地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果.通过分析,证明了四阶段预测方法的可行性及合理性.     

基于航空OD客流的重力模型逆向算法

为了由航空OD（起讫点）客流数据及航线距离数据估计机场旅客吞吐量,结合哈密顿图简化算法机理,推导了简化代数算法．以我国15个主要机场之间航空0D客流数据为例,标定了模型参数,并利用两种逆向代数算法预测机场旅客吞吐量,结果吻合良好．与标准代数算法相比,简化代数算法需要的数据少,尤其适合于缺乏完整数据的大规模OD矩阵分析．     

哈尔滨地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果。通过分析,证明了四阶段预测方法的可行性及合理性。     

基于模糊决策的城市公交换乘算法研究

换乘系统是整个公交系统的重要组成部分,提高换乘效率对方便市民出行、发挥公交系统的作用、促进公交系统的协调发展都具有重要意义.首先,分析公交站点在换乘过程中的重要性.然后,利用模糊决策的思想选择最优站点进行换乘,对传统的算法进行了改进;最后,给出了算例分析,证明算法的可行性.     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。