基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

一种城市动态交通网络紧急疏散路线确定的方法

研究城市动态交通网络紧急疏散路线确定问题.针对城市交通网络的不确定性并考虑到智能交通系统的发展,在分析城市灾害应急管理对疏散路线确定要求的基础上,提出通过离线方式确定预案和根据实时信息调整预案的紧急疏散路线确定的方法,简介了实现该方法的系统结构.在离线模块中,利用已有路网统计先验信息建立基于时间依赖网络城市交通紧急疏散...     

城市轨道交通网络新线接入后的客流预测

城市轨道交通网络新线接入后,网络拓扑结构和客流时空规律都将发生较大变化。提出通过可达性指标将进出站量预测、OD分布量预测、基于路径选择模型的随机客流分配等阶段关联,构建客流预测模型。进出站量预测时,构建土地利用替代指标,避免对新车站周边土地利用、社会经济属性等进行调查;同时由目的地选择效用计算得到车站可达性指标,描述车站位置对进出站量的影响。OD分布量预测时,构建目的地选择模型,可适应拓扑变化后的场景,模型中OD可达性指标由路径选择效用计算得到。构建的路径选择模型,综合考虑了影响乘客路径选择的各因素。最后,对广州市地铁6号线接入后的客流进行建模预测,各模型参数均符合统计检验要求且客流预测精度较高。     

港口交通资源承载力预测预警模型

根据航道交通容量计算方法,建立了航道资源静态承载力模型,基于锚地规模计算方法和基准判定参数,建立了锚地资源承载力分级模型。应用排队理论,将港口码头泊位的服务强度与航道资源、锚地资源的承载力模型相融合,构建了港口交通资源承载力综合预测预警模型,并以中国南方某港口进行实例验证。计算结果表明:应用预测预警模型,2008年与2010年的航道资源承载力指数分别为0.405与0.608,锚地资源承载力综合指数分别为1.489与0.600,2008年的港口码头服务强度为0.565,计算结果与事实相符;按照货物吞吐量的增长速度,预计到2015年,最小、最大航道资源承载力指数分别为0.593与0.796,预计到2020年,最小、最大航道资源承载力指数分别为0.685与0.944;基于现有锚地资源,预计到2015年,水深小于5m的最大锚地资源承载力指数为0.177,水深在5～10m的最大锚地资源承载力指数为1.037,水深大于10m的最大锚地资源承载力指数为1.294,预计到2020年,水深小于5m的最大锚地资源承载力指数为0.210,水深在5～10m的最大锚地资源承载力指数为1.231,水深大于10m的最大锚地资源承载力指数为1.535;预计到2015年,港口码头的最小泊位服务强度为0.858,预计到2020年,港口码头的最小泊位服务强度为0.994。     

基于机器学习的锂离子电池荷电状态多步预测

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测，难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度，利用实际锂电池数据研究了不同多步预测策略的效果。结果表明，实际锂电池荷电状态预测在充电过程中具有显著线性特性，放电过程表现出非线性特性。预测步长为 15个时，LR模型、KNN模型、RF模型的 MAPE均低于 6%，R2均大于 0.90。线性回归结合 MIMO策略具有最大的实际应用潜力。