出行目鏈軌道交通客流預(yù)測(cè)模型

介紹軌道交通客流預(yù)測(cè)模型的建模方法及建立過(guò)程,并分析模型的特色及創(chuàng)新點(diǎn)。以濟(jì)南市軌道交通線網(wǎng)規(guī)劃為例,對(duì)濟(jì)南市的各個(gè)軌道交通線網(wǎng)方案進(jìn)行客流預(yù)測(cè),為最終確定軌道交通線網(wǎng)方案以及優(yōu)化布局提供技術(shù)支持。

城市軌道交通線路短時(shí)客流具有不確定性特征。分析了短時(shí)客流的準(zhǔn)周期性,用云概念表示短時(shí)客流的特征,構(gòu)建歷史時(shí)間云、歷史客流云、當(dāng)前客流趨勢(shì)云以及客流預(yù)測(cè)云,并建立時(shí)間云與客流云的關(guān)聯(lián)規(guī)則,將時(shí)間云作為規(guī)則前件,客流預(yù)測(cè)云作為規(guī)則后件構(gòu)建單條件多規(guī)則不確定性預(yù)測(cè)云模型。以南京地鐵2號(hào)線15min間隔的進(jìn)站客流預(yù)測(cè)為例,將云模型與arima模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析,證明云模型應(yīng)用于短時(shí)客流預(yù)測(cè)的有效性,從而為城市軌道交通線路短時(shí)客流預(yù)測(cè)提供了一種新途徑。

客流量預(yù)測(cè)是城市軌道交通規(guī)劃設(shè)計(jì)和運(yùn)營(yíng)管理的基本依據(jù),是城市軌道交通建設(shè)過(guò)程的重要組成部分.在對(duì)天津地鐵一號(hào)線日客流量變化的規(guī)律進(jìn)行分析的基礎(chǔ)上,采用自回歸滑動(dòng)平均時(shí)間序列(arma)模型對(duì)客流量進(jìn)行預(yù)測(cè).結(jié)果表明,與實(shí)際數(shù)據(jù)相比,模型具有較小的預(yù)測(cè)相對(duì)誤差,取得了較好的預(yù)測(cè)效果.

客流預(yù)測(cè)作為城市軌道交通建設(shè)的設(shè)計(jì)基礎(chǔ)和前提依據(jù),單一的客流預(yù)測(cè)方法往往難以滿足預(yù)測(cè)精度要求。因此,提出了組合模型預(yù)測(cè)方法,并對(duì)不同組合模型的實(shí)際應(yīng)用進(jìn)行了闡述,以期為提高客流預(yù)測(cè)精度和速度提供借鑒。

城市軌道交通客流分擔(dān)率模型分析

研究目的:通過(guò)對(duì)傳統(tǒng)的\"四階段\"客流預(yù)測(cè)方法優(yōu)缺點(diǎn)的分析,對(duì)交通出行方式分擔(dān)率預(yù)測(cè)模型進(jìn)行改進(jìn),提高客流量預(yù)測(cè)的準(zhǔn)確性,為軌道交通車站站臺(tái)尺寸及其它設(shè)施的設(shè)計(jì)提供依據(jù)。研究結(jié)論:在交通出行方式分擔(dān)率的預(yù)測(cè)模型中,引入\"出行者收入水平\"這一概念,重新定義了交通出行方式阻抗函數(shù),優(yōu)化了傳統(tǒng)的\"四階段\"客流預(yù)測(cè)方法。以北京地鐵1號(hào)線五棵松車站為例,對(duì)該車站高峰小時(shí)進(jìn)出站客流進(jìn)行了預(yù)測(cè),將預(yù)測(cè)得到的客流量與實(shí)際客流量進(jìn)行了對(duì)比,證明了本文所提出的方法是一種快捷、有效的客流預(yù)測(cè)方法。

軌道交通費(fèi)率清分的實(shí)質(zhì)是在不同線路下網(wǎng)絡(luò)客流分布的問(wèn)題。在充分考慮乘客出行路徑選擇多要素的基礎(chǔ)上,提出一種基于神經(jīng)網(wǎng)絡(luò)的軌道交通客流清分模型。將影響乘客出行路徑選擇的多要素分為確定性要素和不確定性要素,通過(guò)樣本訓(xùn)練神經(jīng)元的抑制系數(shù)和激勵(lì)系數(shù),結(jié)合轉(zhuǎn)換函數(shù)將結(jié)果傳導(dǎo)給輸出層輸出。與傳統(tǒng)模型相比,該模型更符合乘客出行選擇的多要素心理。最后通過(guò)對(duì)比客流調(diào)查結(jié)果和logit模型表明,在排除其他要素的干擾下,該方法能夠較好的實(shí)現(xiàn)客流在不同線路的清分。

軌道交通費(fèi)率清分的實(shí)質(zhì)是在不同線路下網(wǎng)絡(luò)客流分布的問(wèn)題。在充分考慮乘客出行路徑選擇多要素的基礎(chǔ)上,提出一種基于神經(jīng)網(wǎng)絡(luò)的軌道交通客流清分模型。將影響乘客出行路徑選擇的多要素分為確定性要素和不確定性要素,通過(guò)樣本訓(xùn)練神經(jīng)元的抑制系數(shù)和激勵(lì)系數(shù),結(jié)合轉(zhuǎn)換函數(shù)將結(jié)果傳導(dǎo)給輸出層輸出。與傳統(tǒng)模型相比,該模型更符合乘客出行選擇的多要素心理。最后通過(guò)對(duì)比客流調(diào)查結(jié)果和logit模型表明,在排除其他要素的干擾下,該方法能夠較好的實(shí)現(xiàn)客流在不同線路的清分。

信度估計(jì)是產(chǎn)生于風(fēng)險(xiǎn)管理和精算領(lǐng)域的一種現(xiàn)代預(yù)測(cè)方法.借助信度估計(jì)的技術(shù)和方法,對(duì)城市軌道交通客流量進(jìn)行短期預(yù)測(cè).為了考慮不同車站客流量間的相依關(guān)系,建立了軌道交通客流量的多維信度預(yù)測(cè)模型.并采用天津地鐵一號(hào)線的數(shù)據(jù),對(duì)所述預(yù)測(cè)方法進(jìn)行驗(yàn)證.

. . 基于四階段法的城市軌道交通客流預(yù) 測(cè)模型研究 . . 摘要 關(guān)鍵詞：軌道交通客流預(yù)測(cè)通過(guò)預(yù)測(cè)線路斷面流量、換乘流量、車站出入口流量 為規(guī)劃線網(wǎng)方案的評(píng)價(jià)、軌道建設(shè)提供重要的量化指標(biāo)，其對(duì)于軌道交通項(xiàng)目的 科學(xué)決策具有重要的意義。 本文主要內(nèi)容如下： （1）闡述國(guó)內(nèi)外軌道交通預(yù)測(cè)研究現(xiàn)狀和發(fā)展趨勢(shì)，研究背景和研究意義； （2）介紹傳統(tǒng)四階段法基本原理和方法，并指出傳統(tǒng)四階段法存在的不足， 并提出了改進(jìn)方法； （3）針對(duì)傳統(tǒng)四階段法的不足進(jìn)行了改進(jìn)，按出行目的和小區(qū)區(qū)位建立改進(jìn) 的四階段法軌道交通預(yù)測(cè)模型； （4）以某軌道交通網(wǎng)絡(luò)為研究對(duì)象，運(yùn)用改進(jìn)的四階段法進(jìn)行客流預(yù)測(cè)。 關(guān)鍵詞：四階段法；軌道交通；客流預(yù)測(cè)；交通分布模型；交通生成模型 . . abstract passengervolumeforecastbypredictingtheflowli

文章根據(jù)軌道交通線網(wǎng)規(guī)劃客流預(yù)測(cè)的目標(biāo)、要點(diǎn)、年限和內(nèi)容,建立了包含出行生成預(yù)測(cè)、出行分布預(yù)測(cè)、交通方式分擔(dān)預(yù)測(cè)和交通分配預(yù)測(cè)的四階段法預(yù)測(cè)模型,并利用該模型對(duì)蘭州市軌道交通線網(wǎng)規(guī)劃的四種方案進(jìn)行了客流預(yù)測(cè),得出最優(yōu)方案。

研究以軌道交通客流轉(zhuǎn)移預(yù)測(cè)為目標(biāo),綜合考慮居民出行選擇習(xí)慣、交通信息及交通環(huán)境等因素,利用烏魯木齊市居民出行方式選擇sp調(diào)查(statedpreferencesurvey)數(shù)據(jù)構(gòu)建ml(mixedlogit,混合logit)模型,對(duì)城市軌道交通客流轉(zhuǎn)移進(jìn)行實(shí)證研究。研究結(jié)果表明,ml模型能夠反映出個(gè)體選擇喜好的隨機(jī)特性；居民出行選擇習(xí)慣、交通信息及交通環(huán)境因素顯著影響居民向軌道交通轉(zhuǎn)移的選擇；軌道交通1號(hào)線和2號(hào)線建成后,預(yù)測(cè)可承擔(dān)烏魯木齊市南門附近居民31.75%的出行,該部分出行主要是從常規(guī)公交、brt和出租車轉(zhuǎn)移而來(lái),而私家車出行向軌道交通轉(zhuǎn)移較困難。研究成果可為軌道交通建設(shè)的城市特別是新建軌道交通的城市提供有力的數(shù)據(jù)支撐和理論基礎(chǔ)。

軌道交通客流預(yù)測(cè)對(duì)于充分發(fā)揮路網(wǎng)整體能力和綜合效益、最大限度地滿足客流的需求以及優(yōu)化網(wǎng)絡(luò)運(yùn)能配置和建設(shè)方案都具有極其重要的作用。重點(diǎn)研究了logistic種群增長(zhǎng)模型的產(chǎn)生、類型以及在實(shí)踐中的應(yīng)用,并對(duì)軌道交通客流的形成、影響因素以及單線客流成長(zhǎng)規(guī)律進(jìn)行深入分析研究,將兩者相結(jié)合,建立了logistic客流預(yù)測(cè)模型。

以基于距離衰減理論的可達(dá)性模型為基礎(chǔ),運(yùn)用gis柵格數(shù)據(jù)分析方法,獲得了社區(qū)公交出行預(yù)測(cè)的新方法。主要過(guò)程包括社會(huì)經(jīng)濟(jì)活動(dòng)的空間分解、可達(dá)性模型標(biāo)定參數(shù)及可達(dá)性概率計(jì)算。以大連市七賢嶺街區(qū)作為實(shí)例進(jìn)行了社區(qū)公交出行客流分布預(yù)測(cè)研究,并基于實(shí)際調(diào)查對(duì)結(jié)果進(jìn)行了驗(yàn)證。結(jié)果表明,基于gis的可達(dá)性模型對(duì)公交出行發(fā)生預(yù)測(cè)方法在微觀層次提供了一個(gè)有效的方法。該方法所需數(shù)據(jù)較少,數(shù)據(jù)分析周期短,建模成本低,適應(yīng)我國(guó)目前城市建設(shè)量大、速度快的國(guó)情,是一種值得深入研究的方法。

?1994-2011chinaacademicjournalelectronicpublishinghouse.allrightsreserved.http://www.cnki.net ?1994-2011chinaacademicjournalelectronicpublishinghouse.allrightsreserved.http://www.cnki.net ?1994-2011chinaacademicjournalelectronicpublishinghouse.allrightsreserved.http://www.cnki.net ?1994-2011chinaacademicjournalelectronicpublishinghouse.allrightsr

通過(guò)分析城市軌道交通客流量的時(shí)序特征和rbf神經(jīng)網(wǎng)絡(luò)的作用機(jī)理,將具有不同時(shí)序特征的數(shù)據(jù)分別用不同的神經(jīng)網(wǎng)絡(luò)進(jìn)行處理,建立了基于客流時(shí)序特征的并行加權(quán)神經(jīng)網(wǎng)絡(luò)模型,并用該模型對(duì)北京市城市軌道交通各條線路的客流進(jìn)行預(yù)測(cè).結(jié)果表明,各線路客流量預(yù)測(cè)結(jié)果的平均絕對(duì)百分誤差均在10％以下,小于單個(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差,提高了預(yù)測(cè)精度.

城市軌道交通短期客流預(yù)測(cè)是列車運(yùn)力配置和網(wǎng)絡(luò)化運(yùn)營(yíng)決策的基礎(chǔ),預(yù)測(cè)結(jié)果的準(zhǔn)確性、精細(xì)度及科學(xué)合理性決定了運(yùn)營(yíng)過(guò)程的安全性、運(yùn)營(yíng)組織的高效性和資源配置的均衡性.節(jié)假日(包括節(jié)前一日)客流與平日有明顯差異,不同節(jié)假日、不同車站的客流規(guī)律各異,預(yù)測(cè)過(guò)程同時(shí)面臨路網(wǎng)結(jié)構(gòu)改變、歷史可用樣本少等問(wèn)題,本文綜合考慮大型活動(dòng)、惡劣天氣、車站周邊土地利用性質(zhì)等影響因素,采用模糊c均值聚類法和一元線性回歸模型,構(gòu)建了適用于路網(wǎng)結(jié)構(gòu)發(fā)生改變的車站進(jìn)、出站量預(yù)測(cè)模型,并結(jié)合北京市軌道交通歷史客流數(shù)據(jù),對(duì)2015年清明節(jié)前一日車站進(jìn)、出站量進(jìn)行了預(yù)測(cè),與神經(jīng)網(wǎng)絡(luò)模型、多元回歸模型預(yù)測(cè)結(jié)果對(duì)比表明,本模型預(yù)測(cè)結(jié)果更好,全路網(wǎng)客運(yùn)量誤差率為0.27%,車站平均預(yù)測(cè)誤差率為3.92%.

為提高客流預(yù)測(cè)的精度,構(gòu)建軌道交通站點(diǎn)客流多變量時(shí)間序列預(yù)測(cè)模型?；谝曨l檢測(cè)的軌道交通短時(shí)客流預(yù)測(cè)研究采用方向梯度直方圖特征描述器與支持向量機(jī)分類器識(shí)別行人目標(biāo),利用camshift算法對(duì)目標(biāo)跟蹤,從而獲取客流量和客流速度參數(shù),并根據(jù)協(xié)整關(guān)系構(gòu)建客流多變量預(yù)測(cè)的向量誤差修正模型,最后利用南京鼓樓車站4a通道的視頻數(shù)據(jù)進(jìn)行模型驗(yàn)證和對(duì)比分析。實(shí)例驗(yàn)證結(jié)果表明：構(gòu)建的向量誤差修正模型具有較好的預(yù)測(cè)性能,客流量和速度預(yù)測(cè)的mape值都小于8%,優(yōu)于相同樣本下arima（0,1,1）的預(yù)測(cè)性能。

對(duì)各種城市軌道交通客流預(yù)測(cè)方法進(jìn)行分析和比較,指出進(jìn)行短期城軌客流預(yù)測(cè)的必要性。支持向量回歸方法作為以結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理為理論基礎(chǔ)的學(xué)習(xí)算法,可應(yīng)用于軌道交通客流量預(yù)測(cè)。構(gòu)建了城市軌道交通客流的預(yù)測(cè)模型,與bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法進(jìn)行了比照試驗(yàn)。

城市軌道交通客流的特征分析，可以為城市的軌道交通規(guī)劃創(chuàng)造條件，而客流預(yù)測(cè)是各項(xiàng)設(shè)計(jì)工作的基礎(chǔ)。預(yù)測(cè)結(jié)果的可靠與否直接關(guān)系到城市軌道交通的建設(shè)投資、運(yùn)營(yíng)效率和經(jīng)濟(jì)效益。就城市軌道交通客流特征及預(yù)測(cè)相關(guān)問(wèn)題進(jìn)行了探討，以期為軌道交通的運(yùn)行提供參考借鑒。

城市軌道交通客流預(yù)測(cè)方法

我國(guó)城市化進(jìn)程迅速發(fā)展,區(qū)域經(jīng)濟(jì)發(fā)展迫切需要城際軌道交通的支持。本文首先介紹了城際軌道交通客流預(yù)測(cè)的相關(guān)方法。其次,將城際軌道交通客流換分成城市內(nèi)和城市間的客流,提出城際軌道交通客流預(yù)測(cè)的總體技術(shù)路線。最后,以廣佛環(huán)線城際軌道交通客流預(yù)測(cè)為例進(jìn)行相關(guān)說(shuō)明。