直驱多轿厢电梯群控系统的客流交通模式识别

在直驱多轿厢电梯运行中,乘客客流交通模式是影响电梯系统运行性能的一个重要因素。为了提高系统的服务标准,制定合理的群控调度策略,实现系统的优化调度,设计了基于目的层预约的直驱多轿厢电梯群控系统。在乘客客流交通信息提前预知的情况下,利用模糊逻辑控制,通过建立隶属度函数、模糊规则等步骤对多轿厢电梯系统的客流交通模式进行识别。最后,通过应用实例将模糊控制与BP神经网络算法进行对比,结果表明,在试验样本有限的条件下,基于目的层预约的直驱多轿厢电梯群控系统中采用模糊逻辑控制可以更加方便、准确地识别不同的客流交通类型,这为系统进一步的优化调度奠定了基础。

城市综合体与城市接口客流交通设计浅谈

随着经济的迅速发展,越来越多的城市综合体出现在我国大城市中。它体现了城市土地资源的高效利用和城市各种功能的高度集合。本文将城市综合体的外部接口的客流交通流线设计作为研究对象,结合多年的研究经验,通过对国内外现有的城市综合体外部接口客流交通流线设计实例的研究分析,探讨城市综合体外部接口客流交通流线的设计原理,为我国的城市综合体;设计提供理论依据。

浅论客流交通方式划分——以宁波市为例

目前,交通方式划分按其在交通量预测模拟程序的不同组合位置,可分为四种类型。宁波交通模型采用按出行生成、出行分布、方式划分、交通分配四步骤的交通预测程序。

土地利用与城市轨道交通客流的非线性关系

城市轨道交通站点影响范围内土地利用对客流影响具有时空分异特征且存在类型差异,为针对性探讨不同站点两者的复杂非线性关系,提出一种基于土地利用空间分布规律、对站点实际影响范围进行差异化识别的方法;并通过分时段多尺度地理加权回归,获取能够表征土地利用对客流影响时空变化特征的站点聚类指标,采用K-means++算法将研究区域内的站点划分为4类;进而基于改进的梯度提升决策树模型分类定量探讨不同类别下土地利用与轨道交通客流的复杂非线性关系。研究表明:通过捕捉不同站点土地利用与客流的时空分异特征对站点进行分类识别,可有效提升两者非线性关系模型的解释度。根据模型输出结果,发现不同类别站点影响轨道交通客流的关键土地利用要素不同,第1类中关键变量为相对重要性分别为61.35%和30.08%的公交站点数量和慢行密度;第4类的情况类似但相对数值有所变化,公交站点数量的相对重要性由61.35%下降至30.31%;建筑密度在第2类中以66.57%的相对重要度占据最大比例;但在第3类中仅占5.59%。此外,不同类别站点影响范围内土地利用与轨道交通客流的关系存在较为显著且各异的阈值效应。研究表明,对于不同类别站点的用地开发应各有侧重,且应结合实际将土地利用设计指标控制在相应的合理范围内。研究为差异化的站点周边土地利用开发策略的制定提供了理论支持和量化指导。

建成环境对城市轨道交通客流影响机制的研究方法述评

建成环境与轨道交通客流之间联系密切,精准识别轨道交通客流的主要影响因素及其作用程度,对于促进轨道交通客流运营效能、引导轨道交通线网规划具有重要作用。文章对国内外相关文献进行深入研究,总结归纳了建成环境对城市轨道交通客流影响机制的主要研究方法,包括全局线性回归模型、局部线性回归模型和非线性回归模型,并对其特征和应用情况进行了详细解析。通过对比研究,发现线性回归与非线性回归方法在分析建成环境对城市轨道交通客流影响机制过程中存在的优势与劣势,并尝试采用局部线性与非线性相结合的研究方法,构建地理加权决策树模型,以综合解析建成环境与轨道交通客流之间的复杂关系。

成长性视角下建成环境对轨道交通站点客流影响分析

为准确把握城市轨道交通客流生成规律,本文从客流成长性视角探究城市轨道交通站点客流与站点周边建成环境之间的交互关系。以上海市城市轨道交通为研究案例,通过人口及就业密度、土地利用、路网密度、出入口数量、介中心性等13个因子刻画建成环境,基于上海市地铁刷卡数据、人口及经济普查、兴趣点(Point of Interest,POI)、道路网络等多源异构数据,分别构建建成环境对轨道交通客流影响的普通最小二乘法(Ordinary Least Square,OLS)模型与极限梯度提升(eXtreme Gradient Boosting,XGBoost)模型进行量化实证分析。结果表明,基于机器学习算法的XGBoost模型比OLS模型具有更好的模型表现。从影响贡献度来看,轨道交通站点建成初期,地铁站点出入口数量(21.9%),常住人口密度(15.9%),路网密度(9.8%)是影响城市轨道交通站点客流的最重要建成环境因素。建成近期,商业设施用地(16.5%)、容积率(11.1%)和就业密度(8.5%)等用地类建成环境变量成为提升城市轨道交通站点客流的关键。建成远期,城市轨道交通站点客流水平取决于出入口数量(18.9%)、商业设施用地开发(16.6%)与换乘线路数量(7.7%)等用地和交通之间的结合水平。研究结果证实了轨道交通客流与站点周边建成环境之间的成长性特征关系及各阶段显著影响客流的建成环境变量,为因时制宜制定城市轨道交通站城一体化开发策略提供了参考。

基于ARIMA与灰色马尔科夫模型的三亚市交通客流量预测研究

为了较为全面、客观、准确地预测城市的交通客流量,对三亚市旅游统计数据2012-2017年每月的交通客流数据进行分析,在数据整理的基础上,主要采用ARIMA模型和灰色马尔科夫模型对2012-01—2017-12月三亚的交通流量分别进行拟合仿真,并对2018年每月的客流进行了趋势外推预测;结果表明:采用ARIMA预测模型所获得的平均绝对百分误差为4.42%,采用灰色马尔科夫模型获得的平均绝对百分误差为3.78%,表明两种预测具有较高的精度;最后利用灰色马尔科夫模型进行趋势外推预测,得出三亚市2018年交通客流预计近3600万,预测结果对三亚市旅游、交通等行业制定政策能起到积极的作用。

基于多船舶技术下的交通客流调度数学模型优化

在多船舶下进行交通客流调度是一个非线性的多目标规划问题,采用传统的线性调度模型会出现稳态误差。提出一种基于拟线性双曲反演控制的多船舶技术下的交通客流调度数学模型,构建多船舶技术下的交通客流调度的控制约束参量模型,采用Riccati拟线性双曲微分方程进行交通客流调度的数学建模,在渐进稳定约束泛函下进行调度模型的最优解向量分析,采用稳态补偿和自适应反演积分调控方法进行全局稳定性收敛控制,实现交通客流调度优化。仿真实验表明,采用该模型进行多船舶技术下的交通客流调度,能提高客流运输量,调度模型的全局稳定性较好,全过程自适应能力较强。

基于AFC系统的郑州市轨道交通客流特征分析

基于目前积累的AFC系统数据,分析郑州市线路开通近5年主要客流特征,从线网客运水平、增长趋势、高峰时段不均衡性、客流周期性变化规律、线路所经通道特点等方面论述分析。总结郑州轨道网络客流发展规律,探讨城市轨道交通与城市空间结构的关系以及郑州市轨道交通建设工作,为后期线路设计、建设、运营提供参考。

轨道交通客流检测方法探究

客流是影响城市轨道交通规划与运营的重要因素,研究有效的轨道交通客流检测方法具有十分重要的意义.基于此,笔者首先从AFC客流采集技术、热敏传感技术、机器视觉技术3个方面讨论了复杂环境中轨道交通客流的检测方法,进而针对不同的检测技术进行了对比分析,并讨论了各种方法的适用性及应用情况,对工程人员的客运调度与建设规划具有一定的指导作用。

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。

城市轨道交通客流分析方法综述

1.概述城市轨道交通客流的预测方法主要是建立在对轨道交通客流进行预测的基础上的。近年来,越来越多的城市将轨道交通作为解决城市交通问题的重要途径之一,而客流预测是城市轨道交通系统规划和建设的重要依据,城市轨道交通建设的发展也促进了轨道交通客流预测方法的改进和水平的提升。目前。

基于BP神经网络的轨道交通客流量预测

通过对BP神经网络的研究,借助MATLAB软件及其神经网络工具箱的应用学习,对非线性函数进行逼近,通过特定设计函数对所需要建立的神经网络模型进行训练,并且利用仿真来判断误差结果,得出符合模型的合理权值以及阈值,最后根据已有年数据进行轨道交通客流量的预测.

城市轨道交通客流后评估体系及指标探讨

城市轨道交通在发展的过程中存在着客流不稳定与缺乏平衡性的问题,不仅严重影响到了人们的正常出行,而且给城市的交通建设带来了极大的困难和阻碍。本文将从城市轨道交通客流后评估体系及指标的角度进行深入地论述和分析,希望为城市交通事业的发展和建设,以及人们的正常出行提供一些行之有效的措施和建议。

轨道站网络中心性、客流与空间热力耦合分析

城市空间热力反映了人口聚集与街道活力。为探究城市轨道交通与空间热力分布的互动关系,从微观层面的轨道站点切入,采用百度热力图和轨道站点客流数据,以上海为例,对轨道站点的网络中心性、客流与站域空间热力进行耦合分析。首先采用Pearson双变量相关性研究两类轨道站点属性与空间热力的总体耦合关系,然后引入双变量空间自相关和地理加权回归分析方法分别挖掘网络中心性与站域热力、站域热力与站点客流的空间关联模式,并对比两类耦合性的空间差异。结果表明:轨道站点的网络中心性与空间热力的耦合性明显优于轨道客流与空间热力的耦合性,交通区位优势通常能够形成较高的空间热力,客流水平的影响因素则更为复杂;空间热力更适合量化核心区以外区域的轨道交通与城市空间互动关系,轨道交通网络化对空间热力提升具有乘数效应,而在开发密度低的区域提升空间热力更有助于刺激轨道客流;利用空间热力数据评估城市核心区以外区域的新建站点客流潜力具有可行性,但仅用热力预测客流具有局限性;轨道站点周边城市更新可参考不同空间区位站点的两类耦合性差异进行优化。该研究探索了结合城市空间热力分布完善轨道交通线网布局、针对不耦合因素优化轨道站点公共交通导向型开发(TOD)的分析框架,为微观层面衡量城市轨道交通“人-地”关系提供了新视角。

基于乘降客流特征的轨道交通站点分类及客流量影响因素分析

既有研究对城市轨道交通客流特征及其影响因素的分析相对成熟,但鲜有对不同类型站点客流量影响因素的研究。本文引入乘降客流特征时间序列聚类法对天津城市轨道交通站点进行分类,基于多源地理大数据从建成环境、社会经济、站点属性与复杂网络特征等维度构建影响因素指标体系,并采用普通最小二乘回归法(OLS)、地理加权回归(GWR)及多尺度地理加权回归(MGWR)这3种回归模型探究不同类型站点客流量影响因素及其影响程度。针对天津的案例,研究表明:基于乘降客流时变特征分类形成居住主导型、就业主导型与商住均衡型这3类站点,各类站点的空间分布及周边土地利用特征均表现出显著差异;对于居住主导型站点客流量影响因素的分析,MGWR模型拟合结果更优,而对于就业主导型与商住均衡型站点客流量影响因素的分析,OLS模型拟合结果较优,但与其他模型相差不大;不同类型站点客流量的显著性影响因素存在差异,不同影响因素对站点客流量的作用方向及强度也存在差异;公交站点密度和开通时长对居住主导型站点客流的影响程度呈现显著的空间异质性特征。研究结果为天津市进一步提升轨道交通运营效能,实现轨道交通站点为主导的综合开发(TOD)提供了分类分区的规划引导策略。

基于市场细分的郊区轨道交通客流分析

介绍了市场细分的前提、市场细分的标准和方法等基本概念。以上海为例,对轨道交通客流需求市场细分流程提出了建议。选取"郊区轨道交通客流"作为未来上海轨道交通运营企业的目标子市场,设计一系列营销策略,吸引和培育郊区轨道交通客流,以促进城市轨道交通的良性发展。

基于深度学习算法的城市轨道交通客流短时预测

文中基于某地铁自动售检票数据,分析得到城市轨道交通短时客流时序数据具有非平稳性、非线性和非周期性波动等特征.借助深度学习算法,分别构建了基于LM-BP和LSTM神经网络的短时客流预测模型.选取苏州地铁中央花园站为例,以5 min为时间段,采用某一周的客流时序数据作为训练数据,预测未来一天内短时客流量的变化趋势,并对所提预测方法进行验证.结果表明:相较于参数模型中常用的三次指数平滑模型,所提方法的预测准确性和稳定性改进了50%左右,预测精度得到了大幅提升,LSTM模型具有更好的预测精度,而LM-BP模型则在计算效率方面更具优势.

基于LM-BP算法的轨道交通客流短时预测

BP神经网络是当前比较常用的人工神经网络,针对BP神经网络存在易陷入局部极小值、收敛速度慢等缺陷,将LM算法引入到BP神经网络中,以改进BP神经网络在预测时的训练过程,并利用轨道交通客流的时间序列对其有效性进行验证,结果证明该方法对轨道交通客流的短时预测有着更高的准确度和精度。

上海轨道交通客流空间分布特征分析

通过对上海市轨道交通客流的统计和建模分析,得到上海市轨道交通客流的空间分布特征,包括全日客流、早高峰客流及断面客流的空间分布。文章重点对中心城区、近郊地区、新城与其他区域的客流交换量分别进行了分析,得出上海轨道交通客流的向心性,并通过建模分析得到高峰时段的断面客流及服务水平,得出高峰时段的潮汐现象。