基于乘客OD间路径旅行时间的城市轨道交通客流分布计算模型的适用性研究

[目的]针对目前城市轨道交通(以下简称“城轨”)线网客流分布计算模型的客流计算结果与实际客流存在偏差的现象,需基于OD间路径的实际旅行时间,对基于多路径概率分配的客流分布计算模型的适用性展开研究。[方法]基于乘客OD间路径的实际旅行时间,分析揭示了现有城轨客流分布计算模型存在的主要问题;融合AFC(自动售检票)系统和ATS(列车自动监控)系统两类数据,构建并标定了基于乘客OD间路径旅行时间的城轨客流分布计算模型;对目前国内城轨系统广泛采用的基于多路径概率分配的城轨客流分布计算模型的适用性进行了分析与评价。[结果及结论]现有城轨客流分布计算模型在路径选择集和路径选择比例上存在主要问题。通过基于多路径概率分配的城轨客流分布计算模型获取的路径分配比例,得到的旅行时间分布模拟结果均为单峰,无法重现从AFC票卡提取的实际旅行时间分布的多峰情况。当城轨线网较为简单时,基于多路径概率分配的城轨客流分布计算模型基本适用;当线网规模不断增加,线网结构进一步复杂,列车运行方式的多样性、乘客出行行为的差异性等不断加大的条件下,该模型对于路径阻抗差异小的OD可能适用,而对于路径阻抗差异大的OD不适用。

Semantics Analytics of Origin-Destination Flows from Crowd Sensed Big Data

Monitoring,understanding and predicting Origin-destination(OD)flows in a city is an important problem for city planning and human activity.Taxi-GPS traces,acted as one kind of typical crowd sensed data,it can be used to mine the semantics of OD flows.In this paper,we firstly construct and analyze a complex network of OD flows based on large-scale GPS taxi traces of a city in China.The spatiotemporal analysis for the OD flows complex network showed that there were distinctive patterns in OD flows.Then based on a novel complex network model,a semantics mining method of OD flows is proposed through compounding Points of Interests(POI)network and public transport network to the OD flows network.The propose method would offer a novel way to predict the location characteristic and future traffic conditions accurately.

基于OD的高速公路收费站出入口流量预测方法

目前,高速公路收费站拥堵问题成为影响高速公路通行效率的重要因素,为收费站管理人员提供精准高效的拥堵流量预警具有重要的现实意义。文章基于GC-LSTM模型进行改进,提出了一种称为GC-LSTM-OD的高速公路出入口多步流量预测模型。该模型能够有效预测流量演变趋势,同时具备适应非常态情况的能力。为验证模型性能,文章使用了沿江高速太仓-常州段的现实流量数据,实验结果表明,相较于其他模型,GC-LSTM-OD在多步流量预测方面表现出更加优异的性能。

一种轨道交通客流OD精准化辨识算法

特大城市的轨道交通承载着城市的交通运输骨干任务,积累了蕴含着乘客出行时空关系、出行规律及出行习惯等的客流票卡数据,具有较高的实践指导价值。首先,设计了轨道交通AFC数据预处理方法,构建了轨道交通客流刚性需求筛选算法;其次,改进FP-Tree算法并用于挖掘刚性需求客流OD,得出精准化的乘客进出站频繁项集;最后,构建基于换乘客流路径选择模型的客流换乘OD挖掘算法,将客流换乘OD转化为线路OD,精准化挖掘客流OD需求,研究成果可为轨道交通市郊线路快车停站方案的制定提供支持和决策指导。

基于优化PSO-BP算法的轨道交通短期OD客流预测研究

城市交通系统要实现更好的管理,需对城市轨道交通进站客流进行准确预测,为达到提高轨道交通运输效率、改善运营服务质量的目的,构建了以反向传播(BP)神经网络对地铁客流进行预测;利用PSO,对BP神经网络进行进一步优化,形成对应的客流预测系统。以地铁数据为基础,对车站OD客流量时空相关性进行定性分析,利用回归分析法对影响客流的因素进行定量分析,筛选出天气、节假日、运营时刻3个时间特征。为提高预测精度,构建不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差,形成了基于PSO-BP神经网络的轨道交通短期OD客流量预测模型,加入时间特征的短期OD客流量预测模型,其换乘站优化后神经网络模型预测值M1平均下降了48.2%,M2下降了37.6%,M3下降了21.9%,该方法和模型为轨道交通运营部门制定列车运行计划提供更准确数据资料。

基于WIFI和蓝牙数据的公交客流OD分析方法研究

针对目前大多数研究是基于IC卡数据和GPS数据来获得公交OD信息,对各站点的下客人数推算精度不足,该文提出一种基于WIFI探针和蓝牙数据的方法来获取公交客流OD。在公交站台安装WIFI探针和蓝牙信号检测器来识别公交车辆上的设备,通过对两个数据源的处理与融合,计算得到公交车辆内部的设备数量,并结合公交车辆乘客上车时的IC卡数据,计算出公交车辆的上下客流,利用相关算法来推算基于WIFI和蓝牙的公交客流OD矩阵,根据上下车客流对OD矩阵进行校对,得到更准确的客流信息。

基于决策树模型的地铁线网短时OD客流预测

为了准确获取地铁线网短时OD(起讫点)的客流分布,从而高效协调运输能力和客运需求,结合集成学习思想构建了基于决策树模型的多时间粒度下地铁线网短时OD客流预测模型。首先利用地铁自动售检票数据分析得到线网OD客流出行的时空分布特征,引入多种时空影响因素对全网数据进行训练以及预测,其次分析了地铁线网OD客流量预测精度与时间粒度之间的关系,最后以苏州市地铁为对象进行实例分析。结果表明:相对于其他模型,研究模型不仅可以有效降低预测误差和拟合客流峰值,而且运算时间也节约了数倍,提高了地铁线网短时OD客流预测的准确性和效率。因此,所设计的模型可为地铁运营与控制系统提供重要数据,有助于运营者进行限流措施、行车计划等的制定与调整。

基于起点-终点数据的成山角船舶交通流特征分析

文中提出了一种基于起点-终点(origin-destination,OD)数据的船舶AIS(automatic identification system)轨迹聚类模型.该模型通过对船舶AIS轨迹的OD数据聚类,得到起点标签和终点标签的OD类别组合,从而将行为相似的船舶轨迹划分到同一个簇中,实现船舶AIS轨迹的有效聚类,并识别噪声轨迹.在此基础上,分析了成山角定线制水域船舶航行偏好、OD位置特点和船舶的群体性活动规律等交通流特征.

通道OD矩阵推算算法的应用研究

交通规划中很重要的一环就是交通流调查。通过分析通道OD和断面流量的关系提出一种可通过断面流量推算OD矩阵的理论方法。并描述了将双向交通流分解为单向交通流进行推算的过程 ,给出了通道OD递推公式和相应条件。

基于OD反推模型预测客运通道客流量

OD矩阵是进行客流预测的重要基础数据,在实际操作过程中,获取吸引区之间的OD矩阵却是非常困难的,一般采用OD调查的方式,但缺陷是调查过程较为费时、费力。本文提出一种免OD调查,利用客流区段观测值直接反推OD矩阵的方法。首先讨论了传统"四阶段"模式与OD反推预测模式的联系和区别,然后阐述以重力模型为结构的基于区段客流量反推OD矩阵模型,并利用最大似然法对模型参数进行迭代求解,最后结合一个具体实例,运用该方法对武广客运通道的客流量进行了预测分析,采用试算法模拟重力模型的参数,误差控制良好,结果验证了方法的有效性。

基于空间OD模型的中国省际人口迁移机制分析

基于网络自相关理论与建模方法,利用全国第六次人口普查省际人口迁移数据和相关资料,分析了迁移流之间存在的几种网络空间依赖形式,据此构建空间OD模型,并对2005—2010年中国省际人口迁移的空间模式及其动力机制进行初步分析.结果表明,中国省际人口迁移流之间存在显著的空间依赖关系;分别选择网络权重矩阵Wo,Wd和Ww,利用Morans I对网络自相关程度进行测度,结果为0.502 5,0.286 7和0.107 8,且均在1‰水平上显著,说明抵达相同目的地(D)的人口迁移流的迁出地之间存在空间集聚现象;由同一迁出地(O)出发的迁移流的目的地之间也存在空间集聚现象;目的地和迁出地均相邻的人口迁移流之间也存在相互影响与制约.几种不同空间OD模型的拟合度均优于重力模型,其中迁出地的网络自相关效应更为显著,表明迁出地在地域空间上更为集中,抵达同一目的地的人口迁移流之间的相互作用更强.同时考虑3种不同网络自相关效应的空间OD模型更优,拟合度更好,该模型可以更加准确全面地揭示经济、就业、人口和距离等因素对人口迁移的影响作用.

区域公路OD流量预测新方法研究

公路交通OD流量预测是进行区域公路网规划、公路建设项目可行性研究的重要依据。传统的OD矩阵流量预测往往显得繁重和精度不高。本文研究以网络流观测数据为基础,利用极大熵模型推算出OD矩阵,以此作为计算过程的手段和参变量,考虑节点交通产生、吸引量的趋势增长及诱增增长,以此得出网络流的预测值。最后,通过扬州市公路交通部分OD对模型进行了验证。结果表明,该模型的运用能大大简化OD预测过程和提高预测精度,具有较高的实用价值。

基于交叉路口的动态OD反推模型与算法研究

交叉路口各进出口道之间的实时交通量是信号控制系统重要的输入数据 ,也是难以获得的数据。本文回顾了动态OD反推理论的发展历程 ,以交叉路口各进出口道检测到的路段流量时间序列为基础 ,分析了交叉路口实时交通量的特点 ,提出了基于交叉路口的改进参数优化模型 ,设计了遗传算法对问题进行求解 ,并讨论了算法中的六个关键问题。实例研究表明 ,模型和算法具有较高的效率和准确性 ,能够应用于在线系统。

基于模糊预测的高速铁路客流OD表的推算方法

科学预测客流的变化趋势与波动及获取路网客流OD表是制定旅客列车开行方案的依据.结合高速铁路客运的运营实际,利用客流变化相对稳定特征,本文提出了客流OD表的反推方法和计算流程,该方法的计算工作量相对叠加法节省了(n2-2n).考虑实际客流日波动特征,依据模糊预测原理,建立了车站客运指标的时间序列模糊预测方程和预测方法,该方法可获取预测期客运指标的变化区间.以南方一高速铁路线为背景,对车站发送人数进行了预测,预测值与实际数据相比误差在1%以内.在车站发送人数预测的基础上,给出了线路客流OD表的反推演算.

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination)估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min时,估计平均相对误差为35.5%;为30 min时,估计平均相对误差为20.4%;为60 min时,估计平均相对误差为16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.

基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。

基于库仑定律的公交站点OD矩阵生成研究

为获得更为合理的公交客流分配结果,引入库仑定律,根据公交站点在交通小区中的分布情况,分别建立了小区间和小区内的公交站点OD矩阵生成模型;然后,根据不同公交方式站点的特性对模型进行了优化,并通过对灵敏度系数的分析建立了灵敏度系数的求解模型;最后,通过实例对模型的有效性进行了验证.结果表明:文中模型具有较高的理论和实用价值,提高了公交客流预测的可靠程度.

高速路段动态OD反推模型与算法研究

各进出口匝道间的实时交通量是高速公路管理系统重要的输入数据,也是难以获得的数据。本文回顾了动态OD反推理论的发展历程,提出了动态路径走行时间的完善和简化计算方法,在此基础上建立了基于高速路段的动态OD反推模型,设计了遗传算法对问题进行求解,并讨论了算法中的六个关键问题,提供了一种获得高速公路进出口间动态OD交通量的有效方法。实例研究表明,模型和算法具有较高的效率和准确性,能够应用于在线系统。

基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布。基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性。

公交客流OD矩阵推算

公交客流OD矩阵是公交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。