快速路网实时OD预测的时间颗粒度选择

常见的基于实测数据的origin-destination（OD）预测方法分为两类：一类基于历史信息，即根据上一天或上一周同一日相同时段的数据进行预测，简称同比预测法；另一类则是根据同一天相邻时间段的数据预测本时段的OD，简称环比预测法．预测所用基础数据的时段长度称为时间颗粒度．时间颗粒度的大小对OD预测结果的稳定性、准确性具有重要影响．针对上海快速路网，采用ADF单位根检验和K—Means聚类分析方法，研究时间颗粒度对预测结果的影响，提出了时间颗粒度选择的建议，同比预测方法相比环比预测法更容易得出稳定、合理的预测结果，30-60min的时间颗粒度预测效果较好．

城市轨道交通实时客流监控方法与实现技术

我国城市轨道交通的高速发展以及大规模城市轨道交通网络的日臻完善使得列车调度与指挥的重要性日益凸显,而对客流进行精准高效的监控统计是实现列车高效调度的基础。文章通过对城市轨道交通站点进出客流进行分析,得出短期客流数据具有明确的周期性和时序相关性,客流监控数据可以成为短期客流预测的可靠数据来源。客流监控数据获取需要将存量式与通量式客流监控设备结合,通过合理布置监控点位获得及时精准的客流监控数据,为短期客流预测提供低时延、高精度数据支持。