基于GAT-LSTM模型的高速公路站点流量预测方法

为了实现对高速公路站点流量的准确预测,提出了一种利用组合模型捕捉高速公路收费站流量时空特征以提高交通流量预测精度的方法,首先对高速公路收费数据进行挖掘,得到交通流量时空数据集;其次通过分析其时空特征,揭示高速公路收费站之间流量的时空演化规律及关联机制;最后结合深度学习模型预测高速公路交通流量。以江西省九江主线收费站为实验对象,收集了2021年5月1日至2021年12月31日的收费数据进行处理,将提取特征后的流量时空数据作为模型输入,得到出口流量分析预测结果。利用平均绝对误差、均方根误差和平均绝对百分比误差3项指标对模型预测效果进行评价,结果显示该模型能够利用时空特征有效提高流量的预测精度,与单一模型相比具有更好的预测性能。

基于ASP.NET Web用户控件站点流量统计系统的设计

通过采用ASP.NET技术下的Web用户控件可以简化表示层的页面复杂度,让程序员可以专心设计流量系统的业务逻辑而不必在代码维护方面花费太多的精力。本文对站点流量统计系统的设计进行了论述。

面向海量公交刷卡数据的站点客流分析方法

公交行业的发展,产生了海量多元的公交IC卡刷卡数据,为行业应用提供快速、准确的站点客流量统计一直是智能公交建设的重点。以往对客流量的研究只是进行了简单的数据统计,准确度不高,提出的并行算法在海量数据规模下不具备水平扩展能力。针对此问题,论文通过分析海量多元数据的特征,面向公交刷卡数据提出了一种刷卡时间的聚类方法,不仅可在分钟级完成一周数据的计算,并根据换乘的时间差和距离规则约束提高了计算的准确性。论文工作在Hadoop MapReduce上进行了实现,分时客流量的计算方面随数据规模增大具有可扩展性,单位数据规模的计算执行时间保持相对稳定,并且分析结果具有较高的准确性。

深圳市轨道站点客流特征与周边土地利用的关系

以深圳市轨道1号线为研究对象,基于轨道IC卡数据和离站点500 m范围内的土地利用数据,通过图表分析与回归分析等方法,研究轨道站点客流特征与其影响范围内的土地利用之间的关系。研究发现:对于周边以居住用地为主的轨道站点,其客流早高峰起始时间与晚高峰结束时间均不同于其他类型的站点;站点周边土地总体容积率与站点日均客流量之间呈正相关的关系,而站点周边不同类型用地的容积率则与站点时段客流量之间呈不同的关系。

GCPSO优化混合核SVM的地铁车站客流预测

地铁中站点客流量为地铁运营调度部门提供实时调度管理依据。将径向基核函数与多项式核函数线性组合,构建了混合核支持向量回归机(SVM)预测模型。采用基于黄金分割的混沌粒子群(GCPSO)对混合核SVM的参数进行寻优,得到最佳的参数组合。利用该混合核SVM预测广州地铁3号线站点短期客流量。结果表明,GCPSO优化的混合核SVM预测模型对地铁站点的短期客流的预测精度高,预测数据和实测数据拟合良好,相对误差较小,明显优于SVM其他三种预测方法及Elman神经网络预测方法。

对广州—珠海城际快速轨道交通客流预测的分析评价

客流预测是轨道交通建设项目决策的重要依据。因此,城际快速轨道交通线的客流预测必须坚持定量分析和定性分析相结合的观点,并据此对广州—珠海城际快速轨道交通线客流预测工作的可靠性和预测结果的合理性进行了分析评价。

广州地铁大数据出炉!东进和南拓哪个更厉害?

广州地铁近日发布2019年年报,年报中披露了2019年广州地铁的线网运营数据。我翻阅了一下,信息量很大,因为我们可以从各线路、各站点客流量的变化,窥探出城市空间格局的变迁。一、哪些线路正增长,哪些负增长?第一个问题,过去一年,哪些线路的客流增速跑赢均值,哪些跑输均值?