基于乘积ARIMA模型的城市轨道交通进出站客流量预测

基于城市轨道交通自动售检票(Automatic Fare Collection,AFC)系统采集的进出站客流的历史数据,构建乘积差分自回归移动平均(Auto_Regressive Integrated Moving Average,ARIMA)模型,实现对进出站客流量的精确预测.通过自相关和偏自相关函数进行数据的平稳性和周期性分析,消除趋势性和周期性特征影响;考虑到处理后数据的周期性和短期相关性之间的乘积关系,构建乘积ARIMA进出站客流预测模型,并以广州地铁各车站进出站客流量数据为例进行了模型的参数标定.模型预测值与实际值的对比分析显示该模型的平均绝对百分误差保持在5%以内,表明该模型具有很高的预测精度和良好的适用性.

城市轨道交通新站开通初期实时进出站客流量预测

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。

基于模糊C均值聚类的城市轨道交通新线站点进出站客流量预测

对城市轨道交通既有车站的进出站客流量历史数据、车站周边的土地利用性质以及土地利用强度指标进行模糊化处理,基于模糊C均值聚类分析模型对既有站点进出站客流量规律相近的车站进行相似聚类,建立站点进出站客流量与周边的土地利用性质和开发强度的关系模型,并利用该模型对新线站点的进出站客流量进行预测。

新线接入条件下的城市轨道交通网络起讫点客流量预测模型

新线接入将导致城市轨道交通网络连通性等特征发生一定的变化,影响相关线路的客流分布,进而需要对客运组织和行车组织做出调整。分析不同类型新线接入的影响,采用站点进出站客流量数据来表征土地利用变化,通过站点分类与匹配,构建站点进出站客流量预测模型;在此基础上,对网络起讫点矩阵进行区域划分,结合每个区域客流的特点,分别构建相应的客流起讫点预测模型,并以深圳地铁11号线接入作为实际案例,来验证模型和方法的有效性和适用性。验证结果表明,新线接入后的客流分布预测以及客流影响评估,有助于运营管理部门分析掌握新线接入后的实际客流变化情况,以制定与优化相关线路的运输组织方案。