基于组合深度学习的轨道交通短时进站客流预测模型

针对轨道交通短时进站客流考虑不充分和特征学习不全面而导致预测精度不高的问题,选取客流特征、天气、空气质量和道路交通拥堵指数等多个因素,提出了一种基于组合深度学习的轨道交通短时进站客流预测模型(CNN-ResNet-BiLSTM)。基于卷积神经网络(CNN)对多因素客流时间序列进行自动提取,在CNN网络中插入多个残差神经网络(ResNet)来加深网络深度,利用双向长短时记忆神经网络(BiLSTM)捕捉前后两个方向的客流时间序列特征并得到预测结果;以杭州市全网80个站点工作日的进站客流为例,验证了该模型的有效性。研究结果表明:与常用的几种模型相比,多因素CNN-ResNet-BiLSTM组合模型的均方根误差(E RMS)至少降低了8.50%,平均绝对误差(E MA)至少降低了6.74%,平均绝对百分比误差(E MPA)至少降低了6.52%。

长三角城市群入境旅游流的时空演化与空间效应研究

科学研判入境旅游流的时空分异规律和动态演化特征,对推进入境旅游一体化高质量发展大有裨益。采用探索性空间数据分析、重心—标准差椭圆模型和空间马尔科夫链模型识别2005—2020年长三角城市群入境旅游流的时空分异及其动态演化规律,并运用空间杜宾模型探析入境旅游流的溢出效应。结果表明:研究期内入境旅游流整体呈缓慢增长态势,变异系数和相对基尼系数呈小幅度波动上升趋势,表明研究区入境旅游流相对差异总体较为平稳。空间上呈显著集聚特征,但高低集聚区渐趋缩小,入境旅游流分布日益空间均衡化;入境旅游流重心轨迹呈“东南—西北”移动趋势,西部地区入境旅游流增长速度较快;标准差椭圆主要位于长三角中部偏东地区,椭圆面积样本末期大于样本初期,东部是入境旅游发展的主要区域,入境旅游流发展的溢出效应逐渐增强。入境旅游流存在显著的“状态锁定”和“俱乐部趋同”现象,整体有序向高水平方向跃迁,与高值区为邻自身向上转移的概率将增大。入境旅游流具有显著的空间溢出效应,经济发展水平、对外开放程度和旅游基础设施是推动本地及邻地入境旅游流增长的重要因素,旅游资源禀赋、区位交通条件显著促进本地入境旅游流增长,对邻地的溢出影响则显著为负。

我国入境旅游流循环空间分布特征及影响因素

本研究收集了我国2019年入境旅游流的有关数据,构建入境旅游流循环分析指标,利用自然断点法、社会网络分析法、QAP分析法,揭示我国入境旅游流循环的空间分布特征及影响因素,结果发现:(1)存在117个省际入境旅游流循环、25个经济区间入境旅游流循环以及7个经济区内入境旅游流循环,涉及26个省区市。(2)入境旅游流循环强度的空间分布表现为“东高西低”,流量规模匹配度呈“高分散、低集聚”的空间分布格局,高、中、低3个等级的流向偏好匹配度均集中在中东部地区。(3)省际、区域间、区域内入境旅游流循环类型的数量和空间分布特征存在一定差异。多数入境旅游流循环的强度、流量规模匹配度、流向偏好匹配度不高,反映了我国入境旅游流循环质量不高,有待提升。(4)入境旅游流循环网络呈现出“东密西疏”的空间分布特征,整体网络密度较低。(5)交通便捷程度、对外经济贸易、旅游资源禀赋、经济发展水平和旅游接待能力均是影响入境旅游流循环的重要因素,各因素对入境旅游流循环强度、流量规模匹配度和流向偏好匹配度的影响不同。

经济政策不确定性对我国入境旅游的影响及时变效应

经济政策不确定性已经成为宏观经济波动的重要因素,对我国入境旅游发展产生正负向交替变化的非对称影响。基于计量模型从我国入境旅游的供给方和需求方视角,考察我国经济政策不确定性和全球经济政策不确定性对我国1997—2021年省域层面的入境旅游流量和收入的影响及时变效应。研究发现:全球经济政策不确定性与我国经济政策不确定性对我国入境旅游收入和流量均独立存在负面影响,且前者更为显著。不确定性事件的发生对我国入境旅游收入在响应方向、强度和时长方面均具有显著差异性,且随着时间的推移逐渐减弱。

基于时空关联的时空图卷积神经网络城市轨道交通进站客流预测

[目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。[方法]首先,通过切比雪夫图卷积网络捕捉超大规模城市轨道交通网络的空间相关性,借助门控循环单元挖掘多时空关联特征下客流的时间相关性;然后,分析待预测车站历史客流数据相关性及OD(起讫点)客流数据相关性,以深入提取时空相关性;最后,结合客流时空关联特征建立STGCN模型。[结果及结论]以上海地铁江苏路站为例,进行短时进站客流预测,结果表明采用时空关联特征参数的预测结果较未加入特征参数的预测精度提高了16%,预测效果较优。

广州地铁车站进站客流超高峰系数实证分析

[目的]超高峰客流量是设计城市轨道交通车站内各部位通过能力所需的重要参数,由高峰小时客流量乘以超高峰系数得到。而超高峰系数目前还没有合理的确定方法,在实际设计中通常基于《地铁设计规范》给出的建议值并结合设计者的经验进行取值,需研究其分布规律和取值方法。[方法]基于广州地铁现状客流数据,按照全日进站量和所在区位对车站进行分类,基于此,分析了不同类型车站进站客流超高峰系数分布范围的差异,探讨了进站客流超高峰系数的分布规律和确定思路。[结果及结论]周边以岗位用地为主的车站,其晚高峰进站客流超高峰系数宜在《地铁设计规范》中建议值的低限附近取值;周边以居住用地为主的车站,其早高峰进站客流超高峰系数,可根据车站早高峰进站客流的出行距离分布集中程度来取值,如果出行距离分布集中程度高,则宜在《地铁设计规范》中建议值的高限附近取值。

计量站来油分配偏流影响因素分析

为了研究计量站来油分配规律,明确并联管路“偏流”工况的影响因素,利用流体软件Fluent对进站管路流量分配均匀性的影响因素进行理论研究和数值模拟,分别改变分配管间距、入口流速、入口管直径、分配管长度和分配管管径与初始模型软件计算数据进行对比,研究不同条件对流量分配均匀性的影响。研究结果表明:相同的条件下,适度增大分配管管间距有利于提高流体在管道内流动均匀性;适度降低流体在进站管道中流速,可提高流量分配均匀性;增加分配管长度可改善流量分配均匀性;适度减小集管和分配管的直径可使流量分配更加均匀。

长三角城市群雾霾污染对入境旅游流的影响效应

探究雾霾污染对入境旅游流的影响是稳定入境旅游市场、导控入境旅游流空间的重要议题。该文借助双变量空间自相关、标准差椭圆等方法分析2002—2018年长三角城市群雾霾污染与入境旅游流的空间演化特征,利用空间计量模型剖析雾霾污染对入境旅游流的影响效应。结果表明:(1)长三角城市群雾霾污染与入境旅游流的空间分布呈现明显的异质性和非均衡性,二者在空间形态上的演化具有显著的“东南—西北”反向耦合特征;(2)长三角城市群雾霾污染与入境旅游流整体表现为空间负相关关系,研究期内二者负向空间依赖和集聚效应不断增强,从局部空间看,主要以“高—低”“低—高”“高—高”3种空间集聚形态为主,“高—低”集聚区主要分布于安徽省西南部、江苏省东北部,舟山表现为稳定的“低—高”集聚特征,“高—高”集聚城市主要为苏州、嘉兴和南通;(3)雾霾污染对本地区入境旅游流具有显著的负向影响,并通过空间关联对邻近地区产生负向空间溢出效应,产业结构、对外开放程度、交通便利程度等对邻近地区入境旅游流具有空间溢出影响。最后,提出强化区域防霾治霾的联动作用、统筹协调各旅游要素等相关建议,以稳定入境旅游市场、提高国际旅游竞争力,实现入境旅游高质量发展。

基于深度集成神经网络的城市轨道交通短时进站客流预测

准确、可靠的城市轨道交通短时客流预测是智慧地铁的重要组成部分。现有的短时客流预测模型大多是在常态条件下提出的,在异常条件下难以获得满意的预测精度。为此,提出一种基于深度集成神经网络(deep ensemble neural network,DENN)的短时进站客流预测模型。该模型建模并整合了天气、时间和特殊事件等外部环境因素,最近时段进站客流的时间依赖性,以及出站客流的相关性,具有高度的灵活性和可扩展性。具体地,在DENN中,首先,嵌入一个门控循环单元(gated recurrent unit,GRU)网络,用于提取最近时段进站客流数据的时间依赖性;其次,引入Transformer网络,用于自适应地捕获出站客流数据中对进站客流影响最大的时段,以提取出站客流的相关性;最后,应用全连接网络编码外部环境因素和实现特征融合及预测。在上海地铁徐泾东站和上海体育场站的数值实验表明,提出方法在普遍条件下都能取得较高的预测精度。

基于地理标记照片的西安市海外游客流动时空分布特征

基于2008—2019年Flickr平台内游客上传的带有西安市地理标记的照片数据,运用HDBSCAN算法和社会网络分析法,对西安市的入境旅游热点地区进行提取,并构建入境旅游流网络结构图,对海外游客的时空行为进行探究.结果表明:2008—2011年,入境游客数量稳步上升,2011年之后逐年下降;月度入境游客访问数量呈倒“W”型分布,峰值出现在每年5月和9月.西安市入境旅游流呈“两级分化,城内集聚”的格局,其中城内旅游热点地区分布相对集中,且热度较高;城外、郊区的旅游热点地区吸引力稍显不足,远郊区的旅游热点地区分布虽少,但热度排名整体靠前.西安市入境旅游流网络结构较为紧密,“核心-边缘”结构特征明显,且核心热点地区对边缘热点地区具有一定的带动和辐射作用.各旅游热点地区的度中心性与接近中心性统计结果排序差异不大,核心旅游热点地区的结构优势突出,可进入性高.

基于列车满载率的城市轨道交通进站客流量控制

基于新冠肺炎疫情的防控要求,2020年初北京轨道交通将列车满载率作为客流控制指标,严格控制城市轨道交通的进站客流量。为此,亟需量化各车站的进站客流控制阈值,用以作为现场客流管控的依据。提出了基于列车满载率的进站客流控制模型及相关客流控制方案。首先根据线网的客流特征对控流日客流的OD(起讫点)信息进行预测,再结合列车运行图精确推演出乘客进站—上车—换乘—下车的全过程出行链信息,计算得到乘客出行所乘坐的各计划运行车次的列车满载率数据;然后结合列车满载率控制指标进行逆向推演及反算,得到该计划列次在各站上车的客流控制阈值,再根据车站客流分布特征计算得到各站10 min粒度的进站客流控制阈值;最后,举例说明了该客流控制模型在北京轨道交通线网进站客流控制管理中的科学性及有效性。

基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左(右)客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明:①所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;②同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。

中国澳门对外铁路客运量及客流分配研究

为加快构建中国澳门融入国家铁路网快速客运通道体系,按照需求导向,结合中国澳门与内地旅客交流渠道的特殊性,以历年中国澳门口岸出入境旅客统计数据为预测基础,基于中国澳门对外旅客出行现状和铁路客运通道规划,运用四阶段法基本原理,首先采用灰色Verhulst模型和专家评估法对中国澳门出入境旅客总流量进行预测;其次基于历年中国澳门出入境旅客来源去向统计数据,改进重力模型进行中国澳门出入境旅客流量流向分布预测;采用Logit模型对各运输方式承担中国澳门出入境旅客运量进行预测;最后采用网络配流方法对中国澳门出入境旅客进行相关铁路线路运量分配。结果显示,近、远期中国澳门对外铁路客运量分别为3483万人、4434万人,并根据相关线路适应性分析,区域内各线路通过能力满足研究年度运输需求。

基于ARIMA-Kalman滤波混合算法的铁路进站客流预测方法

轨道交通车站客流预测,是优化车站客运组织、提高运营安全和运输效率的有效途径。针对传统ARIMA模型对客流量预测性能较差的问题,提出一种基于ARIMA-Kalman滤波混合预测方法。具体通过建立ARIMA模型训练实验样本,结合Kalman滤波器,建立预测递推方程,最终利用Kalman滤波预测方法对客流量进行预测。基于江门东站进站客流数据的仿真实验结果表明,相较于单一ARIMA模型,所提出的ARIMA-Kalman滤波混合算法预测结果的均方根误差降低了257.106,平均绝对误差降低了145.675,平均绝对百分比误差下降了5.655%,证明了所提出的混合算法预测精度更高。

桂林入境游客旅游形象感知与时空特征分析

入境游客的网络评论内容对潜在游客旅游决策产生着极大的影响。以桂林作为案例地,研究结果表明:①客源国数据中发达国家占比近85%,入境游客数量与国家经济发展水平、过境免签政策、人口数量、文化差异、距离远近等方面关系密切。②桂林山水旅游资源是入境游客的基本认知。游客总体评价较高,负面情绪主要集中在旅游景区管理水平、服务意识、景区基础设施等方面。③桂林入境游客在空间分布结构上呈现了三点聚集、交错扩散的分布结构,时间特征呈现出“两峰两谷”模式,客流量随季节、温度和大型节事活动等波动变化显著。

近20年来中国入境旅游流流量与流质的变化分析

以1990—2009年中国入境旅游流的相关数据为基础,分析了近20年来中国入境旅游流流量的变化特征,提出了入境旅游流流质的概念并对中国近20年入境旅游流流质变化进行了分析.结果表明:近20年来,中国入境旅游流流量及占世界市场份额稳步增长,年均增速达5.3%;中国入境旅游流流质总体偏低,但在逐年稳步增长,发展势头良好,其增长速度超过流量的环比增速.中国入境旅游流流量及流质在个别年份受特殊事件影响呈现负增长,但很快便反弹,不会改变其持续增长的总体态势.

北京入境集聚扩散旅游流平衡点转移规律研究

以北京为集聚扩散点，借助杠杆原理，本文分析了1996～2006年北京与我国15个热点旅游省市双向入境旅游流平衡点动态转移规律。结果表明，15条旅游流中流动强度最大的是北京←→上海、北京←→广东两条入境旅游流，集聚扩散流平衡点的总体转移规律呈现出逐年向北京趋近的态势；从转移幅度来看，近距离和远距离对流省市与北京之间的平衡点向北京转移的幅度大于中距离对流省市，总体呈现出“U”形结构。

西安入境旅游流与城市旅游环境耦合协调关系研究

在构建城市入境旅游流和旅游环境评价指标的基础上,利用了耦合协调度函数及其量化模型,以西安市为例分析了城市入境旅游流和旅游环境两个系统间的耦合协调关系。研究表明:西安入境旅游流和城市旅游环境在2001—2010年间经历了从轻度失调到中度失调再到初级协调和中级协调的过程,尽管期间有过波动,但总体态势趋向良性发展。城市入境旅游的发展不再简单地依赖于城市旅游资源的品质和数量,旅游环境已经成为城市目的地发展入境旅游的重要基础和吸引要素。如何进一步优化城市的旅游环境来加强入境旅游的发展是城市旅游管理部门应该重视的课题。

江苏省入境旅游流的时空演变及影响因素分析

入境旅游是衡量一个地区旅游经济发展水平的重要指标。本文以2000~2012年江苏入境旅游人数和外汇收入数据为基础,运用定量方法、GIS软件等对江苏入境旅游流的时空演变过程及影响因素进行分析。研究发现：江苏入境旅游流及外汇收入稳步上升,2005年后江苏入境旅游经济逐渐走向成熟;在2000~2005年期间,港澳游客占据江苏的主要入境客流市场,2005年后外国游客成为江苏入境旅游市场的主角;入境旅游流流质不断提高,各市入境旅游流流质空间分布差异逐渐减小;江苏入境旅游流流量受民航客运量及经济社会发展影响较大;而交通线路长度及星级酒店对旅游流质量影响较大。

基于旅游数字足迹的城市入境游客时空行为研究——以成都市为例

网络时代,游客不但可以通过网络在线获取旅游信息、购买旅游产品,还可以利用社交媒体分享自己的旅游经历。在游中和游后,游客所发布的旅游照片、游记、旅游攻略和旅游评论中都包含了大量的时空信息,这些信息共同组成了反映游客时空行为轨迹的"旅游数字足迹"。本文以成都市为例,通过从Flickr和Trip Advisor两个网站中所获取成都入境游客的"旅游数字足迹",深度挖掘入境游客的时空信息,从而发现和总结入境游客行为的时空规律。研究结果表明:成都入境游客在时间上主要集中于第三季度和第四季度;在空间上,入境游客偏好于成都大熊猫繁育研究基地、青城山-都江堰、锦里、宽窄巷子、人民公园和文殊院等景区;其中,成都大熊猫繁育研究基地和锦里等景区则是入境旅游流网络的重要节点。这些通过旅游数字足迹所得出的研究结论和笔者的实地调研结果基本一致。由此可见,利用旅游数字足迹研究游客的时空行为特征不仅具有可行性,且能够为旅游目的地管理和营销提供科学参考。