中小城市公交线网规划方法的探索

针对中小城市发展过程中出现的交通问题及城市空间结构变化,从生成预测、分布预测、分配预测三阶段对公交客流进行预测。分析了中小城市公交线网规划的原则和思路,将公交线网结构分为片区间骨架线路、片区内骨架线路、片区内基本线路三个层次,提出从土地利用和城市居民出行方便角度考虑公交线网规划,重点考虑城区内部公交线路的完善、城区间公交线路的衔接、客运站点及铁路停靠站公交线路的衔接。最后结合罗源县城市公交线网规划情况对方案进行评价,结果表明规划方案总体上覆盖了城市与影响居民出行的主要功能性用地,与城市总体规划协调较好。

基于DLP-WNN的高速铁路日客流量中期预测

分析高铁日客流量历史数据特征,设计日期和节假日2类标签,并给出其取值范围;结合高铁日客流量的自回归特征,构建适用于高铁日客流量中期(120 d左右)预测的双层平行小波神经网络(Double Layer Parallel Wavelet Neural Network,DLP-WNN)模型。模型中,子网络1以预测所得到的连续若干天日客流量为输入,预测接下来1 d的日客流量;子网络2对子网络1的输出结果进行修正,以每1 d的日期标签和节假日标签等确定型数据为输入,分别预测各天的日客流量。DLP-WNN模型通过对2个子网络每天输出值加权求和得到各天预测结果,其中,子网络1体现近期日客流量的总体趋势,子网络2体现日客流量的逐日波动情况,以此保证中期预测的精度。实例应用表明:利用DLP-WNN模型分别对4种不同距离下的典型O-D对进行120 d的日客流量中期预测,平均绝对百分比误差为7%~12%,明显低于BP神经网络、ELM极限学习机、ELMAN神经网络、GRNN广义回归神经网络和VMD-GA-BP等方法所测结果,验证了DLP-WNN模型适合于开展高铁日客流量中期预测。

融合等维新息的灰色马尔科夫模型的地铁中长期客流量预测

地铁中长期客流量预测在单一模型中很难同时满足数据的稳定性、周期性等特征导致其预测结果较差。针对中长期客流预测精度较低的问题,本文使用融合等维新息的灰色模型与马尔科夫模型组合的地铁客流预测模型。首先对原始数据序列进行预处理,其次建立灰色GM(1,1)模型并融合等维新息的思想来提高中长期预测精度。然后将马尔科夫链纳入融合等维新息的灰色模型来修正残差。最后,选用2013~2019年上海地铁日均客流量进行预测,结果表明融合等维新息的灰色马尔科夫模型在地铁中长期客流量预测精度为I级(优),高于单一模型。