计划性大型活动散场期间地铁OD客流量预测方法

在计划性大型活动举办期间地铁客流量会超过平常高峰期的客流量.客流的激增不仅对城市轨道交通正常运营造成巨大的压力,甚至会引起严重的安全事故.本文在对计划性大型活动散场期间地铁客流在时空范围的规律研究基础上,根据大型活动散场时段的OD客流量基础数据,结合影响因素特征数据,构建基于随机森林算法的计划性大客流预测模型,实现大型活动结束后在5 min粒度下的OD客流量预测,并以北京凯迪拉克中心五颗松地铁站为例进行实例研究.选取演唱会和体育赛事的AFC数据,对预测结果进行验证,并与SVM、XGBoost算法对比,证明本文所提出的基于随机森林算法的客流预测模型方法具有更好的预测效果.

基于航空OD客流的重力模型逆向算法

为了由航空OD(起讫点)客流数据及航线距离数据估计机场旅客吞吐量,结合哈密顿图简化算法机理,推导了简化代数算法.以我国15个主要机场之间航空OD客流数据为例,标定了模型参数,并利用两种逆向代数算法预测机场旅客吞吐量,结果吻合良好.与标准代数算法相比,简化代数算法需要的数据少,尤其适合于缺乏完整数据的大规模OD矩阵分析.

面向OD客流的高速列车开行方案的优化

满足旅客出行需求的列车开行方案能够更好地吸引客流,提高高速铁路的核心竞争力.以最大化经济收益和最小化出行费用为目标函数,以高速铁路开行方案为研究对象,以旅客出行需求等作为约束条件,将列车开行方案与OD客流量结合起来,同时考虑旅客的购票心理和列车购票的时效性,建立了一种基于动态客流的列车开行方案的多目标优化模型,并设计一种基于个体信息和改进变异算子的多目标差分(SG-MOSaDE)算法进行求解.以广州市某线路为例进行实验,结果表明,优化后的开行方案不仅最大化满足了旅客出行需求,而且在提高铁路部门经济收益的同时降低了旅客的出行花费,并且优化后的列车总停站次数较原来有所下降,停站方案更加均衡.

基于长短期记忆网络的轨道交通短期OD客流量预测

为了更准确地掌握轨道交通客流在线网中的时空分布,更高效地匹配客流需求与运输能力,实现提高轨道交通运输效率、改善运营服务质量的目的,提出了一种基于长短期记忆网络的短期OD(交通起止点)客流量预测方法。以历史客流数据为基础,定性分析车站间OD客流量的时空相关性,利用回归分析法定量分析客流影响因素,筛选出运营时刻、运营日特征、最低气温3个时间特征。为提高预测精度,以长短期记忆网络为基础,结合时间特征,为每对起讫点单独构建预测模型,形成了基于长短期记忆网络的轨道交通短期OD客流量预测模型。以苏州市为例进行验证,结果表明,加入了时间特征的短期OD客流量预测模型较移动平均模型、仅利用历史客流数据训练的基于LSTM网络的短期OD客流量预测模型,预测结果与真实值之间的误差降低了6.27%~8.58%,所提出的方法和模型可为轨道交通运营部门制定列车运行计划、组织客运工作提供更准确的数据资料。

一种轨道交通客流OD精准化辨识算法

特大城市的轨道交通承载着城市的交通运输骨干任务,积累了蕴含着乘客出行时空关系、出行规律及出行习惯等的客流票卡数据,具有较高的实践指导价值。首先,设计了轨道交通AFC数据预处理方法,构建了轨道交通客流刚性需求筛选算法;其次,改进FP-Tree算法并用于挖掘刚性需求客流OD,得出精准化的乘客进出站频繁项集;最后,构建基于换乘客流路径选择模型的客流换乘OD挖掘算法,将客流换乘OD转化为线路OD,精准化挖掘客流OD需求,研究成果可为轨道交通市郊线路快车停站方案的制定提供支持和决策指导。

基于优化PSO-BP算法的轨道交通短期OD客流预测研究

城市交通系统要实现更好的管理,需对城市轨道交通进站客流进行准确预测,为达到提高轨道交通运输效率、改善运营服务质量的目的,构建了以反向传播(BP)神经网络对地铁客流进行预测;利用PSO,对BP神经网络进行进一步优化,形成对应的客流预测系统。以地铁数据为基础,对车站OD客流量时空相关性进行定性分析,利用回归分析法对影响客流的因素进行定量分析,筛选出天气、节假日、运营时刻3个时间特征。为提高预测精度,构建不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差,形成了基于PSO-BP神经网络的轨道交通短期OD客流量预测模型,加入时间特征的短期OD客流量预测模型,其换乘站优化后神经网络模型预测值M1平均下降了48.2%,M2下降了37.6%,M3下降了21.9%,该方法和模型为轨道交通运营部门制定列车运行计划提供更准确数据资料。

基于PCA-Kmeans算法的城市轨道交通短期OD客流预测

针对当前城市轨道交通短期起讫点(OD)客流预测存在模型构建工作量大、资源占用量大的特殊性,提出一种基于PCA-Kmeans算法的城市轨道交通短期OD客流预测方法。利用自动售检票(AFC)刷卡交易明细数据构造OD分布比矩阵,通过主成分分析(PCA)进行数据降维,再通过Kmeans算法处理降维后的数据,采用手肘法确定初始聚类数目,开展Kmeans聚类分析;依据聚类分析结果的各簇中心OD分布比及轮盘赌策略分布,以准确度较高的进站客流为OD客流,实现全线网规模的短期OD客流预测。以西南某城市轨道交通数据为研究对象开展实例研究,快速完成了全线网规模的短期OD客流预测,日粒度平均绝对百分比预测误差仅为13.7%,15 min粒度平均绝对误差仅为8.56,印证了该OD客流预测方法具有较高工程应用价值。

基于OD及转乘车的厦门地铁线网末班车衔接策略分析

为提升厦门地铁线网末班车时段的可达性,通过分析各线路、各换乘站、各方向OD客流特征、现行末班车时间及换乘走行时间等,并综合考虑乘客满意度、经济效益及正线夜间施工影响,提出充分利用既有回库空车投入载客服务,并适当加开部分载客列车接驳换乘乘客,构建基于OD客流特征及转乘车的末班车衔接策略。结果显示,该策略可全面提高一次换乘接驳可达性及线网客流匹配度,实现末班车在本线路换乘站的全部大客流需求换乘方向均能衔接成功;厦门地铁线路间末班车或末班转乘车一次换乘衔接成功方向数量由16对增加至22对,衔接成功客流比例由34.13%提升至78.50%,有效提升了线网运营服务质量。

基于WIFI和蓝牙数据的公交客流OD分析方法研究

针对目前大多数研究是基于IC卡数据和GPS数据来获得公交OD信息,对各站点的下客人数推算精度不足,该文提出一种基于WIFI探针和蓝牙数据的方法来获取公交客流OD。在公交站台安装WIFI探针和蓝牙信号检测器来识别公交车辆上的设备,通过对两个数据源的处理与融合,计算得到公交车辆内部的设备数量,并结合公交车辆乘客上车时的IC卡数据,计算出公交车辆的上下客流,利用相关算法来推算基于WIFI和蓝牙的公交客流OD矩阵,根据上下车客流对OD矩阵进行校对,得到更准确的客流信息。

建成环境对城市轨道交通起讫点客流的非线性影响及阈值效应

城市轨道交通起讫点(OD)客流与建成环境的依赖关系研究有助于TOD(Transit-oriented development)模式的实施。既有研究多关注建成环境对进出站客流的影响,而基于OD客流的研究未充分考虑建成环境要素的交互效应对OD客流的影响。采用多源位置大数据系统地刻画城市轨道交通的TOD建成环境,基于极限梯度提升决策树模型(XGBoost)研究城市轨道交通OD客流与TOD建成环境的非线性关系。针对北京地铁的案例研究表明:XGBoost能有效地处理建成环境对OD客流的非线性影响,其解释能力达到72.6%,估计结果更为可靠。TOD建成环境因子对OD客流的影响差异显著。密度和公共交通可达性等两类要素的重要度排序前二,其解释变量的平均重要度达到4.41%和3.71%,是全部变量平均值的1.29倍和1.08倍。解释变量重要度排序高的建成环境因子对OD客流的影响存在非线性特征,表现为显著的阈值效应。基于双变量部分依赖图的分析表明,城市轨道交通客流的流动依赖于起讫点建成环境的差异及其引发的交互效应。因此,发展城市轨道交通TOD时,不仅需从交通生成角度分析建成环境对进出站客流的影响,还需考虑客流的矢量性,从交通分布角度研究建成环境各要素的资源协同配置问题。

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination)估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min时,估计平均相对误差为35.5%;为30 min时,估计平均相对误差为20.4%;为60 min时,估计平均相对误差为16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.

基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。

基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.

城市轨道交通短期客流OD预测模型研究与实现

轨道交通短期客流预测在保障运营安全、制定科学的客运计划和组织方案、提高效率等方面具有重要意义。目前我国对精细化短期客流预测,特别是OD级预测的研究不多,尚未见成熟的预测方法或大型信息系统报告。通过自下而上的研究方式,从路网客流构成单位OD入手,根据轨道交通AFC(自动售检票系统)历史数据,分析轨道交通路网客流OD时空分布规律与动态变化特征,并应用机器学习方法,建立基于OD分布规律与特征映射的路网客流OD精细化预测模型。从近3个月(2019年10月—2020年1月)的预测结果分析显示,该模型在精细化短期客流预测方面效果显著。

基于随机客流OD的市郊铁路停站方案优化研究

市郊铁路是城市公共交通"十三五"发展的重点之一。通过分析市郊铁路客流出行需求,采取快、慢车搭配开行对列车停站方案进行优化,以总运行时间最小为目标,添加OD客流量随机机会约束,构建包含随机机会约束的非线性市郊列车停站优化模型。对随机机会和非线性约束进行等价转化为线性确定型约束,采用ILOG CPLEX软件进行精确求解。通过设计算例,比较运营速度120和160 km/h客运产品不同开行比例下的停站优化方案,发现总运行时间降低达29%,验证了模型和算法的有效性。采用快慢车搭配开行,有利于提高市郊列车直达率,降低出行时间成本。优化后的方案对基础设施建设以及市郊列车开行方案的制定具有一定的参考价值。

基于公交IC卡和AVL数据的公交客流OD推算

针对国内城市公交乘客下车不用刷卡,无法获知下车站点的问题,利用公交IC刷卡数据、AVL数据和公交站点数据,提出公交站点吸引强度与公交出行链结合的公交客流OD推算方法。基于时间匹配方法融合IC刷卡数据和AVL数据,设立时间匹配弹性因子,提高乘客上车站点识别率;针对不同乘客公交出行行为,采用多时段公交站点吸引强度与公交出行链结合的方法,实现下车站点的推算,在集计层面基于最小二乘法判断模型有效性。以石家庄市公交客流为例进行验证,乘客上车站点匹配率提高了15.51百分点,乘客下车站点推算成功率稳定在90%,验证了所提方法的有效性。

基于小票法的公交客流OD分析方法研究

针对目前常规公交客流OD调查抽样率及准确率难以保证的缺陷,提出调查公交客流OD的小票法.该方法可采集各站点的上下车人数及每位乘客的上下车站点信息.本文基于小票法调查数据的基础上提出一种公交客流OD分析方法:在分析小票法原理的基础上得到乘客OD的分析算法,通过ACCESS实现乘客上车站点查询,获取公交客流OD,并通过修正和扩样,准确得到公交客流OD.最后将公交客流OD导入EMME中,进行公交客流分配,即可输出断面客流及各站点上下车人数等信息.该方法在厦门市公交客流OD调查中得到运用,取得很好的效果,证明了该方法的有效性.

公交线路客流OD矩阵推算方法研究

公交线路客流OD矩阵是公共交通管理和控制不可缺少的信息。参照机动车OD矩阵反推技术,对公交线路客流OD矩阵推算进行了专门研究。在公交线路客流OD调查数据的基础上,分析得到居民公交出行规律。首次建立了根据公交乘客上下车人数推算公交线路客流OD矩阵的极大熵模型,分别采用原始资料作为先验OD和重力模型形式的先验OD对模型进行求解,结果证明该模型精度较高。

基于公交站点的客流OD预测

一般公交规划中公交客流OD预测方法都是基于交通小区的,所以在分配时的OD出发点和到达点都是交通小区形心,这与实际的公交乘客出行特征存在一定误差。该文在交通小区公交客流OD基础上提出了一种利用交通小区内公交站点性质的,基于公交站点OD的预测方法,可以预测站点公交客流分布和进行准确的公交分配。