上海轨道交通通勤客流特征研究

[目的]上海轨道交通的通勤客流量巨大,需针对使用城市轨道交通进行通勤的通勤者,分析其空间分布及接驳等客流特征。[方法]基于百度位置大数据及上海轨道交通客流数据,对上海轨道通勤从总量、空间分布、线路及站点进出情况、居住地和工作地两端接驳特征等方面进行了分析,并提出对策建议。[结果及结论]所提对策建议为:增加轨道切向线、优化站点周边用地布局、提升轨道网络通道上的职住平衡等。

大数据时代下的公交客流仿真排班设计

数据是智能交通建设的基础。传统的公交智能化排班侧重于经验和技术传承,容易忽视数据的整体协调,对于低满载率、班次运行时间不可控、线路串车等问题缺乏有效的技术手段。为了解决以上问题,本文提出了一个公交大数据挖掘和仿真排班方法,通过应用客流量、线路和站点登降量、实际满载率等数据,创新地根据服务优先、成本优先、综合服务与成本三种策略,完成排班参数调优,达到运力精准投放、合理分配人车资源的目标。实践结果表明:该公交客流仿真排班设计方法,符合公交企业智能排班需求,对公交智能化排班建设具有较大的改善作用。

基于大数据的轨道交通短时客流预测研究

轨道交通以其高效、快速、准时的优势,得到了城市内旅客出行的青睐。轨道交通站内及线上的客流变化情况直接影响了轨道交通运营的安全性和高效性,尤其是针对特殊情况客流产生巨大增长的情况,因此,开展短时客流预测研究具有重要意义。大数据技术为短时客流预测研究带来了便利和挑战。本文立足于大数据时代,对近年来城市轨道交通短时客流预测采用的模型、方法以及对时间粒度的选择进行了综述,研究主要面向普通机器学习算法和深度学习网络开展。结果表明,具有时空特性的长短时记忆模型(LSTM)是客流预测领域一种应用广泛且效果优异的模型。此外,时间粒度的选择与预测的对象、模型和方法有关,15和30min的时间粒度适合于大多数情况。

基于大数据分析技术的景区短期客流量预测研究

景区短期客流量受多种因素影响,如天气、节假日等,导致预测难度上升,为此提出基于大数据分析技术的景区短期客流量预测方法。该方法通过多种途径采集并整合景区客流量历史数据,利用大数据分析技术从整合后的数据中高效筛选和提取与客流量预测最相关的特征。将筛选出的关键特征输入到景区短期客流量预测模型中得到相关的预测结果。实验结果表明,提出方法的客流量预测值与实际客流量值之间的差异较小,F1分数较高。

基于大数据的公交车厢实时截面客流研究

公交出行每天都会产生海量的刷卡(扫码)数据,这些数据蕴含着不同乘客的出行特征。本文以广州市历史进出站数据、车辆行车信息、路网信息、全天刷卡数据等为基础,建立用户乘坐行为画像,并结合实时公交支付数据等实现实时OD与实时截面客流的预测。通过与公交车实际客流数据对比,该平台对公交车厢实时截面客流准确率较高,为基于实时客流开展的增值拓展应用提供数据支撑,具有较好的实践意义。

城市轨道交通网络客流大数据可视化

客流分析是轨道交通运营组织的基础,传统的客流分析方法无法从海量的乘客历史出行大数据中提取与挖掘乘客出行规律和特征。大数据可视化为获得洞察大规模复杂客流数据能力提供支撑。基于城市轨道交通网络实际运营需求,从客流认知、可视化、人机交互的综合视角出发,基于GIS地图、网络迁徙图、日历图、散点图、弦图等可视化图形,研究大规模复杂网络OD客流、断面、进出站和换乘客流大数据可视化的运营需求关键技术与实现方法。对上海城市轨道交通网络客流大数据进行实例分析,可视化展示结果有利于运营管理人员掌握网络客流时空变化特征以及演变规律,为制定科学行车与客运组织方案提供决策依据。

基于运营商客流大数据的乡村旅游点类型划分研究——以南京市江宁区为例

基于运营商客流大数据,以南京市江宁区22个星级乡村旅游点为研究对象,从客流时间序列特征与客流空间结构特征视角出发,利用层次聚类分析方法对其进行类型划分.结果显示:按照客流时间序列特征可分为客流单峰型、客流双峰型和客流多峰型3类乡村旅游点,按照客流空间结构特征分为强市场吸引型、中市场吸引型和弱市场吸引型3类乡村旅游点,且这两种划分结果有高度的一致性,并探讨了产生一致性的原因.

基于大数据技术的铁路客流预测系统架构研究

分析现有铁路客流预测理论研究和系统应用,针对预测过程中缺乏对不确定因素考虑的情况,提出预测系统中事件的概念,基于大数据技术构建事件处理平台和预测系统架构,该架构为铁路客流预测实时性和准确性的提升奠定基础。

广深港高速磁浮铁路客流预测的实践与探索

以粤港澳大湾区广深港高速磁浮铁路为例,对速度为600 km/h的高速磁浮铁路客流预测进行实践与探索。通过大数据方法,深入剖析大湾区及沿线客流的出行特征,建立基于"四阶段法"的粤港澳大湾区需求预测模型,预测广深港高速磁浮项目客流指标,为项目推进提供客流数据支撑。

利用XGBoost和SVR算法的地铁站客流量模型研究

为提高城市地铁运营管理能力和及时缓解高峰期大客流压力,对地铁站客流量模型进行研究。首先,利用某大城市地铁站客流量统计大数据以及天气状况(如雨天、雾天、平均温度以及平均湿度等)特征,提出了基于XGBoost(extreme gradient boosting)与支持向量回归机机(support vector regression,SVR)的地铁站客流量分析模型。然后,采用交叉验证的方法进行调参来解决模型训练过程中高偏差或者高方差问题以提高模型性能。最后,对所建立的地铁站客流量模型进行验证。结果表明,梯度提升决策树和支持向量机两种模型的地铁客流量预测准确率分别为82.5%和54.5%,均优于传统的预测模型。

大数据在城市轨道交通客流预测的应用——以莆田市为例

随着社会科技水平不断进步,信息数据资源在社会当中扮演的角色越来越重要。大数据时代序幕的拉开,必定会给世界带来一场新的变革。本文通过对大数据概念及特点的介绍,然后以莆田市为例,强调大数据在轨道交通客流预测上应用,通过近年来相关数据分析内在规律后,对2020年莆田市的交通小区划分、人口以及出行总量做出预测,最后在展望未来发展的情况下提出了若干相关建议。

基于高铁余票数据的客流分析模型研究

针对高铁余票的时间性和相对性两个特点,提出在特定时间点上利用相邻高铁站点间余票量不受其他高铁站点购票影响的特点,建立了高铁站点的上下净客流量分析模型。重点阐述了模型实现的5个关键技术:余票抓取规则、大数据量处理、异步访问控制、系统容错机制以及数据读取分析。最后,以常州市的几个高铁站为例做具体说明。

城市轨道交通断面客流数据可视化分析及优化

断面客流是城市轨道交通制定运营计划的关键。传统的断面客流分析方法无法直观展现断面客流的多源性、空间不对称性和时变性,尤其是对于动态多维度客流与运行图能力适应性的可视化分析非常匮乏。基于点、边和线的可视化呈现方法,构建了直观、清晰、适于客流可视化分析的轨道交通网络拓扑图;根据实际运营需求,从多空间维度和时间维度两方面出发,研究了涵盖断面绝对量和断面满载率等综合信息的交互式实现方法,并以上海轨道交通网络为实例进行验证。

“双碳”视角下的上海市轨道交通客流时空格局及特征

在快速城市化与“双碳”背景下,城市通勤引发的交通及能源问题成为制约城市可持续发展的重要因素。故利用467万条智能交通卡数据分析上海市轨道交通客流的总体特征及空间分布特征。结果表明:从时间尺度上分析,早高峰、晚高峰时段内乘客的平均出行时间要稍低于全样本时段内乘客的平均出行时间;轨道交通进站客流早高峰会早于出站客流早高峰出现;从市辖区尺度分析,人口数量与各市辖区的轨道交通客流量呈现出一定的正相关性;从街道尺度来看,城市中不同街道的居民对于轨道交通的依赖程度存在较大差异,空间差异性较强。因此,建议发展以步行和自行车为主的低速交通网络,建立公交与步行城市交通并重的绿色出行发展模式,并不断完善交通需求管理方式,以减少城市道路的碳排放量,进一步提高城市绿色交通运行效率,推动城市低碳经济的快速发展。

铁路大站票额预分预测模型研究

为减少人工工作量,提高票额分配的智能程度,实现席位的高效利用和趟车效益的最大化,研究提出铁路大站票额预分预测模型。结合票额管理实践,将差值作为时间序列,将发到站城市的GDP增长率、客座率和实际定员纳入模型中,根据历史客流数据,在保证始发站和重点区间票额下,预先将部分票额分配给有稳定客流的大型车站,以满足票额预分对精确度、实用性等的要求。

基于云计算的地铁大数据分析方法研究

提出一种基于云计算的地铁大数据分析方法,将地铁大数据的处理分析划分为数据读取、数据存储、数据清洗、数据分析和数据可视化5个阶段,数据分析主要以车站客流规模情况、乘客出行时间情况等为例进行说明。并以阿里云计算服务大数据平台为工具,测试云计算技术与传统数据库的运算效率,证明云计算具有处理速度快和不占用本地资源的优点。最后,以成都地铁AFC1周刷卡数据为案例,对比实际情况与数据分析所得结论,验证了所提出的大数据分析方法具有较好的普适性,对于今后的地铁大数据分析研究有很好的借鉴意义。

基于大数据的城市轨道交通运营故障影响分析系统对客流影响的分析

运营故障影响分析系统基于大数据思想和技术,通过机器学习技术,可对城市轨道交通运营故障数据和客流数据实现采集、存储与处理、建模及呈现,可实现对城市轨道交通运营事件类型的分类及影响时间的推算。介绍了该系统的工作原理,描述了运营故障情况下的客流影响关联模型、故障影响分析方法及故障影响的可视化呈现手段。实例验证了该系统的有效性。

基于铁路客运流大数据的中国县域网络化空间联系格局

改革开放40年的快速城镇化使中国交通运输行业取得了巨大成就,不同区域出现了更加密切与复杂的社会经济联系。本研究基于铁路客运流大数据,选取加权平均旅行时间、铁路网密度和经济联系强度模型对中国县域网络化的空间联系与格局进行状态表达与特征分析。研究表明,国土空间铁路网络可达性、连通性和城市对外经济联系总量均呈现东中西递减的趋势;城市间经济联系强度前50名的城市均位于中东部地区,且呈现“菱形”分布特征。中国铁路网络布局与人口、城镇布局存在不匹配现象,未来仍需重点加强城市群及人口密集区的交通基础设施建设。

城市轨道交通精细化客流预测系统设计与实现

针对大部分客流预测系统存在预测客流指标不全,时空粒度较粗,多场景的适用性不足等问题,以大规模网络化运营的城市轨道交通精细化客流预测需求为研究对象,分析适应多场景铁路网客流预测实现方法,利用Hadoop、Spark&Hive、Redis、微服务、H5等先进技术搭建客流预测大数据平台,实现铁路网交通出行量(OD,Origin Destination)的精细化客流功能,为调度指挥和客运管理提供进站、出站、换乘、断面客流量等全指标、精细化时空粒度的客流预测数据支持,提升轨道交通调度指挥针对性、客流组织合理性和客运服务水平。

基于铁路旅客常住地与行程环的年度出行特征分析体系

为更好地利用大数据全样本下的客流信息,基于拓扑学概念提出旅客年度出行特征分析体系,包括旅客常住地识别、行程环划分以及行程环与出行链拓扑结构构建。先通过随机森林算法构建旅客常住地识别模型,然后构建基于常住地特征的改进DBSCAN基本元聚类模型,最后利用铁路行程大数据验证旅客年度出行特征分析体系的合理性。结果表明:旅客常住地识别模型能够准确判断旅客当年的唯一常住地;改进DBSCAN基本元聚类模型能够根据常住地准确识别旅客行程环,准确率达97.4%;根据年度行程环特征得到的全年出行链拓扑结构以及利用2019—2020年全部铁路行程数据得到的客流结构划分结果均符合实际情况,因此旅客年度出行特征分析体系能够覆盖旅客全年出行行为中的所有点(到发城市)、线(单次行程)、面(出行链拓扑结构),体现出旅客的行程特征和出行目的。