检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地铁运营客流量计算模型研究

地铁运营客流量计算模型研究

作者：刘润莉电子科技大学

学位级别：硕士

地铁运营调度是指在地铁部门的工作能力范围内，以稳定的发车间隔，高效的车辆周转来及时运送、疏散人群，最大限度地提高乘客的舒适度感受，同时也顾及到地铁运营部门的收益。本文的研究对象是地铁短期客流预测及在此基础上的地铁运营... 详细信息

地铁运营调度是指在地铁部门的工作能力范围内，以稳定的发车间隔，高效的车辆周转来及时运送、疏散人群，最大限度地提高乘客的舒适度感受，同时也顾及到地铁运营部门的收益。本文的研究对象是地铁短期客流预测及在此基础上的地铁运营调度优化计算，旨在研究地铁短期客流预测方法，突破现有短期客流预测方法的精确度。在此基础上，建立能够及时应对客流变化的地铁运营调度优化方案。地铁实时客流是地铁运营调度的主要影响因素之一，研究运营调度的发展使得实时客流预测精度要求不断提高。轨道客流预测最初是从轨道所在区域内的居民出行分布或者其他交通的客流分布着手。本文研究的地铁短期客流预测的样本源于过去短期内的地铁客流数据。首先分析了地铁交通的特征和地铁客流的一般变化趋势，然后经过对比基于时间序列方法、回归方法、BP神经网络等预测方式的优劣性，最终选择支持向量机方法建立预测模型，模型参数的确定方法选用了能够解决具有高复杂度问题的蚁群算法，搜索出最佳模型参数。再以成都地铁一号线的站点客流、断面客流和进站客流为例，以相对误差和均方误差为评价准则，验证了模型的预测精度优于BP神经网络等其他算法。地铁运营调度优化模型考虑了乘客感受和地铁公司利益两大方面。乘客感受分为时间花费和拥挤程度，其中时间花费包括乘车时间，候车时间和换乘时间，拥挤程度也转化为额外花费时间来计算。地铁公司利益的影响因素分为公司投入和票务收入，投入部分包括车次数量，发车间隔，人员配置等。票务收入由乘车人数和票价决定。把乘客感受和公司收益结合起来，建立合理的地铁运营调度优化模型，模型的优化目的是在公司的工作能力范围内，最大可能地减少乘客在地铁交通花费的时间，最大程度地满足乘客在地铁交通范围感受的舒适度，同时，使得地铁公司的投入最小化，利润最大化。由于模型是有约束的非线性优化问题，其中变量较多，所以采用了适应性好、效率高、鲁棒性强的遗传算法求解模型。最后结合成都地铁一号线的运营情况，计算出调度优化后的列车发车时间。

关键词：地铁客流客流预测运营调度支持向量机遗传算法

基于序列分解与时序卷积网络的地铁短时客流预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于序列分解与时序卷积网络的地铁短时客流预测

作者：张羽琪大连海事大学

学位级别：硕士

随着中国经济的迅速增长和城镇化进程的不断加快,各城市为了缓解公共交通拥堵问题而大力投入并建设城市轨道交通网络。地铁由于具备运量大、速度快等明显优势,已成为现代城市居民出行的首选方式之一,与此同时也增加了地铁系统高峰期的... 详细信息

随着中国经济的迅速增长和城镇化进程的不断加快,各城市为了缓解公共交通拥堵问题而大力投入并建设城市轨道交通网络。地铁由于具备运量大、速度快等明显优势,已成为现代城市居民出行的首选方式之一,与此同时也增加了地铁系统高峰期的客流压力并对运营管理提出了新的挑战。地铁短时客流的准确预测,不仅有助于为运营管理者提供实时准确的客流变化信息,快速实施交通控制、调整列车运行计划并优化行车间隔;也可以在举办大型活动或发生突发事件情况下对客流进行及时疏散和引导,对城市轨道交通网络实现智慧运营并进一步提升运载能力和服务水平具有重要意义。本文主要工作归纳为以下三点:(1)针对新一线城市杭州的地铁售检票系统数据,提取六个处于不同地理位置的站点客流量,从不同时间维度和地铁站周围环境分析各自的客流波动特征,发现各站点的短时客流除了具有明显的周期性变化外,每周工作日与非工作日的客流变化有着明显差异,而且每天的客流高峰值及高峰集中时段会由于其他不确定因素的影响而产生较大的随机波动导致客流变化的非平稳性。(2)由于地铁短期客流变化具有周期性、随机性及动态性特点,本文考虑利用基于局部多项式拟合回归的季节性趋势分解(STL)算法对客流时间序列数据进行分解来突出其波动规律。通过序列分解得到的趋势分量、周期分量及剩余分量不仅能够代表客流变化过程中的基本趋势及周期性规律,同时能够突出受到其他不确定因素影响而形成的随机性变化,说明该分解方法对非平稳的序列波动具有较强的解释性。(3)基于时序卷积网络(TCN)在序列预测问题上具有强化短期信息、记忆长期信息和灵活设置感受野的优势,本文通过构建时序卷积网络并调整网络中膨胀因子等关键性超参数来提高预测精度。同时将STL分解得到的分量和强相关时间节点的客流量作为输入特征矩阵,构建基于STL-TCN的多特征短时客流预测模型。对六个不同地铁站工作日和非工作日的进站客流量进行预测,将本文所构建模型的预测误差与其他预测模型及现有文献中的客流预测模型进行横向对比,结果表明时序卷积网络与STL-TCN预测模型对地铁短时客流数据具有更好的预测性能。

关键词：序列分解时序卷积网络地铁客流短时客流预测

基于气象数据和地铁AFC数据的客流分析与预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于气象数据和地铁AFC数据的客流分析与预测

作者：林宇晨福州大学

学位级别：硕士

公共交通在很大程度上能提高道路利用率,降低程度拥堵。城市轨道交通在公共交通中占据了相当重要的一环,相对于普通公交而言,轨道交通拥有独立路权,不会受到高峰时期道路拥堵的影响,同时城市轨道交通的运力又远大于同样拥有独立路权的... 详细信息

公共交通在很大程度上能提高道路利用率,降低程度拥堵。城市轨道交通在公共交通中占据了相当重要的一环,相对于普通公交而言,轨道交通拥有独立路权,不会受到高峰时期道路拥堵的影响,同时城市轨道交通的运力又远大于同样拥有独立路权的快速公交。城市轨道交通成为了越来越多大城市缓解道路拥堵问题,改善路面交通的首要手段,是城市交通的核心之一。地铁客流关系到地铁系统的运营调度,是地铁数据中重要一环。分析不同条件下地铁客流的变化情况可为城市轨道交通的管理提供很大的帮助。本文基于地铁AFC数据,结合气象数据以及兴趣点(Points of Interest,POI)数据,分析极端气象下地铁客流变化情况,地铁系统受气象和土地利用的影响。针对分析结果以及地铁客流特性,构建机器学习模型,分析不同模型下引入气象数据对模型性能的影响。并采用三种决策树模型,基于POI数据预测站点客流。本文的主要工作如下:(1)本研究收集了福州市台风气象前后的地铁交易数据,定量比较了正常日和台风日的地铁系统层面、车站层面和OD(Origin Destination)层面的客流量差异,以及台风对于地铁系统乘客出行时间分布规律的影响。结果表明,台风气象对地铁系统层面、车站层面和OD层面的客流量均有不同程度的影响。此外,地铁出行时间在不同条件下服从伽马分布,但参数不同。研究发现,与正常日相比,台风日出行时间分布的形状参数较小,尺度参数较大。(2)本研究收集了站点POI数据以及气象数据,使用反向选择法和最小二乘回归对数据进行分析。结果表明,对于各项气象数据,气温和降水量对客流均有显著影响,并且对于周末和节假日而言,影响方向以及幅度均有不同特征。对于POI数据而言,不同类型的POI对站点客流影响的显著性以及幅度也不同,同时在周末与工作日中,相同POI的影响也存在不同。(3)本研究引入气象数据集,经过数据预处理,构建新的数据集。针对气象以及地铁客流数据的特征,构建了基于精度提升决策树的预测模型以及基于神经网络的预测模型。分别使用原始数据集以及添加了气象数据作为特征的数据集进行客流预测实验。通过实验结果的对比分析,加入气象数据集作为特征可以提高地铁客流预测精度,对地铁客流的预测有正向影响。

关键词：气象数据地铁客流兴趣点机器学习乘客行为

基于XGBoost的地铁短时客流量预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于XGBoost的地铁短时客流量预测研究

作者：方昇越大连海事大学

学位级别：硕士

一直以来,地铁客流量预测研究都是城市进行地铁交通网络规划、设计、建设和营运的重要依据,在城市公共交通系统规划中占据重要地位。随着人们出行需求的多样化发展,短时客流量预测已成为客流预测的重中之重,它不仅关系着乘客的出行体验... 详细信息

一直以来,地铁客流量预测研究都是城市进行地铁交通网络规划、设计、建设和营运的重要依据,在城市公共交通系统规划中占据重要地位。随着人们出行需求的多样化发展,短时客流量预测已成为客流预测的重中之重,它不仅关系着乘客的出行体验,还和运营商的经济效益分析工作紧密相关。因此,地铁短时客流量预测成为了轨道交通行业的研究重点。本研究围绕地铁短时客流量预测主题,阐述地铁客流和地铁客流预测基本理论,将传统预测方法与机器学习方法对比分析,确定构建XGBoost地铁短时客流量预测模型。其次通过对地铁客流内外部因素的特征分析,判断客流在时间和空间上的分布特点,运用K-Means聚类和相关性分析对日期和天气因素进行分析,最终确定相邻时段客流、预测时段、工作日和雨雪天气四个特征变量。然后探究XGBoost模型的实现原理,在模型训练中运用随机搜索法进行参数调整,构建得出短时客流预测模型。最后以大连地铁2号线客流预测为例,运用构建的预测模型进行短时客流预测,针对预测结果采取有效性和灵敏性分析,验证模型在短时客流预测研究领域中的适用性和精准性。基于上述研究思路,本研究的主要结论为:(1)通过地铁客流时空性特征分析,选取相邻时段客流和预测时段两个特征变量,并将相邻时段客流数据拓展为预测时段7日内每日预测时段及其前3小时内的客流量,又对日期和天气因素采取K-Means聚类和相关性分析,选取工作日和雨雪天气两个特征变量。本研究确定的特征变量既能更直观的表达地铁客流特征,又是对模型输入变量的拓展,有效提升了客流预测精度。(2)运用构建的XGBoost地铁短时客流量预测模型对大连地铁2号线断面客流进行预测,与SARIMAX模型、Prophet模型和LSTM模型的预测结果进行对比,结果表明XGBoost模型在MAE(平均绝对误差)和MAPE(平均绝对百分比误差)方面均为最优,误差浮动比例约为3.6%,具备良好的预测能力。大连地铁建设规模处于全国中游偏上,对其进行短时客流量预测可以使模型更具普适性,结果更具代表性。(3)通过对预测模型的灵敏性分析,得到各变量对客流预测的影响程度,从高到低依次为:相邻时段客流、预测时段、工作日和雨雪天气。本研究构建的短时客流量预测模型可以为地铁日常经营阶段中的车次调整、运行组织工作提供设计依据和决策基础。模型精准的客流预测结果不仅直接关系到城市交通项目发展的经济效益,还有助于开展城市交通基础设施建设工作。

关键词：地铁客流短时客流量预测客流分布特征 XGBoost

改进粒子群算法优化LSTM神经网络的地铁短时客流预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进粒子群算法优化LSTM神经网络的地铁短时客流预测

作者：赵明伟石家庄铁道大学

学位级别：硕士

地铁作为一种新型、高效、绿色的公共交通工具,能够有效缓解交通压力,很大程度上解决了大中型城市的交通供需矛盾。短时客流预测是地铁调度的重要决策依据,准确的地铁短时客流预测能够为地铁的良好运营提供保障。论文以地铁刷卡数据为基... 详细信息

地铁作为一种新型、高效、绿色的公共交通工具,能够有效缓解交通压力,很大程度上解决了大中型城市的交通供需矛盾。短时客流预测是地铁调度的重要决策依据,准确的地铁短时客流预测能够为地铁的良好运营提供保障。论文以地铁刷卡数据为基础,分析客流的分布特征,归纳总结了客流预测的方法,对粒子群算法(Particle Swarm Optimization,PSO)进行改进,构建了一种改进粒子群算法(Improved Particle Swarm Optimization,IPSO)优化长短时记忆(Long Short-term Memory,LSTM)神经网络的地铁短时客流预测模型,利用IPSO算法对LSTM神经网络的参数进行寻优,将粒子的最优历史位置作为LSTM神经网络的最优参数(迭代次数、学习率和隐含层的神经元个数),利用优化好的参数搭建LSTM神经网络并对地铁站点的进站客流进行预测,为地铁的运营管理提供帮助。具体研究内容如下:(1)数据处理以及地铁客流分析。首先,对地铁一卡通的刷卡数据进行处理,获得特定时间间隔的客流进站人数,构建时间序列的客流数据;其次,利用经验模态分解法对工作日和非工作日的地铁进站客流数据进行分解,降低数据噪声的干扰;最后,对工作日和非工作日客流、当前客流和历史客流的相关性进行分析、对不同时间粒度下的客流分布进行分析。(2)针对标准粒子群算法不能很好地区分全局搜索和局部搜索以至于容易陷入局部极值的问题,对粒子群算法进行改进。首先,改进粒子个体的速度更新公式和位置更新公式,将惯性权重和时间因子由固定值变为随迭代次数动态变化的自适应数值,以此来提高粒子群算法全局搜索的能力;其次,借鉴遗传算法中的变异机制,引入自适应变异函数,使粒子群算法具有跳出局部范围的能力;最后,选取Sphere函数、Rastrigin函数和Schwefel 2.22函数对改进的粒子群算法进行测试,证明改进的粒子群算法具有更高的搜索能力。(3)预测实例分析与验证。以上海地铁站点的客流预测为例,预测未来一天中陆家嘴站的进站客流。利用改进的粒子群算法优化LSTM神经网络的学习率、迭代次数和隐含层的神经元个数,利用优化后的参数构建IPSO-LSTM模型,进行地铁短时客流预测,并构建LSTM、PSO-LSTM和多层感知器(Multilayer Perceptron,MLP)三种地铁短时客流预测模型,通过平均绝对百分比误差、均方根误差、平均绝对误差和决定系数对预测精度进行对比,结果显示IPSO-LSTM模型的预测误差均小于其他模型,证明了论文构建的IPSOLSTM模型具有更好的预测效果。

关键词：地铁客流短时客流预测改进粒子群算法长短时记忆神经网络 IPSO-LSTM模型

防疫检查对地铁站站内客流通行效率的影响——以深圳茶光地铁站为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

综合运输 2023年第8期45卷 152-160页

作者：王晴卢维科李哲俄文娟苏州大学轨道交通学院苏州215131

在后疫情时代,使用地铁出行需要接受普遍的防疫检查,对乘客的出行时间造成影响,也给地铁客流管理带来了挑战。本文量化分析防疫检查对乘客出行的影响,并提出优化建议。借助社会力模型,对地铁站的进出站客流行为进行模拟,进而评估防疫检... 详细信息

在后疫情时代,使用地铁出行需要接受普遍的防疫检查,对乘客的出行时间造成影响,也给地铁客流管理带来了挑战。本文量化分析防疫检查对乘客出行的影响,并提出优化建议。借助社会力模型,对地铁站的进出站客流行为进行模拟,进而评估防疫检查增加前后乘客出行时间的变化,。择深圳茶光地铁站为案例,实地调查并分析了地铁站内设施的布局和参数,建立了仿真模型,对未加防疫检查、防疫检查、优化防疫检查三种情况进行仿真模拟。结果表明防疫检查会使乘客的进站时间增加13.43%,优化防疫检查后可以使增加时间降低为7.45%。建议地铁站工作人员优化防疫检查设施的布局,提高防疫检查服务的质量。

关键词：后疫情时代地铁客流防疫检查仿真

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

杭州地铁OD数据客流时空分布特性分析

软件导刊 2021年第11期20卷 158-162页

作者：孟兵兵周健勇上海理工大学管理学院上海200093

长三角都市区一体化,需要杭州具有更高效、快捷的组织区域交通,提升面向区域的交通辐射力与交通承载力,切实发挥区域引领作用。以杭州轨道交通的OD客流数据为研究对象,利用Python对客流数据进行处理,并利用集合论等知识构建地铁站间的O... 详细信息

长三角都市区一体化,需要杭州具有更高效、快捷的组织区域交通,提升面向区域的交通辐射力与交通承载力,切实发挥区域引领作用。以杭州轨道交通的OD客流数据为研究对象,利用Python对客流数据进行处理,并利用集合论等知识构建地铁站间的OD矩阵,从时间和空间两个角度对客流数据进行可视化分析,发现杭州地铁现有线路的交通时段分布很不均衡。通过Echarts绘制部分地铁站点各时段的OD客流热力图,对杭州城市居民出行特征进行研究,为杭州市在建地铁线路规划及地铁站点选址等提供重要参考依据。

关键词：轨道交通地铁客流 OD矩阵热力图 Python

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

石家庄市地铁1号线客流时空特征分析

物流科技 2020年第3期43卷 86-90页

作者：耿立艳胡瑞张占福石家庄铁道大学经济管理学院河北石家庄050043 石家庄铁道大学四方学院河北石家庄051132

城市地铁客流时空特征分析对城市地铁的规划、设计、运营、管理等具有重要意义。利用客流调查数据,文章分析了石家庄地铁1号线的时空分布特征。其中,从周客流、日客流、时客流等角度分析了客流的时间分布特征;从站点间客流、进出站客流... 详细信息

城市地铁客流时空特征分析对城市地铁的规划、设计、运营、管理等具有重要意义。利用客流调查数据,文章分析了石家庄地铁1号线的时空分布特征。其中,从周客流、日客流、时客流等角度分析了客流的时间分布特征;从站点间客流、进出站客流、早晚高峰客流等角度分析了客流的空间分布特征。结果表明,从时间分布特征来看,周客流满足轮槽型客流曲线特征,日客流特征与站点位置有关;时客流一般为双峰型,有个别站点为单峰型。从空间分布特征来看,各站点利用率不均衡,客流量在整条线路上呈现中间站点高、两头站点低特征;进出站客流量基本一致,属于双向型客流分布。在分析客流时空特征形成原因基础上,提出改善石家庄地铁1号线运营效率的建议。

关键词：地铁客流时间特征空间特征客流分布

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

地铁运营服务与客流增长相关问题分析