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

基于组合模型的公交客流短时预测方法研究

基于组合模型的公交客流短时预测方法研究

作者：杨艳长沙理工大学

学位级别：硕士

随着城市信息化水平的日益提升,大数据获取的途径与手段也越来越多,如何利用这些数据来对公交客流进行分析,应对未来短时客流的变化,以及对公交调度进行合理的安排显得尤为重要。公交客流短时预测可以为乘客提供准确实时的客流信息,乘... 详细信息

随着城市信息化水平的日益提升,大数据获取的途径与手段也越来越多,如何利用这些数据来对公交客流进行分析,应对未来短时客流的变化,以及对公交调度进行合理的安排显得尤为重要。公交客流短时预测可以为乘客提供准确实时的客流信息,乘客可以有效避开上车客流高峰期,提高乘客出行的效率,也为缓解城市交通提供了有效的依据。本文对获取到的公交多源数据进行数据清洗、融合,对乘客的上车站点采用层次聚类的方法进行识别,从而获取公交客流数据;将天气条件、空气质量指数、历史客流量、是否工作日、是否高峰时段因素考虑其中,确定公交客流短时预测模型的输入特征值,并从公交客流的时间、空间、短时分布特征三个方面来分析公交客流规律;选择具有线性拟合能力的ARIMA模型和具有强大非线性拟合能力的LSTM模型、GRU模型,综合单一模型的优点,采用串联组合模型和基于误差倒数法的并联组合模型两种组合方式,得到串联ARIMA+LSTM组合模型、串联ARIMA+GRU组合模型、并联ARIMA+LSTM组合模型、并联ARIMA+GRU组合模型四种组合模型,预测对象为公交1路线路客流和火车站站点客流,时间粒度分为5分钟、15分钟,利用Python实现对模型结构的参数确定,通过均方根误差RMSE、平均绝对误差MAE、相对百分比误差MAPE进行误差评价指标对比说明公交短时客流在不同预测对象、不同时间粒度下模型的预测精度。在公交客流短时预测方法研究过程中,模型预测精度的大小排序为:并联ARIMA+GRU组合模型>并联ARIMA+LSTM组合模型>串联ARIMA+GRU组合模型>串联ARIMA+LSTM组合模型>GRU>LSTM>ARIMA;时间粒度为5分钟时,可以较好预测公交线路、站点客流。针对1路公交线路客流,最佳预测时间粒度为5分钟,且相较于ARIMA,基于误差倒数法的并联ARMIA+GRU组合模型的RMSE、MAE、MAPE分别降低了 56.010%、56.524%、49.041%;对于火车站站点客流,最佳预测时间粒度为5分钟,且相较于ARIMA,基于误差倒数法的并联ARMIA+GRU组合模型的 RMSE、MAE、MAPE 分别降低了 69.487%、70.479%、74.670%。

关键词：公交客流多源数据 ARIMA模型 LSTM模型 GRU模型串联组合模型并联组合模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据挖掘的公交客流规律研究

基于数据挖掘的公交客流规律研究

作者：舒国辉北京交通大学

学位级别：硕士

公交客流是城市公交规划、运营调度和行车组织的基础性数据。如果能够及时、准确的获得公交客流规律,公交公司便可以采取相应的措施来满足乘客的公交需求,提高运送能力,降低经济成本和社会成本。由于公交IC卡每天产生大量运营数据,利用... 详细信息

公交客流是城市公交规划、运营调度和行车组织的基础性数据。如果能够及时、准确的获得公交客流规律,公交公司便可以采取相应的措施来满足乘客的公交需求,提高运送能力,降低经济成本和社会成本。由于公交IC卡每天产生大量运营数据,利用这些数据能够及时、准确地反映公交客流特征。正是基于这个原因,本文基于数据挖掘技术,利用公交IC卡数据,对公交客流规律进行了研究。本文主要围绕“公交客流规律”展开研究。虽然,现在的公交客流规律的客流数据以及客流规律研究方法已经比较成熟且应用广泛,但还存在着一定的缺陷:客流数据主要来自于人工调查,费财费时而且数据的准确性得不到保证;数学统计方法在海量数据面前显得力不从心。本文研究客流规律选用的客流数据是公交IC卡数据,研究方法则结合传统数学统计方法和先进的数据挖掘方法,通过对海量公交IC卡数据的分析处理,得到公交客流规律以及公交企业运营所需的客流指标。本文根据数据挖掘结果的序贯性以及相关性,首先研究客流峰值区间的划分,并利用划分结果推算乘客的上、下车站点以及时刻;然后基于前面已经挖掘的结果,利用神经网络预测站点时段上下车人数;最后用数学统计方法求解客流规律各项指标,对公交客流规律进行归纳总结。在公交IC卡数据的客流规律挖掘模型的基础上,本文选取北京公交集团的客流数据对所设计的模型和算法进行研究,结果证明客流规律挖掘模型具有较好的适用性。本文对公交客流规律的研究主要集中在三个方面:第一,研究乘客的出行特征,包括乘车时间,出行距离等;第二,研究公交客流的时间性规律,包括客流周期性以及公交客流在时间上的不均衡性;第三,研究公交客流的空间性规律,包括站点客流,断面客流以及公交客流在空间上的不均衡性。

关键词：公交客流数据挖掘公交IC卡聚类分析算法神经网络算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

降雨天气下的城市公交客流预测及调度优化

降雨天气下的城市公交客流预测及调度优化

作者：严春荣西安建筑科技大学

学位级别：硕士

优先发展城市公共交通是缓解城市交通拥堵的有效手段之一,尤其在降雨天气下如何增加城市公共交通的吸引力,提高公共交通资源利用效率,是目前亟待解决的问题之一。本文从降雨对公交客流的影响出发,探究降雨影响下公交客流的波动规律,构... 详细信息

优先发展城市公共交通是缓解城市交通拥堵的有效手段之一,尤其在降雨天气下如何增加城市公共交通的吸引力,提高公共交通资源利用效率,是目前亟待解决的问题之一。本文从降雨对公交客流的影响出发,探究降雨影响下公交客流的波动规律,构建降雨天气下的客流预测模型。在此基础上,对不同降雨等级下的公交发车间隔进行优化。首先,对公交数据和降雨数据进行预处理,分析客流的变化特征。在分析客流的影响因素基础上,从日类型、时段、季节等方面分析降雨天气对公交客流量的影响程度,得出降雨天气下公交客流的波动特征。其次,基于降雨因素对公交客流影响规律,分别选取支持向量回归机(SVR)模型和长短时记忆网络(LSTM)对厦门市45路公交车小时线路客流进行预测,经对比分析,选择LSTM模型作为本次研究的基础模型。基于降雨对分时客流的影响分析,对LSTM模型进行修正,构建降雨天气下的公交客流预测模型。并通过对比不同模型的预测结果,验证修正模型的有效性。最后,基于降雨天气下的公交客流预测结果,从公交企业运营及乘客成本考虑,以社会总成本最小为目标函数,以车辆满载率及发车间隔为约束条件,构建城市公交车辆调度优化模型,并采用第二代非支配排序遗传算法进行求解,优化不同降雨天气下的发车时间间隔。本文基于降雨天气下的公交客流变化规律,构建降雨天气下的公交客流预测模型,并对公交发车时间间隔进行优化,可以为公交运营部门应对降雨天气下的公交调度组织提供依据,具有一定的理论意义与实用价值。

关键词：降雨天气公交客流客流预测公交调度优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

公交客流预测方法研究

北京规划建设 1999年第6期 32-33页

作者：孙爱充北京市城市规划设计研究院

基于Hadoop平台的公交客流分析与预测研究

在线全文

学校读者我要写书评

暂无评论

基于Hadoop平台的公交客流分析与预测研究

作者：李振东北师范大学

学位级别：硕士

公交客流是交通规划部门以及公交运营部门管理、运营、调度公交的基础性数据,因此,对公交客流的准确把握以及未来客流量的预知具有重要意义。而传统的公交客流获取方法信息量小、不够全面、时效性差。本文研究如何利用Hadoop分布式并行... 详细信息

公交客流是交通规划部门以及公交运营部门管理、运营、调度公交的基础性数据,因此,对公交客流的准确把握以及未来客流量的预知具有重要意义。而传统的公交客流获取方法信息量小、不够全面、时效性差。本文研究如何利用Hadoop分布式并行处理技术,融合公交车刷卡数据、公交车定位数据以及气象信息,分析预测公交客流量,在保证公交客流量预测精度的前提下提高预测模型的计算效率。本文首先基于IC卡和GPS数据分析乘客上车站点信息,然后基于乘客出行形成的连续出行链分析乘客下车站点信息。在分析上车站点方面,基于公交车刷卡数据和公交车定位数据进行时间匹配来确定刷卡地点;在乘客下车站点分析方面,基于乘客的出行链推断下车的站点。其次,本文分析了公交客流的影响因素,从客流周期性、节假日以及天气方面进行分析。最后,基于以上分析得到的站点客流以及影响因素对站点未来的时段客流量进行预测。通过对各种预测模型的对比分析,本文选用了非线性映射能力以及学习能力强的BP人工神经网络模型来进行预测,综合考虑了历史数据、气温以及天气因素的影响。针对BP人工神经网络训练耗时的问题,结合MapReduce模型来并行进行训练。实验表明,基于MapReduce实现的BP人工神经网络来预测未来客流量,预测结果与其他算法相比保证了预测的精度,与单机BP算法相比较也提高了算法运行的效率。

关键词：公交客流 Hadoop 人工神经网络预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

公交客流OD矩阵推算

交通运输工程与信息学报 2009年第4期7卷 124-128页

作者：赵锦焕李文权张健刘凯东南大学交通学院南京210096

公交客流OD矩阵是公交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民... 详细信息

公交客流OD矩阵是公交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。

关键词：公交客流出行站数土地利用公交换乘 OD推算

在线全文

学校读者我要写书评

暂无评论

公交客流统计与驾驶员疲劳检测系统解决方案

中国公共安全 2017年第Z1期 140-141页

作者：杨斌上海趋视信息科技有限公司

随着国家经济的发展,人们的生活水平日益提高,道路交通运输日益繁忙,交通安全问题跃然成为社会不容忽视的重大问题。而随着人工智能行业在国内的大力发展,从属于人工智能的图像分析领域也在与交通运输行业互相交融互相结合互

关键词：客流统计公交客流疲劳驾驶疲劳检测双目摄像机人工智能智能交通系统客流统计系统

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

公交客流调查数据的实用性分析研究

城市公共交通 2009年第6期 14-15页

作者：吴丽华太原公交总公司IC卡中心

公共交通是城市交通中的重要组成部分，公交客流在城市交通出行中是主导人流。公交客流的基本特征在于空间和时间分布的不均匀性。公交客流在方向分布上是相对平衡的，因为乘客乘车一般都是一往一返。但在时间分布上则很不均衡，例如，... 详细信息

公共交通是城市交通中的重要组成部分，公交客流在城市交通出行中是主导人流。公交客流的基本特征在于空间和时间分布的不均匀性。公交客流在方向分布上是相对平衡的，因为乘客乘车一般都是一往一返。但在时间分布上则很不均衡，例如，节假日与平日，一日之内的客流高峰与平峰等。因此，充分研究和应用公交客流调查数据，对城市公共交通专项规划有着实质性的作用。

关键词：公交客流调查数据实用性分析城市公共交通城市交通时间分布组成部分不均匀性

在线全文

学校读者我要写书评

暂无评论

公交客流OD矩阵反推法

交通运输工程与信息学报 2006年第3期4卷 75-79页

作者：任其亮彭其渊谢小凇李淑庆重庆交通大学交通运输学院重庆400074 西南交通大学交通运输学院成都610031

公交客流OD矩阵是进行公共交通规划的重要基础数据。根据交通需求预测“四阶段”理论中交通分布预测的重力模型法的基本原理,建立了公交客流分布函数模型,根据公交OD矩阵与公交线路的日均客运量以及区域人口、社会经济、用地性质等之间... 详细信息

公交客流OD矩阵是进行公共交通规划的重要基础数据。根据交通需求预测“四阶段”理论中交通分布预测的重力模型法的基本原理,建立了公交客流分布函数模型,根据公交OD矩阵与公交线路的日均客运量以及区域人口、社会经济、用地性质等之间的内在联系提出了一种免OD调查的公交客流OD矩阵的反推算法。用Matlab语言编写了多条线路公交客流OD矩阵推算程序,给出了OD矩阵的检验及修正方法。

关键词：公交客流 OD矩阵分布函数重力模型交通阻抗