检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

大型活动散场期间地铁车站短时进站客流预测

科学技术与工程 2021年第5期21卷 2042-2048页

作者：杨静代盛旭张红亮汪波北京建筑大学土木与交通工程学院北京100044 北京交通大学交通运输学院北京100044 北京市交通信息中心北京100073

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求。基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站... 详细信息

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求。基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站的短时客流预测模型。首先对历史客流数据进行了拆分及降噪处理,并分析了活动客流特征。之后,基于深度学习框架构建多层结构的卷积神经网络,拟合活动客流特征与客流时空分布的映射关系,并选取Adam(adaptive moment estimation)算法优化训练过程,以适用于活动散场时客流集中进站的情况。最后,以北京地铁奥林匹克公园站为例,利用实测数据验证了模型的准确性。预测结果表明:建立的Adam-CNN(convolution neural network)模型相对于常用时间序列方法自回归滑动平均和传统神经网络SGD-CNN模型具有更高的精度,能够为大型活动的组织提供更为有力的支持。

关键词：城市轨道交通短时客流预测大型活动活动客流卷积神经网络 Adam算法

基于短时客流预测的地铁动态限流预警模型研究

在线全文

学校读者我要写书评

暂无评论

城市轨道交通研究 2018年第10期21卷 29-33页

作者：杨安安陈艳艳黄建玲熊杰王少华北京工业大学北京市交通工程重点实验室北京博士研究生100124

结合国内外对限流阈值的研究,以站台滞留人数达到阈值为限流启动条件,构建地铁站点限流预警模型。以北京地铁十号线某站为例,验证了小波神经网络在短时客流预测方面的有效性,且进行了限流方案的详细分析。结果表明,该模型可得到限流时... 详细信息

结合国内外对限流阈值的研究,以站台滞留人数达到阈值为限流启动条件,构建地铁站点限流预警模型。以北京地铁十号线某站为例,验证了小波神经网络在短时客流预测方面的有效性,且进行了限流方案的详细分析。结果表明,该模型可得到限流时间和限流流率,以及站外最大排队长度等量化指标,为实现动态限流预警提供了科学依据。

关键词：地铁限流预警模型小波神经网络短时客流预测

在线全文

学校读者我要写书评

暂无评论

基于云模型的城市轨道交通短时客流预测

城市轨道交通研究 2018年第4期21卷 61-65页

作者：付保明王健张宁徐文东南大学智能运输系统研究中心城市轨道交通研究所南京210096 苏州市轨道交通集团有限公司苏州215004 南京地铁建设有限责任公司南京210008 北京城建设计发展集团股份有限公司北京100037

城市轨道交通线路短时客流具有不确定性特征。分析了短时客流的准周期性,用云概念表示短时客流的特征,构建历史时间云、历史客流云、当前客流趋势云以及客流预测云,并建立时间云与客流云的关联规则,将时间云作为规则前件,客流预测云作... 详细信息

城市轨道交通线路短时客流具有不确定性特征。分析了短时客流的准周期性,用云概念表示短时客流的特征,构建历史时间云、历史客流云、当前客流趋势云以及客流预测云,并建立时间云与客流云的关联规则,将时间云作为规则前件,客流预测云作为规则后件构建单条件多规则不确定性预测云模型。以南京地铁2号线15 min间隔的进站客流预测为例,将云模型与ARIMA模型的预测结果进行对比分析,证明云模型应用于短时客流预测的有效性,从而为城市轨道交通线路短时客流预测提供了一种新途径。

关键词：城市轨道交通短时客流预测不确定性云模型

基于AFC数据的城市轨道交通站点短时客流预测

在线全文

学校读者我要写书评

暂无评论

基于AFC数据的城市轨道交通站点短时客流预测

作者：秦逸飞北京交通大学

学位级别：硕士

随着我国城镇化速度的加快和经济的快速发展,城市交通因受道路承载力等因素影响,城市交通拥堵现象日益严重。近年来,国内城市为了缓解交通拥堵,并给市民带来更好的出行体验,越来越多城市选择发展大运量的公共交通系统。而城市轨道交通... 详细信息

随着我国城镇化速度的加快和经济的快速发展,城市交通因受道路承载力等因素影响,城市交通拥堵现象日益严重。近年来,国内城市为了缓解交通拥堵,并给市民带来更好的出行体验,越来越多城市选择发展大运量的公共交通系统。而城市轨道交通因其运量大、速度快、绿色、节能等优点,越来越多城市选择发展城市轨道交通系统。因此,对于城市轨道交通运营公司而言如何准确预测站点进站客流,从而为其制定出更加合理的城市轨道交通运营方案,提高城市轨道交通服务质量显得尤为重要。本文通过归纳总结国内外现有的短时客流预测方法,针对不同预测方法存在的不足,提出将深度学习方法应用在城市轨道交通短时客流预测领域,并构建两种深度学习短时客流预测模型:PSO-LSTM模型和DBN-ELM模型。针对LSTM的神经元数量、学习效率和迭代次数通常难以确定,在该模型使用过程中常常使用经验法和不断试错法来标定参数,从而造成模型预测精度不高的问题,本文提出利用粒子群算法(PSO)来对模型参数进行寻优,以此来提高模型的预测精度,进而建立普适的长短期记忆神经网络用于城市轨道交通短时客流预测。本文基于深度置信网络和极限学习机模型设计并实现了 DBN-ELM预测模型。该模型基于深度置信网络的无监督式学习和极限学习机的有监督式学习来对样本数据进行训练,通过底层深度置信网络对数据进行重构与特征提取,从而为顶层极限学习机提供有效的数据表达。而顶层的极限学习机对底层深度置信网络的权值进行微调,使得整体模型更加契合数据变化规律,同时设计了 PSO算法实现对顶层ELM的参数优化。以北京市王府井站进站客流量预测的实例,验证了本文所建立的PSO-ESTM模型和DBN-ELM模型在进行城市轨道交通短时客流预测方面的有效性。通过将不同模型间进行试验对比分析,结合各个模型的结构特征,得出了 PSO-ESTM模型针对时序性强的客流预测的效果更好,DBN-ELM模型针对强随机性、非线性的客流预测效果更好的结论。图43幅,表15个,参考文献53篇。(不计入分图和分表)

关键词：短时客流预测深度学习粒子群优化长短时记忆网络深度置信网络极限学习机

城市轨道交通短时客流预测与最优客运能力调配问题的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城市轨道交通短时客流预测与最优客运能力调配问题的研究

作者：史文雯北京交通大学

学位级别：硕士

随着城市社会经济的发展和城市化进程的加快,城市轨道交通的逐条建成,以往的单线运营模式也变成了多线运营模式,而多线运营不仅仅是单线运营的简单叠加,所以出现了一些问题,比如由于拥挤带来的服务水平的降低,客流量的飞速增长等。所以... 详细信息

随着城市社会经济的发展和城市化进程的加快,城市轨道交通的逐条建成,以往的单线运营模式也变成了多线运营模式,而多线运营不仅仅是单线运营的简单叠加,所以出现了一些问题,比如由于拥挤带来的服务水平的降低,客流量的飞速增长等。所以对历史客流数据进行分析,使用快速有效的客流预测方式,制定合理的客运能力调配方案对于提高城市轨道交通服务能力有着十分重要的意义。本文以北京城市轨道交通历史客流数据为基础,分析了城市轨道交通客流时空分布特点,分别建立短时客流预测和最优客运能力调配模型及算法。主要工作及结论如下：(1)总结了城市轨道交通网络客流的时空分布特点,为后文的短时客流预测和轨道交通最优客运能力调配问题的研究打下基础。(2)利用了聚类分析和双变量相关系数等方法对样本数据进行预处理,保证了输入数据和输出数据的可靠性与合理性,提高了网络训练的性能。(3)总结客流预测方法,分析各种方法的优缺点和适用性。由于北京城市轨道交通短时客流变化异常,呈非线性分布特征,传统的数学模型已经不能满足短时客流预测的需要,所以本文选定神经网络模型,并且在神经网络的基础上分别结合小波理论、模糊理论和支持向量机三种方法作为短时客流预测模型。确立模型之后,设计网络结构,最终利用已处理的数据样本对三种模型模型算法进行了试验。经过比对表明,小波神经网络的预测精度极高。。(4)在考虑线路中地铁列车投放量的限制、车辆的容纳能力以及车站乘客滞留等情况,以城市轨道交通运输能力为决策变量,建立了城市轨道交通调度优化模型。通过对模型算法进行实例研究,得到各个路径的最优能力调配方案及城市轨道交通运营单位的最大利润。结果表明,合理的调配方案,不仅可以缩短乘客的等待时间,而且对于减轻地铁的拥挤和降低地铁运营公司的成本,提高地铁的运营效率具有重要的意义。

关键词：城市轨道交通短时客流预测小波神经网络模糊理论支持向量机客运能力调配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城市轨道交通短时客流预测与实证分析研究

城市轨道交通短时客流预测与实证分析研究

作者：张杉基兰州交通大学

学位级别：硕士

随着我国城市化进程的不断加快,城市人口的不断增加,城市的交通拥堵、环境污染等问题也日益严峻。城市轨道交通以运量大、耗能低、准点率高、绿色环保等特点,成为了城市居民出行的首选交通工具。近年来,城市轨道交通的建设步伐不断的加... 详细信息

随着我国城市化进程的不断加快,城市人口的不断增加,城市的交通拥堵、环境污染等问题也日益严峻。城市轨道交通以运量大、耗能低、准点率高、绿色环保等特点,成为了城市居民出行的首选交通工具。近年来,城市轨道交通的建设步伐不断的加快,截至2019年12月31日,我国内地累计有40个城市开通城轨交通运营线路6730.27公里,客运量超240亿人次,创历史新高。客流量的不断增加,给运营组织部门带来了极大的考验,为了提升运营效率,保障行车安全,短时客流预测已成为一个亟需解决的关键课题。城市轨道交通短时客流具有随机性,周期性,相关性的特征,而短时客流预测作为城市轨道交通运营组织优化的关键技术,其预测结果的准确性将直接影响城市轨道交通运营组织的合理性。故此,本文以杭州地铁的历史客流数据为基础,对城市轨道交通短时客流进行预测,主要研究工作如下:（1）根据实验数据,本文从时间和空间的维度对城市轨道交通客流分布特征进行了详细的统计分析,并对样本数据进行预处理,然后以一个周期的进站客流为例,运用皮尔逊相关系数和K-Means聚类算法进行相关性分析和分类,为后续的研究做了重要的铺垫。（2）本文构建了基于XGBoost、LightGBM和LSTM的短时客流预测模型,以MAE、RMSE和MAPE作为模型的性能评价指标,通过网格搜索和交叉验证等方法,对各模型的参数进行调优,输出各模型的最优预测结果,通过对比分析发现,LSTM模型的各项误差最小,预测精度更高,而LightGBM模型预测精度略低于LSTM模型,但是训练速度最快,预测效果也较好。（3）针对单模型在预测过程中存在的不足,本文又以XGBoost、LightGBM和LSTM模型为基础,分别建立了基于线性加权融合和Stacking融合的短时客流预测模型,并将融合模型的预测结果与单模型进行对比,结果表明:线性加权融合与Stacking融合模型的平均绝对百分比误差分别为12.92%和10.43%,与单模型相比,准确性有了显著的提升,同时也验证了融合模型的有效性和优越性。

关键词：短时客流预测 XGBoost LightGBM 长短时记忆网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的地铁短时客流预测方法研究

基于深度学习的地铁短时客流预测方法研究

作者：张伟林中国科学院大学(中国科学院深圳先进技术研究院)

学位级别：硕士

建设轨道交通系统是缓解城市交通压力的有效途径之一,对地铁短时客流的准确预测为解决城市的拥堵、线网的优化以及公共交通的安全防护具有重要的意义,从而为构建智慧城市具有一定的现实意义。现阶段对于地铁短时客流的预测主要是通过分... 详细信息

建设轨道交通系统是缓解城市交通压力的有效途径之一,对地铁短时客流的准确预测为解决城市的拥堵、线网的优化以及公共交通的安全防护具有重要的意义,从而为构建智慧城市具有一定的现实意义。现阶段对于地铁短时客流的预测主要是通过分析客流特征结合交通理论或者基于传统的时间序列的方法进行研究,在本文中主要采用基于深度学习的神经网络实现对短时客流的预测,主要工作有:(1)基于智能卡交易数据对地铁客流进行时空特征分析,提出一种线路客流清分算法用于计算地铁线路客流;同时基于智能卡交易数据和地铁站采集的乘客移动终端特征数据进行数据融合,提出移动终端特征数据处理算法,以及数据融合算法,并且通过融合算法得到站点区域客流;(2)利用聚类算法对客流进行日期和时间段的分类,并且通过对每一类客流分别建模,以此提高客流预测的准确性。通过构建循环神经网络结合长短时记忆网络的短时客流预测模型,分别对线路客流、站点进(出)站客流以及站内区域客流进行短时预测。最后通过不断地实验调参,确定得到一组最佳的超参数组合,使得客流预测的准确性更高;(3)最后介绍其他常见的短时客流预测方法,并且在相同数据集的前提下,比较了滑动平均模型、SVR模型和PROPHET模型对客流的预测能力,并且结合神经网络的预测结果进行综合对比。通过比较不同模型的预测性能,验证了基于深度学习的地铁短时客流预测模型的有效性。本文针对地铁短时客流具有非线性、时变性的特点,通过对客流的特征分析着手,选择基于深度学习的神经网络作为预测模型。为了对地铁线路客流和站内区域客流进行预测,分别提出清分算法和数据融合算法计算线路和站内区域客流。最后构建基于循环神经网络和长短时记忆网络的短时客流预测模型。

关键词：短时客流预测循环神经网络长短时记忆网络深度学习

基于深度学习的地铁短时客流预测方法研究 ——以杭州市为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的地铁短时客流预测方法研究 ...

作者：陈旺强北京交通大学

学位级别：硕士

地铁短时客流预测是轨道交通运营管理工作的重要组成部分,对优化调度方案、制定运营计划以及编制列车运行图等具有重要作用。精确、及时的地铁短时客流预测结果,能够方便地铁运营公司主动规划并采取合适的客流控制、疏导等措施,从而缓... 详细信息

地铁短时客流预测是轨道交通运营管理工作的重要组成部分,对优化调度方案、制定运营计划以及编制列车运行图等具有重要作用。精确、及时的地铁短时客流预测结果,能够方便地铁运营公司主动规划并采取合适的客流控制、疏导等措施,从而缓解车站客流压力、实现地铁网络的安全运营。在地铁自动售检票系统（AFC）普遍应用的背景下,能够获取大量的进站和出站客流数据,为地铁短时客流预测提供了基础。研究表明,与传统预测方法相比,深度学习方法与大数据的结合在短时客流预测上具有更优异的表现。因此,通过结合地铁AFC数据,利用深度学习方法对地铁短时客流预测具有重要的现实意义。本文以地铁车站的短时进站客流为主要研究对象,采用K-means聚类算法以及相关性分析对客流数据进行处理,研究了不同超参数对BP神经网络、卷积神经网络（CNN）、长短期记忆网络（LSTM）模型的影响。并结合变分模态分解（VMD）、回声状态网络（ESN）以及长短期记忆网络,建立了VMD-LSTM-ESN组合预测模型。在相同的客流序列数据的前提下,比较了不同模型的预测性能,验证了组合预测模型的有效性。文章的主要研究内容与成果如下:（1）在杭州市AFC数据的基础上,对原始刷卡数据进行预处理,并以15分钟为粒度进一步提取出杭州市各个地铁站点的进站客流数据,为短时客流预测模型提供良好数据集。分别建立BP神经网络预测模型、CNN预测模型以及LSTM预测模型并优化网络参数。为了比较这三种模型的性能,让其在时间粒度为15分钟的钱江路进站客流序列分别训练并预测。结果表明,与BP神经网络模型、CNN网络模型相比,LSTM网络模型的预测精度高。（2）结合变分模态分解、长短期记忆网络以及回声状态网络,建立了VMDLSTM-ESN组合预测模型。采用VMD方法对客流序列进行分解,并经过样本熵计算重组得到新的子序列。将各个子序列分别送入不同的LSTM预测器进行训练并反馈训练误差,再利用训练误差作为二次训练数据送入ESN误差预测器,得到训练完毕的组合预测模型。最后,在相同的数据集下,采用自回归移动平均模型（ARIMA）、支持向量回归模型（SVR）、LSTM模型以及VMD-LSTM组合预测模型进行对比。结果证明,VMD-LSTM-ESN组合预测模型在高峰、平峰和全日阶段都具有良好的预测性能,验证了模型的有效性和鲁棒性。

关键词：短时客流预测深度学习长短期记忆网络变分模态分解样本熵回声状态网络

轨道交通网络动态鲁棒性分析及短时客流预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轨道交通网络动态鲁棒性分析及短时客流预测研究

作者：范懿西南大学

学位级别：硕士

随着经济的不断发展和城市化进程的加快,交通运输方式变得多样。其中,城市轨道交通因其环保、快捷、低价等优点,已成为城市中重要的基础性交通设施和人民群众首选的出行方式。然而,现在轨道交通供需矛盾日益突出,轨道交通拥堵、故障成... 详细信息

随着经济的不断发展和城市化进程的加快,交通运输方式变得多样。其中,城市轨道交通因其环保、快捷、低价等优点,已成为城市中重要的基础性交通设施和人民群众首选的出行方式。然而,现在轨道交通供需矛盾日益突出,轨道交通拥堵、故障成为了制约城市智慧交通发展亟待解决的问题。因此,制定合理高效的轨道交通应急管理策略与服务调度策略成为了提高轨道交通鲁棒性,保证轨道交通高效运行的关键。而此类策略是否高效可行很大程度依赖于轨道交通管理者对乘客出行行为特征与规律的了解程度,对乘客出行决策与轨道交通拥堵、故障之间关系的认识程度以及对实时乘客出行状况的掌握程度。因此,本文将基于网络科学理论,利用轨道交通数据,从乘客出行行为角度展开两个主要研究内容,一方面揭示乘客出行时空特征对轨道交通网络鲁棒性的影响,便于轨道交通管理人员在突发故障的情况下,预先制定合理的应急管理方案,为乘客提供可靠的出行服务;另一方面预测轨道交通站点短时客流,让轨道交通管理人员预先掌握乘客出行状况,制定高效的服务调度方案,优化轨道交通运行模式,实现乘客智慧出行。(1)针对站点发生故障时客流重分配对轨道交通网络鲁棒性的影响,构建了基于轨道结构和客流分布之间动态关系的轨道交通网络,提高了级联失效模型对客流时空特性表征上的能力,刻画了轨道交通网络由客流重分配引发的级联失效过程,实现了对轨道交通网络鲁棒性的动态分析。首先,本文从时间上和空间上对乘客出行行为特征进行了研究,让轨道交通管理人员能够掌握站点间的客流分布在时空上的动态变化。然后,根据轨道交通站点发生故障时乘客是否已处于列车上的两种情形,分别构建轨道交通双层网络和轨道交通时空网络。再者,在耦合映像格子模型中加入客流重分配策略和各站点最大的客流容量用以模拟不同时段轨道交通双层网络中的级联失效过程,并根据级联失效规模分析网络的鲁棒性;在线性阈值模型的影响力函数中纳入站点入强度用以模拟不同时段轨道交通时空网络中的级联失效过程,并提出新的鲁棒性指标来分析不同时间网络的动态鲁棒性。最后,基于上海轨道交通相关数据进行了实验仿真,综合实验结果得出结论:轨道交通网络的鲁棒性与外部扰动和失效模式(即随机和目标失效模式)有关,大量的客流会增加外部扰动和失效模式对轨道交通网络鲁棒性的影响。此外,在工作日的高峰时段,由于客流量大,较小的扰动仍会引发接近20%的级联失效规模。并且在对站点引起的平均级联失效规模进行排序后,发现此现象不仅由枢纽节点引起,还由它们的邻居节点引起。(2)针对图卷积网络(GCN)无法准确拟合客流峰值问题,提出了一种基于聚合信息差异最大化的方法,优化了GCN提取轨道交通网络空间特征的能力,实现了不同时间粒度下站点短时客流的精准预测。首先,本文对图卷积网络(GCN)进行了公式分解,在对GCN中的邻接矩阵归一化后,通过增加邻接矩阵主对角线上节点的权重值来抵消GCN的傅里叶域中平滑滤波器对局部峰值的平滑效果,使聚合信息的差异达到最大化。然后将上述具有空间特征的时序序列作为门控循环单元(GRU)的输入进行时间特征的提取,从而构建了由优化的GCN结合GRU的组合模型,即基于聚合信息差异最大化的时空图卷积网络(E-GCN)。最后,本文基于上海轨道交通相关数据,利用E-GCN模型进行了大量的实验仿真。通过与其它主流客流预测算法预测结果的对比,发现E-GCN模型能够使节点的聚合信息得到有效地优化,解决了无法准确拟合客流峰值的问题,实现了更高精度的客流预测。综上,本文展开的城市轨道交通网络动态鲁棒性分析、轨道交通站点短时客流预测的核心研究内容可以让城市轨道交通管理者了解乘客出行行为,更为深刻地认识不同时间、不同站点因故障所引发的级联失效对网络鲁棒性的影响,掌握未来短时乘客出行趋势,从而及时改进其服务调度策略与应急管理策略,实时有效地保护重要站点。

关键词：轨道交通网络乘客出行行为级联失效鲁棒性短时客流预测