简介:提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusionLSTMRNN)模型,并应用于常州市地面公交客流集散点的智慧卡(SmartCard)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.
简介:武汉市常规公交采用单一票制收费模式,刷卡字段中缺少下车的相关信息,无法直接得到公交乘客的出行路径.本文重点基于公交GPS数据和IC卡刷卡数据,建立公交刷卡乘客上、下车站点识别模型.其中上车站点识别包含基于GPS时间和IC卡刷卡时间识别2个模型,下车站点识别包含基于出行连续性和出行链识别2个模型.分别对比分析2个模型的优劣,并以实际数据试算得到的识别率为判别标准,选取较高者为最终识别模型.最终上车站点识别模型选取基于GPS时间识别,因为基于IC卡刷卡时间识别,站点序号基本对应不上,而基于GPS时间识别,站点识别率高达98.31%;下车站点识别模型选取基于出行链识别,因为基于出行链识别的识别率为70%左右,基于乘客出行连续性识别为50%左右.
简介:大城市轨道交通的迅猛发展令轨道客流逐年攀升,换乘站点已成为城市大规模客流的主要集散地,由此带来了客流拥塞的安全隐患.本文旨在研究轨道换乘站客流拥塞风险的识别方法.基于实时回传的AFC数据,提取轨道换乘站客流,并在时变特征分析的基础上将客流划分为3类:进站客流、出站客流和换乘客流,将对应的客流量选取为客流拥塞风险评价指标.将轨道的运营时间(05:00—23:00)以15min为最小单元细分为72个时段,基于灰色聚类构建轨道换乘站客流拥塞风险评价模型,实现对轨道换乘不同时段客流拥塞风险等级的识别.应用该方法对北京市东直门轨道换乘站的客流拥塞风险进行评价,验证了该方法的有效性.
简介:近年来大客流对北京地铁的冲击使车站负荷强度不断增大,车站日常运营存在安全隐患,地铁系统逐渐呈现出脆弱性。地铁脆弱性表现为暴露度、易感度和适应度。鉴于地铁脆弱性体系具有层级性、定性定量结合性、多专家决策性、指标灰性等特点,综合运用层次分析法、灰色理论、模糊综合评价以及多专家决策理论,构建群体灰色层次模糊评价法(GGAHP)。基于指标体系评价法,根据现场考察、专家座谈等方式完成大客流扰动对北京地铁安全运营的影响因素识别,通过模糊德尔菲法建立评价指标体系,通过定量分析与定性评价相结合的方法,对北京地铁客流压力较大的典型车站进行脆弱性评价,并对评价结果进行分析总结。
简介:为提高城市轨道交通成网条件下客流预测与运营管理水平,有必要对轨道交通客流特征进行研究。结合实地调研数据,利用海量的市政交通“一卡通”(IC卡)数据和移动通信定位数据对北京市轨道交通乘客属性特征、时空特征、接驳特征、票价调整影响特征等进行分析,最后对客流需求高增长的北京轨道交通客流特征进行总结。结果表明:北京轨道交通工作日主要服务于中低收入的中青年通勤族,77.25%的乘客轨道交通出行时间在10~60min之间;轨道交通线路高峰客流有明显的潮汐现象,受职住分离现象的影响,客流空间分布的不均衡性突出;现阶段轨道交通网络发展较为成熟,但仍有部分区域对轨道交通的需求较大;轨道交通站点接驳设施的便利性和完善性程度影响乘客对轨道站点交通方式的选择;在可接受范围内,票价调整对客流的影响在短期内较明显,经过渡期后客流量呈增加趋势。
简介:城市轨道交通短期客流预测是列车运力配置和网络化运营决策的基础,预测结果的准确性、精细度及科学合理性决定了运营过程的安全性、运营组织的高效性和资源配置的均衡性.节假日(包括节前一日)客流与平日有明显差异,不同节假日、不同车站的客流规律各异,预测过程同时面临路网结构改变、历史可用样本少等问题,本文综合考虑大型活动、恶劣天气、车站周边土地利用性质等影响因素,采用模糊C均值聚类法和一元线性回归模型,构建了适用于路网结构发生改变的车站进、出站量预测模型,并结合北京市轨道交通历史客流数据,对2015年清明节前一日车站进、出站量进行了预测,与神经网络模型、多元回归模型预测结果对比表明,本模型预测结果更好,全路网客运量误差率为0.27%,车站平均预测误差率为3.92%.