智能交通公交线网优化策略与评价方法

为更全面规划城市公交线网,缓解公交企业运力压力,通过采集公交出行OD客流数据,推算公交出行OD矩阵,运用客流分配算法,对各条公交线路上的客流进行分配.运用公交线网、路网评价方法,对所有运行公交线路的道路断面客流量进行评价,公交负荷度为0.4～0.85时,符合城市公交线网规划的要求.对公交站点公交车流量进行评价,车流量饱和度为0.65～0.85时,需设置较多的同名站点,降低公交车的拥挤程度,表明此站点在公交线网规划中具有一定的现实意义.对客流分布质量进行评价,线路的断面客流不均衡系数小于1.20,表明此公交线路的利用率和运转效率高,实例证明所采用的评价方法具有实用性和可靠性.     

公交客流MDAS的设计与实现

为有效掌握公交线路客流分布规律,基于车栽GPS和APC数据,将多维分析技术应用于公交线路车辆APC数据的分析.提出了公交客流MDAS总体解决方案,包括对采集数据的预处理,以及设计了星形MDA数据仓库模型、多维数据集及数据分析引擎,利用插值算法绘制客流分布曲线.测试表明,该系统能够对线路客流进行快速统计分析,为公交管理人员提供有效的辅助决策支持.     

基于改进PSO-LSTM模型的城市轨道交通站点客流预测

城市轨道交通站点的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测随时间的变动而变动,长短时记忆网络能对其进行深度的训练和特点提取.为提升预测性能,以成都轨道交通火车北站为例,设计一种基于改进PSO-LSTM模型的城市轨道交通站点短时客流预测办法.通过实例研究分析,验证了改进后的PSO-LSTM模型在城市轨道交通站点短时客流预测中具有更好的预测性能.     

短时公交客流的弦不变量预测方法

短时公交客流预测是智能公交系统动态调度的基础.文中根据短时公交客流数据特性,提出基于弦理论的短时公交客流预测方法,模拟弦结构建立弦不变量客流预测模型(SI-PFPM),并采用遗传算法优化SI-PFPM中各参数.提出基于动态时间弯曲距离的仿射传播(AP)聚类算法,对短时公交客流时间序列进行聚类分析.利用SI-PFPM预测聚类子集数据,并分析预测残差,验证SI-PFPM可以预测短时公交客流的假设成立.最后将SI-PFPM的预测性能与现有方法进行对比分析,验证SI-PFPM对短时公交客流预测的有效性.     

轨道交通无障碍换乘模式下的客流分配

轨道交通线路上的途径客流是线路客流的重要组成部分,将无障碍换乘客流准确地分配到各途经线路可以给后续各项客流分析提供数据支持。参照公交线路起点—终点（OD）反推技术,把吸引权系数法引入轨道交通无障碍换乘模式下的线路客流分配中,根据不同线路的进出站客流数据定义吸引权系数,加权客流换乘次数和途径站点数,建立轨道交通无障碍换乘模式下的一种客流分配模型。实例验证表明,在应用此模型时,考虑客流高峰区间,合并不同时段区间下的计算结果,可以得到更好的精度。     

多尺度时序特征融合的地铁短时客流预测方法

面向城市地铁进出站客流数据,本文提出了一种融合多尺度时序特征的地铁短时客流预测方法。首先,通过数据分析,构建地铁客流的长期周期性和短期波动性等多尺度时序特征融合机制。其次,提出地铁短时客流预测方法模型来有效提高客流预测精度,既利用了长期预测模型捕捉客流的长期周期性规律,又融合了短期预测模型获取客流的短期波动性趋势。最后,在2020年9月厦门地铁53个站点的客流数据上验证模型的有效性。实验结果表明,与LSTM、GRU等基线方法相比,本文提出的方法在地铁客流预测任务上具有预测精度更高、收敛速率更快等优势。     

基于GIS的绍兴市区公交查询系统的设计与实现

GIS(地理信息系统)是采集、存储、管理、检索、分析和描述与整个或部分地球表面与空间分布数据的空间信息系统.本系统围绕绍兴市区公交线路、站点的地理分布,对公交线路、站点的查询进行了分析与设计,并完成了相应的程序算法和软件功能,实现了基于GIS的绍兴市区公交站点、线路的查询,线路和站点管理等功能.     

基于卷积长短时记忆神经网络的城市轨道交通短时客流预测

我国城市轨道交通正处在快速发展阶段,城轨交通短时客流预测对保障运营安全、优化线网结构,进而构建智慧城市具有重要意义.城轨短时客流除了具有周期性、随机性等时间特征之外,跨时段的断面客流具有相似性,并且相邻站点客流之间存在空间联系.对此,充分考虑以上城轨短时客流的时空特征,基于卷积长短时记忆神经网络(ConvLSTM)与自适应k-means聚类算法,提出城轨短时客流预测的深度学习模型k-ConvLSTM,并通过实验对模型关键参数进行寻优;同时,基于深圳市地铁IC卡的真实客流数据对模型的有效性进行检验.结果表明,k-ConvLSTM在均方根误差、绝对误差均值、绝对误差百分比方面,均优于仅考虑时空特征的深度学习模型-----卷积网络(CNN)与长短时记忆网络(LSTM)的并行混合模型和ConvLSTM内嵌式网络模型,仅考虑时间特征的深度学习模型-----LSTM网络和双向长短时记忆网络(Bi-LSTM),以及浅层机器学习模型-----BP神经网络和支持向量回归模型(SVR).     

灰色预测系统在地铁站点客流预测中的应用研究

客流预测对城市轨道交通的规划与运营具有十分重要的意义,为此研究了一种应用于地铁站点客流预测的灰色预测系统.首先,确定了客流预测的方案,并完成了西安地铁2号线主要站点客流数据的统计.其次,以灰色预测系统为手段,完成了地铁站点的客流预测与误差分析.最后,通过仿真实验说明基于灰色预测系统的地铁客流预测与真实客流增长的规律相吻...     

面向组件式GIS技术的宁波市轨道交通与常规公交接驳数字化管理系统设计与实现

采用计算机组件式GIS技术、空间分析技术以及轨道交通与常规公交线网分析评价模型等科学方法,融合区域人口、土地利用现状与公交设施、轨道交谈线网数据、公交线网运营数据、站点IC刷卡数据和公交GPS数据等海量信息,建设宁波市轨道交通与常规公交接驳数字化管理系统。该系统能够对公交客流和公交线路进行分析评估,并能实现对公交车辆的实时动态管理与应急响应。实验证明:该系统可检测公交有效乘客量,轨道交通有效乘客量、评测乘客拥挤度状况并预警,如前方站点客流预警、拥挤路段预警以及公交的运营满载预警等从而为宁波市轨道交通与常规公交的接驳一体化发展提供有力的辅助决策。