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.     

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,井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...     

基于MAS的城轨交通客流预测系统研究

针对传统的客流预测系统存在的人机交互支持形式刻板、预测模型单一、计算效率低下、劳动强度大等缺点,设计了基于多Agent系统(multi-agent system,MAS)的客流预测系统。该系统为由路段工作站Agent、线路Agent和线网Agent组成的包含支持层、应用层和接口层的体系结构,各个路段工作站Agent组成多Agent系统,通过线路Agent的相互协作实现线网的客流预测。基于JADE平台、TransCAD软件、Microsoft SQL Server和Access软件进行了系统开发,并将其应用于苏州市城市轨道交通近景2020年客流预测分析,结果表明,该系统具有较强的适应性、鲁棒性和灵活性。     

基于EEMD与神经网络的城市轨道交通客流自动预测模型

针对现有城市轨道交通客流自动预测模型存在的预测精度较低、预测时间较长的问题,提出基于EEMD经验模态分解与神经网络的城市轨道交通客流自动预测模型.构建城市轨道交通客流预测的统计分析模型,采用模糊约束特征参数估计和自适应信息跟踪识别的方法实现对城市轨道交通客流特征挖掘,提取城市轨道交通客流的空间状态分布特征量,采用EEM...     

基于时空图卷积网络的机场地铁短时客流预测

机场地铁短时客流预测是实现机场旅客快速疏解、航站楼现场运力资源指挥调度的关键。考虑到机场复杂的空间结构与航班波动的影响,建立基于图卷积神经网络（GCN）和组合门控卷积（GLU）的机场地铁短时客流预测模型。通过图卷积神经网络融合机场空间路径点与地铁口的空间结构关系,同时,设计一种组合门控卷积模块挖掘航班波动下地铁客流的时变特征,有效地捕捉地铁客流的波动性。基于首都机场T3航站楼真实客流数据对模型的有效性进行检验,经多次实验结果表明,提出的时空图卷积短时客流预测模型在均方根误差、平均绝对误差和平均绝对百分比误差均小于传统ARIMA预测模型与深度学习中LSTM、STGCN模型,该模型能捕捉地铁客流与航班客流的波动变化关系,具有较高的预测精度,提高了模型预测的鲁棒性。     

基于神经网络的城市轨道交通短期客流预测研究

该文结合神经网络来研究城市轨道交通中短期客流预测问题。设计出了基于自回归神经网络的轨道交通客流预测模型、模型描述及其模型训练算法。通过matlab仿真实验来验证预测模型的性能,优于将最小二乘支持向量机与离散一维Daub4小波分析结合起来预测效果。     

基于神经网络的城市轨道交通短期客流预测研究

该文结合神经网络来研究城市轨道交通中短期客流预测问题。设计出了基于自回归神经网络的轨道交通客流预测模型、模型描述及其模型训练算法。通过matlab仿真实验来验证预测模型的性能,优于将最小二乘支持向量机与离散一维Daub4小波分析结合起来预测效果。     

基于GIS的短时交通客流智能协调控制系统设计

传统的短时交通客流智能协调控制系统对于系统初始收集数据的处理效果较差,对于系统需求不够明确,因此操作时间过长,系统工作效率低;为了解决上述问题,提出基于GIS的短时交通客流智能协调控制系统;系统设计分为系统硬件设计与系统应用程序设计两个方面,在整合系统硬件元件数据信息的基础上完善系统硬件操作,提升系统数据处理能力,将硬件操作划分为三个不同方面的模块设计,缩减不必要的操作浪费,提升整体操作效率;在应用程序设计中集合相应的数据处理算法,研究GIS收集的内部信息,实现对短时交通客流智能协调控制系统的整体设计;实验结果表明,基于GIS的短时交通客流智能协调控制系统设计能够在较高程度上调整系统操作结构,优化内部协调控制性能,具有高调配性;在客流量为60辆汽车时,其操作时间为20 s,控制有效率平均值为83%,满足系统需求,具备更为广阔的发展前景。     

城市轨道交通车站客流分布仿真系统的实现

城市轨道今天车站客流分布仿真系统对二维仿真效果进行升级,实现城市轨道交通车站客流分布的3D仿真,并可利用实现紧急疏散技术研究及应急预案合理化评估。     

基于仿真的城市轨道交通客流分配

建立仿真客流分配模型可实现城市轨道交通(URT)客流的分配.首先,定义URT网络并确定了乘客生成方法;其次,结合改进Logit模型及有界理性模型建立乘客出行路径选择模型;接着,基于列车运行图实现列车运行控制及乘客上、下车决策;然后,建立了自反馈机制实现乘客出行路径计算结果的校正;最后,以成都地铁为例,验证了所建立模型的...     

时间序列分析在轨道交通客流预报中的应用研究

时间序列分析是动态数据分析的重要方法,在多学科领域中得到广泛的研究和运用.研究时间序列分析在城市轨道交通自动售检票系统数据分析中的应用方法,并结合某线路AFC系统的历史沉淀数据,给出两个完整的时间序列分析案例,其分析方法能够为AFC运营管理提供有效决策的手段.     

基于MMDB轨道交通AFC清分系统的设计与实现

提出在开发大型联机交易处理系统中,运用内存数据库提高实时处理效率和有效降低I/O频率的技术和方法。讨论了内存数据库、共享内存技术和传统磁盘数据库三种不同处理方式的差异。通过仿真轨道交通AFC清分系统的清分处理,证明运用内存数据库方式在大宗数据处理系统中的有效性和可行性。     

基于云计算的城市轨道交通数据可视化方法及案例研究

针对城市轨道交通票卡数据流无法快速处理现状,基于云计算平台提出一种城市轨道交通大数据可视化分析方法.基于数据ID将城市轨道交通客流数据按时间段进行分表处理;基于客流关键字段建立索引数据集合并将必要客流数据字段放入对应的索引中;通过删除冗余、错误数据实现对数据筛选和清洗处理.利用ECharts中的JS插件对城市轨道交通客...     

基于灰色神经网络的航线客流量预测

准确预测航线客流量对于航空公司制定航线销售政策有着重要的作用。现有研究中鲜见考虑民航旅客出行的随机性、客流量表现出的非线性特征以及对航线客流量影响因素的分析。针对以上问题,提出一种基于灰色神经网络的航线客流量预测模型。该模型运用灰色理论弱化数据序列的随机性,再结合非线性处理能力较强的BP神经网络,构建基于灰色神经网络的航线客流量预测模型。同时验证了平均折扣率对航线客流量的影响。实验结果表明,相比于灰色GM(1,2)模型、BP神经网络模型,灰色神经网络模型具有更高的航线客流量预测精度和更强的稳定性。     

基于模糊聚类分析的公路隧道短期交通量预测

公路隧道交通量具有高度的复杂性、模糊性和随机性,常规的方法难以对其准确预测。模糊聚类分析是一种模糊数据挖掘方法,使用该法对同一时段交通量的历史数据进行处理,建立模糊相似矩阵,获得它们的聚类模式,在此基础上判断被预测样本所属的聚类模式。由于同一模式的样本具有高度相似性,可以用它们的交通量数据来预测新值。分析和计算结果表明该方法容易实现,且具有较高的预测精度。     

上海世博会客流动态分布的仿真模型和算法

2010年上海世博会规模空前,客流巨大.仿真模型的建立,正是为了提前演示应用系统的功能和考核系统设计的合理性.在参考相关资料和研究离散选择模型的前提下,进一步加以改进,提出动态效用的概念和计算方法,使得该仿真系统更具合理性.     

基于改进HK模型的社交网络舆情演化

传统网络舆情演化研究中,网络结构平均聚类系数较小,平均路径长度较大,且个体之间的相对权威性相等.针对这种情况,提出一种基于个体相对权威性的改进HK (Hegsekmann-Krause)模型来对个体间的权威性进行量化,同时构建更符合实际社交网络性质的网络拓扑结构.实验结果表明:该模型随着有限信任阈值增大,演化后的最终观...     

基于改进型C4.5算法的关系数据库零水印模型研究

对传统的数据库数字水印技术进行分析,结合关系数据库零水印一般模型,提出一种基于改进型C4.5算法的关系数据库零水印模型。重点研究该模型关系数据库零水印构建算法并进行定性分析,发现算法具有更广的适用性和更好的鲁棒性。     

基于Petri网的作战指挥并发信息流模型研究与应用

在军事指挥系统中往往存在多维并发信息流,由此引发因争夺资源而产生的系统死锁,这将严重影响系统的指挥效能.基于Petri网建立了系统的数学模型,进而分析在并发信息流中产生死锁的关节所在,为从理论上研究指挥系统的效能,例如,发现和排解死锁等,提供了可靠根据,有效地保证了系统的正常运行.经部队仿真演习试用,效果良好,对于提高部队应急反应能力具有重要的价值.