基于改进BP神经网络的市际客运班线客流预测研究
发布时间：2021-08-14 11:40
市际客运班线是城市间的重要运输方式之一,对于市际客运班线客流量的准确预测,是提高市际客运班线的运营组织效率的关键,可为市际客运班线的运营组织提供一定的参考依据。然而,目前专门针对市际客运班线的客流预测研究较少,且囿于历史数据和预测模型的限制,客流预测精度较低。本文在研究市际客运班线客流特征的基础上,建立非节假日与节假日客流预测模型,并且基于面板数据对预测模型进行验证,旨在提高市际客运班线客流预测的精度。本文在对数据进行预处理的前提下,分析市际客运班线客流的时空特征。空间特征方面,主要分析粤港澳大湾区广东省9市间的客流分布规律及空间班次分布规律;时间特征方面,主要从年、季度、月、周、日及小时等不同时间尺度分析了同一市际客运班线的客流特征。同时还着重对比了非节假日与节假日期间客流规律的异同点。对于非节假日客流预测的研究,针对BP神经网络（Back Propagation Neural Network,BPNN）初始权值及阈值随机选取的不足,采用基于适应度进行选择操作的遗传算法对BP神经网络进行优化,形成了基于改进遗传算法优化BP神经网络的非节假日市际客运班线客流预测模型（Improved ...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
技术路线图
发车时间为9:00，共计发车班次为451班；深圳-广州市际客运班线最早发车班次的发车时间为6:00，最晚发车时间为21:00，总计发车班次为437班。图2-1 广州-深圳与深圳-广州客运班线发车班次对比图由图2-1可以看出：两个方向相反的市际客运班线线路的总体规律为6:00-8:00及19:00-21:00时间段内的发车频次较少，而其他时间段的发车频次相对比较密集，与市内交通出行的早晚高峰现象不同，市际客运班线的发车频率在7:00-21:00时间段内发车频次波动范围不大，无明显的高峰现象，可见广深城市之间的市际客运班线客流在营运时段内都保持较高的水准。各时段内，两者的发车频次折线图的大致走势相同，广州-深圳客运班线的总发车频次略大于深圳-广州的发车频次，体现出市际客运班线客流的方向不均衡性，但两方向的发车频次相差不大，从此能看出深圳-广州市际客运班线出行需求与广州-深圳的市际客运班线出行需求大致相等。2.2.2 空间流量特征分析通过离站客流数据及客运班线的起点站及终点站统计2018年粤港澳大湾区广东省九市市际客运班线年客流OD数据，得表2-3；同时运用Arcgis软件结
哈尔滨工业大学工程硕士学位论文- 14 -合地图将市际客运班线的年客流量用期望线的形式表示，如图2-2。由表2-3与图2-2可知，粤港澳大湾区广东省9市市际客运班线客流量具有显著的空间不均匀性，客流的主要流向为广州与深圳之间、广州与佛山之间、广州与东莞之间、深圳与东莞之间及深圳与惠州之间等十个重要方向，其他方向客流量分布较少，不同市际客运班线间的年客流量相差比较悬殊。结合九个城市的常住人口及地区生产总值可以发现，这个五个城市的常住人口数量及地区生产总值都位于广东省前列，因此从宏观角度来说，常住人口数量及经济发展水平对市际客运班线客流量有着重要影响。表2-3 粤港澳大湾区广东省9市市际客运班线年客流OD表(单位:万人次)广州 深圳 珠海 佛山 惠州 东莞 中山 江门 肇庆广州 - 181
【参考文献】：
期刊论文
[1]基于改进GA-BP的移动通信用户流失预测算法[J]. 于瑞云,薛林,安轩邈,夏兴有. 东北大学学报(自然科学版). 2019(02)
[2]基于灰色-马尔科夫预测模型的售票窗口客流量预测研究[J]. 尚庆松,石庆升,崔炳谋. 铁道运输与经济. 2019(01)
[3]基于深度学习长短期记忆网络结构的地铁站短时客流量预测[J]. 李梅,李静,魏子健,王思达,陈赖谨. 城市轨道交通研究. 2018(11)
[4]基于SVM-KNN的降雨条件下短时公交客流预测[J]. 刘欣彤,黄小龙,谢秉磊. 交通信息与安全. 2018(05)
[5]基于支持向量机的节假日进出站客流预测方法[J]. 谢俏,叶红霞. 城市轨道交通研究. 2018(08)
[6]不完备信息下公交断面客流的推算模型[J]. 马超群,艾倩楠,张俊. 公路交通科技. 2018(05)
[7]基于K近邻模式匹配的地铁客流量短时预测[J]. 林培群,陈丽甜,雷永巍. 华南理工大学学报(自然科学版). 2018(01)
[8]以旅游功能为主的城市轨道交通线路客流预测方法[J]. 郭旭东,刘永平,王远回. 城市轨道交通研究. 2018(01)
[9]铁路客运专线运营初期运量预测方法研究[J]. 钟异莹,陈坚,邵毅明. 重庆交通大学学报(自然科学版). 2018(09)
[10]基于RBF神经网络的铁路旅客周转量预测研究[J]. 颜保凡,郭垂江. 铁道运输与经济. 2017(12)
硕士论文
[1]基于IC卡数据的短时公交客流预测[D]. 朱翔希.大连理工大学 2017
[2]降雨天气条件下短时公交客流预测研究[D]. 刘欣彤.哈尔滨工业大学 2016
[3]公交客流量的波动分析和短期预测[D]. 祁俊琴.西安电子科技大学 2015
[4]面向枢纽换乘的公交候车客流预测及公交调度方法研究[D]. 胥少龙.北方工业大学 2015
[5]基于Hadoop平台的公交客流分析与预测研究[D]. 李振.东北师范大学 2015
[6]基于EMD-BPN方法的高速铁路短期客流预测[D]. 曹承.兰州交通大学 2015
[7]基于改进BP神经网络的轨道交通短时客流预测方法研究[D]. 董升伟.北京交通大学 2013
[8]节假日铁路客流波动规律分析及其在客流预测中的应用研究[D]. 夏青.北京交通大学 2011
本文编号：3342400
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
技术路线图
发车时间为9:00，共计发车班次为451班；深圳-广州市际客运班线最早发车班次的发车时间为6:00，最晚发车时间为21:00，总计发车班次为437班。图2-1 广州-深圳与深圳-广州客运班线发车班次对比图由图2-1可以看出：两个方向相反的市际客运班线线路的总体规律为6:00-8:00及19:00-21:00时间段内的发车频次较少，而其他时间段的发车频次相对比较密集，与市内交通出行的早晚高峰现象不同，市际客运班线的发车频率在7:00-21:00时间段内发车频次波动范围不大，无明显的高峰现象，可见广深城市之间的市际客运班线客流在营运时段内都保持较高的水准。各时段内，两者的发车频次折线图的大致走势相同，广州-深圳客运班线的总发车频次略大于深圳-广州的发车频次，体现出市际客运班线客流的方向不均衡性，但两方向的发车频次相差不大，从此能看出深圳-广州市际客运班线出行需求与广州-深圳的市际客运班线出行需求大致相等。2.2.2 空间流量特征分析通过离站客流数据及客运班线的起点站及终点站统计2018年粤港澳大湾区广东省九市市际客运班线年客流OD数据，得表2-3；同时运用Arcgis软件结
哈尔滨工业大学工程硕士学位论文- 14 -合地图将市际客运班线的年客流量用期望线的形式表示，如图2-2。由表2-3与图2-2可知，粤港澳大湾区广东省9市市际客运班线客流量具有显著的空间不均匀性，客流的主要流向为广州与深圳之间、广州与佛山之间、广州与东莞之间、深圳与东莞之间及深圳与惠州之间等十个重要方向，其他方向客流量分布较少，不同市际客运班线间的年客流量相差比较悬殊。结合九个城市的常住人口及地区生产总值可以发现，这个五个城市的常住人口数量及地区生产总值都位于广东省前列，因此从宏观角度来说，常住人口数量及经济发展水平对市际客运班线客流量有着重要影响。表2-3 粤港澳大湾区广东省9市市际客运班线年客流OD表(单位:万人次)广州 深圳 珠海 佛山 惠州 东莞 中山 江门 肇庆广州 - 181
【参考文献】：
期刊论文
[1]基于改进GA-BP的移动通信用户流失预测算法[J]. 于瑞云,薛林,安轩邈,夏兴有. 东北大学学报(自然科学版). 2019(02)
[2]基于灰色-马尔科夫预测模型的售票窗口客流量预测研究[J]. 尚庆松,石庆升,崔炳谋. 铁道运输与经济. 2019(01)
[3]基于深度学习长短期记忆网络结构的地铁站短时客流量预测[J]. 李梅,李静,魏子健,王思达,陈赖谨. 城市轨道交通研究. 2018(11)
[4]基于SVM-KNN的降雨条件下短时公交客流预测[J]. 刘欣彤,黄小龙,谢秉磊. 交通信息与安全. 2018(05)
[5]基于支持向量机的节假日进出站客流预测方法[J]. 谢俏,叶红霞. 城市轨道交通研究. 2018(08)
[6]不完备信息下公交断面客流的推算模型[J]. 马超群,艾倩楠,张俊. 公路交通科技. 2018(05)
[7]基于K近邻模式匹配的地铁客流量短时预测[J]. 林培群,陈丽甜,雷永巍. 华南理工大学学报(自然科学版). 2018(01)
[8]以旅游功能为主的城市轨道交通线路客流预测方法[J]. 郭旭东,刘永平,王远回. 城市轨道交通研究. 2018(01)
[9]铁路客运专线运营初期运量预测方法研究[J]. 钟异莹,陈坚,邵毅明. 重庆交通大学学报(自然科学版). 2018(09)
[10]基于RBF神经网络的铁路旅客周转量预测研究[J]. 颜保凡,郭垂江. 铁道运输与经济. 2017(12)
硕士论文
[1]基于IC卡数据的短时公交客流预测[D]. 朱翔希.大连理工大学 2017
[2]降雨天气条件下短时公交客流预测研究[D]. 刘欣彤.哈尔滨工业大学 2016
[3]公交客流量的波动分析和短期预测[D]. 祁俊琴.西安电子科技大学 2015
[4]面向枢纽换乘的公交候车客流预测及公交调度方法研究[D]. 胥少龙.北方工业大学 2015
[5]基于Hadoop平台的公交客流分析与预测研究[D]. 李振.东北师范大学 2015
[6]基于EMD-BPN方法的高速铁路短期客流预测[D]. 曹承.兰州交通大学 2015
[7]基于改进BP神经网络的轨道交通短时客流预测方法研究[D]. 董升伟.北京交通大学 2013
[8]节假日铁路客流波动规律分析及其在客流预测中的应用研究[D]. 夏青.北京交通大学 2011
本文编号：3342400
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3342400.html
