基于客流成分分解的城市轨道交通站点短时客流预测研究 ——以北京市为例

发布时间：2021-01-29 12:47

　　在城市化进程中,城市规模不断扩大,居民出行需求持续增加,轨道交通作为一种重要的公共交通出行方式得到了快速发展,越来越多城市的轨道交通进入网络化运营阶段。城市轨道交通网络化运营面临乘客需求增长迅速、网络结构和客流变化日趋复杂的局面,由此给运营管理者带来了不断增大的运营压力和运营风险。深入分析客流规律并在此基础上实现对城市轨道交通的短时客流预测,对管理者制定管理方案和相关政策、运营部门提高轨道交通服务水平,保障轨道交通出行来说具有重要意义。为此,本文在以往研究的基础上,从北京市轨道交通IC卡刷卡数据出发,从全网和站点两个方面分析客流时变规律和乘客出行特征,并根据该特征将轨道交通客流分为稳定客流和随机客流两部分。在对比分析多种短时客流预测方法的基础上,结合不同客流特征为两类客流选择相应的预测模型,构建了基于客流成分分解的短时客流预测方法,实现了对城市轨道交通站点工作日进站量的预测,并运用不同类型站点客流数据对提出的模型进行了验证。具体研究内容包括:（1）利用2015年11月北京地铁IC卡刷卡数据,以15min为时间间隔构建了客流时间序列,分析了全网和站点的客流时变特征,并从乘客个体维度分析了... 

【文章来源】：昆明理工大学云南省

【文章页数】：108 页

【学位级别】：硕士

【部分图文】：

015年北京地铁网络示意图

昆明理工大学硕士学位论文16计算在内；三是因为在2015年11月后期，个别站点运营状态有所调整，开通运营车站数有所增加。尽管两个数据有一定差异，但本研究中所使用的数据在全网所有客流数据中已经占据了绝大部分比例，该部分数据所包含的乘客轨道交通出行特征构成了全网以及各个站点的主要客流特征。从图2-2中可以看到，周一到周四四天工作日全网进站量差距不大，日均进站量基本保持在480万人次左右，周五与前四天相比有略微上升趋势，全网进站量增加到500万人次左右，这是因为周五是一周的最后一个工作日，人们出行活动较其他工作日会有所增加。周末全网进站量大幅下降，五天工作日的日均进站量约为483.7万人次，周末两天的日均进站量约为290.8万人次，下降幅度近40%，其中周日进站量在周六进站量的基础上又呈现一定的下降趋势，达到一周内地铁进站量最小值。由此可以看出，北京地铁的主要服务对象是通勤出行。图2-2北京地铁2015年11月某一周内各天全网进站量情况2.2.2.2.全网客流日变化特征参照已有关于客流时间粒度选择的相关研究，选择15min时间粒度作为本次短时客流预测的预测步长，因此在客流时变特征分析中，分析对象为按15min时间间隔提取的客流时间序列数据。图2-3所示为2015年11月某一周内各天全网进站客流变化情况，图中可以

【参考文献】：
期刊论文
[1]基于换乘链断裂点时空信息的公交换乘行为识别[J]. 靳海涛,金凤君,陈卓,王姣娥,杨宇.  交通运输工程学报. 2018(05)
[2]基于自动售检票数据的城市轨道交通通勤客流辨识[J]. 邹庆茹,赵鹏,姚向明,汪波.  北京交通大学学报. 2018(03)
[3]城市轨道交通2017年度统计和分析报告[J].   城市轨道交通. 2018(04)
[4]基于多时间粒度的地铁出行规律相似性度量[J]. 张晚笛,陈峰,王子甲,汪波,王挺.  铁道学报. 2018(04)
[5]北京市地铁客流的时空分布格局及特征——基于智能交通卡数据[J]. 黄洁,王姣娥,靳海涛,金凤君.  地理科学进展. 2018(03)
[6]地铁站点客流特征与土地利用关系研究[J]. 马晓磊,张继宇,刘剑锋,王江锋,李金海.  都市快轨交通. 2017(06)
[7]基于滑动平均法的轨道交通短时客流实时预测[J]. 孟品超,李学源,贾洪飞,李延忠.  吉林大学学报(工学版). 2018(02)
[8]基于多源数据的北京轨道交通客流特征分析[J]. 李臣,陈艳艳,刘小明,路尧.  都市快轨交通. 2017(05)
[9]非参数回归短时客流预测中状态向量研究[J]. 郭晗,焦朋朋.  系统仿真学报. 2017(09)
[10]北京轨道交通网络化客流特征及成长趋势分析[J]. 李金海,李明高,杨冠华,郭印.  交通工程. 2017(03)

博士论文
[1]城市轨道交通网络化运营特征及列车运行调整研究[D]. 乔珂.北京交通大学 2015

硕士论文
[1]城市轨道交通短时客流预测时间粒度选择[D]. 王挺.北京交通大学 2018



本文编号：3006910