基于数据的城轨乘客路径选择与客流拥堵动态估计研究
发布时间：2022-01-11 05:25
随着新线的不断接入,城市轨道交通网络不断扩大,如何建立起更精确的路径选择模型,并快速地预测路网中客流的动态变化与拥堵状况成为一个亟需解决的问题。本文利用机器学习手段,研究基于数据驱动的路径选择与客流拥堵动态估计方法与模型,在客流分布动态推演工具的支持下,形成路网客流分布的动态变化,并对不同情况下的路网客流拥堵状态进行快速预测。主要研究内容包括:（1）对乘客路径选择及路网客流动态的一般建模方法进行了分析,提出了利用乘客路径选择结果数据和客流分布推演仿真数据进行机器学习,构建基于数据驱动的路径选择模型与客流拥堵动态估计模型的思路与研究框架。（2）利用路径选择数据对不同类OD间路径选择规律的差别进行了分析,提出了考虑OD间客流构成异质性的路径选择集成学习框架,给出了基于站点模糊聚类的路径选择集成学习方法与步骤。使用FCM聚类算法对地铁站点进行聚类,得到不同客流构成下的OD类别及其类别隶属度,为路径选择子学习器的训练与结合提供了依据。（3）构建了基于SVR的路径选择子学习器,利用乘客路径选择数据进行了模型训练。进一步,运用集成学习方法,结合站点模糊聚类结果对路径选择子学习器进行了组合,形成了准...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：128 页
【学位级别】：硕士
【部分图文】：
图１－１研究技术路线??Ｆｉｇｕｒｅｌ－１?Ｒｅｓｅａｒｃｈ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏｕｔｅ??８??
２．４．２建模数据来源与分析??本文基于数据驱动的建模所用数据包括ＡＦＣ数据、路径选择结果数据以及仿??真数据。建模数据来源如图２－２所示。??／?ＡＦＣ＾ｍ????？乘客路径选择建模??／路径选择?????／?结果数据ｆ?????ｉ???／仿真结果?／?、客流拥堵动态估计??丨?慨?Ｉ?＞?建模??图２－２建模数据来源??Ｆｉｇｕｒｅ２－１?Ｔｈｅ?ｄａｔａ?ｓｏｕｒｃｅ?ｏｆ?ｍｏｄｅｌ??（１）?ＡＦＣ数据??ＡＦＣ数据来自城轨系统中的闸机刷卡信息。我们可以从历史ＡＦＣ数据中提取??出一些数据为乘客特性的挖掘提供支撑，主要包括城轨路网中车站分时进出站量、??各站全天客流量、乘客的卡属性、０Ｄ旅行时间等。??（２）
集成学习的核心思想在于通过构建并结合多个机器学习器来完成学习任务，??其主要思路是先针对同一问题构造多个“个体学习器”（ｉｎｄｉｖｉｄｕａｌ?ｌｅａｒｎｅｒ），然后??将各个体学习器的预测结果按照一定的方法进行组合，输出最终结果如图３－１??所示。集成学习的实现重点分为两个方面，即子学习器的构造和子学习器的组合，??下节分别对其进行介绍。??个体学习器Ｉ?Ｙ??个体学习器２??＇?■？组合模块??？输出??图３－１?集成学习示意图??Ｆｉｇｕｒｅ３－１?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｅｎｓｅｍｂｌｅ?Ｌｅａｒｎｉｎｇ??１９??
【参考文献】：
期刊论文
[1]2017年中国城市轨道交通运营线路统计和分析——中国城市轨道交通“年报快递”之五[J]. 王有发,杨照,庞瑾. 城市轨道交通研究. 2018(01)
[2]基于元胞自动机的轨道交通客流拥堵传播研究[J]. 张琦,肖文锦,潘刚. 交通运输系统工程与信息. 2017(04)
[3]基于BP神经网络的轨道交通客流分布模型[J]. 翁小雄,汪周盼. 重庆交通大学学报(自然科学版). 2018(01)
[4]半监督集成学习综述[J]. 蔡毅,朱秀芳,孙章丽,陈阿娇. 计算机科学. 2017(S1)
[5]基于支持向量机的低收入通勤者出行方式预测[J]. 程龙,陈学武,杨硕,王海啸. 武汉理工大学学报(交通科学与工程版). 2016(04)
[6]复杂城市交通网络拥堵传播的改进SIS模型[J]. 张俊锋,马昌喜,吴芳,蒲菡,贾富强. 交通运输研究. 2015(06)
[7]个性化轨道交通乘客出行路径推荐算法[J]. 阎宏. 电脑编程技巧与维护. 2015(22)
[8]城市轨道交通站点分类的聚类方法研究[J]. 李向楠. 铁道标准设计. 2015(04)
[9]基于改进MNL模型的地铁换乘区路径选择[J]. 严海,李涛,白鸿宇. 长安大学学报(自然科学版). 2014(06)
[10]轨道交通乘客个性化出行路径规划算法[J]. 刘莎莎,姚恩建,张永生. 交通运输系统工程与信息. 2014(05)
博士论文
[1]城轨路网客流模态建模及其演化机理研究[D]. 李曼.北京交通大学 2017
[2]基于机器学习的双麦克风手机语音增强算法研究[D]. 章雒霏.南京师范大学 2017
[3]基于扩展Logit的交通分配模型与算法研究[D]. 李雪飞.北京交通大学 2014
[4]基于换乘的城市轨道交通网络流量分配建模及其实证研究[D]. 刘剑锋.北京交通大学 2012
[5]城市轨道交通网络化运输组织协调理论及方法研究[D]. 房霄虹.北京交通大学 2011
硕士论文
[1]基于集成学习的语音活动检测研究[D]. 廖鹏程.南京邮电大学 2018
[2]基于朴素贝叶斯分类器的轨道交通客流分布模型研究[D]. 汪周盼.华南理工大学 2018
[3]实时AFC数据接入下城轨路网客流动态分布建模与仿真[D]. 冯佳平.北京交通大学 2018
[4]城市轨道交通拥堵传播机制研究[D]. 朱万仓.长安大学 2018
[5]BP神经网络在城市轨道交通客流短时预测中的应用研究[D]. 王立政.苏州科技大学 2017
[6]城市轨道交通突发事件下乘客路径选择行为建模与仿真[D]. 李春晓.北京交通大学 2017
[7]城市轨道交通路网客流传播建模与限流策略研究[D]. 黄文慧.北京交通大学 2017
[8]城市轨道交通路网客流系统动力学建模与拥堵传播控制研究[D]. 郑雪梅.北京交通大学 2017
[9]城市轨道交通突发客流传播特性及客流控制措施研究[D]. 焦轩.北京交通大学 2016
[10]城市轨道交通网络客流分配模型及方法研究[D]. 张帆.北京交通大学 2016
本文编号：3582177
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：128 页
【学位级别】：硕士
【部分图文】：
图１－１研究技术路线??Ｆｉｇｕｒｅｌ－１?Ｒｅｓｅａｒｃｈ?ｔｅｃｈｎｏｌｏｇｙ?ｒｏｕｔｅ??８??
２．４．２建模数据来源与分析??本文基于数据驱动的建模所用数据包括ＡＦＣ数据、路径选择结果数据以及仿??真数据。建模数据来源如图２－２所示。??／?ＡＦＣ＾ｍ????？乘客路径选择建模??／路径选择?????／?结果数据ｆ?????ｉ???／仿真结果?／?、客流拥堵动态估计??丨?慨?Ｉ?＞?建模??图２－２建模数据来源??Ｆｉｇｕｒｅ２－１?Ｔｈｅ?ｄａｔａ?ｓｏｕｒｃｅ?ｏｆ?ｍｏｄｅｌ??（１）?ＡＦＣ数据??ＡＦＣ数据来自城轨系统中的闸机刷卡信息。我们可以从历史ＡＦＣ数据中提取??出一些数据为乘客特性的挖掘提供支撑，主要包括城轨路网中车站分时进出站量、??各站全天客流量、乘客的卡属性、０Ｄ旅行时间等。??（２）
集成学习的核心思想在于通过构建并结合多个机器学习器来完成学习任务，??其主要思路是先针对同一问题构造多个“个体学习器”（ｉｎｄｉｖｉｄｕａｌ?ｌｅａｒｎｅｒ），然后??将各个体学习器的预测结果按照一定的方法进行组合，输出最终结果如图３－１??所示。集成学习的实现重点分为两个方面，即子学习器的构造和子学习器的组合，??下节分别对其进行介绍。??个体学习器Ｉ?Ｙ??个体学习器２??＇?■？组合模块??？输出??图３－１?集成学习示意图??Ｆｉｇｕｒｅ３－１?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｅｎｓｅｍｂｌｅ?Ｌｅａｒｎｉｎｇ??１９??
【参考文献】：
期刊论文
[1]2017年中国城市轨道交通运营线路统计和分析——中国城市轨道交通“年报快递”之五[J]. 王有发,杨照,庞瑾. 城市轨道交通研究. 2018(01)
[2]基于元胞自动机的轨道交通客流拥堵传播研究[J]. 张琦,肖文锦,潘刚. 交通运输系统工程与信息. 2017(04)
[3]基于BP神经网络的轨道交通客流分布模型[J]. 翁小雄,汪周盼. 重庆交通大学学报(自然科学版). 2018(01)
[4]半监督集成学习综述[J]. 蔡毅,朱秀芳,孙章丽,陈阿娇. 计算机科学. 2017(S1)
[5]基于支持向量机的低收入通勤者出行方式预测[J]. 程龙,陈学武,杨硕,王海啸. 武汉理工大学学报(交通科学与工程版). 2016(04)
[6]复杂城市交通网络拥堵传播的改进SIS模型[J]. 张俊锋,马昌喜,吴芳,蒲菡,贾富强. 交通运输研究. 2015(06)
[7]个性化轨道交通乘客出行路径推荐算法[J]. 阎宏. 电脑编程技巧与维护. 2015(22)
[8]城市轨道交通站点分类的聚类方法研究[J]. 李向楠. 铁道标准设计. 2015(04)
[9]基于改进MNL模型的地铁换乘区路径选择[J]. 严海,李涛,白鸿宇. 长安大学学报(自然科学版). 2014(06)
[10]轨道交通乘客个性化出行路径规划算法[J]. 刘莎莎,姚恩建,张永生. 交通运输系统工程与信息. 2014(05)
博士论文
[1]城轨路网客流模态建模及其演化机理研究[D]. 李曼.北京交通大学 2017
[2]基于机器学习的双麦克风手机语音增强算法研究[D]. 章雒霏.南京师范大学 2017
[3]基于扩展Logit的交通分配模型与算法研究[D]. 李雪飞.北京交通大学 2014
[4]基于换乘的城市轨道交通网络流量分配建模及其实证研究[D]. 刘剑锋.北京交通大学 2012
[5]城市轨道交通网络化运输组织协调理论及方法研究[D]. 房霄虹.北京交通大学 2011
硕士论文
[1]基于集成学习的语音活动检测研究[D]. 廖鹏程.南京邮电大学 2018
[2]基于朴素贝叶斯分类器的轨道交通客流分布模型研究[D]. 汪周盼.华南理工大学 2018
[3]实时AFC数据接入下城轨路网客流动态分布建模与仿真[D]. 冯佳平.北京交通大学 2018
[4]城市轨道交通拥堵传播机制研究[D]. 朱万仓.长安大学 2018
[5]BP神经网络在城市轨道交通客流短时预测中的应用研究[D]. 王立政.苏州科技大学 2017
[6]城市轨道交通突发事件下乘客路径选择行为建模与仿真[D]. 李春晓.北京交通大学 2017
[7]城市轨道交通路网客流传播建模与限流策略研究[D]. 黄文慧.北京交通大学 2017
[8]城市轨道交通路网客流系统动力学建模与拥堵传播控制研究[D]. 郑雪梅.北京交通大学 2017
[9]城市轨道交通突发客流传播特性及客流控制措施研究[D]. 焦轩.北京交通大学 2016
[10]城市轨道交通网络客流分配模型及方法研究[D]. 张帆.北京交通大学 2016
本文编号：3582177
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3582177.html
