基于AFC数据的公交客流OD实时估计及预测

摘要

作为准确描述公共交通需求的重要数据，公交客流OD(Origin-Destination)矩阵的实时估计及短时预测是公共交通系统智能化运营、管理及调度的关键技术之一。目前与OD相关的研究大多集中于道路交通领域，相对而言针对公共交通领域的公交客流OD研究还较为匮乏。随着公交自动售检票系统(AFC)的应用和普及，公交客流OD的研究得到重视。本文以实时采集的AFC数据为基础，对公交客流OD进行实时估计及短时预测。
　　在公交客流OD实时估计方面，论文首先利用AFC数据对公交站点客流量进行估计，在此基础上研究构建了公交客流OD卡尔曼滤波实时估计模型，并对其估计结果进行性能评估。其中，状态转移方程反映的是公交客流OD的时间演变关系，观测方程反映的是公交客流OD量与公交站点客流量之间的映射关系。评估结果表明，模型总体估计性能较好，且工作日模式下模型的估计性能略优于周末模式。对比不考虑公交乘客出行分布时间分布特性的公交客流OD估计结果发现，模型估计的准确性得到提高。
　　在公交客流OD短时预测方面，论文基于平稳性检验、模型阶数的确定及模型参数的估计，研究构建了公交客流OD预测的自回归移动平均ARIMA(0，1，1)模型，并选用相应评价指标对模型的预测性能进行了评估。评估结果表明，模型总体预测性能较好，且工作日模式下模型的预测性能略优于周末模式。此外，工作日模式下模型在高峰时段预测性能高于平峰时段，周末模式下高峰时段模型的预测性能低于平峰时段。

目录

声明

摘要

第一章 绪论

1．1 研究意义和背景

1．2 研究目标和内容

1．2．1 研究目标

1．2．2 主要研究内容

1．3 技术路线

1．3．1 技术路线描述

1．3．2 技术路线图

1．4 论文章节安排

1．5 本章小结

第二章 文献综述

2．1 概述

2．2 公交客流OD估计研究综述

2．2．1 基于平衡理论的公交客流OD估计方法

2．2．2 基于乘客出行行为特性的公交客流OD估计方法

2．3 公交客流预测研究综述

2．3．1 基于参数模型的预测方法

2．3．2 基于非参数模型的预测方法

2．4 本章小结

第三章 基于AFC数据的公交客流OD实时估计

3．1 概述

3．2 数据描述

3．2．1 公交客流原始数据采集方法

3．2．2 AFC原始数据描述

3．2．3 研究线路描述

3．3 卡尔曼滤波模型知识背景

3．4 基于卡尔曼滤波的公交客流OD实时估计模型构建

3．4．1 公交线路客流OD矩阵基本关系

3．4．2 基于卡尔曼滤波的公交客流OD实时估计模型

3．4．3 基于卡尔曼滤波的公交客流OD实时估计模型假设检验及参数标定

3．5 公交站点客流量估计

3．5．1 公交站点上车客流量估计

3．5．2 公交站点下车客流量估计

3．6 公交客流OD实时估计卡尔曼滤波模型性能评估

3．6．1 估计结果性能评估指标选取

3．6．2 公交客流OD估计卡尔曼滤波模型总体性能评估

3．6．3 不同条件下卡尔曼滤波模型的估计性能比较评估

3．7 本章小结

第四章 公交客流OD短时预测

4．1 概述

4．2 时间序列模型知识背景

4．3 基于时间序列模型的公交客流OD短时预测模型构建

4．3．1 平稳性检验

4．3．2 模型阶数确定

4．3．3 模型参数估计及显著性检验

4．4 公交客流OD短时预测模型性能评估

4．4．1 预测结果性能评估指标选取

4．4．2 公交客流OD预测时间序列模型总体性能评估

4．4．3 不同交通水平下时间序列模型的预测性能比较评估

4．5 本章小结

第五章 结论与展望

5．1 研究成果总结

5．2 研究展望

致谢

参考文献

科研经历与硕士期间发表论文情况