客流预测

摘要： 2020年上半年,从居家隔离到复工复产,北京城市轨道交通客流呈现先突降后缓慢恢复的态势.本文首先对城市轨道交通客流进行时空特征分析,了解疫情影响下的整体客流趋势.通过数据分析,得出疫情大幅抑制了城市轨道交通出行需求,严重影响了人们的工作生活,同时疫情对工作日全天各时段均有较大影响,对办公类车站影响较大等结论.通过建立ARIMA预测模型,对城市轨道交通客流恢复情况进行预判.研究结果表明,ARIMA(1,1,1)模型可有效对客流恢复情况进行预测,预测误差率为2.9%,剔除恶劣高温天气对客运量的影响,预测误差率为1.98%,预测模型和结果可为疫情防控提供定量决策依据.

摘要： 我国城市已进入城市群、都市圈发展阶段,各城市正积极进行市域(郊)铁路的探索与实践。国外都市圈发展及市域(郊)铁路起步早于国内,具有较为丰富的经验。东西横贯大伦敦的市郊铁路 Crossrail 是欧洲近十多年最大的基建项目之一,对伦敦的城市及交通发展都将产生深远影响。文章从发展历程、运营组织及客流特征等角度全面论述伦敦 Crossrail 运营情况,归纳其在都市圈轨道规划、线路通道选择、运营管理等方面的经验与特点。在此基础上,结合国内市域(郊)铁路现状和问题,分析对我国市郊铁路发展的启示。

摘要： 为了降低大城市市民出行成本,缓解公交企业运力压力,提出一种智能交通出行OD(Origin Destination,出行地和目的地)的公交调度优化算法,以公交出行OD客流预测和计划排班发车时间间隔为出发点,运用公交出行OD客流推导理论,构建智能交通出行OD的公交调度优化模型。通过获取个人OD数据,利用单条线路公交OD方法,实现全市公交OD矩阵推算。根据全市公交出行OD推算结果,求解公交调度模型,解决智能交通调度多目标规划和公交线网优化问题。通过仿真模拟试验,分析智能公交排班计划评价指标,计算车辆营运效率占比:自动排班仿真数据为79%,实际运营数据为73%;统计车辆高峰时段与全天营运车次占比:自动排班仿真数据为36.75%,实际运营数据为37.37%,满足智能公交计划排班评价指标的要求,实例证明模型和算法具有实用性和可靠性。

摘要： 精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度,基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合模型预测方法,即VMD-GRU神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与GRU相比,VMD-GRU在15、30和60min的时间粒度下,预测准确度分别提升7.57%,16.93%,18.47%。该模型可为地铁运营管理部门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统的服务水平。

摘要： 旅客对于铁路客运的需求直接决定了铁路自身的运输生产,对历史旅客需求规律的准确分析以及对未来短期需求的准确预测对旅客运输组织的优化极为重要。为此,提出了基于Prophet模型的铁路客运量需求分析方法和基于Seq2Seq-Attention与Prophet非线性组合模型的短期客流预测方法。前者可以从长期的历史数据中分解出普适整个数据的客流时间分布特征,从而对过去的客运需求规律做出分析;后者利用神经网络进行非线性组合,以求在不同规模的数据集上充分发挥Seq2Seq-Attention网络与Prophet模型各自的优势,做出更精准的客流需求预测。实例验证表明,使用Prophet模型将客流历史数据分解成多种时间分布类型数据后,在整个数据集上的误差仅有6.68%,同时Seq2Seq-Prophet模型在数据集上的预测效果好于组成它的单模型和其余既有方法。

摘要： 客流预测对于城市轨道交通运行组织和管理具有重要的意义。本文中组合图卷积网络和循环神经网络构建图卷积循环神经网络GCGRU模型,借助图卷积网络学习城市轨道网络的复杂拓扑结构,进而捕捉空间关联特征,通过循环神经网络变体门控循环单元学习多特征客流量的趋势变化规律从而捕捉时间特征。利用上海市1年的全网地铁断面客流量展开研究,并应用随机森林的平均不纯度减少方法进行特征选择,实验结果表明:在大规模城市轨道交通客流预测中,GCGRU能够很好的捕捉城市轨道客流的时空相关性,具有良好的预测效果,预测精度达89%。模型预测结果可为管理者进行轨道交通客流管理与运行组织提供依据,为出行者提供乘车拥挤预警信息,保证城市轨道交通网络的安全高效运营。

摘要： 为提高城际铁路车站短时客流量预测的准确性,本文设计了一种基于双向长短期记忆网络(Bi-LSTM)的预测模型.首先分析了广珠城际铁路车站日客流量的时间分布规律,发现各车站日客流量存在着相似的分布特征,但工作日、周末和节假日客流量呈现出较大差异.以广州南站、珠海站以及小榄站3个车站的进站客流为例,选择时间窗步长为2和4分别进行预测分析,通过调整模型参数来提高预测精度.当时间窗步长为4时,预测精度明显提高.与长短期记忆网络(LSTM)的预测结果对比,Bi-LSTM网络的预测精度更高,在广珠城际车站日客流预测中具有更好的适用性.

摘要： 文章以铁路枢纽客流预测为出发点,搭建区域综合交通运输与城市交通一体化模型平台,按照“面、线、点逐步演绎,全局统筹考虑”的预测思路,构建基于多层次全局统筹的铁路枢纽客流预测体系方法。结果表明,平台可以实现区域运输和城市交通层面对铁路枢纽客流量的双重影响分析,提高数据预测的一致性和科学性,系统性解决既有“各自为营、就点论点”预测模式导致的预测结果总量溢出、分布失真问题,科学指导铁路枢纽布局规划,可以推广应用至各类枢纽的客流预测。

摘要： 市域旅游铁路具有大容量、快捷舒适和旅游观光等性能,同时它可以连接对外交通枢纽和服务市域范围内的景区,与其他交通方式相比市域旅游铁路具有较强的吸引力。文章研究了市域旅游铁路客流预测的内容框架以及方法体系,在分析了市域旅游铁路市域旅游客流出行特征基础上,提出了客流预测的主要内容,内容包含了旅游客流生成、旅游客流分布、旅游交通方式选择和客流分配。

摘要： 随着高铁客运专线陆续建成并投入使用,积累了一定的客流历史数据,为合理分配运能及提高运输服务质量,需充分挖掘历史数据对客流进行短期预测,在考虑不同长度时间序列样本的基础上提出客流短期预测集成模型。首先,基于站间OD原始客流数据进行抽样得到全面反映客流特征的变长时间序列作为样本;其次,将小波分解和ARIMA模型结合构建客流预测弱模型;最后,使用Adaboost集成算法思想将多个弱模型组合起来构建客流预测强模型,并以重庆渝万线客流数据为基础对模型进行参数标定与检验。研究表明:提出的模型对比GM(1,1)和ARIMA模型有较好的预测精度和泛化能力,在平均绝对误差、平均相对误差和均方差这3个指标上平均有38.12%,67.78%和38.52%的提高。

摘要： 在新时期城市群一体化发展的背景下,高速铁路、城际铁路交织成网,铁路枢纽多点布局,传统的铁路枢纽客流预测方法难以适应新格局下铁路枢纽的发展要求,本次研究以城市群尺度下的铁路枢纽为对象,探索铁路枢纽客流预测新方法.在传统客流预测模型的基础上,以综合交通网络为介质,借助GIS网络分析方法,构建了铁路交通枢纽客流预测模型.基于综合交通网络对铁路枢纽进行服务区分析,同时考虑了铁路枢纽所承担的到发客流、换乘客流和诱增客流,为全面预测铁路枢纽客流量提供了模型参考.

摘要： 客流预测是铁路旅客运输组织工作的重要基础和主要依据之一,准确的客运量预测是铁路运输企业面向市场、把握未来的重要保障,是铁路部门调整和优化列车开行方案的重要依据,为精准投放运力提供了科学决策依据.本文研究了径向基神经网络的基本原理,通过对京津城际下行方向客流的分析,并结合该客流的规律特点,以客票历史数据为依据,建立了径向基神经网络交通出行预测模型,并通过实例验证了方法的可行性,结果表明,预测结果与实际客流量吻合较好.

摘要： 近年来,随着城镇人口逐渐增长,城镇化所从引发的城市交通问题日益加剧,现有配套资源无法满足城市居民日益增长的出行需求.为了解决长期困扰城市交通管理的供需不平衡问题,一系列按需出行的新型交通服务应运而生.但尚无法预判大规模的新型交通方式推广与应用,是否可切实解决城市拥堵等城市困境.因而,本文建立了面向未来城市的客流预测模型,在全深圳范围开展了基于多元交通时空大数据的中观模拟仿真.通过人工智能和大数据技术,构建了面向异构、高维特性的大数据感知融合与智能推演平台.分析了34个智能推演方案的可能性,发现微型交通可助力实现城市的可持续发展,自动驾驶可满足整个区域路网的供需动态平衡分布,优化拼车的等待和绕路时间可提高居民的拼车意愿等相关结论,本文可为政府的应急决策和高品质管理提供必要支撑.

摘要： 城际铁路客流组成及产生机理较为复杂,进行科学建模并合理预测对规划设计及运营管理意义明显.基于传统四阶段交通建模方法,研究建立了城际铁路所涉城市一体化综合交通模型,并对各阶段进行精细化处理,包括阻抗模型的精细化校核、符合现实人口增长分布的增量人口模型、跨城职住分布模型、分人群的巢式Logit方式划分模型等.预测所得结果更符合实际,更能反映城际铁路所兼具的城际与城市交通功能.

摘要： 阐述了区域客流预测模型与市域模型差异,将城市引力模型引入到区域客运交通预测模型中,利用城市引力模型建立城际间客流生成及分布预测,并采用有序多分类logistic模型开展区域客流方式划分预测.以粤港澳大湾区区域客流分析为例,利用多源大数据对区域模型参数进行标定,开展相关趋势分析和应用研究.结论表明基于城市引力的区域客运交通模型具有较好的操作性和适用性.

摘要： 目前,我国正处于城镇化发展的中后期阶段,开始逐步进入以长将三角洲、珠江三角洲和京津冀地区为首的城市群时期.近年来通过建设市郊铁路来解决城市群中核心城市与远郊地区交通联系,促进城市群一体化发展的呼声日益高涨,但同时,近年来北京、上海等城市群核心城市已经建设的市郊铁路在实际运行中均出现了一些不尽如人意的问题,因此有必要对城市群落中处于不同阶层的城市空间布局及交通出行特征进行分析研究,确定其各自市郊铁路系统建设的必要性、布局模式及启动建设阶段,以更加科学的方式推动市郊铁路的逐步发展.本文即以天津市为分析研究对象,通过分析其在京津冀城市群中所处地位和未来应承担的功能,利用百度慧眼大数据分析现状空间联系分布情况,对其建设市郊铁路的必要性进行相关的分析研究.

摘要： 目前,我国正处于城镇化发展的中后期阶段,开始逐步进入以长将三角洲、珠江三角洲和京津冀地区为首的城市群时期.近年来通过建设市郊铁路来解决城市群中核心城市与远郊地区交通联系,促进城市群一体化发展的呼声日益高涨,但同时,近年来北京、上海等城市群核心城市已经建设的市郊铁路在实际运行中均出现了一些不尽如人意的问题,因此有必要对城市群落中处于不同阶层的城市空间布局及交通出行特征进行分析研究,确定其各自市郊铁路系统建设的必要性、布局模式及启动建设阶段,以更加科学的方式推动市郊铁路的逐步发展.本文即以天津市为分析研究对象,通过分析其在京津冀城市群中所处地位和未来应承担的功能,利用百度慧眼大数据分析现状空间联系分布情况,对其建设市郊铁路的必要性进行相关的分析研究.

摘要： 目前,我国正处于城镇化发展的中后期阶段,开始逐步进入以长将三角洲、珠江三角洲和京津冀地区为首的城市群时期.近年来通过建设市郊铁路来解决城市群中核心城市与远郊地区交通联系,促进城市群一体化发展的呼声日益高涨,但同时,近年来北京、上海等城市群核心城市已经建设的市郊铁路在实际运行中均出现了一些不尽如人意的问题,因此有必要对城市群落中处于不同阶层的城市空间布局及交通出行特征进行分析研究,确定其各自市郊铁路系统建设的必要性、布局模式及启动建设阶段,以更加科学的方式推动市郊铁路的逐步发展.本文即以天津市为分析研究对象,通过分析其在京津冀城市群中所处地位和未来应承担的功能,利用百度慧眼大数据分析现状空间联系分布情况,对其建设市郊铁路的必要性进行相关的分析研究.

摘要： 目前,我国正处于城镇化发展的中后期阶段,开始逐步进入以长将三角洲、珠江三角洲和京津冀地区为首的城市群时期.近年来通过建设市郊铁路来解决城市群中核心城市与远郊地区交通联系,促进城市群一体化发展的呼声日益高涨,但同时,近年来北京、上海等城市群核心城市已经建设的市郊铁路在实际运行中均出现了一些不尽如人意的问题,因此有必要对城市群落中处于不同阶层的城市空间布局及交通出行特征进行分析研究,确定其各自市郊铁路系统建设的必要性、布局模式及启动建设阶段,以更加科学的方式推动市郊铁路的逐步发展.本文即以天津市为分析研究对象,通过分析其在京津冀城市群中所处地位和未来应承担的功能,利用百度慧眼大数据分析现状空间联系分布情况,对其建设市郊铁路的必要性进行相关的分析研究.

摘要： 随着城市轨道交通的加速建设,轨道线路逐步成网,多线换乘枢纽站线路间的换乘也成为轨道出行常态,换乘站作为轨道交通大客流集散的重要节点,其站点地下空间设计方案与地上综合交通设施的布局成为枢纽站详细设计的关键所在.本文从成都市骡马市枢纽站的规划设计实践出发,从站点现状发展、功能定位、客流运能预测、场站空间规划设计、综合交通设施布局等方面综合阐述其规划设计过程,为多线换乘站的规划编制提供参考和借鉴,也为站点TOD开发与运营奠定良好的基础.

摘要： 本公开提供了客流量预测模型的训练方法和客流量的预测方法和装置，涉及包括深度学习的人工智能技术领域。具体实施方式包括：获取地区中目标地点对应的训练样本，其中，训练样本包括历史客流量信息和待预测时间段的真实客流量信息，历史客流量信息和真实客流量信息分别为客流量预测模型的输入和目标输出；根据训练样本中的输入和目标输出，对客流量预测模型进行训练，得到训练后的客流量预测模型。本公开可以实现训练客流量预测模型，让训练后的模型实现通过历史客流量信息，预测出待预测时间段的客流量信息。

摘要： 本发明涉及深度学习与城市交通规划技术交叉领域，具体涉及一种基于多视图客流变化趋势建模的客流分布预测方法及装置。该方法及装置根据当前时段从多视图角度使用节点和边一起构建动态完全图，节点和边分别提取出行地特征和目的站特征，将原有孤立的出行地节点与目的站节点通过节点间的关系构建起联系，并根据构建起的联系数据推算下个时段全网的客流分布量，使节点在交通路网中感知更多的相关信息，从而有效提升下游目的站点预测任务的准确率。

摘要： 本发明公开了一种基于点位片段客流的点位客流量预测方法，具体包括：首先采集离线数据，包括大量点位连续长时段客流样本、位置信息、场地信息、点位信息、环境信息、周边信息，环境信息、商家品牌信息等；再构造片段客流样本，再进行数据处理、特征工程和模型训练；然后再采集和构造片段客流视频，建立片段视频人数统计模型；最后根据输入片段视频样本及采集到的点位视频的时间、位置、场地等信息即可预测出所需的点位预计的日客流量、月日均客流量及全年每月日均客流量等客流量结果集。本发明为商家拓店及活动选址提供了一种点位客流量预测的简便高效精准的方法，且减少了人力物力的投入。

摘要： 本发明公开的属于客流预测技术领域，具体为一种基于客流特征分析的地铁短时进站客流预测方法，以成都市地铁AFC数据为数据来源，选取5分钟为时间粒度，基于随机森林、支持向量机回归、神经网络等模型，对地铁进站客流进行了短期预测和模型对比分析。通过分析站点的客流特征，将轨道交通站点按客流特征分成住宅区型、商业区型、商务区型、枢纽型四类，并选取各类型站点在工作日和周末场景下进行三种模型的训练。以平均绝对百分误差(MAPE)与均方根误差(RMSE)为评价指标，对模型预测效果的准确性和稳定性进行评价。预测结果表明，BP神经网络预测结果综合表现最优，随机森林对于周期性较强的住宅区型站点预测精度较好。

摘要： 一种基于公路网客流OD反推技术的高铁客流需求预测方法，涉及一种高铁客流需求的预测方法。为了解决目前基于传统四阶段法的客流预测数据收集较为困难的问题。本发明首先划分交通区并构建基础公路网，然后筛选机动车交通量调查断面，获得客运机动车交通量数据，同时反推路网阻抗矩阵；分析整理直接影响范围内的客运发车班次数据，结合车辆额定载客人数及实载率信息，推算大型客车对应的旅客OD矩阵；同时基于客运机动车交通量数据中的一组断面交通量数据，进行客车OD矩阵反推，分别获得各种客车OD矩阵；最后对各种客车OD分布矩阵进行验证和修正，并乘以各车型的平均载客人数最终加和形成客流OD矩阵。本发明用于高铁客流需求的预测。

摘要： 本发明公开了一种基于车站客流预测的客流组织决策方法，包括以下步骤：进行历史数据采集；根据不同情况分别构建车站客流预测模型；依据车站客流预测模型进行车站客流量预测；对预测得到的客流量进行客流等级分级；根据客流等级给定客流组织决策的建议。上述技术方案针对每个车站的不同情况构建相应的进出站客流预测模型，根据预测得到的进出站客流量判定客流等级，从而给出客流组织的建议，通过对轨道交通车站进行短时客流预测，将预测结果作为客流组织方案的参考，运用算法对预测所得的客流值进行分级判定，从而快速、准确地给出客流组织决策的建议，改善了人工观察客流量再做决策繁琐迟延的缺点。

摘要： 本发明公开的属于客流预测技术领域，具体为一种基于客流特征分析的地铁短时进站客流预测方法，以成都市地铁AFC数据为数据来源，选取5分钟为时间粒度，基于随机森林、支持向量机回归、神经网络等模型，对地铁进站客流进行了短期预测和模型对比分析。通过分析站点的客流特征，将轨道交通站点按客流特征分成住宅区型、商业区型、商务区型、枢纽型四类，并选取各类型站点在工作日和周末场景下进行三种模型的训练。以平均绝对百分误差(MAPE)与均方根误差(RMSE)为评价指标，对模型预测效果的准确性和稳定性进行评价。预测结果表明，BP神经网络预测结果综合表现最优，随机森林对于周期性较强的住宅区型站点预测精度较好。

摘要： 一种基于公路网客流OD反推技术的高铁客流需求预测方法，涉及一种高铁客流需求的预测方法。为了解决目前基于传统四阶段法的客流预测数据收集较为困难的问题。本发明首先划分交通区并构建基础公路网，然后筛选机动车交通量调查断面，获得客运机动车交通量数据，同时反推路网阻抗矩阵；分析整理直接影响范围内的客运发车班次数据，结合车辆额定载客人数及实载率信息，推算大型客车对应的旅客OD矩阵；同时基于客运机动车交通量数据中的一组断面交通量数据，进行客车OD矩阵反推，分别获得各种客车OD矩阵；最后对各种客车OD分布矩阵进行验证和修正，并乘以各车型的平均载客人数最终加和形成客流OD矩阵。本发明用于高铁客流需求的预测。

摘要： 本发明提供一种应用于城市轨道交通客流预测的预测模型，首先，收集站点或线路的历史客流量数据得到相应的站点或线路历史数据集；然后，设计随机森林回归模型或者神经网络回归模型，并在站点或线路数据集上进行训练，从而得到相应的站点或线路客流预测模型。通过本发明的应用于城市轨道交通客流预测的预测模型，使得城市轨道交通能够摆脱交通拥堵的困扰，而且还能够提高调度效率和降低运营成本。

摘要： 本发明公开了一种基于云平台的短时公交客流预测系统及预测方法，包括短时公交客流预测系统、公交客流OD推导、智能公交客流统计终端，智能公交客流统计终端与短时公交客流预测系统采用无线方式连接；本发明利用无监督特征学习理论的公交站点客流预测，分析站点客流分布，挖掘公共交通出行特征，为市民提供实时、准确、有效的公交出行服务，既能够解决大量的客流转移对城市交通造成的压力，减少全社会的能源消耗，同时也能增加公交公司的营运收入。