【摘要】：隨著城市軌道交通的快速發(fā)展,地鐵車站客流量的預(yù)測(cè)有利于運(yùn)營(yíng)部門觀測(cè)客流的實(shí)時(shí)變化趨勢(shì),調(diào)整列車調(diào)度策略,提高服務(wù)水平。針對(duì)當(dāng)前客流監(jiān)測(cè)系統(tǒng)中,存在對(duì)短時(shí)進(jìn)出站客流及樞紐站換乘客流預(yù)測(cè)精度不高、普適性差、穩(wěn)定性低的問題,在原有客流監(jiān)測(cè)系統(tǒng)的基礎(chǔ)結(jié)構(gòu)上,設(shè)計(jì)了基于AFC數(shù)據(jù)的客流監(jiān)測(cè)系統(tǒng),提高系統(tǒng)的預(yù)測(cè)性能。本文研究的客流監(jiān)測(cè)系統(tǒng)主要由兩個(gè)模型組成:基于SVM的短時(shí)進(jìn)出站客流預(yù)測(cè)模型和基于混合方法的樞紐站換乘客流量分布預(yù)測(cè)模型。主要研究?jī)?nèi)容如下:(1)分析了短時(shí)客流的時(shí)空特征以及客流預(yù)測(cè)的研究現(xiàn)狀,結(jié)合客流特征和客流監(jiān)測(cè)系統(tǒng)的需求,給出了客流監(jiān)測(cè)系統(tǒng)的總體框架和軟件部分的設(shè)計(jì),介紹系統(tǒng)關(guān)鍵技術(shù)的思想和工作流程,并實(shí)現(xiàn)了客流監(jiān)測(cè)系統(tǒng)。(2)研究了短時(shí)進(jìn)出站客流預(yù)測(cè)技術(shù)。根據(jù)不同站點(diǎn)具有不同的客流波形特征,使用凝聚層次聚算法對(duì)站點(diǎn)一周客流進(jìn)行分析,并對(duì)一周客流進(jìn)行分類,對(duì)每一類客流的歷史時(shí)間序列進(jìn)行相關(guān)性分析,選擇相關(guān)項(xiàng)較強(qiáng)的序列進(jìn)行SVM回歸預(yù)測(cè)。并提出了雙種群自適應(yīng)混沌螢火蟲算法尋優(yōu)SVM模型參數(shù),該算法中引入雙種群機(jī)制,提高種群多樣性和隨機(jī)分布能力;引入混沌吸引度提高算法全局搜索能力,避免初始值原因陷入局部最優(yōu);加入自適應(yīng)搜索步長(zhǎng),提高算法收斂速度和求解精度。實(shí)驗(yàn)結(jié)果表明:短時(shí)客流預(yù)測(cè)模型在不同站點(diǎn)都能對(duì)客流進(jìn)行有效預(yù)測(cè),改進(jìn)算法的性能提升明顯,滿足了客流監(jiān)測(cè)系統(tǒng)對(duì)客流預(yù)測(cè)的高精度、普適性好的性能需求。(3)研究了最大熵模型在樞紐站預(yù)測(cè)換乘客流分布的技術(shù)。針對(duì)傳統(tǒng)客流監(jiān)測(cè)系統(tǒng)中存在無(wú)完整現(xiàn)狀OD矩陣時(shí)無(wú)法預(yù)測(cè)的問題,為提高系統(tǒng)的魯棒性和穩(wěn)定性,設(shè)計(jì)了基于改進(jìn)最大熵模型和重力模型的混合預(yù)測(cè)方法。改進(jìn)的最大熵模型引入換乘出行距離和換乘厭惡時(shí)長(zhǎng)進(jìn)行約束求解,提高了無(wú)完整現(xiàn)狀OD矩陣時(shí)的求解能力;使用熵值法標(biāo)定出行阻抗,得到重力模型,以提高預(yù)測(cè)的穩(wěn)定性。最后結(jié)合兩種模型的優(yōu)勢(shì),形成混合的預(yù)測(cè)方法,對(duì)樞紐站換乘客流分布進(jìn)行有效預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明:樞紐站換乘客流的混合預(yù)測(cè)模型在有無(wú)完整現(xiàn)狀OD矩陣時(shí),都能對(duì)換乘客流分布進(jìn)行預(yù)測(cè),滿足了客流監(jiān)測(cè)系統(tǒng)對(duì)客流預(yù)測(cè)的高精度、穩(wěn)定性好的性能需求。
【圖文】：

圖 1.1 短時(shí)客流預(yù)測(cè)的模型究現(xiàn)狀預(yù)測(cè)是軌道交通系統(tǒng)重要組成部分，對(duì)提高交通的便利性具有積極通客流量的預(yù)測(cè)研究主要從美國(guó)上世紀(jì) 60 年代開始，，在《芝加哥四階段法對(duì)軌道交通客流進(jìn)行分析預(yù)測(cè)[6]。隨著研究的深入，在考上，對(duì)交通客流量進(jìn)行預(yù)測(cè)，這類方法屬于長(zhǎng)期客流預(yù)測(cè)。在城市擁擠程度的不斷增加，為了提高城市交通的服務(wù)質(zhì)量，需要對(duì)短期并及時(shí)調(diào)整運(yùn)營(yíng)策略。Chan 等人對(duì)短時(shí)客流預(yù)測(cè)的方法和理論進(jìn)行結(jié)論：智能化交通的發(fā)展對(duì)短時(shí)客流的預(yù)測(cè)性能和理論具有較高的代建設(shè)中，隨著軌道交通的不斷發(fā)展，市民的出行方式開始多樣化中一年的智能卡數(shù)據(jù)進(jìn)行了處理，通過使用數(shù)據(jù)挖掘技術(shù)，對(duì)出行，并實(shí)現(xiàn)了數(shù)字化管理[8]。Ahmed 等人在對(duì)客流進(jìn)行數(shù)理統(tǒng)計(jì)中引回歸的方法對(duì)客流進(jìn)行分析預(yù)測(cè)，并使用啟發(fā)方法和模式識(shí)別方法。Chen 等人在研究軌道交通的客流特征過程中，提出了希爾伯特黃

圖 1.2 常見客流預(yù)測(cè)系統(tǒng)流程基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法。這類模型通過選擇 5~15 分鐘時(shí)間粒度的客流算法選取最優(yōu)參數(shù)后，對(duì)歷史時(shí)間片序列進(jìn)行訓(xùn)練，歷史片序列指的是及若干歷史同時(shí)段客流時(shí)間片，訓(xùn)練完成得到預(yù)測(cè)模型。程浩等人通過上海地鐵的進(jìn)出站客流進(jìn)行了預(yù)測(cè)，取得了很好的預(yù)測(cè)效果[31]。神經(jīng)網(wǎng)容易陷入局部極小值，它需要對(duì)一個(gè)神經(jīng)元設(shè)置傳遞函數(shù)，這直接影響練速度慢的問題[32]。基于 SVM 進(jìn)行回歸預(yù)測(cè)。這類方法和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)建模過程類似，但要不同的訓(xùn)練效果。它是建立在統(tǒng)計(jì)學(xué)理論的 VC 維（Vapnik Chervonenki最小化原理基礎(chǔ)上的學(xué)習(xí)方法[33]。SVM 借助核函數(shù)通過非線性變換將線征空間中的線性可分情況。SVM 回歸同樣需要借助優(yōu)化算法選擇合理的得到理想的預(yù)測(cè)性能。同時(shí)，雖然它不存在維數(shù)災(zāi)難，但當(dāng)樣本數(shù)量過題。非線性預(yù)測(cè)方法中，都需要對(duì)模型參數(shù)優(yōu)化，在相關(guān)的研究中都使用了 SVM 和神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化方法中有實(shí)驗(yàn)法、網(wǎng)格法、梯度下降法[34]等
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：O212.1;U293.13;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬林;在客流預(yù)測(cè)中值得注意的幾個(gè)問題[J];地鐵與輕軌;1997年02期

2 王述芳,張康敏;淺談城市軌道交通的客流預(yù)測(cè)[J];地鐵與輕軌;1997年03期

3 張文嘗;我國(guó)客流的影響因素及其地區(qū)差異的研究[J];地理學(xué)報(bào);1988年03期

4 高世廉;;地下鐵道客流規(guī)劃的基本模式[J];地鐵與輕軌;1989年03期

5 郭晗;焦朋朋;;非參數(shù)回歸短時(shí)客流預(yù)測(cè)中狀態(tài)向量研究[J];系統(tǒng)仿真學(xué)報(bào);2017年09期

6 沈云樟;;短期軌道客流預(yù)測(cè)技術(shù)研究[J];交通與運(yùn)輸(學(xué)術(shù)版);2015年01期

7 晏克非,王正,朱暉,徐雅珍;滬嘉輕軌交通模式與客流預(yù)測(cè)方法的探討[J];上海建設(shè)科技;1997年04期

8 王雪梅;張寧;張?jiān)讫?;城市軌道交通短時(shí)客流預(yù)測(cè)體系框架及關(guān)鍵技術(shù)[J];交通運(yùn)輸工程與信息學(xué)報(bào);2013年02期

9 張志剛;;客流預(yù)測(cè)的可信性分析和敏感性分析[J];交通世界(運(yùn)輸·車輛);2010年07期

10 趙珍祥;;基于組合模型的城市軌道交通客流預(yù)測(cè)研究[J];科技與創(chuàng)新;2018年04期

相關(guān)會(huì)議論文 前10條

1 呂曉艷;王洪業(yè);賈新茹;王煒煒;;基于客流預(yù)測(cè)的列車運(yùn)能調(diào)配研究及其在青藏公司的應(yīng)用[A];第七屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通應(yīng)用[C];2012年

2 汪健雄;張軍鋒;王煒煒;呂曉艷;;一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在鐵路春運(yùn)客流預(yù)測(cè)中的應(yīng)用[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

3 戴駿晨;史立凱;凌小靜;韓竹斌;;城際鐵路客流預(yù)測(cè)研究——以滁寧城際為例[A];品質(zhì)交通與協(xié)同共治——2019年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2019年

4 光志瑞;;城市軌道交通節(jié)假日客流預(yù)測(cè)研究[A];2017年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2017年

5 朱云琪;趙慎安;;基于公共圖書館出入口閘機(jī)數(shù)據(jù)的客流預(yù)測(cè)模型研究[A];中國(guó)圖書館學(xué)會(huì)年會(huì)論文集（2017年卷）[C];2018年

6 關(guān)醒權(quán);邢巖;紀(jì)良紅;張?jiān)气P;劉陽(yáng);劉偉東;李曉雯;;基于Transcad的城市公交客流預(yù)測(cè)研究[A];第十二屆中國(guó)智能交通年會(huì)大會(huì)論文集[C];2017年

7 顧麗萍;葉霞飛;;軌道車站客流高峰時(shí)段與土地利用關(guān)系研究[A];品質(zhì)交通與協(xié)同共治——2019年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2019年

8 程濤;蘇衛(wèi)華;趙雯;伍建國(guó);;運(yùn)營(yíng)初期軌道交通客流特征與延伸線客流預(yù)測(cè)[A];協(xié)同發(fā)展與交通實(shí)踐——2015年中國(guó)城市交通規(guī)劃年會(huì)暨第28次學(xué)術(shù)研討會(huì)論文集[C];2015年

9 趙林;段鐵錚;于海濤;杜勇;;城市客運(yùn)交通樞紐客流預(yù)測(cè)模型分析[A];2014（第九屆）城市發(fā)展與規(guī)劃大會(huì)論文集—S08智慧城市、數(shù)字城市建設(shè)的戰(zhàn)略思考、技術(shù)手段、評(píng)價(jià)體系[C];2014年

10 曲曼麗;張?chǎng)?;基于客流空間分布的主題公園客流需求分析——以北京環(huán)球主題公園為例[A];2017年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2017年

相關(guān)重要報(bào)紙文章 前10條

1 記者 許暉;拱北口岸年內(nèi)第四次刷新單日客流紀(jì)錄[N];珠海特區(qū)報(bào);2019年

2 朱丹;服務(wù)創(chuàng)新讓春運(yùn)更溫馨[N];新疆日?qǐng)?bào)(漢);2017年

3 記者 蔡鎮(zhèn)金;進(jìn)一步展現(xiàn)廈門的高素質(zhì)高顏值[N];廈門日?qǐng)?bào);2017年

4 林紅梅;國(guó)慶節(jié) 鐵路忙[N];華夏時(shí)報(bào);2001年

5 記者 梁晶晶;我市軌道交通建設(shè)又前行一步[N];包頭日?qǐng)?bào);2015年

6 本報(bào)記者 馬丹丹;8號(hào)線三期四期打通地下南中軸[N];首都建設(shè)報(bào);2018年

7 記者 胡明峰 實(shí)習(xí)生 周萌;南寧地鐵將延長(zhǎng)運(yùn)營(yíng)1小時(shí)[N];南寧日?qǐng)?bào);2019年

8 首席記者 解樹森 通訊員 徐殿偉 卓本仁;假期口岸迎送150萬(wàn)余人次[N];深圳特區(qū)報(bào);2019年

9 肖文舸 趙雅;實(shí)施國(guó)家大數(shù)據(jù)戰(zhàn)略廣東先行[N];南方日?qǐng)?bào);2015年

10 首席記者 齊澤萍邋通訊員 劉慶;各汽車站運(yùn)送旅客363.28萬(wàn)人次[N];山西經(jīng)濟(jì)日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 盧愷;基于出行策略的城市軌道交通網(wǎng)絡(luò)客流推演方法[D];北京交通大學(xué);2018年

2 李鵬;基于多源數(shù)據(jù)的公交客流預(yù)測(cè)及公交運(yùn)營(yíng)時(shí)段劃分優(yōu)化研究[D];華南理工大學(xué);2019年

3 張晚笛;城市軌道交通網(wǎng)絡(luò)協(xié)同客流控制研究[D];北京交通大學(xué);2018年

4 陳志杰;城市軌道交通線路負(fù)荷實(shí)時(shí)推算模型及控制方法[D];北京交通大學(xué);2018年

5 衛(wèi)錚錚;基于客戶分層的高速鐵路收益管理需求預(yù)測(cè)研究[D];中國(guó)鐵道科學(xué)研究院;2015年

6 劉強(qiáng);基于復(fù)雜系統(tǒng)的鐵路客流預(yù)測(cè)方法研究[D];中國(guó)鐵道科學(xué)研究院;2008年

7 楊珂;都市圈多層次軌道交通系統(tǒng)規(guī)劃研究[D];北京交通大學(xué);2017年

8 李麗輝;基于旅客行為分析的高速鐵路收益優(yōu)化研究[D];中國(guó)鐵道科學(xué)研究院;2017年

9 黃鑒;基于客流動(dòng)態(tài)調(diào)整的客運(yùn)專線網(wǎng)絡(luò)列車開行方案優(yōu)化研究[D];西南交通大學(xué);2013年

10 王玉萍;城市軌道交通客流預(yù)測(cè)與分析方法[D];長(zhǎng)安大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張和杰;地鐵客流監(jiān)測(cè)系統(tǒng)關(guān)鍵技術(shù)研究及應(yīng)用[D];南京航空航天大學(xué);2019年

2 楊慧敏;基于MAS的城市軌道交通線路客流與列車協(xié)同評(píng)價(jià)研究[D];北京交通大學(xué);2019年

3 宋凱林;基于智能刷卡記錄的地鐵站點(diǎn)多時(shí)間尺度客流變化研究[D];哈爾濱工業(yè)大學(xué);2019年

4 楊靜楓;基于客流響應(yīng)型的城市軌道運(yùn)營(yíng)服務(wù)策略設(shè)計(jì)與優(yōu)化[D];上海交通大學(xué);2018年

5 王卓群;軌道交通車站客流影響因素及形成機(jī)理研究[D];深圳大學(xué);2018年

6 朱經(jīng)緯;基于短時(shí)客流預(yù)測(cè)的軌道交通常態(tài)高峰線路協(xié)同限流方法研究[D];北京建筑大學(xué);2019年

7 張新燕;基于深度網(wǎng)絡(luò)的地鐵客流檢測(cè)系統(tǒng)實(shí)現(xiàn)研究[D];北方工業(yè)大學(xué);2019年

8 趙欣;基于GPR與KRR的城市軌道交通短時(shí)客流預(yù)測(cè)研究[D];武漢理工大學(xué);2018年

9 楊靈;城市軌道交通大客流運(yùn)輸組織方案研究[D];中國(guó)鐵道科學(xué)研究院;2019年

10 程浩;上海軌道交通短期客流預(yù)測(cè)與分析[D];上海交通大學(xué);2017年

本文編號(hào)：2591742