城市轨道交通客流预测实例和预测精度及客流成长规律分析

客流预测是对远期交通需求的一种状态量化,对于城市的总体规划和综合交通规划有着重要的指导作用.同时,轨道交通作为国内外重大系统工程,项目建设初期要根据客流预测提供的数据进行规划设计,这样才能提高城市轨道交通建设的科学性和经济性.

城市轨道交通客流的特征分析，可以为城市的轨道交通规划创造条件，而客流预测是各项设计工作的基础。预测结果的可靠与否直接关系到城市轨道交通的建设投资、运营效率和经济效益。就城市轨道交通客流特征及预测相关问题进行了探讨，以期为轨道交通的运行提供参考借鉴。

目前,在我国经济产业转型以及新型城镇化的市场转型下,绿色、高效、便捷的城市轨道交通的构建已经成为缓解城市交通压力、提升城市形象以及便于居民出行的迫切需要.居民出行特征分析是客流预测的重要组成部分,而客流预测研究又是分析轨道交通线网规划的重要依据.

通过分析城市轨道交通客流量的时序特征和rbf神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10％以下,小于单个神经网络的预测误差,提高了预测精度.

城市轨道交通短期客流预测是列车运力配置和网络化运营决策的基础,预测结果的准确性、精细度及科学合理性决定了运营过程的安全性、运营组织的高效性和资源配置的均衡性.节假日(包括节前一日)客流与平日有明显差异,不同节假日、不同车站的客流规律各异,预测过程同时面临路网结构改变、历史可用样本少等问题,本文综合考虑大型活动、恶劣天气、车站周边土地利用性质等影响因素,采用模糊c均值聚类法和一元线性回归模型,构建了适用于路网结构发生改变的车站进、出站量预测模型,并结合北京市轨道交通历史客流数据,对2015年清明节前一日车站进、出站量进行了预测,与神经网络模型、多元回归模型预测结果对比表明,本模型预测结果更好,全路网客运量误差率为0.27%,车站平均预测误差率为3.92%.

城市轨道交通客流预测方法

为预测大连站的客流,在进行居民出行调查的基础上,借助部分\"四阶段\"法的研究成果,引入广义出行费用,以最小广义费指标为标准来确定车站的吸引范围;然后通过建立居民的出行方式链组合,结合logit概率模型,求得大连站的进出站客流与换乘客流,预测结果表明,该法在对换乘车站进行客流预测时具有一定的合理性。

针对乌鲁木齐市轨道交通客流预测,论述如何在不进行大规模的分片区城市人口和就业调查情况下,依据社区人口调查和全国经济普查数据,利用地理信息系统平台软件(arcgis)的空间分析功能作为工具,将社区人口和经济普查数据中的就业岗位经分析计算转化为客流预测所需的交通小区的居住人口数和就业岗位数。

施仲衡，等：城市轨道交通客流预测专家点评 城市轨道交通客流预测相关问题分析 中国工程院院士，施仲衡 我国非常重视城市轨道交通的规划、建设工 作。温家宝总理关于地铁规划、建设做过很多批 复，曾明确指出为了节约能源要发展公共交通， 发展公共交通要发展地铁。前期规划与客流预测 对轨道交通的建设、运营至关重要。 1轨道交通建设与客流预测现状 早期轨道交通客流预测有很大的随意性。以 1987年上海市地铁1号线可行性报告审查为例， 当时提出每年的客流增长按百分比来考虑，具体 数值争议很大。同样，车站设置与否和车站客流 预测密切相关，不能随意确定。这些问题虽然与 我们对客流预测的认识过程有关，但也反映出需 要进行客流预测研究。 目前，国家已经批准了15个城市进行轨道 交通的规划建设，每个城市对每条线路都在进行 客流预测。北京市前不久也进行了轨道交通线网 模式的研究，客流预测仍然是关键问题，其准确

城市轨道交通客流预测

客流预测是轨道交通规划建设的重要环节，提高客流预测精度有助于提升轨道交通建设运营效率。本文在对换乘车站的进、出站和换乘客流分析的基础上，研究基于土地利用的轨道交通换乘站客流量预测方法，为结合轨道交通刷卡大数据进行挖掘分析以提高其客流量预测精度确立了研究方向。

“城市轨道交通客流预测理论、方法和应用”研讨会

城市交通urbantransportofchina 沈景炎■文章编号：1672-5328（2008）06-0009-07城市轨道交通客流预测内容和应用forecasting第and6application卷第6期2008ofrail年11transit月vo

收稿日期:20100926 基金项目:陕西省教育厅科研计划项目(2010jk652);中央高校基本科研业务费专项资金项目(chd2010jc084) 作者简介:王玉萍(1978),女,山东汶上人,西安建筑科技大学讲师,长安大学工学博士研究生,email:wangypjt@xavat.edu.cn。 第31卷第3期 2011年5月 长安大学学报(自然科学版) journalofchanganuniversity(naturalscienceedition) vol.31no.3 may2011 文章编号:16718879(2011)03007209 城市轨道交通客流预测结果的技术分析体系 王玉萍1,2,陈宽民1,杨富社3,马超群1 (1.长安大学公路学院

为研究大城市轨道交通客流发展趋势及线路高峰小时断面客流特征,选取东京地铁、私铁及首尔地铁的多条线路,调查了从运营初期至2000年的客流数据。通过趋势图分析,总结并验证了位于建成区范围的轨道交通线路遵循\"客流追随型\"成长的一般规律;而位于外围新开发区域的轨道交通线路遵循\"客流引导型\"成长的一般规律。对比分析东京典型轨道交通线路断面客流资料,得到该市轨道交通线路高峰小时高断面客流位于环线及大型换乘枢纽附近,高断面高峰小时系数在24%~35%的结论。

随着城市轨道交通线路的不断增加,城市人口不断地增多,客流量预测就成了轨道交通工作中一个重要的环节.本文就针对客流预测这一问题,展开了讨论.开篇阐述了客流预测的重要性及其内涵,介绍了预测工作存在的四大问题,然后从宏观客流预测和微观客流预测两个方面分别简述了一些重要的预测模型和算法,简单说明了国内外的研究现状以及目前我国轨道交通客流预测存在的四个主要问题和发展趋势.

介绍轨道交通客流预测模型的建模方法及建立过程,并分析模型的特色及创新点。以济南市轨道交通线网规划为例,对济南市的各个轨道交通线网方案进行客流预测,为最终确定轨道交通线网方案以及优化布局提供技术支持。

当前国内许多大城市正在积极地兴建或筹建快速轨道交通设施，而客流量是轨道交通工程项目设计与建设、运营与管理的基础。通过分析阶段期间不足及预测的不准确原因，建设性的提出城市轨道交通诱增客流量预测方法。得出了基于该方法预测，预测精确度较高，适用现代客流预测发展的需要，具有一定的可行性。

本文首先根据北京城市轨道交通网络的特点，以静态非平衡分配模型中的最短路径分配为理论基础，实现历史客流在断面上的分配，得到具有参考价值的断面客流。然后通过大量bp神经网络建模试验，对北京城市轨道交通客流预测问题，建立了合理的预测模型。最后利用bp神经网络模型对13号线西直门站至2号线西直门站的换乘断面客流进行预测，并与最小二乘拟合结果进行对比分析，得出合理的客流预测结果。

针对城市轨道交通短时客流量预测问题,提出了一种基于自适应t分布变异的蝙蝠算法（atm-ba）优化的小波神经网络（wnn）预测模型（atm-ba-wnn）。在基本蝙蝠算法（ba）中引入带有线性递减控制因子的自适应t分布变异,使其具有变异机制,能够跳出早熟收敛。并将atm-ba与wnn两者相互耦合,利用atm-ba优化wnn的参数配置,进而提高wnn的预测精度。运用atm-ba-wnn模型对郑州地铁1号线短时客流量进行预测,并与传统的wnn预测模型、ba优化的wnn（ba-wnn）预测模型以及支持向量机（svm）预测模型进行比较。仿真结果表明,相较于其他3种模型,所建预测模型预测精度最高,拟合能力更强,误差最小,从而证明了该模型在短时客流量预测领域的可行性及优越性。

针对传统sod模式下城市轨道交通诱增客流预测方法的局限性,通过分析诱增客流形成机理,提出了tod模式下城市轨道交通诱增客流预测的思路与方法.从交通条件改善角度,提出有无项目对比法,预测开通初期诱增客流;并基于交通引导开发构建生长曲线模型,预测近、远期诱增客流.最后以tod模式下的北京八通线为例进行验证,所得近期预测值与实际值之间的贴合度为0.9,精度优于传统sod模式下的诱增客流预测方法.

城市轨道交通客流预测是城市轨道交通规划科学决策的重要依据,文章采用bp神经网络作为模型进行客流预测,基于城市轨道交通的客流数据特征,提出了基于大数据的轨道交通客流预测的方法,以期为轨道交通客流预测提供参考。