基于多模式灰色模型的地铁全网客流预测研究

地铁全网客流量预测对轨道线网规模确定及线路规划建设具有指导性作用,为准确预测地铁全网客流量,选取GM(1,1)均值模型、GM(1,1)差分模型和灰色Verhulst模型对重庆地铁全网客流量进行预测,采用平均相对误差、均方差比值和关联度三个指标对模型进行检验。结果表明:GM(1,1)均值模型预测结果与实际数据最接近,预测性能优于差分模型和Verhulst模型,为重庆地铁全网客流预测提供新思路,为重庆地铁规划建设提供理论依据。     

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

基于灰色马尔科夫模型的交通事故预测研究

以全国交通事故数为研究对象,旨在实现对道路交通事故的有效预测,通过采用灰色模型和马尔科夫模型相结合的方式,建立灰色马尔科夫模型。依据2005~2014年的全国交通事故起数对模型进行精度验证,并对未来3年的交通事故数进行实例预测。结果表明:灰色马尔科夫模型的残差均值相比单一的灰色模型降低了0.020 4,平均相对误差降低了4.45%,预测精度有明显提高,预测结果具有动态波动性,更符合实际需求,从而为道路安全管理提供决策支持。     

基于灰色马尔科夫链模型的交通事故预测

以灰色GM(1,1)模型为基础,结合马尔科夫链模型建立灰色马尔科夫链模型GM(1,1),对灰色GM(1,1)模型的预测结果进行误差修正,并利用乌鲁木齐市交通事故的历史数据对2014~2016年的交通事故伤亡人数进行预测。结果表明:当利用灰色马尔科夫链GM(1,1)模型时,平均相对误差从单一GM(1,1)模型的4.32%降到1.67%,误差减少2.65%,预测结果更加可靠,能够为乌鲁木齐市采取有效措施预防交通事故的发生,提供可靠理论依据。     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

基于灰色模型的铁路客流预测方法

在GM(1,1)预测模型基础上,构建2个不同的预测模型——GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型,采用Matlab建模,并将模型应用到铁路客流量预测,分析对中小样本振荡序列的预测效果。实例证明,GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型的应用范围和预测精度都优于灰色GM(1,1)模型,是非线性铁路客流量预测的一种有效方法,有助于制定铁路运输计划。     

背景值优化的灰色马尔科夫模型在铁路客流预测中的应用

以提高铁路客流预测精度为出发点,通过对传统的灰色模型进行分析,采用积分的数学思想对灰色预测背景值进行优化.结合马尔科夫预测模型的优点,运用马尔科夫对优化后的灰色预测模型误差进行修正,提高了预测模型的精度.以我国铁路客流预测为实例,通过对预测模型的预测结果的对比研究,验证了模型的有效性.     

基于灰色马尔科夫模型的突发水污染事故预测

以我国2004-2015年突发水污染事故次数为基础,分析了我国突发水污染事故在12年内的发生情况,应用灰色马尔科夫模型预测2016、2017年我国突发水污染事故发生数.结果表明:1)2004-2015年,突发性水污染形势严峻,但全国突发水污染事故数总体呈下降趋势.2)在灰色GM(1,1)模型预测的基础上,运用马尔科夫对突发水污染事故预测结果优化,充分体现了灰色理论适用于小样本、贫信息数据特点和马尔科夫链可处理数据离散的随机过程的优势.3)灰色马尔科夫模型预测的2016、2017年我国突发水污染事故数173起、136起比灰色预测的128起、114起更准确,符合实际情况,可为后续的突发水污染事故变化趋势进行定量分析提供基础数据.     

基于动态时空神经网络模型的地铁客流预测

针对城市轨道交通站点客流预测问题,本文提出一种基于注意力机制的动态时空神经网络(DSTNN)模型。模型采用多分支并行架构,能够有效提取地铁客流的复杂时空特征,在空间维度上,全局和局部注意力机制相结合,实现站点间动态时空关联和静态拓扑结构的捕捉;在时间维度上,使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验,结果表明：相较于经典预测模型和深度学习模型,DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下,DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型(DCRNN)和物理虚拟结合图网络模型(PVCGN)分别降低6.63%和2.57%。此外,可视化分析证明了本模型对时空关联的动态学习能力,消融实验验证了各分支的有效性。     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究

地铁客流的变化规律存在着一定周期性和潮汐性,针对地铁客流的预测有助于提高城市轨道系统的运营效率,实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度,提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群,再利用改进后的麻雀算法优化BP神经网络,达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例,利用构建的预测模型开展客流预测实验,并通过3种准确性评价指标(MAE、RMSE、MAPE),评价改进前后模型预测的准确性。研究结果表明：改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14.96%和13.73%;与传统BP预测模型相比,其客流预测结果具有更高的准确性。     

基于Wi-Fi探针的地铁客流预测研究

在城市轨道交通日常运营中,随着车站客流量的逐年增长,为了避免人群拥挤导致的安全问题,地铁车站客流量的准确预测存在重要的现实意义.通过对Wi-Fi探针的采集原理、源数据处理进行分析,对Wi-Fi探针间的关系进行关联分析,构建BP神经网络客流的预测模型,最后以算例验证Wi-Fi探针技术采集数据及客流预测模型的有效性和可行性,并以某地铁站采集到的数据为例进行验证.实验结果表明,Wi-Fi探针技术采集到的数据可以满足客流预测的需求,基于Wi-Fi探针的地铁客流预测模型有效.     

基于CIR模型的地铁客流弹性分析

为量化地铁系统的弹性,从客流的角度提出基于Cox-Ingersoll-Ross(CIR)模型的客流弹性指标。以单个或多个车站为对象,通过CIR模型模拟其在短期内进站客流和换乘客流的波动行为,并依此量化客流弹性。此外,讨论多车站的客流弹性与其各组成车站的内在关联。研究表明：客流弹性指标能够定量描述扰动后的客流恢复过程;中间车站的客流具有波动小、弹性高的特征;换乘车站的客流具有波动大、弹性低的特征;多车站的客流弹性与其中最大客流车站的弹性呈正相关,而多车站的客流弹性在其中小客流车站的弹性及客流量影响下呈现3种不同情况。     

基于天气因素的城市轨道交通接驳客流预测改进模型

本文从当前城市轨道交通车站接驳工作中存在的问题入手,阐明了接驳客流预测工作的重要性,并着重抓住天气因素对接驳客流预测的影响,结合现实调查数据,找出了晴天和雨天的各种接驳交通方式客流分担率变化规律;在此基础之上借助于经典的Logit模型构建了城市轨道交通接驳客流预测的改进模型,指出各种接驳方式的设施需根据不同天气条件下客流需求的最大值进行配置.     

哈尔滨地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果。通过分析,证明了四阶段预测方法的可行性及合理性。     

哈尔滨市地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果.通过分析,证明了四阶段预测方法的可行性及合理性.     

地铁换乘站客流滞留模型

为改善地铁换乘站的乘客滞留问题,依据工作日早高峰的客流特征和乘客滞留特征,建立滞留情况随时间变化的数学模型.结合南京地铁大行宫站设施布局,采用AnyLogic搭建仿真实验研究发车间隔、候车人数等因素对乘客滞留人数及比例的影响.结果表明,08:00前后滞留最为严重,滞留人数由初始的52人上升至160人左右,其中64.8％ 的乘客滞留在站台中部的5个区域,高峰小时结束后滞留人数仍保持在110人左右;发车间隔减小20 s后滞留得到初步缓解.模型能够有效地表现出换乘站台的滞留情况和变化趋势,降低发车间隔时间、适当限流并引导乘客分散候车,既能够有效地减少滞留乘客的数量,又能在一定程度上减少滞留现象的持续时间.     

基于灰色-马尔科夫链理论的公路客运量预测

客运量预测是公路网规划不可缺少的环节,是公路经济效益计算的重要基础。以四川省公路客运量为例,利用灰色系统理论,建立GM（1,1）预测模型,并将灰色GM（1,1）预测模型与马尔科夫链状态转移矩阵相结合,进一步提高预测结果的精度。从计算效果上分析,该方法求得的结果与其他方法相比,与实际值偏差较小,预测效果较好。     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测的城市轨道交通短期客流预测模型,提出通过若干组连续历史客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

基于马尔科夫模型的沥青路面技术状况预测

以新疆伊犁地区的G3016线高速公路为依托工程,利用灰色预测模型对路面使用性能的变化进行分析,然后根据马尔科夫模型得到路面状况的状态转移概率矩阵和将来的状态转移概率,再进行预测值的修正,对路面技术状况进行预测.结果表明:采用马尔科夫模型得到路面技术状况预测值与实测值相差没有超过一个评价等级,预测精度较好,可以为管养单位...