隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的不斷加快,城市之間的出行活動(dòng)日益頻繁,居民對(duì)出行時(shí)效性、快速性要求逐漸增高。城市軌道交通系統(tǒng)憑借其快速、準(zhǔn)點(diǎn)、舒適的優(yōu)良特性快速發(fā)展,在城市公共交通系統(tǒng)中占據(jù)舉足輕重的分量。而隨著地鐵網(wǎng)絡(luò)客流量的增大,客流組成變得復(fù)雜多樣,客流規(guī)律變化多端,基于整體客流分析的軌道交通客流量變化規(guī)律不足以把握外部事件對(duì)各類乘客群體的影響機(jī)理,基于整體的客流預(yù)測(cè)對(duì)不同乘客群體的出行規(guī)律捕捉效果欠佳。因此,有必要對(duì)城市軌道交通復(fù)雜的乘客群體進(jìn)行組分劃分,分門別類地研究各類乘客群體出行特征和規(guī)律,以細(xì)化對(duì)城市軌道交通網(wǎng)絡(luò)動(dòng)態(tài)的把控。本文提出組分劃分原理將不同出行時(shí)間特征的客流進(jìn)行歸類,構(gòu)造組分劃分模型確定劃分方法�；诮M分劃分理論研究各類乘客不同的出行規(guī)律,以及各組分客流與外界影響因素的相關(guān)程度。最終基于組分劃分模型構(gòu)建短期客流預(yù)測(cè)模型,實(shí)現(xiàn)對(duì)未來(lái)日期內(nèi)分時(shí)客流量的預(yù)測(cè)。首先,本文基于對(duì)歷時(shí)客流數(shù)據(jù)時(shí)變規(guī)律的研究確定不同的乘客出行時(shí)間分布組群,基于各組群的分布特征構(gòu)建客流劃分模型,將全天客流按照其出行時(shí)間分布劃分為早高峰、全天峰、午高峰、晚高峰、夜高峰五種組分。設(shè)計(jì)遺傳算法...

【文章來(lái)源】： 北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：110 頁(yè)

【文章目錄】：
致謝
摘要
ABSTRACT
1. 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 關(guān)于乘客出行目的的研究
        1.2.2 AFC數(shù)據(jù)挖掘研究
        1.2.3 城市軌道交通短期客流預(yù)測(cè)研究
        1.2.4 國(guó)內(nèi)外研究現(xiàn)狀總結(jié)
    1.3 研究?jī)?nèi)容及技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線圖
    1.4 本章小結(jié)
2. 數(shù)據(jù)準(zhǔn)備
    2.1 路網(wǎng)數(shù)據(jù)
        2.1.1 廣州市城市軌道系統(tǒng)
        2.1.2 線網(wǎng)數(shù)據(jù)
    2.2 非集計(jì)數(shù)據(jù)
        2.2.1 AFC刷卡系統(tǒng)
        2.2.2 數(shù)據(jù)結(jié)構(gòu)
        2.2.3 數(shù)據(jù)清洗
        2.2.4 數(shù)據(jù)統(tǒng)計(jì)
    2.3 集計(jì)數(shù)據(jù)
        2.3.1 數(shù)據(jù)結(jié)構(gòu)
        2.3.2 數(shù)據(jù)統(tǒng)計(jì)
    2.4 本章小結(jié)
3. 組分劃分模型研究
    3.1 組分定義
        3.1.1 常規(guī)組分劃分模型綜述
        3.1.2 本文中對(duì)組分定義
        3.1.3 主要客流組分介紹
    3.2 組分劃分模型
        3.2.1 模型構(gòu)建
        3.2.2 約束條件
        3.2.3 目標(biāo)函數(shù)
    3.3 組分劃分模型求解算法
        3.3.1 遺傳算法基本原理
        3.3.2 基因編碼設(shè)計(jì)
        3.3.3 初始種群生成
        3.3.4 雜交變異設(shè)計(jì)
    3.4 案例分析
        3.4.1 案例介紹
        3.4.2 模型參數(shù)設(shè)置
        3.4.3 模型結(jié)果
        3.4.4 誤差分析
        3.4.5 案例拓展
    3.5 本章小結(jié)
4. 基于組分劃分的客流規(guī)律研究
    4.1 基于組分分析的時(shí)序特征對(duì)客流變化影響
        4.1.1 各個(gè)組分隨周次的變化規(guī)律分析
        4.1.2 各組分之間的相關(guān)性分析
    4.2 基于組分分析的刷卡頻次對(duì)客流變化影響
        4.2.1 不同刷卡頻次乘客的組分分布規(guī)律
        4.2.2 不同組分對(duì)目的地選擇的偏好研究
    4.3 基于組分分析的外部因素對(duì)客流變化影響
    4.4 本章小結(jié)
5. 基于組分劃分的短期客流預(yù)測(cè)模型
    5.1 基于組分劃分的短期客流預(yù)測(cè)
        5.1.1 短期客流預(yù)測(cè)方法綜述
        5.1.2 不同組分的客流時(shí)變規(guī)律分析
        5.1.3 基于組分的短期客流預(yù)測(cè)方法
    5.2 RBF神經(jīng)網(wǎng)絡(luò)客流預(yù)測(cè)模型
        5.2.1 RBF神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)理論
        5.2.2 K均值聚類確定中心點(diǎn)
    5.3 案例分析
        5.3.1 歷史數(shù)據(jù)準(zhǔn)備
        5.3.2 RBF神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練
        5.3.3 RBF模型對(duì)各組分客流總量預(yù)測(cè)
        5.3.4 各組分分時(shí)客流量計(jì)算及結(jié)果分析
    5.4 本章小結(jié)
6. 結(jié)論與展望
    6.1 結(jié)論
    6.2 本文創(chuàng)新點(diǎn)
    6.3 展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]阻斷事件影響下城際出行行為 [J]. 韓志玲,陳艷艷,李佳賢,張凡.  北京工業(yè)大學(xué)學(xué)報(bào). 2019(05)
[2]基于AFC的地鐵車站樓扶梯客流參數(shù)預(yù)測(cè)與狀態(tài)判定 [J]. 孫建輝,胡華,劉志鋼.  計(jì)算機(jī)應(yīng)用與軟件. 2019(01)
[3]大規(guī)模城軌路網(wǎng)客流分布推演的建模與仿真方法 [J]. 蔣熙,馮佳平,賈飛凡,孫捷萍,李春曉.  鐵道學(xué)報(bào). 2018(11)
[4]基于IC卡識(shí)別通勤客流的公交線路多模式調(diào)度 [J]. 羅孝羚,蔣陽(yáng)升,吳奇,姚志洪,李思怡.  工業(yè)工程. 2018(05)
[5]基于出租車運(yùn)營(yíng)數(shù)據(jù)和POI數(shù)據(jù)的出行目的識(shí)別 [J]. 羅孝羚,蔣陽(yáng)升.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(05)
[6]基于AFC數(shù)據(jù)的新建軌道交通系統(tǒng)出行距離分布特性研究 [J]. 賀康康,任剛.  交通運(yùn)輸工程與信息學(xué)報(bào). 2018(03)
[7]基于自動(dòng)售檢票數(shù)據(jù)的城市軌道交通通勤客流辨識(shí) [J]. 鄒慶茹,趙鵬,姚向明,汪波.  北京交通大學(xué)學(xué)報(bào). 2018(03)
[8]城市軌道交通AFC系統(tǒng)新技術(shù)應(yīng)用和展望 [J]. 于琦.  電子技術(shù)與軟件工程. 2018(07)
[9]基于峰值密度聚類的公交出行目的分類模型 [J]. 梁野,呂衛(wèi)鋒,杜博文.  哈爾濱工程大學(xué)學(xué)報(bào). 2018(03)
[10]基于售檢票數(shù)據(jù)挖掘的軌道交通乘客居住區(qū)辨識(shí) [J]. 姚向明,趙鵬,韓寶明,鄒慶茹.  交通運(yùn)輸系統(tǒng)工程與信息. 2016(05)

碩士論文
[1]實(shí)時(shí)AFC數(shù)據(jù)接入下城軌路網(wǎng)客流動(dòng)態(tài)分布建模與仿真[D]. 馮佳平.北京交通大學(xué) 2018
[2]客流波動(dòng)下城市軌道交通運(yùn)輸組織關(guān)鍵技術(shù)研究[D]. 杜延帥.西南交通大學(xué) 2017
[3]基于灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)方法及應(yīng)用研究[D]. 童新安.西安電子科技大學(xué) 2012
[4]基于出行目的鏈的軌道交通客流預(yù)測(cè)模型研究[D]. 蘭鵬.北京交通大學(xué) 2009
[5]城市軌道交通客流預(yù)測(cè)模型研究[D]. 吳倩.西南交通大學(xué) 2007
[6]城市軌道交通客流預(yù)測(cè)方法研究[D]. 毛榮昌.河海大學(xué) 2005



本文編號(hào)：3527010