隨著我國城市化進程的不斷加快,城市人口的不斷增加,城市的交通擁堵、環(huán)境污染等問題也日益嚴峻。城市軌道交通以運量大、耗能低、準點率高、綠色環(huán)保等特點,成為了城市居民出行的首選交通工具。近年來,城市軌道交通的建設(shè)步伐不斷的加快,截至2019年12月31日,我國內(nèi)地累計有40個城市開通城軌交通運營線路6730.27公里,客運量超240億人次,創(chuàng)歷史新高�？土髁康牟粩嘣黾�,給運營組織部門帶來了極大的考驗,為了提升運營效率,保障行車安全,短時客流預(yù)測已成為一個亟需解決的關(guān)鍵課題。城市軌道交通短時客流具有隨機性,周期性,相關(guān)性的特征,而短時客流預(yù)測作為城市軌道交通運營組織優(yōu)化的關(guān)鍵技術(shù),其預(yù)測結(jié)果的準確性將直接影響城市軌道交通運營組織的合理性。故此,本文以杭州地鐵的歷史客流數(shù)據(jù)為基礎(chǔ),對城市軌道交通短時客流進行預(yù)測,主要研究工作如下:(1)根據(jù)實驗數(shù)據(jù),本文從時間和空間的維度對城市軌道交通客流分布特征進行了詳細的統(tǒng)計分析,并對樣本數(shù)據(jù)進行預(yù)處理,然后以一個周期的進站客流為例,運用皮爾遜相關(guān)系數(shù)和K-Means聚類算法進行相關(guān)性分析和分類,為后續(xù)的研究做了重要的鋪墊。(2)本文構(gòu)建了基于XGBoos...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.14相關(guān)系數(shù)矩陣圖

城市軌道交通短時客流預(yù)測與實證分析研究-30-3.4.2相關(guān)性分析相關(guān)性分析是研究變量之間密切程度的一種分析方法。本文選用皮爾遜相關(guān)系數(shù)(Pearsoncorrelationcoefficient）來度量一個周期內(nèi)各日期客流量之間的相關(guān)程度。相關(guān)系數(shù)計算公式如下：)()(),(a....

本文編號：3906807