客流預測在城市軌道交通系統(tǒng)運營管理過程中處于舉足輕重的地位,是對合理部署運輸資源、優(yōu)化列車開行方案、指導日常運輸組織及經濟效益評價的重要前提。隨著信息化時代的到來,移動互聯(lián)網技術、信息通信技術及云計算等技術快速發(fā)展,產生于乘客出行與軌道交通運營過程中的數據量呈現出高速增長的態(tài)勢。海量、多源、異構的交通大數據及個性化、多樣化的出行需求對現有基于抽樣數據的客流預測方法提出了挑戰(zhàn)。以交通規(guī)劃理論、交通行為理論、統(tǒng)計學理論以及深度學習理論為引導,研究大數據驅動的城市軌道交通客流預測方法,及時、高效和準確地處理不同層次、不同結構的綜合交通信息,對于推動城市交通向智能化方向發(fā)展具有重要的理論意義和工程實踐價值。本文將深度學習基本框架——計算圖與交通規(guī)劃理論中的四階段法進行了融合,提出了基于計算圖的城市軌道交通中長期客流預測方法,以社會經濟數據、AFC統(tǒng)計數據為輸入信息,對客流預測模型中的相關變量及參數進行校正,對城市軌道交通網絡中的OD分布量進行估計�；诳土魉憩F出的規(guī)律性、波動性及隨機性等統(tǒng)計特征,以Kalman濾波算法為框架研究了城市軌道交通系統(tǒng)中正常情況下的常態(tài)客流短時預測及有特殊事件發(fā)生... 

【文章來源】：西南交通大學四川省 211工程院校 教育部直屬院校

【文章頁數】：96 頁

【學位級別】：碩士

【部分圖文】：

018年成都市地鐵運營網絡圖

圖5-2 2010-2017 年成都市地鐵網絡各線路客運強度（單位：萬人次/公里 日）成都市地鐵自開通運營以來，隨運營里程的增加客流量也逐年攀升，2010-201成都市地鐵網絡日均客流量及運營里程如圖 5-3 所示。截至 2017 年底，成都市地累計運送旅客 78212.34 萬乘次，全網日均客運量達 274.3 萬乘次/日，較 2016 年加 81.31 萬乘次/日，增長 43%。2010 2011 2012 2013 2014 2015 2016 2017274.3088108.4179.780101214161820150.00200.00250.00300.00公里萬乘次/日年底日均客運量 運營里程

西南交通大學碩士研究生學位論文 第 68 頁地鐵 2 號線為例，2017 年該線路大部分站點進、出站量較 2016 年大幅增長、2017 年地鐵 2 號線各站日均進、出站量如圖 5-4 所示。換乘站春熙路日均進3 萬人次，較 2016 年增長 6%；犀浦、成都東客站日均進站量分別為 5.37 萬人6 萬人次，分別增長 10.5%、17.8%；中醫(yī)大省醫(yī)院日均進站量 3.08 萬人次，增。5.41.01.40.60.70.41.91.61.61.81.03.10.81.98.31.61.71.60.40.95.41.60.61.41.10.40.70.30.91.22.30000000犀浦天河百草金周金科迎賓茶店羊犀一品蜀漢白果中醫(yī)通惠人民春熙東門牛王牛市東大塔子成都成渝惠王洪河成都大面連山界牌書房龍平龍泉次/日


本文編號：2915658