原文传递
城市轨道交通线路短期客流预测研究
| 论文题名： | 城市轨道交通线路短期客流预测研究 |
| 关键词： | 城市轨道交通;短期客流;变化特征;预测模型 |
| 摘要： | 随着中国城市轨道交通的蓬勃发展，许多城市已从单线运营模式转为网络化运营模式，城市轨道交通线路短期客流预测作为城市轨道交通运营部门开展日常管理工作的基础，在网络化运营条件下更突显出其重要性。因此，围绕这一问题，本文以城市轨道交通历史客流数据为基础，重点研究城市轨道交通线路短期客流的时间变化特征及预测模型。 首先，本文对城市轨道交通线路短期客流的影响因素归纳总结为票价、轨道交通网络化效应、线路运营服务水平、季节性影响因素和临时性影响因素五大类影响因素进行分析;从季节变化特征、日变化特征两个方面对轨道交通线路客流的时间特征进行分析，并重点研究包括平常日和节假日的日客流变化特征，由此得出城市轨道交通在平常日和节假日两种情况下的不同统计特征，为预测模型的构建打下基础。 其次，根据短期客流量的非线性特点和样本数据量的限制，选择SVR模型作为预测短期客流量的核心方法，在自由参数优化方法选择上，结合遗传算法(Genetic Algorithm，GA)和粒子群算法(Particle Swarm Optimization，PSO)两者优势，引入PSO公式作为GA算法的变异算子，提出改进的PSOGA算法对SVR模型的自由参数进行寻优，由此得到短期客流量预测的PSOGA-SVR模型。针对节假日客流量具有明显的季节性波动特征，利用季节指数调整方法(Seasonal Exponential Adjustment，SEA)对节假日客流量进行季节调整，由此构建用于提高节假日客流量预测准确度的基于季节指数调整的PSOGA-SVR模型，即SEA-PSOGA-SVR模型。 最后，通过南京地铁二号线2013-2016年实际日进站客流量数据的实验结果显示，PSOGA-SVR模型的均方根误差、平均绝对百分比误差均小于GA-SVR模型、PSO-SVR模型的相应误差值。由此表明了改进的PSOGA-SVR模型能够很好地预测短期客流量，总体预测误差较小，预测准确度较高。而SEA-PSOGA-SVR模型单独预测节假日客流量均方根误差和平均绝对百分比误差明显减小，证明了利用季节指数调整方法直接对原始数据进行季节性处理，能够很好的消除节假日原始数据的季节性影响，提高PSOGA-SVR模型预测节假日客流量的准确度。 |
| 作者： | 王夏秋 |
| 专业： | 交通运输工程；交通信息工程及控制 |
| 导师： | 张宁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
