详情

原文传递基于多源数据的城市轨道交通系统客流分析与预测

论文题名：	基于多源数据的城市轨道交通系统客流分析与预测
关键词：	多源数据;轨道交通;客流预测;图卷积神经网络
摘要：	城市轨道交通作为承担大城市公共客运服务的主要交通方式之一，是保障大城市居民集中准时出行的重要通道。随着城市轨道交通建设速度缓慢下行，城市轨道交通运营管理进入快速提升时期，提升运营管理水平有助于提高轨道交通客运分担率和经济效益。城市轨道交通系统客流分析与预测可为客流组织引导、异常客流检测以及轨道列车调度提供依据，对于提升城市轨道交通系统的管理效率与服务水平具有重要意义。　　论文首先以轨道交通刷卡数据、公交数据和出租车订单数据为基础，提取各交通方式客流，其中公交站点客流通过融合公交刷卡数据与公交车进站数据获得；通过数据可视化分析各交通方式客流变化趋势，总结轨道交通客流时间分布规律与空间分布规律。结果表明不同轨道交通线路的客运量波动趋势存在差异，部分线路客运量呈现明显增长趋势；轨道交通线路客流在工作日的客流不均衡系数超过2，线路客流存在时间分布不均衡的问题；轨道交通站点日均进站客流与出站客流大致平衡，不存在持续性进站客流大于出站客流或者出站客流大于进站客流的站点。　　其次，基于轨道交通与其他交通方式对客流的吸引范围划定轨道交通站点缓冲区，实现站点缓冲区公交客流与出租车客流识别，为精细化客流相关关系分析提供数据基础。使用最大信息系数分别度量轨道交通进站客流与公交出发客流和出租车出发客流之间的相关性，采用传递熵估计出租车到达缓冲区客流与轨道交通进站客流之间的因果关系。结果表明多数轨道交通站点进站客流与公交出发客流存在显著相关性，个别站点进站客流与出租车出发客流存在显著相关性；在部分轨道交通站点，滞后固定时长的出租车到达客流与轨道交通站点进站客流具有更强的因果关系。　　然后，基于高峰小时提取轨道交通站点进站与出站客流高峰，定义并提取客流高峰时间模式与空间模式，精细化分析轨道交通站点客流高峰的频发时段以及频发最大流向；统计分析全部站点时间模式与空间模式的频率分布，探究轨道交通系统整体时间模式与空间模式分布规律，分析并识别异常客流高峰。结果表明部分站点具有频繁出现的高峰时段和频繁出现的客流高峰最大流向；轨道交通系统整体时间模式通常集中在早高峰时段，空间模式通常集中在火车站方向。相比于高峰时段客流，异常客流高峰出现的持续时间短且客流量大，部分站点存在短时间客流骤增与骤减的情况。　　最后，基于站间客流相互作用规律分析，建模轨道交通站间客流相互作用，将轨道交通站间客流相互作用分为基于步行时长、基于线路连接和基于相关系数的相互作用。采用电子地图接口获取站间步行时长与步行距离等数据，估计站间相互作用并表示为相互作用图。提出以相互作用图与历史客流为输入特征的短时客流预测模型，应用图卷积神经网络捕捉站间非欧式空间作用特征，采用多任务学习结构同步预测多站点短时客流。实验结果表明提出的模型预测精度和拟合优度均高于其他经典对比模型。
作者：	王升
专业：	交通运输工程;交通运输规划与管理
导师：	刘志远
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2022