详情

原文传递城市轨道交通新线运营初期短时客流预测

论文题名：	城市轨道交通新线运营初期短时客流预测
关键词：	城市轨道交通;短时客流预测;新线站点;POI;卡尔曼滤波;分时系数
摘要：	随着近年城市轨道交通线网规划、建设规模的扩大，新线建设持续保持高速发展趋势。新线运营初期是培育、吸引客流的关键期，在成网条件下新线站点开通将给既有线网带来冲击及影响。细粒度的站点短时客流预测能够为新线运营计划制定和运力资源配置提供数据支撑，以保证新线运营效率、提高服务水平。因此，新线运营初期是城市轨道交通客流预测中的重要场景，对于优化城轨运输组织尤为关键。　　论文首先从时、空两个维度剖析了城市轨道交通新线运营初期的客流特征。在时间分布上，分析了站点日客流量的成长趋势，以及客流短时分布变化特征。在空间分布上，主要分析不同站点属性与所处区位的客流特征差异。研究了新线客流生成机理，并探究了新线运营初期的客流影响因素，为新线客流发展阶段划分与客流预测提供了参考。　　根据新线运营初期客流演变规律，将新线发展阶段划分为培育期、成长期与成熟期。新线开通即进入客流高速增长的培育期；当部分站点出现负增长，表明客流增速放缓、新线进入客流波动性强、噪声显著的成长期；在客流变化连续两周小于10%时，表明客流变化幅度范围与成熟线一致，客流变化趋于稳定，新线进入成熟期。通过发展阶段划分，确定各阶段客流预测的重难点，并据此构建了运营初期分阶段客流预测框架。　　在培育期短时客流预测中，将POI统计量化为站点周边不同性质用地规模指标，通过层次聚类方法近邻度量寻找与新线站点近似的既有站点，弥补新线缺乏历史数据的问题。根据用地规模构建状态向量，用K近邻模型对新线客流进行预测；根据输入客流数据置信度不同，用二次指数平滑提高对新线历史客流的利用率，对预测结果进行修正。　　成长期客流预测阶段构建了ARIMA-Kalman组合预测模型。模型将客流特征分离为日客流量与分时系数。采用自然对数变换的ARIMA模型对日客流量从成长到饱和的演变趋势进行拟合。基于客流噪声变化规律与不同时刻噪声振幅范围差异，对测量噪声协方差矩阵进行优化，加强对噪声有效信息的提取，提出了基于改进卡尔曼滤波的分时系数预测模型。最终融合日客流量与客流分时系数特征，得到成长期客流预测结果。　　以2017年开通的南京地铁4号线为例进行验证。结果表明：K近邻模型对新线培育期客流预测效果良好，误差随时间收敛较快，在开通1周内预测精度达到86.19%。成长期的ARIMA-Kalman组合模型预测精度较高，在相同条件下比神经网络等预测模型更精确，平均精度达到88.63%，误差下降速度更快，开通第7周精度就达到了91.21%，改善了新线短时客流预测受制于小样本、高噪声数据的现状。模型有较好的鲁棒性，能较好适应新线客流的动态波动与频繁的运力调整。
作者：	张子翰
专业：	交通运输工程
导师：	叶茂
授予学位：	硕士
授予学位单位：	南京理工大学
学位年度：	2021