原文传递
城市轨道交通短时客流预测与预警系统研究
| 论文题名： | 城市轨道交通短时客流预测与预警系统研究 |
| 关键词： | 城市轨道交通;短时客流预测;预警系统;粒子群算法;深度神经网络模型 |
| 摘要： | 城市轨道交通的飞速发展有效缓解了因人口增长而突增的公共交通运输需求。目前很多的城市轨道交通站点建于地下，内部空间有限且运营环境特殊，使得突发事件、恶劣天气、早晚高峰等都易造成站内客流的拥堵问题。因此如何对可能出现的大客流进行提前防御成为了当前关注的热点。若能将精准的客流预测结果与合理的客流预警判定条件相结合，对提前采取防范措施，缓解客流拥挤问题、减少乘客候车时间，提升乘车舒适度有重要的现实意义。 本文在充分论证客流特性和影响要素的基础上研究了客流预测与预警方法。构建基于卷积长短时记忆神经网络（Convolutional long and short time memory neural network， ConvLSTM ）的短时客流预测模型并引入动态惯性权重粒子群算法（ Dynamically Changing Weight Particle Swarm Optimization, DCWPSO）的优化模型，给予参数最佳寻优方向，解决了 ConvLSTM 模型易陷入局部最优和梯度弥散等问题，加快模型的训练速度。依据 ConvLSTM 模型能够提取客流数据的时空特性，搜寻数据的内在联系等优势开展了对不同日类型和降雨量的城轨短时客流预测研究，并基于预测结果进行预警阈值计算，判定当前时刻的客流预警等级。文章以地铁真实历史客流数据为例，通过对比多种模型，验证了本文模型的高效性。 通过设计城市轨道短时交通客流预测与预警系统（ Urban Rail Transit Short-term Passenger Flow Prediction and Early Warning System, USWS），将深度学习预测模型和预警方法联合用于实际应用软件中，以上传历史客流数据作为模型输入，以客流预测结果、预警等级和预警方案作为输出，以期为城轨站内客流量的及时管控给予帮助。 |
| 作者： | 赵傲蕾 |
| 专业： | 交通运输工程 |
| 导师： | 徐永能;杨磊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
