论文题名: | 城市轨道交通站间及线路短时OD客流预测模型研究 |
关键词: | 城市轨道交通;短时客流预测;时间特征;空间特征 |
摘要: | 随着城市轨道交通网络规模快速扩张和客流量急剧增加,运营方案对客流时变适应性明显不足,难以满足现有的客流需求。实时精确的轨道交通 OD 客流预测有利于为运营部门更好地了解并应对客流变化,为提高轨道交通系统的运营效率提供有力支撑。本文基于轨道AFC数据,结合OD客流的时空特征,构建城市轨道交通短时OD客流预测模型。主要研究内容如下: 首先,利用MySQL和Python对轨道AFC原始数据进行处理,获取不同时间粒度的OD客流数据,从周期性和波动性两个方面对客流特征进行分析,结合OD吸引度,运用K-means聚类算法,将轨道交通OD客流划分为 5类,并从运营时间、前序客流和外部天气三个方面对短时OD客流影响因素进行分析总结。 其次,发挥BiGRU能够双向处理客流时间序列的优势,运用网格搜索法优化模型参数,构建BiGRU预测模型,对不同类型的OD对客流进行预测,从不同预测模型、不同时间粒度、工作日与非工作日三个方面对模型预测效果进行分析,结果表明:在预测效果方面,BiGRU模型预测效果优于ARIMA、SVM、GRU模型,MAE降低了0.0286~1.6278,RMSE降低了0.2821~4.2345;在不同类型OD对方面,预测模型对于客流相对不稳定、规律性较差的无高峰型 OD 对预测效果较差;在预测时间粒度方面,BiGRU 模型在 15 分钟时间粒度预测效果最好;在工作日与非工作方面,BiGRU模型在工作日的预测效果优于非工作日。 最后,考虑OD客流时间特征和空间特征,结合GCN和BiGRU的优势,通过网格搜索法确定模型的最优参数组合,构建 GCN-BiGRU 组合模型。选取重庆市轨道交通 3号线的 OD客流进行实例分析,从不同预测模型和工作日与非工作日两个方面对组合模型预测效果进行分析,结果表明:GCN-BiGRU 组合模型的预测效果均优于 GCN、GRU、BiGRU 和 GCN-GRU 模型,MAE 降低了0.0082~0.1220,RMSE 降低了 0.0118~0.2381;GCN-BiGRU 组合模型在工作日和非工作日均有较好的预测效果。 |
作者: | 李永佳 |
专业: | 交通运输工程;交通运输规划与管理 |
导师: | 向红艳 |
授予学位: | 硕士 |
授予学位单位: | 重庆交通大学 |
学位年度: | 2023 |