軌道交通短期客流預(yù)測(cè)及與公交換乘協(xié)調(diào)研究.pdf

1、近年來(lái)，隨著我國(guó)城市軌道交通的快速發(fā)展，各大城市的軌道交通逐漸形成規(guī)模，已經(jīng)成為人們必不可少的交通出行方式，并且人們對(duì)于城市公共交通的服務(wù)要求也越來(lái)越高。因此，有必要探究實(shí)時(shí)準(zhǔn)確地預(yù)測(cè)軌道交通客流的方法以及正確評(píng)價(jià)公共交通之間換乘協(xié)調(diào)度的模型。故而針對(duì)北京地鐵14號(hào)線軌道交通短期客流預(yù)測(cè)以及車站與地面公交換乘協(xié)調(diào)進(jìn)行了系統(tǒng)研究，包括客流特征分析、人工神經(jīng)模型短期客流實(shí)時(shí)預(yù)測(cè)、軌道交通和地面公交換乘協(xié)調(diào)度評(píng)價(jià)、分析與建議等。主要研究工作包

2、括:
　　(1)詳細(xì)介紹短期客流在時(shí)間和空間上的分布特征，并且根據(jù)實(shí)際客流數(shù)據(jù)對(duì)北京地鐵14號(hào)線各車站按照客流分布特征進(jìn)行分類，準(zhǔn)確掌握了14號(hào)線各車站客流特點(diǎn)，為準(zhǔn)確預(yù)測(cè)客流打好基礎(chǔ)。為達(dá)到實(shí)時(shí)預(yù)測(cè)的目的需要預(yù)測(cè)時(shí)間劃分為5min，需要模型具有很好的抗噪能力以適應(yīng)客流分布的高度非線性和振蕩性。因此，選用小波神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)模型，根據(jù)客流數(shù)據(jù)樣本分析結(jié)果設(shè)計(jì)網(wǎng)絡(luò)拓?fù)淠Ｐ?，調(diào)整模型各項(xiàng)參數(shù)。
　　(2)針對(duì)小波神經(jīng)網(wǎng)絡(luò)存在可能

3、陷入局部最小值而無(wú)法得到全局最優(yōu)值的問(wèn)題，使用遺傳算法和免疫算法綜合優(yōu)化小波神經(jīng)網(wǎng)絡(luò)。結(jié)合對(duì)北京地鐵14號(hào)線不同客流特征站點(diǎn)的預(yù)測(cè)結(jié)果，使用設(shè)立的模型預(yù)測(cè)評(píng)價(jià)指標(biāo)比對(duì)改進(jìn)前后小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果，證明優(yōu)化后的網(wǎng)絡(luò)模型具備全局尋優(yōu)的特點(diǎn)，精度和均等系數(shù)更高，具有預(yù)測(cè)軌道交通短期客流的優(yōu)勢(shì)。
　　(3)對(duì)軌道交通與地面公交換乘情況進(jìn)行評(píng)價(jià)，選擇合適的評(píng)價(jià)指標(biāo)，建立具有九個(gè)指標(biāo)的評(píng)價(jià)體系。評(píng)價(jià)模型采用以可拓理論為基礎(chǔ)的物元分析法，結(jié)合