軌道交通網(wǎng)絡(luò)換乘路徑選擇方法研究.pdf

1、在智能交通系統(tǒng)(ITS)領(lǐng)域，交通網(wǎng)絡(luò)動態(tài)客流分配理論是其關(guān)鍵技術(shù)。雖然動態(tài)客流分配理論在傳統(tǒng)公共交通網(wǎng)絡(luò)中研究和應(yīng)用比較廣泛，但與軌道交通網(wǎng)絡(luò)中實時客流密集度相結(jié)合，提供動態(tài)的換乘路徑信息方面存在不少亟待解決的問題。交通誘導(dǎo)系統(tǒng)是軌道交通運營管理發(fā)展的方向與趨勢，如何有效、實時地引導(dǎo)乘客選擇優(yōu)化的出行路徑，合理降低早晚高峰期間軌道路網(wǎng)中核心線路區(qū)間的客流運營壓力，是當前交通系統(tǒng)工程科學研究熱點問題之一。針對上述問題，基于北京軌道交通路

2、網(wǎng)的基礎(chǔ)客流數(shù)據(jù)，本文重點研究了短期客流預(yù)測、客流密集度指數(shù)體系和客流路徑引導(dǎo)模型等關(guān)鍵問題，實現(xiàn)了軌道交通網(wǎng)絡(luò)化運營中的乘客出行路徑選擇優(yōu)化的目的。本文的主要研究內(nèi)容如下:
　　(1)提出了基于支持向量機的短期組合客流預(yù)測算法。首先給出了遺傳算法與支持向量機組合的客流預(yù)測算法，其中遺傳算法能對支持向量機的參數(shù)選擇進行優(yōu)化，使得組合算法具有更準確的預(yù)測效果。其次提出了小波變換與支持向量機結(jié)合的客流預(yù)測算法，其中小波分解能無損地將客

3、流信息分解為高頻和低頻數(shù)據(jù)，并獲取多尺度細化的低頻序列，然后支持向量機對一個低頻和多個高頻序列進行預(yù)測，最后對預(yù)測的多個序列進行小波重構(gòu)得到最終的客流預(yù)測結(jié)果。本文以北京軌道交通網(wǎng)絡(luò)客流數(shù)據(jù)為基礎(chǔ)，在多種標準評價方式下，實證結(jié)果表明本文提出的客流預(yù)測算法與多種當前比較流行的客流預(yù)測算法相比獲得更好的客流預(yù)測結(jié)果。
　　(2)提出了一種基于軌道交通網(wǎng)絡(luò)客流密集度的路徑選擇模型。首先針對軌道交通網(wǎng)絡(luò)的劃分層次，提出了區(qū)間、線路和全路網(wǎng)

4、客流密集度指數(shù)，實證結(jié)果表明不同層次的客流密集度指數(shù)均能較好地反映軌道交通網(wǎng)絡(luò)的客流密集度。其次以客流密集度指數(shù)為基礎(chǔ)，提出了一種基于軌道交通網(wǎng)絡(luò)客流密集度的路徑選擇非集計模型。該模型依據(jù)路網(wǎng)客流密集度和路網(wǎng)基礎(chǔ)數(shù)據(jù)實時計算路徑廣義費用，動態(tài)調(diào)整路徑分配比例并模擬路網(wǎng)客流分布。實證結(jié)果表明本文提出的路徑選擇模型能較好地模擬軌道交通網(wǎng)絡(luò)中的客流動態(tài)分布變化。
　　(3)提出了一種路徑引導(dǎo)下的時變比例調(diào)整模型。首先以客流密集度指數(shù)為基

5、礎(chǔ)，給出了一種根據(jù)交通誘導(dǎo)系統(tǒng)信息實時選擇廣義費用最小路徑的路徑引導(dǎo)模型，以達到動態(tài)調(diào)整軌道交通網(wǎng)絡(luò)客流壓力的目的。其次通過數(shù)學推導(dǎo)證明了模型的可行性，并推導(dǎo)驗證了模型的多項基本性質(zhì)。最后以北京軌道交通客流數(shù)據(jù)為基礎(chǔ)，從“區(qū)間——線路——路網(wǎng)”三個層次進行模擬，實證結(jié)果表明交通誘導(dǎo)信息能較好地引導(dǎo)乘客選擇優(yōu)化的出行路徑，降低軌道交通網(wǎng)絡(luò)中部分線路和區(qū)域的客流密集度，合理降低早晚高峰期間核心線路的客流運營壓力，實現(xiàn)換乘優(yōu)化，達到改善路網(wǎng)客