地鐵客流短期預(yù)測(cè)及客流疏散模擬研究.pdf

1、在地鐵客流組織與優(yōu)化研究領(lǐng)域，客流短期預(yù)測(cè)和行人運(yùn)動(dòng)模擬是其關(guān)鍵技術(shù)。雖然不少研究學(xué)者已開展了相關(guān)工作，但如何適應(yīng)軌道交通業(yè)務(wù)發(fā)展需要提高客流短期預(yù)測(cè)效果，對(duì)重大事件引發(fā)的大客流進(jìn)行實(shí)時(shí)預(yù)測(cè)，以及由于大客流和重大事件引發(fā)對(duì)地鐵站內(nèi)不同場(chǎng)景進(jìn)行乘客疏散模擬等問題亟待解決。
　　本研究主要內(nèi)容包括：⑴提出了一種基于小波分析的支持向量機(jī)客流預(yù)測(cè)算法，首先對(duì)原始客流時(shí)間序列數(shù)據(jù)進(jìn)行小波分解，然后利用最小二乘支持向量對(duì)分解得到的低頻和高頻信

2、息進(jìn)行學(xué)習(xí)與預(yù)測(cè)，最后用小波合成重構(gòu)低頻預(yù)測(cè)信號(hào)與高頻預(yù)測(cè)信號(hào)，得到預(yù)測(cè)客流時(shí)間序列數(shù)據(jù)。實(shí)驗(yàn)采用北京市軌道交通客流數(shù)據(jù)和標(biāo)準(zhǔn)評(píng)價(jià)方法，結(jié)果表明該算法具有較好的預(yù)測(cè)效果，且優(yōu)于兩種常見的客流預(yù)測(cè)算法。⑵構(gòu)建了一種基于灰色馬爾科夫的大客流實(shí)時(shí)預(yù)測(cè)算法，利用灰色預(yù)測(cè)算法對(duì)客流數(shù)據(jù)建立灰色模型，然后建立馬爾科夫修正模型，最后利用預(yù)測(cè)誤差對(duì)灰色預(yù)測(cè)結(jié)果進(jìn)行修正得到大客流預(yù)測(cè)值。實(shí)驗(yàn)針對(duì)多種類型的大型活動(dòng)和重大節(jié)假日進(jìn)行大客流實(shí)時(shí)預(yù)測(cè)，結(jié)果表明該

3、模型對(duì)真實(shí)的重大事件大客流預(yù)測(cè)效果較好。⑶建立了一種面向多向行人疏散流的向量地場(chǎng)模型，模擬地鐵站內(nèi)行人多向行走和疏散過程。鑒于行人對(duì)于不同方向的敏感程度是不同的，該模型著重考慮方向的影響，在向量地場(chǎng)模型中更細(xì)致地表現(xiàn)在不同方向行人之間的相互影響。仿真實(shí)驗(yàn)表明，該模型能較好地模擬和再現(xiàn)地鐵站內(nèi)不同場(chǎng)景下多向行人之間的復(fù)雜相互作用和自組織現(xiàn)象。⑷由于正常情況下行人通行時(shí)表現(xiàn)出一種相互排斥作用，因此本文在傳統(tǒng)地場(chǎng)模型的基礎(chǔ)上，用排斥作用代替了