排序方式: 共有73条查询结果,搜索用时 0 毫秒
71.
72.
掌握不同城市轨道交通车站的客流短时变化规律是应急措施制定、常规客流组织和列车开行的关键依据,研究主要探索预测方法对城市轨道交通短时客流预测精度的影响,以西安地铁2号线为例进行实例分析。基于车站的进出站客流属性,运用时间序列聚类方法将城市轨道交通车站划分为4类;运用极端梯度推进决策树(XGBoost)、BP神经网络和自回归滑动平均模型(ARMA)分别对各类车站的短时客流进行预测,并对比各类车站的客流预测结果。结果表明,西安地铁2号线的车站可以分为商业办公车站、密集型居住车站、轻型居住车站和旅游文化车站4类;4类车站客流预测精度最高的方法分别为XGBoost、ARMA、ARMA和BP神经网络;在预测时效方面,XGBoost展示了更大的优越性。研究结果可以对各类车站建立相适应的客流管控措施提供基础建议。 相似文献
73.
新建轨道交通车站无法根据历史数据进行客流预测,为了对新建车站的客流进行准确预测,研究从社会经济属性的角度探索城市轨道交通的客流需求。根据实际调查获得车站客流生成影响范围,并基于泰森多边形对影响范围的重叠区域进行重新划分。以路网距离为约束,建立考虑车站影响范围的地理加权回归模型,获取社会经济属性和接驳交通对于轨道交通客流生成的具体贡献度。西安市轨道交通数据的研究结果表明,步行、公交和公共自行车产生接驳客流的主要路网距离为800 m,230 m和300 m;平均每条公交线路数和每个公共自行车桩数分别产生16.368次和2.371次客流;人口密度、就业岗位密度和人均GDP与客流关系表现为三者每增加1%,客流量分别增加0.47%,0.53%和-0.21%。研究成果可用于确定西安市新建轨道交通车站位置和规模,并预测其相应的客流。 相似文献