地鐵項(xiàng)目階段工作

1、軌道交通客流時(shí)空相關(guān)性研究摘要為分析軌道交通客流，本文構(gòu)建了一種軌道交通客流時(shí)空相關(guān)性的客流客流的模型，以歷史的分時(shí)客流數(shù)據(jù)為基礎(chǔ)，利用相關(guān)性分析方法分析歷史，然后通過神經(jīng)網(wǎng)絡(luò)算法得到客流模型，最后對(duì)輸入的測(cè)試數(shù)據(jù)進(jìn)行未來客流量的。實(shí)驗(yàn)采用廣州軌道交通分時(shí)客流數(shù)據(jù)和評(píng)價(jià)方法，實(shí)時(shí)地了成網(wǎng)條件下廣州地鐵二號(hào)線上的三元里車站的出站客流量結(jié)構(gòu)表明時(shí)空相關(guān)性模型是有效的，對(duì)真實(shí)的客流情況有較好的效果。1 背景短期客流一般分為未來一周客流、未來一日客流和提前數(shù)小時(shí)等幾種。與四階段法（出行生成、交通方式劃分、出行分布和交通分配）更側(cè)重于數(shù)學(xué)模型及其求解算法。通過等長(zhǎng)期客流方法相比，短期客流研究軌道交通客流

2、數(shù)據(jù)變化，可以對(duì)整個(gè)軌道交通建設(shè)和運(yùn)營(yíng)調(diào)度提出參考意見。目前，國(guó)內(nèi)外學(xué)者對(duì)地鐵的客流算法進(jìn)行大量的研究。文獻(xiàn).基于出行目的鏈的軌道交通客流模型研究 D.交通大學(xué)學(xué)報(bào), 2009對(duì)傳統(tǒng)的客流模型四階段法進(jìn)行改進(jìn)，提出了一種基于出現(xiàn)目的地的宏觀模型，滿足對(duì)長(zhǎng)期的需求。文獻(xiàn)，.一種基于灰色的大客流實(shí)時(shí)模型A.交通大學(xué)學(xué)報(bào)，2013，37(2):119-128考慮了大型活動(dòng)對(duì)交通客流的影響，通過分析潛在的大客流時(shí)間點(diǎn)，對(duì)地鐵車站的客流使用灰色進(jìn)行分類。文獻(xiàn)Tsung-Hsien Tsai. Neural network basedtemporal feature ms for short-term r

3、ailway passenger demandforecasting J. Expert Systems wipplications.2009 提出了多時(shí)序單位神經(jīng)網(wǎng)絡(luò)模型(MTUNN)和并行組合神經(jīng)網(wǎng)絡(luò)(PENN),并將其應(yīng)用于鐵路客運(yùn)需求中。文獻(xiàn).灰色神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)模型研究D.:方法,理工大學(xué).2009構(gòu)建了基于灰色系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)的組合雖然精度和性能比原始單一模型有所提高,但是在模型的可擴(kuò)展性、高效性和智能性等方面有待完善和提高。目前，國(guó)內(nèi)外研究學(xué)者已經(jīng)對(duì)交通領(lǐng)域客流算法進(jìn)行了深入的研究。郭永，.基于最小二乘向量機(jī)的站點(diǎn)短時(shí)客流J.:理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版).20

4、13,37(3):603-607考慮上下游站點(diǎn)、歷史同期客流和相鄰間隔輸入因子，利用得到的參數(shù)作為向量機(jī)的輸入得到相應(yīng)的客流結(jié)果。，.基于時(shí)空依賴性的區(qū)域路網(wǎng)短時(shí)交通流模型J.:學(xué)報(bào)(自然科學(xué)版).2013,53(2):215-221利用了路網(wǎng)的空間信息，提出了一種基于時(shí)空依賴性的區(qū)域路網(wǎng)短時(shí)客流模型，并在這基礎(chǔ)上利用時(shí)空自回歸差分移動(dòng)平均模型未來路網(wǎng)的客流數(shù)據(jù)。.城市軌道交通客流及運(yùn)營(yíng)調(diào)度方法研究D.:交通大學(xué).2010考慮某時(shí)刻客流之間的相關(guān)關(guān)系，只是選擇了前 n 個(gè)時(shí)間段的客流數(shù)據(jù)，將這些輸入變量輸入到BP 神經(jīng)網(wǎng)絡(luò)中得到結(jié)果。.基于改進(jìn)交通大學(xué).2013BP 神經(jīng)網(wǎng)絡(luò)的軌道交通短時(shí)客流

5、方法研究D.:通過相關(guān)性分析選擇了前三個(gè)時(shí)間段的客流和前一個(gè)相關(guān)斷面的客流進(jìn)行，但是這樣做忽略了客流的重要規(guī)律（周相關(guān)）。同時(shí)通過改進(jìn)神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)模型，提高的準(zhǔn)確率。沒有考慮其它站點(diǎn)對(duì)某一站點(diǎn)的影響，如果考慮到不同車站之間的影響，需要考 慮等車和乘車時(shí)間，考慮車站出站客流時(shí)考慮上下游的進(jìn)站客流與該車站的關(guān)系，考慮車站進(jìn)站客流時(shí)也需要考慮上下游的出站客流的關(guān)系提出時(shí)空相關(guān)性的原因（對(duì)比其它人的研究，說明自己為什么考慮這個(gè)問題）(自己工作的特點(diǎn)，別人做的，針對(duì)他們我如何改進(jìn)？)方法大部分僅針對(duì)客流的時(shí)間相關(guān)性進(jìn)行分析當(dāng)前軌道交通領(lǐng)域客流和，并沒有考慮在成網(wǎng)條件下相關(guān)車站客流量對(duì)車站的影響。相

6、對(duì)于傳統(tǒng)的時(shí)間相關(guān)性分析的客流，空間相關(guān)性分析可以給出車站與其它類似車站的客流相關(guān)性或相互影響。傳統(tǒng)的時(shí)間相關(guān)性客流模型將車站視為一些孤立的點(diǎn)進(jìn)行，而本文時(shí)空相關(guān)性客流模型從一個(gè)軌道交通網(wǎng)絡(luò)化運(yùn)營(yíng)的角度考慮城軌線網(wǎng)的客流為分析軌道交通客流的時(shí)空相關(guān)性問題。問題，提高軌道交通管理部門的客流組織能力，本文作者提出一種時(shí)刻相關(guān)性的客流模型。在該模型中，使用時(shí)空相關(guān)性進(jìn)行客流相關(guān)度的分析，并在分析結(jié)果的基礎(chǔ)上，選擇部分客流數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入向量進(jìn)行客流本文介紹關(guān)于地鐵短期客流，提高軌道交通客流結(jié)果的準(zhǔn)確度。的研究，重點(diǎn)基于時(shí)空相關(guān)性的短期客流模型，并與現(xiàn)有的模型進(jìn)行效果和適用性上的對(duì)比。第 1 節(jié)

7、介紹了模型產(chǎn)生的背景。第 2 節(jié)分析并闡述本文所用客流數(shù)據(jù)的特點(diǎn)。第 3 節(jié)介紹本方法中使用到的基本算法、實(shí)驗(yàn)數(shù)據(jù)的預(yù)處理及模型訓(xùn)練過程。第 4 節(jié)是相關(guān)作的比較。第 5 節(jié)給出本文得到的結(jié)論并對(duì)未來工作進(jìn)行展望。工2 客流數(shù)據(jù)的特點(diǎn)軌道交通指用于城途或短途客運(yùn)的只允許在預(yù)設(shè)的軌道上運(yùn)行的列車。它涵蓋了地鐵、磁懸浮列車、輕軌、有軌電車等多種交通工具。地鐵作為軌道交通中的一種，它具有以下共有特點(diǎn)：?jiǎn)未屋斔土看?、行駛速率高、運(yùn)行時(shí)間固定和安全環(huán)保節(jié)能，但是地鐵也有自己的特征.地鐵運(yùn)營(yíng)客流量計(jì)算模型研究,:電子科技大學(xué),2012,23-24：圖 軌道交通的交通特征本文考慮軌道交通的客流客流量的規(guī)律性

8、這三種特征。，重點(diǎn)關(guān)心候車空間封閉、客流量的隨機(jī)性和候車空間封閉指乘客在封閉的候車室內(nèi)候車，候車室能使乘客不受天氣變化的影響，但是由于空間有限，導(dǎo)致在候車人數(shù)較多時(shí)降低候車乘客的舒適度；客流量隨機(jī)性指地鐵各個(gè)時(shí)段的客流具有隨機(jī)性。首先，單一線路的客流量存在可變性，其次客流的變化受到節(jié)日和天氣變化等的影響；客流量的規(guī)律性指在一定條件下，例如運(yùn)營(yíng)計(jì)劃固定、城市穩(wěn)步發(fā)展的前提下，單日、單周、和年均客流都呈現(xiàn)一定的規(guī)律性。2.1 軌道交通客流分布的影響圖 影響地鐵客流的軌道交通的客流具有一定的時(shí)序特征，即其客流量會(huì)隨著時(shí)間的變化規(guī)律而變化，它會(huì)隨著年、月、日的變化而變化，其中最明顯的是客流量會(huì)以周期，

9、節(jié)假日活動(dòng)舉行運(yùn)營(yíng)方式線路分布居民分布城市發(fā)展天氣變化票價(jià)影響軌道交通客流的客流量動(dòng)態(tài)性客流量規(guī)律性客流量隨機(jī)性列車進(jìn)出站規(guī)律發(fā)車頻率較高候車空間封閉線路結(jié)構(gòu)簡(jiǎn)單軌道交通的交通特征在每一周中有相關(guān)的客流變化趨勢(shì)。但是客流又會(huì)受到其它的影響，導(dǎo)致每個(gè)周期內(nèi)的客流的變化不盡相同，使之具有一定的非平衡的趨勢(shì)特征。因?yàn)槠眱r(jià)、城市發(fā)展、居民分布、線路分布和運(yùn)營(yíng)方式影響的是軌道交通長(zhǎng)期的客流，而天氣變化、活動(dòng)舉行和節(jié)假日影響軌道交通的短期客流。1、天氣變化天氣變化影響了很多人的出行計(jì)劃和出行方式，并導(dǎo)致一些潛在地鐵乘客取消出行或使用其它交通工具出行，因而影響了地鐵在短期內(nèi)的客流量。2、活動(dòng)舉行一般大型活動(dòng)

10、都會(huì)導(dǎo)致地鐵在某幾個(gè)舉辦活動(dòng)的站點(diǎn)的客流上升，例如廣交會(huì)期間，地鐵琶洲站附近幾個(gè)站點(diǎn)的客流相比平日有巨大的增長(zhǎng)。3、節(jié)假日節(jié)假日對(duì)客流的影響是顯著的。工作日的客流主要分布在居住區(qū)和商務(wù)區(qū)的地鐵站點(diǎn)，而節(jié)假日的客流主要分布在各大購(gòu)物地點(diǎn)沿線的地鐵站。4、居民分布根據(jù)用地類型的不同，同一種服務(wù)類型的地鐵站的客流變化規(guī)律類似。2.2 軌道交通分時(shí)客流特點(diǎn)城市軌道交通客流量指在時(shí)間內(nèi)城軌線的旅客流向方向和人數(shù)的總和。車站客流是城軌車站的集散客流，即進(jìn)出站的客流。例如，廣州軌道2 號(hào)線的三元里站的客流如下圖所示。300025002000150010005000三元里站15分鐘入閘客流三元里站15分鐘出閘

11、客流圖 三元里站分時(shí)客流軌道交通的線路固定，并與其它交通方式相互分離，較少受到外界的干擾，且列車運(yùn)行時(shí)間固定，這些都影響了軌道交流客流分布?？土魇且詺v史客流數(shù)據(jù)為依據(jù)的,軌道交通隨著城市交通壓力的增大而越來越復(fù)雜,客流量也隨著時(shí)間的不斷變化而變化。為了反映歷史客流的這種變化情況,得到較為準(zhǔn)確的結(jié)果,在之前,首先應(yīng)該掌握客流的時(shí)序特征及變化趨勢(shì),如:日規(guī)律、周規(guī)律、節(jié)假日規(guī)律等。對(duì)于軌道交通客流短期來說,2014/2/23 0:82014/2/23 11:112014/2/23 22:142014/2/24 9:162014/2/24 20:192014/2/25 7:212014/2/25 1

12、8:242014/2/26 5:272014/2/26 16:292014/2/27 3:322014/2/27 14:352014/2/28 1:372014/2/28 12:402014/2/28 23:422014/3/1 10:452014/3/1 21:482014/3/2 8:502014/3/2 19:532014/3/3 6:562014/3/3 17:582014/3/4 5:12014/3/4 16:42014/3/5 3:62014/3/5 14:92014/3/6 1:11歷史客流量的數(shù)據(jù)統(tǒng)計(jì)及影響分析,是有針對(duì)性地提出方案、改進(jìn)方法及得到較為準(zhǔn)確結(jié)果的前提基礎(chǔ)。通過對(duì)

13、歷史數(shù)據(jù)的分析，可以從中發(fā)現(xiàn)客流具有的特征如下：（1）周間特征。在不考慮節(jié)假日客流的情況下，客流量以一個(gè)周期，每個(gè)周期內(nèi)的客流變化規(guī)律相關(guān)。每周客流的變化趨勢(shì)和客流量大體相同，每周同一天對(duì)應(yīng)的客流相差不大?？梢?，軌道交通客流量的變化趨勢(shì)期性變化特點(diǎn)。明顯的周（2）特征。一般情況下，每周五的客流量最大，是一周客流的最，其它工作日的客流量相對(duì)較為平均，而周末的客流量最小，為該周的客流低谷。如前所述，每周的平均客流量變化不大，但具體到每周的各天其客流變化還是存在較大的波動(dòng)。（3）日內(nèi)特征。根據(jù)不同的用地類型，天內(nèi)的變化特征各不相同。對(duì)于商業(yè)用地，工作日存在明顯的早和晚。根據(jù)社會(huì)工作時(shí)間和一般存在下班

14、時(shí)間段內(nèi)。的不同，早一般存在于上班時(shí)間段內(nèi)，而晚3 數(shù)據(jù)的預(yù)處理和訓(xùn)練過程簡(jiǎn)要介紹一下中使用到的方法的算法模型（Elman 神經(jīng)網(wǎng)絡(luò)）。（考慮輸入向量的組成，對(duì)于一個(gè)輸入站點(diǎn)的某一個(gè)時(shí)刻，需要列入輸入?yún)?shù)中的變量數(shù)目及變量的獲取方法）圖 客流模型訓(xùn)練及過程為較好地對(duì)成網(wǎng)條件下的客流進(jìn)行分析和，本文以時(shí)空相關(guān)性理論和神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，結(jié)合軌道交通客流的業(yè)務(wù)需要，提出一種客流時(shí)空相關(guān)性分析階段訓(xùn)練階段階段構(gòu)建訓(xùn)練向量結(jié)束時(shí)間相關(guān)性分析生成模型輸出結(jié)果空間相關(guān)性分析計(jì)算相對(duì)誤差客流數(shù)據(jù)的處理確定模型輸入?yún)?shù)確定時(shí)間Elman 網(wǎng)絡(luò)輸入并進(jìn)行訓(xùn)練開始相關(guān)性的模型。本文客流時(shí)空相關(guān)性的模型流程。其中時(shí)

15、空相關(guān)性理論分析軌道交通車站客流的時(shí)間及空間相關(guān)性并從中尋找對(duì)車站的客流影響較大的車站及時(shí)間點(diǎn)，而 Elman 神經(jīng)網(wǎng)絡(luò)模型結(jié)合客流時(shí)序變化的特點(diǎn)，比較適用于根據(jù)時(shí)間變化的問題。3.1 成網(wǎng)條件下的客流時(shí)空相關(guān)性分析（Pearson 系數(shù)的說明）3.1.1 空間相關(guān)性分析（分析車站之間的關(guān)系，通過得到的車站之間的關(guān)系在分析車站之間的客流的時(shí)間相關(guān)性）軌道交通線網(wǎng)由不同空間位置上的車站組成。每個(gè)車站的客流規(guī)律是不同的，但是部分車站的客流規(guī)律相關(guān)，例如廣州南和廣州火車站的客流。不同線路間的車站進(jìn)出規(guī)律之間的關(guān)系。同一種類型的用地的客流規(guī)律類似，對(duì)這個(gè)方面進(jìn)行考慮3.1.2 時(shí)間相關(guān)性分析通過對(duì)上述

16、的軌道交通分時(shí)客流特點(diǎn)進(jìn)行分析，可以得到每個(gè)車站的全日客流隨著日期類型的變化而發(fā)生有規(guī)律的變化，因此在車站客流時(shí)間相關(guān)性時(shí)，需要考慮兩部分的客流量，第一部分客流量為 流，第二部分客流量為上一周相同日期類型的間段前后幾個(gè)時(shí)間段的車站客流。采用 Pearson 相關(guān)系數(shù)分析方法，通過計(jì)算時(shí)間段的前幾個(gè)時(shí)間段的車站客時(shí)間段的車站客流量及時(shí)時(shí)間段和前四個(gè)時(shí)間段的車時(shí)間段前后兩個(gè)時(shí)間段站客流量、上一周時(shí)間段的車站客流量及上一周的車站客流量的相關(guān)系數(shù)，得到進(jìn)出站客流相關(guān)性，周間進(jìn)出站客流相關(guān)性。3.2 Elman 神經(jīng)網(wǎng)絡(luò)Elman 神經(jīng)網(wǎng)絡(luò)是一種典型的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)。相對(duì)于常見的靜態(tài)神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò)

17、，它基于 BP 網(wǎng)絡(luò)并通過 從而克服了 BP 網(wǎng)絡(luò)為靜態(tài)空間建模狀態(tài)使其具有動(dòng)態(tài)特性的功能，。軌道交通客流是按照時(shí)間順序排列的數(shù)字序列，這種關(guān)系難以用確定的函數(shù)或方程進(jìn)行描述。Elman 神經(jīng)網(wǎng)絡(luò)饋網(wǎng)絡(luò)的隱含層添加一個(gè)承接層以實(shí)現(xiàn)功能，從而使其能反映數(shù)據(jù)的動(dòng)態(tài)特性。當(dāng)時(shí)，為了識(shí)別動(dòng)態(tài)特征，Elman 網(wǎng)絡(luò)增加了輸入向量的維數(shù)，從而導(dǎo)致了系統(tǒng)的結(jié)構(gòu)復(fù)雜化，降低了收斂速度。Elman 神經(jīng)網(wǎng)絡(luò)一般分為輸入層、隱含層、承接層和輸出層，其一般結(jié)構(gòu)姜平，陳無畏等. 基于 Elman 型回歸神經(jīng)網(wǎng)絡(luò)的客流A. 合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2008。對(duì)比 BP 神經(jīng)網(wǎng)絡(luò)，Elman 網(wǎng)絡(luò)有一個(gè)特別的隱含

18、層，稱為承接層。該層從普通的隱含層接受到信息，并通過處理后前向輸出到隱含層。網(wǎng)絡(luò)在某一時(shí)刻的輸入不僅包含當(dāng)前的輸入值，同時(shí)包含承接層的輸入值，而承接層的輸入值為前一時(shí)刻隱含層的輸出值。因?yàn)樗鼈冇羞@樣一種反饋連接，所以該網(wǎng)絡(luò)被訓(xùn)練后能夠識(shí)別基于時(shí)間變化的模式。承接層xc(k)W1輸出為y(k)W3x(k)輸入為u(k-1)W2輸入單元隱含層單元輸出單元圖 Elman 神經(jīng)網(wǎng)絡(luò)模型假設(shè) u(k)為 Elman 網(wǎng)絡(luò)輸入值，x(k)為隱含層的輸出值，xc(k)為承接層的輸出值，那么 Elman 神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)表達(dá)為：x(k) = f(W1xc(k) + W2(u(k 1)xc(k) = x(k 1) y(k) = g(W3x(k)(1)(2)(3)其中， W1、W2、W3分別為承接層神經(jīng)單元到隱含層神經(jīng)單元的連接權(quán)重矩陣、輸入層神經(jīng)單元到隱含層神經(jīng)單元的連接 權(quán)重矩陣、隱含層神經(jīng)單元到輸出層神經(jīng)單元的連接權(quán)重矩陣。函數(shù) f()為隱含層神經(jīng)單元的傳遞