1003005陳瑤瑤開(kāi)題報(bào)告

畢業(yè)設(shè)計(jì)（論文）開(kāi)題報(bào)告課題名稱城軌交通線路工作日客流特征分析及客流預(yù)測(cè)副標(biāo)題 以北京地鐵2號(hào)線工作日為例 系名稱 土木工程系 專業(yè) 交通運(yùn)輸 學(xué)生姓名 陳瑤瑤學(xué)號(hào)2014年03月09日一、畢業(yè)設(shè)計(jì)（論文）課題背景（含文獻(xiàn)綜述）（一）課題背景及意義在改革開(kāi)放的大背景下，我國(guó)社會(huì)經(jīng)濟(jì)的全面發(fā)展，城市化進(jìn)程的不斷加快，城市規(guī)模的不斷擴(kuò)大，城市人口的高度集中，而交通運(yùn)輸系統(tǒng)的發(fā)展速度跟不上城市的建設(shè)的步伐，交通出行量己超過(guò)城市交通設(shè)施的承載量，導(dǎo)致許多大型城市如北京、上海等地，出現(xiàn)了道路交通堵塞、空氣污染、土地資源短缺等一系列的問(wèn)題，制約著城市的發(fā)展。面對(duì)城市交通所帶來(lái)的一系列嚴(yán)峻的挑戰(zhàn)，還要走可持續(xù)發(fā)展的道路，協(xié)調(diào)發(fā)展，該采取那些措施呢？結(jié)合國(guó)外發(fā)達(dá)國(guó)家的發(fā)展經(jīng)驗(yàn)和我國(guó)自身的情況，可以得知，解決城市交通擁堵最行之有效的方法就是采用城市軌道交通的方式。城市軌道交通在城市公共交通系統(tǒng)中得到快速發(fā)展，成為解決城市擁堵等交通問(wèn)題的骨干力量。把城市軌道交通中的地鐵交通方式與常規(guī)公交方式作對(duì)比，發(fā)現(xiàn)地鐵有以下幾個(gè)特點(diǎn)：運(yùn)量大。地鐵，它的運(yùn)量是30000人/h以上，而常規(guī)公交運(yùn)量是6000人/h-9000人/h左右。速度快。地鐵的最大行駛速度是120km/h,運(yùn)輸速度是40km/h-60km/h，而常規(guī)公交的運(yùn)輸速度是20km/h-50km/h，但實(shí)際的平均時(shí)速20km/h左右（據(jù)不完全統(tǒng)計(jì)得出的數(shù)據(jù)）。準(zhǔn)點(diǎn)。由于輕軌交通一般處于封閉或半封閉狀態(tài)，不受市內(nèi)道路及其他交通方式的干擾，準(zhǔn)點(diǎn)率很高。保護(hù)環(huán)境。交通運(yùn)輸系統(tǒng)排放的廢氣是大氣污染的主要來(lái)源，而城市廢氣的主要排放源是汽車。由于城市軌道交通以電力組為動(dòng)力，對(duì)環(huán)境污染較?。煌瑫r(shí)地鐵車站和線路深埋地下，振動(dòng)時(shí)產(chǎn)生的噪音對(duì)于外界的干擾也比較小。還有安全、節(jié)約能源、空間分離等特點(diǎn)。北京地鐵2號(hào)線，是北京的一條環(huán)線地鐵，沿原北京城池內(nèi)城而建。該線全長(zhǎng)23.0km，設(shè)18座車站和1座車輛段。環(huán)行一周用時(shí)約40分鐘。全線線路東段、北段、西段的走向與北京二環(huán)路重疊，線路南段沿長(zhǎng)椿街-前門-建國(guó)門行駛。工作日2號(hào)線的日均客流量在100萬(wàn)人次左右，不過(guò)2號(hào)線上乘客的平均乘車?yán)锍潭?，早晚發(fā)車間隔短，擁擠程度相對(duì)1號(hào)線、五號(hào)線的小些。隨著城市軌道交通建設(shè)快速的發(fā)展，日益完善的網(wǎng)絡(luò)化城市軌道交通己逐漸成為我國(guó)城市公共交通的重要組成部分。隨著網(wǎng)絡(luò)中線路的增加使得客流變化更具實(shí)時(shí)性特征。根據(jù)軌道交通歷史數(shù)據(jù)，對(duì)其客流特性進(jìn)行分析，并對(duì)未來(lái)的客流作出短期預(yù)測(cè)，其預(yù)測(cè)結(jié)果，在地鐵運(yùn)營(yíng)的日常工作中具有重大意義，不僅滿足運(yùn)輸市場(chǎng)需要，還有效組織運(yùn)輸力量，達(dá)到經(jīng)濟(jì)效益和社會(huì)效益最大化。只有準(zhǔn)確把握客流特性及變化規(guī)律的前提下才能合理地配置和調(diào)度軌道交通車輛，因此，實(shí)時(shí)準(zhǔn)確的客流預(yù)測(cè)是軌道交通系統(tǒng)高效有序運(yùn)營(yíng)的重要保障。（二）文獻(xiàn)綜述研究概況目前，國(guó)內(nèi)外非常重視對(duì)客流預(yù)測(cè)技術(shù)的研究，但利用歷史客流數(shù)據(jù)，對(duì)軌道交通短期客流預(yù)測(cè)的研究卻相對(duì)較少，大多借鑒道路交通、常規(guī)公交、鐵路客流預(yù)測(cè)的成果，再加上短期內(nèi)軌道交通客流的信息變化較大，影響因素較多，使得現(xiàn)有客流預(yù)測(cè)方法難以獲得較高的預(yù)測(cè)精度。利用歷史客流數(shù)據(jù)，對(duì)軌道交通的客流從時(shí)空分布特征方面分析，并對(duì)未來(lái)客流量進(jìn)行預(yù)測(cè)。比較具有帶表性的如北京交通大學(xué)楊冉的碩士學(xué)位論文“城市軌道交通客流預(yù)測(cè)及運(yùn)營(yíng)調(diào)度方法研究”、北京交通大學(xué)史文雯的碩士學(xué)位論文“城市軌道交通短時(shí)客流預(yù)測(cè)與最優(yōu)客運(yùn)能力調(diào)配問(wèn)題的研究”、謝輝等人的“軌道交通短期客流預(yù)測(cè)方法及其算法研究”等等?？土鳜F(xiàn)狀分析2006年，西安交通大學(xué)張成的碩士學(xué)位論文《城市軌道交通客流特征分》［1］中以運(yùn)營(yíng)階段客流進(jìn)行調(diào)查的數(shù)據(jù)為基礎(chǔ)，整合了現(xiàn)有的運(yùn)營(yíng)客流分析的相關(guān)研究成果，在此基礎(chǔ)上提煉出相應(yīng)的數(shù)據(jù)分析指標(biāo)，得出運(yùn)營(yíng)階段軌道交通客流的時(shí)間分布特征和空間分布特征特點(diǎn)。2007年，沈麗萍等人發(fā)表的《城市軌道交通客流分析》⑵一文中通過(guò)對(duì)我國(guó)十幾座城市軌道交通系統(tǒng)30多條線路客流預(yù)測(cè)資料的分析，闡明了客運(yùn)量可能的發(fā)展趨勢(shì);建立了以車站、路段為單元的客流空間分布研究方法和全日客運(yùn)量時(shí)段分布研究方法；以及應(yīng)對(duì)系統(tǒng)、環(huán)境發(fā)生變化時(shí)的客流預(yù)測(cè)結(jié)果的調(diào)整方法。2010年，北京交通大學(xué)楊冉的碩士學(xué)位論文《城市軌道交通客流預(yù)測(cè)及運(yùn)營(yíng)調(diào)度方法研究》［3］一文中對(duì)實(shí)際運(yùn)營(yíng)線路客流量資料進(jìn)行分析、研究，總結(jié)城市軌道交通系統(tǒng)中的客流分布特征、了解客流時(shí)空分布規(guī)律。2011年，北京交通大學(xué)史文雯的碩士學(xué)位論文《城市軌道交通短時(shí)客流預(yù)測(cè)與最優(yōu)客運(yùn)能力調(diào)配問(wèn)題的研究》［4］中以北京城市軌道交通歷史客流數(shù)據(jù)為基礎(chǔ)，從城市軌道交通網(wǎng)絡(luò)客流的時(shí)間分布和空間分布兩個(gè)方面進(jìn)行分析，前者按照不同的時(shí)間跨度分析客流變化特征，采用的時(shí)間跨度分別是一日和一周，觀察其變化規(guī)律。后者主要從線路客流分布、各斷面客流分析和車站乘降客流上下行分布等這幾個(gè)方面來(lái)闡述?？土黝A(yù)測(cè)方法研究2005年，長(zhǎng)安大學(xué)羅小強(qiáng)的碩士學(xué)位論文《城市軌道交通客流預(yù)測(cè)分析》［9］一文中以傳統(tǒng)四階段法為基礎(chǔ)，根據(jù)我國(guó)城市軌道交通實(shí)際客流情況，對(duì)此方法加以改造、修正。分析各種不確定因素，建立了出行生成的非線性預(yù)測(cè)模型，并對(duì)其結(jié)果進(jìn)行修正。2009年蔣玉琨發(fā)表的《通往郊區(qū)的軌道交通線路客流預(yù)測(cè)方法》mi一文中針對(duì)正處于發(fā)展和建設(shè)階段并且客流量沒(méi)有準(zhǔn)確的歷史數(shù)據(jù)的郊區(qū)，采用的預(yù)測(cè)方法需要根據(jù)規(guī)劃信息，準(zhǔn)確定位郊區(qū)的功能和性質(zhì)，采用經(jīng)驗(yàn)數(shù)據(jù)合理類比得出線路的客流量。2010年，楊冉在《城市軌道交通客流預(yù)測(cè)及運(yùn)營(yíng)調(diào)度方法研究》⑶一文中首先對(duì)長(zhǎng)期客流和短期客流預(yù)測(cè)方法進(jìn)行分析和對(duì)比，指出在處理不確定因素時(shí)BP神經(jīng)網(wǎng)絡(luò)對(duì)短期客流預(yù)測(cè)的優(yōu)勢(shì)，然后通過(guò)三種客流預(yù)測(cè)方法對(duì)神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)和神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)模型進(jìn)行論證。利用數(shù)據(jù)證明，建立BP神經(jīng)網(wǎng)絡(luò)模型在軌道交通網(wǎng)絡(luò)客流預(yù)測(cè)上具有一定的推廣性。2011年，謝輝等人發(fā)表的《軌道交通短期客流預(yù)測(cè)方法及具算法研究》⑸一文中，根據(jù)軌道交通歷史客流數(shù)據(jù)，對(duì)客流特性進(jìn)行分析，利用灰色模型對(duì)城市軌道交通的客流量進(jìn)行短期預(yù)測(cè)，并且利用馬爾科夫鏈修正和改進(jìn)模型預(yù)測(cè)結(jié)果:為了實(shí)現(xiàn)客流預(yù)測(cè)的自動(dòng)化，描繪了客流預(yù)測(cè)過(guò)程的整個(gè)流程圖，并對(duì)其預(yù)測(cè)算法進(jìn)行了研究。2010年，馬超群等人發(fā)表的《城市軌道交通客流預(yù)測(cè)方法》［13］一文中針對(duì)城市軌道交通客流預(yù)測(cè)結(jié)果的可靠性，建立出行的生成-分布共生模型來(lái)預(yù)測(cè)在高峰小時(shí)時(shí)的出行發(fā)生（吸引）及分布，以綜合交通網(wǎng)絡(luò)為基礎(chǔ)提出了方式劃分與分配組合模型，并以西安地鐵3號(hào)線為例，進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：改進(jìn)后的模型能有效地進(jìn)行軌道交通客流預(yù)測(cè)。2011年，史文雯的碩士學(xué)位論文《城市軌道交通短時(shí)客流預(yù)測(cè)與最優(yōu)客運(yùn)能力調(diào)配問(wèn)題的研究》［4］一文中分析客流預(yù)測(cè)的方法，總結(jié)歸納各種預(yù)測(cè)方法的優(yōu)缺點(diǎn)和適用性?？紤]北京城市軌道交通短時(shí)客流呈非線性分布，傳統(tǒng)的數(shù)學(xué)模型不能在允許的誤差范圍內(nèi)準(zhǔn)確的預(yù)測(cè)短時(shí)客流量，所以選定神經(jīng)網(wǎng)絡(luò)模型，并且在其基礎(chǔ)上分別結(jié)合小波理論、模糊理論和支持向量機(jī)三種模型作為短時(shí)客流預(yù)測(cè)的方法。利用已處理的數(shù)據(jù)樣本，對(duì)確立的模型進(jìn)行試驗(yàn)。實(shí)驗(yàn)結(jié)果證明，預(yù)測(cè)精度最高的是小波神經(jīng)網(wǎng)絡(luò)。2011年，長(zhǎng)安大學(xué)王玉萍的博士學(xué)位論文《城市軌道交通客流預(yù)測(cè)與分析方法》［10］一文中針對(duì)軌道交通網(wǎng)絡(luò)對(duì)人口、就業(yè)空間分布的影響，引用城市人口分布引力勢(shì)能場(chǎng)概念，建立在城市軌道交通影響下的人口、就業(yè)重分布模型。2012年，北京交通大學(xué)毛靜的碩士學(xué)位論文《城市軌道交通客流短期預(yù)測(cè)方法及實(shí)證研究》B］中將RBF神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種單項(xiàng)預(yù)測(cè)方法有機(jī)的融合，構(gòu)建灰色關(guān)聯(lián)度最大化的組合模型。通過(guò)清明節(jié)的客流預(yù)測(cè)，證明組合預(yù)測(cè)模型與單項(xiàng)預(yù)測(cè)模型相比，前者客流預(yù)測(cè)的數(shù)據(jù)更加接近實(shí)際。2013年，林瑞華發(fā)表的《基于時(shí)間序列分析的軌道交通客流預(yù)測(cè)》⑺一文中以2008至2013年天津地鐵1號(hào)線客流量的數(shù)據(jù)作為樣本，通過(guò)時(shí)間序列方法，建立預(yù)測(cè)模型并對(duì)其進(jìn)行分析，對(duì)2014年的客流量作出預(yù)測(cè)。2013年，王雪梅等人發(fā)表的《城市軌道交通短時(shí)客流預(yù)測(cè)體系框架及關(guān)鍵技術(shù)》"I一文中預(yù)測(cè)站點(diǎn)和斷面短時(shí)客流，利用其短時(shí)客流預(yù)測(cè)結(jié)果反向推導(dǎo)OD矩陣；同時(shí)使用GARCH模型驗(yàn)證結(jié)果的準(zhǔn)確性，來(lái)提高短時(shí)客流預(yù)測(cè)結(jié)果的可信度。優(yōu)化調(diào)度車輛的問(wèn)題研究1994年，Zhu研究的行車間隔優(yōu)化問(wèn)題是建立在車輛的“終端排隊(duì)約束”條件下，建立非線性整數(shù)規(guī)劃模型，并給出了求解模型的啟發(fā)式算法US1994年，Erlander等人提出的公交線路發(fā)車頻率的模型，它是一個(gè)非線性規(guī)劃的模型，每條線路的發(fā)車頻率是它的決策變量，除了要優(yōu)化發(fā)車頻率以外還要考慮客流分配問(wèn)題［以。2001年，A.Ceder等人研究的是關(guān)于最大一致性的行車時(shí)刻表，建立的調(diào)度模型可以多條線路協(xié)調(diào)發(fā)車［16］。2005年，方蕾等人發(fā)表的《城市軌道交通客流與行車組織分析》［17］一文中分析了城市軌道交通客流的時(shí)空特性，根據(jù)客流動(dòng)態(tài)特征編寫了行車組織的原則。以南京地鐵南北線的歷史客流數(shù)據(jù)為例進(jìn)行預(yù)測(cè)，深度剖析客流與行車組織之間的聯(lián)系。2010年，楊冉在《城市軌道交通客流預(yù)測(cè)及運(yùn)營(yíng)調(diào)度方法研究》［3］一文中根據(jù)現(xiàn)行運(yùn)營(yíng)管理模式，全面了解分析運(yùn)營(yíng)條件和乘客的實(shí)際出行量后，以北京地鐵1號(hào)線和2號(hào)線為例編制了全日行車計(jì)劃，給出了解決客流時(shí)空不均衡性的運(yùn)營(yíng)調(diào)度方案。2011年，蔣玉寶、曾祥龍發(fā)表的《城市軌道交通行車計(jì)劃優(yōu)化》［18］一文中強(qiáng)調(diào)了城市軌道交通調(diào)度是以城市軌道交通行車計(jì)劃為基礎(chǔ)，在現(xiàn)實(shí)運(yùn)營(yíng)管理模式下，全面了解分析運(yùn)營(yíng)生產(chǎn)條件和實(shí)際客流量后，編制全日行車計(jì)劃，用于組織和指導(dǎo)城市軌道交通運(yùn)營(yíng)。2011年，胡輝發(fā)表的《不確定客流條件下軌道交通全日行車計(jì)劃的決策模擬》［19］一文中簡(jiǎn)單的介紹了編制全日行車計(jì)劃的主要內(nèi)容和基礎(chǔ)步驟，在包含不確定因素的前提條件下所編寫全日行車計(jì)劃利用CrystalBall軟件對(duì)其進(jìn)行模擬分析。評(píng)述客流預(yù)測(cè)按預(yù)測(cè)時(shí)間的長(zhǎng)短可分為長(zhǎng)期、中期和短期預(yù)測(cè)。長(zhǎng)期預(yù)測(cè)主要針對(duì)規(guī)劃建設(shè)城市軌道交通線路，主要采用以下三種方法:非基于出行分布的客流預(yù)測(cè)方法、基于出行分布的客流預(yù)測(cè)方法、三次吸引客流預(yù)測(cè)方法。由于我國(guó)的城市軌道交通網(wǎng)絡(luò)正在積極建設(shè)當(dāng)中，網(wǎng)絡(luò)中各線路客流相互影響逐步加大，長(zhǎng)期客流預(yù)測(cè)不再準(zhǔn)確反映客流的變化趨勢(shì)，而短期客流預(yù)測(cè)將更符合實(shí)際情況。短期客流預(yù)測(cè)常采用的方法主要包括時(shí)間序列預(yù)測(cè)方法、回歸分析方法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法等。這三種方法主要依靠歷史數(shù)據(jù)，構(gòu)造模型進(jìn)行預(yù)測(cè)。而本文研究的就是依據(jù)歷史數(shù)據(jù)，進(jìn)行時(shí)空特征分析，采用短期客流預(yù)測(cè)。二、 畢業(yè)設(shè)計(jì)（論文）方案介紹（主要內(nèi)容）（1） 客流現(xiàn)狀分析對(duì)實(shí)際運(yùn)營(yíng)線路客流量資料進(jìn)行分析、研究，分析城市軌道交通系統(tǒng)中客流的時(shí)間和空間分布特征，并選取2~3個(gè)區(qū)間分析其時(shí)間上的運(yùn)能運(yùn)量匹配性、選取早晚高峰2個(gè)時(shí)間段線路空間（上下行方向）上的運(yùn)能運(yùn)量匹配性。（2） 短期客流預(yù)測(cè)根據(jù)現(xiàn)狀數(shù)據(jù)，判斷早高峰最大斷面客流所在。根據(jù)該斷面的歷史數(shù)據(jù)，采用一種客流預(yù)測(cè)方法對(duì)短時(shí)間段內(nèi)的客流進(jìn)行預(yù)測(cè)。（3） 全日行車計(jì)劃根據(jù)預(yù)測(cè)的客流情況，首先確定分時(shí)最大斷面客流量、列車定員數(shù)和線路斷面滿載率，其次計(jì)算分時(shí)斷面最大客流量，然后計(jì)算分時(shí)開(kāi)行列車對(duì)數(shù)，再計(jì)算分時(shí)行車間隔并檢驗(yàn)開(kāi)行時(shí)間間隔是否滿足條件，最終制定預(yù)測(cè)日內(nèi)的全日行車計(jì)劃。三、 畢業(yè)設(shè)計(jì)（論文）的主要參考文獻(xiàn)張成.城市軌道交通客流特征分析[D][J].成都：西南交通大學(xué)碩士畢業(yè)論文，2006沈麗萍，馬瑩，高世廉.[J].城市交通,2007楊冉.城市軌道交通客流預(yù)測(cè)及運(yùn)營(yíng)調(diào)度方法研究[D].北京交通大學(xué)學(xué)位論文.2010史文雯.城市軌道交通短時(shí)客流預(yù)測(cè)與最優(yōu)客運(yùn)能力調(diào)配問(wèn)題的研究[D].北京交通大學(xué)學(xué)位論文.2011謝輝，董德存，歐冬秀，王詩(shī)薇.軌道交通短期客流預(yù)測(cè)方法及具算法研究.現(xiàn)代城市軌道交通，2011毛靜.城市軌道交通客流短期預(yù)測(cè)方法及實(shí)證研究[D].北京交通大學(xué)學(xué)位論文.2012林瑞華.基于時(shí)間序列分析的軌道交通客流預(yù)測(cè)[J].現(xiàn)代經(jīng)濟(jì)信息，2013張國(guó)寶.城市軌道交通運(yùn)營(yíng)組織[M].上?？茖W(xué)技術(shù)出版社.2006羅小強(qiáng).城市軌道交通客流預(yù)測(cè)分析[D].西安：長(zhǎng)安大學(xué)，2005王玉萍.城市軌道交通客流預(yù)測(cè)與分析方法[D].西安：長(zhǎng)安大學(xué)，2011蔣玉琨.通往郊區(qū)的軌道交通線路客流預(yù)測(cè)方法[J].都市快軌交通，2009王雪梅，張寧，張?jiān)讫?城市軌道交通短時(shí)客流預(yù)測(cè)體系框架及關(guān)鍵技術(shù)[J].交通運(yùn)輸工程與信息學(xué)報(bào)，2013馬超群，陳寬民，王玉萍.城市軌道交通客流預(yù)測(cè)方法[J].長(zhǎng)安大學(xué)學(xué)報(bào)：自然科學(xué)版,2010ZhuW.Tripfrequencyschedulingforterminalqueuingrouters[J].Proceedingsof7thIFAC/IFORSSymposiumonTransportationSystem,1994ErlanderS,ScheeleS.Amathematicalprogrammingmodelforbustrafficinanetwork.TransportationandTrafficTheory1994Ceder A,GolanyB,TalO.Creatingbustimetablewithmaximalsynchronization[J].TransportationResearchPartA,2001方蕾，龐志顯.城市軌道交通客流與行車組織分析[J].城市軌道交通研究，2005蔣玉寶，曾祥龍.城市軌道交通行車計(jì)劃優(yōu)化[J].民營(yíng)科技，2011胡輝.不確定客流條件下軌道交通全日行車計(jì)劃的決策模擬[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2011劉遷.國(guó)內(nèi)城市快速軌道交通客流預(yù)測(cè)的分析.地鐵與輕軌.1997何靜.城市軌道交通運(yùn)營(yíng)管理〔M].北京:中國(guó)鐵道出版社，，2007謝海紅，羅江浩，賈元華.交通項(xiàng)目評(píng)估與管理.北京：人民交通出版社，2009VuchicVR.Transitoperationmanual[M].DepartmentofCivilandUrbanEngineering,UniversityPennsylvania,1976DONGJingrong.ResearchontheTechniqueofNonlinearCombinationModelinandForecastingBasedonFuzzyInferenceSystem[J].ControlTheoryandApplications.2001.JGDeGooijer,RobJHyndman.25yearsoftimeseriesforecasting[J].InternationalJournalofForecasting,2006StefanoF.Tonellato.Amultivariatetimeseriesmodelfortheanalysisandpredictionofcarbonmonoxideatmosphericconcentrations[J].AppliedStatistics,2001BoXu,OuriWolfson:Time-SeriesPredictionwithApplicationstoTrafficandMovingObjectsDatabases[C].Proceedingsofthe3rdACMinternationalworkshoponDataEng.forWirelessandMobileAccess,SanDiego:USA,2003YYang,HZou.Combiningtimeseriesmodelsforforecasting[J].In