基于BP神经网络的地铁车厢拥挤度预测方法*
2019-01-21方晨晨周继彪王依婷陈莎雯
交通信息与安全 2018年6期
关键词:模型
方晨晨 周继彪 董 升 王依婷 陈莎雯
(1.武汉理工大学交通学院 武汉 430063;2.宁波工程学院建筑与交通工程学院 浙江宁波 315211; 3.同济大学交通运输工程学院 上海 201804)
0 引 言
地铁车厢拥挤度是反映城市轨道交通线网运行是否合理和服务质量优劣的重要指标,反映了地铁车站内实际承载客流和设计负荷之间的关系[1-3]。对地铁车厢拥挤度进行科学预测,一方面可以反映地铁车厢内的实际拥挤状态,避免客流高度集聚而发生踩踏现象;另一方面为城市轨道交通线路实行局部封站、限流等措施提供依据,因此,地铁车厢内拥挤度的预测对于实时调度和限流管控等具有重要意义。
准确、可靠的乘客拥挤度预测是轨道交通客流控制的前提和关键,是公共交通领域的热点研究内容之一[4-8]。预测结果可用于支持轨道交通运输系统管理,如轨道交通运营规划、车站内乘客监管规划和收益管理。目前客流预测方法主要包括宏观客流量预测法和微观客流量预测法[9-10]。在宏观客流量预测方面,主要方法有四阶段法、土地利用法、交通特征模型法等。此类方法的主要内容包括出行生成、出行分布、交通方式划分和交通分配等4个阶段,在工程项目领域发挥了巨大的作用,为管理部门提供了一定的科学数据。在微观客流预测方面,主要包括线性预测方法和非线性预测方法。其中,线性预测方法主要针对历史客流数据,在时间序列上进行客流平滑和预测。该种方法建模简单,但精度相对偏低。……
登录APP查看全文
