论文部分内容阅读
近年来,随着经济的快速发展,居民的出行方式逐渐多样化。我国人口基数大,城市车辆拥有量逐年增加,城市规模也在逐渐扩大等诸多因素使得交通拥堵成为困扰我国大多数城市的一个主要问题。解决交通问题的关键就是要加大力度建设运量大、速度快且占地面积少的城市轨道交通,但城市轨道交通的建设耗费资金大、具有很强的综合性且一旦建成很难再改变,然而城市轨道交通的路网规划和建设布局取决于客流的数量,因此科学合理的对客流量进行预测成为重中之重。在短期客流预测方法方面,首先对时间序列法、灰色模型和神经网络模型进行概述,然后分析传统灰色模型在初始值设定方面的不足,即传统灰色模型中初始值的确定方法是假设拟合曲线通过已知数据序列中的第一点,但已知数据序列中的任何一点作为拟合点都有可能是拟合精度最高的点。对此,结合Matlab和SPSS软件将已知数据序列中的所有点分别作为灰色模型拟合曲线的拟合点进行拟合,由拟合精度较高的两个拟合点共同决定未来年客流量的预测值,最后建立基于时间序列模型、改进灰色模型和Elman神经网络模型的组合模型。以重庆市轨道交通2号线自运营以来历年年客流量数据为例,分别对改进的灰色模型和组合模型的有效性进行了验证。结果表明,与传统灰色模型相比,改进灰色模型的拟合值与实际值的平均绝对误差降低了9%,组合模型的预测值与实际值的平均绝对误差比单一使用改进的灰色模型降低了61.4%,比单一使用时间序列模型降低了76.6%。同时用组合模型预测了重庆轨道交通2号线路未来年的客流量。在长期客流预测方法方面,重点对四阶段法中四个阶段的常用模型分别进行分析。在出行生成阶段,最常用的是函数模型法中的线性回归模型,文章针对其在模型建立过程中自变量选择上的不足做出改进,结合SPSS软件对所选自变量的相关性进行分析,排除掉相关性较高的自变量,并引入可达性作为模型的自变量;在出行分布阶段,如果只用重力模型进行预测得出的结果不能保证发生、吸引交通量与各个小区间的交通量之和一致,因此,文章使用重力模型与增长率法结合对各小区的发生吸引量值进行修正,并在重力模型中引入对数和复合阻抗函数;在交通方式划分阶段,针对Logit各交通方式的选择概率只与各交通方式的效用差有关的缺点,文章对Logit模型的效用函数做出改进。并分别用实例验证了以上改进模型的有效性。最后结合客流转移理论和三次吸引法建立了转移客流量预测模型,对兰州市新建城市轨道交通未来年的转移客流量进行预测分析。