搜索到3632篇“ 客流预测“的相关文章
- 一种基于线路客流预测数据的车站分级方法及系统
- 本发明公开一种基于线路客流预测数据的车站分级方法及系统，该方法包括：获取线路客流预测数据，根据所述线路客流预测数据计算车站运输能力分级系数，根据所述车站运输能力分级系数计算线路运输能力分级系数；根据所述线路客流预测数据计...
- 徐成永黄力平张彦于德涌赵芫李彬巫江李光袁尊高灵芝彭彦彬龙丹
- 一种基于CS优化复合神经网络的客流预测方法
- 本发明涉及交通客流预测技术领域，且公开了一种基于CS优化复合神经网络的客流预测方法，包括获取某一地铁线路四个站段的客流信息数据，预处理后划分得到训练数据集和测试数据集，建立LRT‑XGB复合神经网络，输入训练样本数据训练...
- 王少锋龚国涛刘雅蕾钱海斌李正根王煜军
- 面向特殊事件的道路客运线路客流预测方法及系统
- 本发明公开了面向特殊事件的客运枢纽客流预测方法及系统，涉及信息化技术领域。本发明通过筛选整合事件属性数据、历史客流数据、天气数据等多源异构数据，系统地提取出关键性特征，更加全面地了解影响客流变化的各种因素，为预测模型提供...
- 邓天民傅新华苟宇霆程鑫鑫姚枫奕余洋
- 基于GM(1,1)修正模型的轨道交通长期客流预测
- 2025年
- 目的准确预测轨道交通长期客流对轨道交通运输管理、规划及建设进行指导.方法以新乡市为例,对该市2007—2022年铁路客流进行统计、分析,建立GM(1,1)灰度模型进行客流量预测.考虑到新冠疫情的影响,将原始数据进行分类分析.分别针对包含疫情数据与剔除疫情数据的客流信息建立GM(1,1)灰色模型进行客流预测,并对剔除疫情数据的模型预测结果进行两次残差修正,得出预测结果,最后通过残差检验及后验差检验对各模型预测结果进行精度校验.结果实验证明由于GM(1,1)灰度模型的线性特征,疫情影响下的数据波动影响到模型预测,而剔除疫情影响年份的数列在模型中平均预测精度达96.59%,经过二次修正后预测精度提高0.29%,具有较好的预测效果.结论该模型对轨道列车长期客流预测有较好的适应性,能够为轨道交通建设提供一定的交通需求分析依据.
- 王雅慧潘灿林张腾
- 基于多分支ResCovLSTM的城市轨道交通短时客流预测模型
- 2025年
- 随着城市化进程的加速,城市轨道交通客流预测对于提高运营效率和服务质量愈发重要。然而,现有模型在处理大规模、多维度数据时面临预测精度不足和计算复杂度高的挑战。为解决该问题,文章提出一种基于多分支ResCovLSTM的深度学习模型,创新性地设计4个独立分支,分别处理天气与空气质量、流入量、流出量以及网络拓扑结构等关键因素。通过融合残差网络、CovLSTM和卷积注意力等模块,有效提升预测精度和模型泛化能力。实验结果表明,该模型在单步和多步预测中均表现出色,显著降低预测误差。以WMAPE为例,模型在单步预测中的WMAPE仅为8.625 1%,相比次优模型降低0.16%,证明模型的有效性和优越性。
- 刘燕李恒如谷卫
- 关键词：城市轨道交通多步预测
- 一种基于节假日客流趋势相似性的城际客流预测方法
- 本发明公开了一种基于节假日客流趋势相似性的城际客流预测方法，涉及城际客流预测领域。首先，通过数据采集获得城际客流数据，并计算趋势特征矩阵，将趋势特征矩阵与城际客流数据融合得到初始训练数据；其次，利用初始训练数据获取未来预...
- 王炜周起豪于维杰赵德赵扬震孙浩楠
- 地铁站客流预测方法、装置、设备、介质及计算机程序产品
- 本发明公开了一种地铁站客流预测方法、装置、设备、介质及计算机程序产品，所述方法包括：获取地铁站的客流时序数据并分解，得到多个模态分量和一个残差序列；将模态分量输入预测模型，得到第一预测结果；对残差序列进行白噪声检验，若残...
- 凌美宁邵利明骆明明甘江婷肖天培吴蔚管海霞赵斌秦依程麒霏谢秋燕
- 基于时空特征的轨道交通站点短时客流预测方法及系统
- 本发明公开了一种基于时空特征的轨道交通站点短时客流预测方法及系统，包括：将地铁网络的拓扑进行图表示，对历史客流数据进行预处理构建客流特征矩阵；构建短时客流预测模型，将历史客流数据的客流特征矩阵以及邻接矩阵作为模型输入；通...
- 贺钰昕洪伟航王浩罗钦潘伟健汪小勇周珺莫义弘陈菁菁李伟
- 一种基于多维特征集成学习的轨道交通网络客流预测方法
- 本发明公开了一种基于多维特征集成学习的轨道交通网络客流预测方法，包括：获取地铁AFC系统采集的原始客流数据，进行数据清洗并提取地铁客流分布特征；获取地铁客流环境特征，包括气候及日期特征、站点属性特征和站间邻接特征，对上述...
- 曾政伏筱堃孙孜扬邓焱文徐莹珮
- 一种路网快速变化条件下的城市轨道交通客流预测方法
- 一种路网快速变化条件下的城市轨道交通客流预测方法，本发明面向小规模、路网结构快速变化的城市轨道交通网络，建立历史日客流模式，提取预测日关键信息，通过计算预测日与历史日的路网条件、日期属性、大型活动情况、星期类型、季节、天...
- 张长华
相关作者
- 姚恩建
- 作品数：139被引量：540H指数：14
- 供职机构：北京交通大学交通运输学院
- 研究主题：城市轨道交通 客流 城市交通 客流预测 电动汽车
- 张宁
- 作品数：553被引量：1,440H指数：19
- 供职机构：东南大学
- 研究主题：城市轨道交通 轨道交通 自动售检票系统 客流 AFC系统
- 马超群
- 作品数：130被引量：873H指数：17
- 供职机构：长安大学
- 研究主题：轨道交通 城市轨道交通 交通工程 客流预测 客流
- 许心越
- 作品数：94被引量：171H指数：8
- 供职机构：北京交通大学交通运输学院
- 研究主题：城市轨道交通 客流 乘客 车站 客流预测
- 杨立兴
- 作品数：106被引量：104H指数：6
- 供职机构：北京交通大学
- 研究主题：客流 列车 城市轨道交通 列车运行图 客流预测
