地铁运营客流量计算模型研究-模式识别与智能系统专业论文.docx

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘 要 摘 要 地铁运营调度是指在地铁部门的工作能力范围内，以稳定的发车间隔，高效 的车辆周转来及时运送、疏散人群，最大限度地提高乘客的舒适度感受，同时也 顾及到地铁运营部门的收益。本文的研究对象是地铁短期客流预测及在此基础上 的地铁运营调度优化计算，旨在研究地铁短期客流预测方法，突破现有短期客流 预测方法的精确度。在此基础上，建立能够及时应对客流变化的地铁运营调度优 化方案。 地铁实时客流是地铁运营调度的主要影响因素之一，研究运营调度的发展使 得实时客流预测精度要求不断提高。轨道客流预测最初是从轨道所在区域内的居 民出行分布或者其他交通的客流分布着手。本文研究的地铁短期客流预测的样本 源于过去短期内的地铁客流数据。首先分析了地铁交通的特征和地铁客流的一般 变化趋势，然后经过对比基于时间序列方法、回归方法、BP 神经网络等预测方式 的优劣性，最终选择支持向量机方法建立预测模型，模型参数的确定方法选用了 能够解决具有高复杂度问题的蚁群算法，搜索出最佳模型参数。再以成都地铁一 号线的站点客流、断面客流和进站客流为例，以相对误差和均方误差为评价准则， 验证了模型的预测精度优于 BP 神经网络等其他算法。 地铁运营调度优化模型考虑了乘客感受和地铁公司利益两大方面。乘客感受 分为时间花费和拥挤程度，其中时间花费包括乘车时间，候车时间和换乘时间， 拥挤程度也转化为额外花费时间来计算。地铁公司利益的影响因素分为公司投入 和票务收入，投入部分包括车次数量，发车间隔，人员配置等。票务收入由乘车 人数和票价决定。把乘客感受和公司收益结合起来，建立合理的地铁运营调度优 化模型，模型的优化目的是在公司的工作能力范围内，最大可能地减少乘客在地 铁交通花费的时间，最大程度地满足乘客在地铁交通范围感受的舒适度，同时， 使得地铁公司的投入最小化，利润最大化。由于模型是有约束的非线性优化问题， 其中变量较多，所以采用了适应性好、效率高、鲁棒性强的遗传算法求解模型。 最后结合成都地铁一号线的运营情况，计算出调度优化后的列车发车时间。 关键词：地铁客流，客流预测，运营调度，支持向量机，遗传算法 I ABSTRACT ABSTRACT Operation scheduling of subway refers to providing trains with stable departure intervals and effective operations to transport and evacuate people in time, so as to improve the passengers’ feelings of comfort to the utmost extent within the subway departments’ scope of service ability, and to keep the gains of subway departments at the meantime. The research object of this thesis is short-term subway passenger flow forecast and the operation scheduling optimizing computation on this basis. It aims at probing into the forecast method of short-term subway passenger flow, breaking through the accuracy of the existing research result of short-term passenger flow. Based on this, t