我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出城轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明,DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型——GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax.
2021-12-02 10:50:39
598KB
1
城市轨道交通客流预测内容与方法探讨，施泉，吴中，本文阐述了轨道交通客流预测的历史、内容、复杂性及评价标准，并对其方法进行了探讨。
2021-12-02 10:42:01
244KB
1
大数据给城市轨道交通带来什么？
•提高旅客乘车出行体验
–旅客信息，新闻与旅游信息
–旅游线路可视化
–Internet，email，chat等
–旅客意见箱
•提高轨道交通安全风险预警能力
•提升轨道交通运营指挥水平
•增强轨道交通全生命周期的应用水平
2021-11-29 14:02:41
4.05MB
1
针对列车运行调整存在约束条件多、求解难度大等问题, 结合城市轨道交通列车运行特点, 建立了优化的列车运行调整模型。在此基础上, 引入遗传算法中的杂交思想, 采用改进后的粒子群算法对此模型进行求解, 给出了求解算法的具体步骤, 并采用西安地铁2号线数据进行仿真验证。结果表明, 采用杂交粒子群算法解决列车运行调整问题是一种有效的方法, 并且其优化能力优于标准粒子群算法。
2021-11-14 20:38:02
1.15MB
1
北京交大20春《城市轨道交通信息技术》在线作业一-0008参考答案.docx
2021-10-27 11:03:08
18KB
北京交大20春《城市轨道交通信息技术》在线作业二-0006参考答案.docx
2021-10-27 11:03:07
18KB