简介:摘要: 城市轨道交通是城市交通的重要组成部分。城市轨道交通因其运量大、准时、速度快、方便快捷、环保、经济,成为居民出行的主要方式之一。目前,城市轨道交通运营的总发展趋势呈现出网络结构复杂,客运运量大,突发事件传播快、影响大等发展态势,因此有必要对地铁进行客流量的预测研究,做好预案,减少突发事件,提高运营效率。城市轨道交通进站客流量序列具有非线性、随机性、高噪声等特点,传统的数值分析方法难以保证客流预测的准确性,因此,本文引入了机器学习的方法,采用长短时记忆神经网络(LSTM,Long Short-Term Memory)可以有效处理上述数据特性。实验结果显示,LSTM模型的进站客流预测值与实际值具有较好的一致性,验证了所提方案的可行性。
简介:摘要:城市轨道交通在极大程度上解决了居民出行难题,同时也尽可能避免了城市道路拥堵现象的发生,在城市建设中发挥着举足轻重的作用。地铁轨道交通一般都把城市各大集散点联系在一起,客运站,商圈和机场是客流人员广泛集聚的场所,一旦这类场所客流集聚量大,势必给人们正常出行造成严重影响。所以,为了解决客流组织中存在的问题,就需要采取有效的手段来为轨道交通畅通运营提供保证。在这样的背景下,研究城市轨道交通换乘枢纽和乘客行为特点就显得非常有必要,这不仅可以为提高整个城市的服务水平打下良好的基础,同时也能够有效提升城市交通资源的利用效率。本文将阐述城市轨道交通换乘枢纽特点,分析客流疏导影响因素,在此基础上提出了客流疏导的方法。