地鐵客流短期預測及客流疏散模擬研究.pdf

1、在地鐵客流組織與優(yōu)化研究領域，客流短期預測和行人運動模擬是其關鍵技術。雖然不少研究學者已開展了相關工作，但如何適應軌道交通業(yè)務發(fā)展需要提高客流短期預測效果，對重大事件引發(fā)的大客流進行實時預測，以及由于大客流和重大事件引發(fā)對地鐵站內不同場景進行乘客疏散模擬等問題亟待解決。
　　本研究主要內容包括：⑴提出了一種基于小波分析的支持向量機客流預測算法，首先對原始客流時間序列數據進行小波分解，然后利用最小二乘支持向量對分解得到的低頻和高頻信

2、息進行學習與預測，最后用小波合成重構低頻預測信號與高頻預測信號，得到預測客流時間序列數據。實驗采用北京市軌道交通客流數據和標準評價方法，結果表明該算法具有較好的預測效果，且優(yōu)于兩種常見的客流預測算法。⑵構建了一種基于灰色馬爾科夫的大客流實時預測算法，利用灰色預測算法對客流數據建立灰色模型，然后建立馬爾科夫修正模型，最后利用預測誤差對灰色預測結果進行修正得到大客流預測值。實驗針對多種類型的大型活動和重大節(jié)假日進行大客流實時預測，結果表明該

3、模型對真實的重大事件大客流預測效果較好。⑶建立了一種面向多向行人疏散流的向量地場模型，模擬地鐵站內行人多向行走和疏散過程。鑒于行人對于不同方向的敏感程度是不同的，該模型著重考慮方向的影響，在向量地場模型中更細致地表現在不同方向行人之間的相互影響。仿真實驗表明，該模型能較好地模擬和再現地鐵站內不同場景下多向行人之間的復雜相互作用和自組織現象。⑷由于正常情況下行人通行時表現出一種相互排斥作用，因此本文在傳統(tǒng)地場模型的基礎上，用排斥作用代替了