The invention discloses a network topology characteristic construction of rail transit station passenger flow forecast model based method, which comprises the following steps: (1) import traffic data as a variable station site selection is administrative region, population density, population density, employment site belongs to poor coefficient, administrative area economy site belongs to the administrative district road density, length from the site of 1000/700/400 meters in rail transit station number, from the site of 100/200/500 meters bus station number, rail transit station to the city center distance, betweenness, clustering coefficient, degree, each site in different periods; (2) (1) for each variable in the data; (3) to (2) into the part of the data acquisition in the variables to the Poisson regression model fitting, out of the station to flow were simulated in different periods of prediction; (4) the remaining variable data to test the prediction model. The invention has high accuracy and rationality.
【技术实现步骤摘要】
基于网络拓扑特性构建轨道交通站点客流预测模型的方法
本专利技术涉及轨道交通站点客流预测
,尤其涉及一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法。
技术介绍
随着社会经济的发展,社会汽车保有量逐年上升,道路资源的有限性以及使用压力的逐渐增大,越来越多的城市开始选择发展大运量公共轨道交通运输方式,轨道交通运输由于具有较好的运输环境、运量大、速度快等特点,逐渐成为部分城市的运输主体。与此同时,如何准确预测轨道交通站的客流量以及站点规模成为该领域的研究热点。现阶段国内外关于轨道交通站点客流预测主要集中在模型构建方面,基于传统影响因素(经济、人口、站点周边土地利用情况、站点周边接驳设施等)引入新的影响因素构建客流预测模型。目前关于因素选择主要集中在人为因素、社会因素等两个方面,交通网络特性因素研究较为缺乏,并未有学者提出考虑轨道网络本身特征的站点客流预测方法。
技术实现思路
专利技术目的:本专利技术针对现有技术存在的问题,提供一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法,该方法充分考虑站点网络拓扑特性对自身客流吸引规模的影响,不仅能够增强站点客流预测模型的精度与准确性,还可以为新增规划轨道交通站点的规模建设提供指导意义。技术方案:本专利技术所述的基于网络拓扑特性构建轨道交通站点客流预测模型的方法包括如下步骤:(1)变量的选择:选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、 ...
【技术保护点】
一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法,其特征在于,包括如下步骤:(1)变量的选择:选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量;(2)数据提取:针对目标站点,获取步骤(1)中选择的各变量的数据;(3)泊松回归建模:将步骤(2)中获取的各变量的部分数据带入到泊松回归模型Y=exp(a0+a1x1+…+aixi+…+anxn)中拟合,分别模拟不同时段的进出站客流量预测,当泊松回归模型的拟合度大于第一预设阈值时,选择该模型;其中,Y表示站点的进出站客流量,xi表示步骤(1)中的各变量,ai表示需拟合得到的系数;(4)预测模型检验:采用步骤(3)建模时剩余的各变量的数据对步骤(3)选择的模型进行检验,若预测值与实际获取值的误差小于第二预设阈值,判定该模型为目标客流预测模型。
【技术特征摘要】
1.一种基于网络拓扑特性构建轨道交通站点客流预测模型的方法,其特征在于,包括如下步骤:(1)变量的选择:选择站点所属行政区人口密度、就业人口密度、站点所属行政区经济贫困系数、站点所属行政区道路长度密度、距站点1000/700/400米的范围内轨道交通站点数、距站点100/200/500米公交车站数、轨道交通站点到市中心距离、介数、聚集系数、度、各站点不同时段的进出站客流数据作为变量;(2)数据提取:针对目标站点,获取步骤(1)中选择的各变量的数据;(3)泊松回归建模:将步骤(2)中获取的各变量的部分数据带入到泊松回归模型Y=exp(a0+a1x1+…+aixi+…+anxn)中拟合,分别模拟不同时段的进出站客流量预测,当泊松回归模型的拟合度大于第一预设阈值时,选择该模型;其中,Y表示站点的进出站客流量,xi表示步骤(1)中的各变量,ai表示需拟合得到的系数;(4)预测模型检验:采用步骤(3)建模时剩余的各变量的数据对步骤(3)选择的模型进行检验,若预测值与实际获取值的误差小于第二预设阈值,判定该模型为目标客流预测模型。2.根据权利要求1所述的基于网络拓扑特性构建轨道交通站点客流预测模型的方法,其特征在于:步骤(2)具体包括:(2-1)通过采集站点所处行政区人口以及行政区面积获得站点周边的人口密度;(2-2)通过当地统计部门获得站点所属行政区经济贫困系数;(2-3)...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。