城市轨道交通出行分布预测模型及实证研究

《城市轨道交通出行分布预测模型及实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、城市轨道交通出行（申请理学硕士学位论文）分布预测模型及实证城市轨道交通出行分布预测模研究型及实证研究姚东梅培养单位：理学院武学科专业：应用数学汉理研究生：姚东梅工大学指导老师：江登英副教授2014年12月万方数据分类号密级UDC学校代码10497学位论文题目城市轨道交通出行分布预测模型及实证研究英文TheResearchonModelsofTrafficDistributionPrediction题目andEmpiricalResearchofUrbanRailTraffic研究生姓名姚东梅姓名江登英职称副教授学位博士指导教师单位名称理学院邮编430070申请学位级别

2、硕士学科专业名称应用数学论文提交日期2014年10月论文答辩日期2014年12月学位授予单位武汉理工大学学位授予日期答辩委员会主席评阅人2014年12月万方数据独创性声明本人声明，所呈交的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。尽我所知，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，也不包含为获得武汉理工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了谢意。签名：日期：学位论文使用授权书本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有

3、权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人承诺所提交的学位论文（含电子学位论文）为答辩后经修改的最终定稿学位论文，并授权武汉理工大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息服务。（保密的论文在解密后应遵守此规定）研究生（签名）：导师（签名）：日期：万方数据摘要近年来，中国的社会经济发生了巨大的变化，城市化的进程迅速推进。由于城市人口的增加以及汽车化以前所未有的速度推进，交通阻

4、塞、环境污染、交通事故等问题与日剧增。城市轨道交通由于其自身的优点，被大多数国家认为是解决城市交通问题的根本出路。城市轨道交通建设前期的研究是比较重要的，而客流出行分布预测又是城市轨道交通前期研究工作的关键的一步，因此，预测未来的城市交通需求情况很重要。为提高客流预测的准确度，本文主要的研究工作如下：（1）在大量阅读有关文献的基础上，本文对目前国内外关于交通出行分布预测的研究现状进行了介绍。分析了城市轨道交通客流的形成、客流特征及客流规模的影响因素，介绍了城市轨道交通客流预测的主要内容及其复杂性。提出了对客流影响因素进行分类分析。（2）本文对传统的交通出行分布预测模型

5、，即：重力模型、增长系数模型和熵模型进行了系统的阐述，并分析了各交通出行分布模型的优缺点及其适用范围。（3）基于交通出行分布对于交通规划以及城市发展的重要性，我们应该对预测结果提出更高的要求。为了提高预测数据的精确度，提出了基于组合模型的城市轨道交通客流出行分布预测模型，对于影响城市轨道交通客流的外部因素和内部因素分别进行分析，把系统平衡模型和票价弹性系数结合在一起，克服了单一模型的缺点。并以武汉地铁2号线为例进行了实例分析。关键词：城市轨道交通；客流量；出行分布预测I万方数据AbstractInrecentyears,greatchangeshavetakenpla

6、ceinthesocialandeconomicofourcountry.Theurbanizationprocessisaccelerated.Becauseoftheriseintheurbanpopulationandcarsaregrowingatanunprecedentedpace,whatfollowedwastheensuingtrafficcongestion,environmentalpollution,trafficaccidentandotherissues.Becauseofitsownadvantages,Urbanrailtransiti

7、sconsideredthefundamentalwaytosolvetheproblemofurbantrafficbytheword.Urbanrailtransitisabigprojectofcityinfrastructureconstruction.Soitisparticularimportantinthepreliminarystudy.Thepassengerflowforecastisthekeyofthepreliminarystudy.Itisthereforeveryimportanttopredictthetrafficv