城市轨道交通客流统计特征分析及组合预测方法实证研究

《城市轨道交通客流统计特征分析及组合预测方法实证研究》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、劣臻交硕士学位论文城市轨道交通客流统计特征分析及组合预测方法实证研究UrbanRailwayTrafficPassengerFlowStatisticalCharacteristicsAnalysisandEmpiricalStudyonthqCombinationForecastMethodOntlleonatlOnoreca作者：何九冉导师：四兵锋北京交通大学2013年6月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描

2、等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：街左舟签字日期：仞够年／月侈日聊签名嬷溶懈时聊签名贼谬懈时签字日期％侈年台月哕中图分类号：U231UDC：学校代码：10004密级：公开北京交通大学硕士学位论文城市轨道交通客流统计特征分析及组合预测方法实证研究UrbanRailwayTrafficPassengerFlowStatisticalCharacteristicsAnalysisandEmpiricalStudyontheCombinationForecastMe

3、thod作者姓名：何九冉导师姓名：四兵锋学号：11120860职称：副教授工程领域：理学学位级别：硕士学科专业：系统分析与集成研究方向：交通运输系统分析与集成北京交通大学2013年6月致谢时光荏苒，岁月如梭。转眼间，在北京交通大学两年的研究生生活即将结束，在这两年的生活学习中，我得到了老师、同学、朋友、亲人无私的帮助，正是他们的帮助，才使得我得以顺利完成学业。在此，向那些给了我莫大关心、支持的老师、同学、亲人致以我最真挚的感谢!本论文的完成是在我的导师四兵锋副教授的悉心指导之下完成的，从论文的选题、构思、修改、到定稿均得到了四老师悉心的教导，四兵锋老师创新的学术思想、

4、严谨的治学态度和科学的工作方法不仅在论文上给了我极大的帮助，更是为我今后走上工作岗位树立了榜样。值此论文完成之际，向四兵锋老师表示我最衷心的感谢和最诚挚的敬意。感谢杨小宝老师一直以来的指导和帮助，杨老师在毕业论文数据处理方法上的指导为本文模型的建立奠定了良好的基础；感谢高亮老师对我毕业论文相关理论上的指导和建议，高老师对此论文理论的指点帮我点明思路，使得论文顺利完成。感谢韩凌辉师兄对我论文编程及其他方面的帮助，感谢鲍月和周映雪同学一直以来的帮助和鼓励，感谢朱成娟师姐、李勃师姐、王莉师姐、王伟师兄对我论文给予的热情帮助和指导，感谢李亮、毛静、郭晓、王涛、杜浩铭、朱志红、

5、王晶、强生杰、高歌、范宏强、李远、郑力祥、刘丽英、王亚楠、张凯等师兄弟姐妹在学习和生活中的陪伴，正是有了你们的帮助和支持我的论文才得以顺利完成，在此向你们致以我最诚挚的感谢之情。感谢那些一直陪伴在我身边的朋友，他们给我的理解和支持，使得我无论在什么时候都不觉得孤单。感谢我的父母这么多年对我的养育和教导，感谢我的家人的理解和支持，这么多年的关怀和帮助使得我在学校顺利地完成学业，他们在任何时期都给我莫大的支持和鼓励，是你们的爱给我了无穷无尽前进的力量。本论文的完成得到了国家自然科学基金项目(编号：71071016)、科技部“科技支撑”项目(编号：2011BAG01801．

6、1)的支持，在此表示衷心感谢。再次向我的导师及所有关心帮助过我的老师、同学、朋友和我的家人致以衷心的感谢和最美好的祝愿!中文摘要摘要：客流预测是城市轨道交通规划设计和运营管理的基本依据，已成为城市轨道交通建设过程中的重要环节。随着我国城市轨道交通路网的不断完善，城市轨道交通客流预测的重要性也越来越明显。本文对城市轨道交通客流的统计特征及客流组合预测方法进行了研究，主要研究成果包括以下几个方面：(1)通过对城市轨道交通客流历史数据进行统计分析，得出轨道交通客流的基本统计特征。主要表现为：节假日客流的统计特征与平常日客流明显不同且不同节假日客流具有不同的统计特征；平常日客

7、流具有一定的非线性和非平稳性，并且以周为时间单位不断波动；通过对轨道交通客流进行聚类分析，可以将平常日客流分为工作日客流和周末客流两大类。(2)针对平常日客流的非线性统计特征，采用ARIMA．RBF组合模型对平常日客流进行预测。首先，通过ARIMA模型对历史客流数据进行线性拟合；然后，用RBF神经网络模型估计描述客流非线性特征的ARIMA模型的预测误差，从而弥补了只用ARIMA模型预测无法充分考虑客流序列非线性特征的不足。最后，采用实例验证，得到ARIMA．RBF组合模型、RBF模型和ARIMA模型预测平常日的日进站客流量的平均绝对百分误差分别为2．