导读:本文包含了客流预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:客流,城际,地铁,算法,卡尔,模型,铁路。
客流预测论文文献综述
马晓旦,武经纬,梁士栋,赵天羽[1]（2019）在《基于融合模型动态权值的短期客流预测方法》一文中研究指出针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻(K-Nearest Neighbor, ANN)算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。(本文来源于《交通运输研究》期刊2019年04期）
毛峰[2]（2019）在《中等城市现代有轨电车客流预测影响因素及预测方法》一文中研究指出通过对中等城市现代有轨电车客流预测影响因素进行整理,并对其预测方法进行探讨,以建立针对中等城市现代有轨电车客流预测的方法。以建立的方法对规划中的黄石市现代有轨电车的客流进行了实际预测,以待今后实践的验证。(本文来源于《城市轨道交通研究》期刊2019年S1期）
马延龙,杜晓华,李明臻[3]（2019）在《基于地铁历史数据的PCA-RF分时段客流预测方法》一文中研究指出地铁客流预测可以为轨道交通的相关决策提供辅助支持,在现代交通运输领域具有十分重要的现实意义。提出一种基于地铁历史数据的分时段客流预测方法(PCA-RF),通过对影响客流的因素进行抽取分析,从中提取有关客流的特征并用主成分分析法(PCA)赋予其不同的影响权值,随后用随机森林算法(RF)进行回归计算。通过实例对比说明PCA-RF相对于传统决策树方法具有较高的预测精度。(本文来源于《铁路技术创新》期刊2019年05期）
施玉欣,陈凌燕,梁颖怡,陈可欣,李锡钦[4]（2019）在《基于小波分解和ARIMA模型的城际铁路客流预测》一文中研究指出针对城际铁路车站客流预测问题,文章采用离散小波分析方法对城际铁路车站原始日客流量数据进行小波分解;对分解得到的各层小波系数,利用AIC赤池信息准则进行ARIMA建模;利用训练得到的ARIMA模型进行预测未来一段时间客流数据的高频分量和低频分量,并对其进行小波重构,从而得到未来一段时间的预测客流数据;最后以广珠城际铁路某车站实际客流数据为例,对文章所提出的客流预测模型和客流预测算法进行了验证。实验结果表明,文章所提方法客流预测方法具有一定的预测精度。(本文来源于《江苏科技信息》期刊2019年29期）
戴骏晨,史立凯,凌小静,韩竹斌[5]（2019）在《城际铁路客流预测研究——以滁宁城际为例》一文中研究指出城际铁路客流组成及产生机理较为复杂,进行科学建模并合理预测对规划设计及运营管理意义明显。基于传统四阶段交通建模方法,研究建立了城际铁路所涉城市一体化综合交通模型,并对各阶段进行精细化处理,包括阻抗模型的精细化校核、符合现实人口增长分布的增量人口模型、跨城职住分布模型、分人群的巢式Logit方式划分模型等。预测所得结果更符合实际,更能反映城际铁路所兼具的城际与城市交通功能。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
崔洪涛,陈晓旭,杨超,项煜,段红勇[6]（2019）在《基于深度长短期记忆网络的地铁进站客流预测》一文中研究指出提出利用多源数据(地铁刷卡数据、气候数据和节假日数据)进行数据特征构造,并采用深度长短期记忆网络(DLSTM)方法预测地铁进站客流量。以深圳北站地铁站为研究对象,选取该站3个月的地铁IC卡数据记录,前两个月的数据为训练集,后一个月的数据为测试集。介绍了数据预处理方法和DLSTM模型构建原理。试验结果表明:DLSTM模型的预测准确度随着DLSTM模型的深度增加而增高;与其它模型相比,DLSTM模型的预测精度更高。(本文来源于《城市轨道交通研究》期刊2019年09期）
魏欣[7]（2019）在《大数据在铁路交通客流预测的应用》一文中研究指出我国铁路交通正处于快速发展阶段,其站点的选择、票价定制等都需要通过客流预测确定。大数据技术为客流准确预测提供了可靠性方法。本文首先对铁路交通客流预测的重要性进行了阐述,然后对大数据在城市铁路交通客流预测中的应用进行了分析。(本文来源于《人民交通》期刊2019年09期）
胡明利[8]（2019）在《浅谈长沙地铁4~#线运营后线网客流预测与运能匹配分析》一文中研究指出轨道交通在城市客流运输中担任重要作用,长沙地铁4#线试运营后形成网络化运营模式,客流将会快速增长,基于线网客流预测,运营单位安排合适的运能,以匹配线网客流增长,才能更好为乘客提供服务。(本文来源于《黑龙江交通科技》期刊2019年08期）
吴静[9]（2019）在《城市轨道交通换乘站客流实时预测与客运组织应用与研究》一文中研究指出城市轨道交通换乘站作为交通枢纽,客流量较大,且线路较为复杂,使地铁管理机构组织客流及监测客流面临挑战。首先探讨城市轨道交通换乘站特点,并分析换乘站客流,其次,探讨换乘站客流实时预测算法,最后提出城市轨道交通换乘客运组织方法,使换乘站客流有序流动,保障客运的安全性。(本文来源于《黑龙江交通科技》期刊2019年08期）
黄益绍,韩磊[10]（2019）在《基于改进极限学习机的公交站点短时客流预测方法》一文中研究指出以公交车IC卡和GPS数据为基础,提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC卡和GPS数据在站点的特征表现和内在联系,定义了站点间距,并分析了站间距和车辆到总站距离间的联系;提出了公交乘客上车站点确定方法,进而得到公交站点上车客流量;通过分析公交客流数据特征,确定ELM输入参数维度,并采用IPSO算法找到ELM的最优隐含层节点参数;最后依托广州市19路公交车客流数据仓库进行了方法验证.结果表明:所用优化后的ELM方法预测误差在10%以内,并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析,发现改进的ELM方法拥有更高的可靠性和泛化性能.(本文来源于《交通运输系统工程与信息》期刊2019年04期）
客流预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过对中等城市现代有轨电车客流预测影响因素进行整理,并对其预测方法进行探讨,以建立针对中等城市现代有轨电车客流预测的方法。以建立的方法对规划中的黄石市现代有轨电车的客流进行了实际预测,以待今后实践的验证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
客流预测论文参考文献
[1].马晓旦,武经纬,梁士栋,赵天羽.基于融合模型动态权值的短期客流预测方法[J].交通运输研究.2019
[2].毛峰.中等城市现代有轨电车客流预测影响因素及预测方法[J].城市轨道交通研究.2019
[3].马延龙,杜晓华,李明臻.基于地铁历史数据的PCA-RF分时段客流预测方法[J].铁路技术创新.2019
[4].施玉欣,陈凌燕,梁颖怡,陈可欣,李锡钦.基于小波分解和ARIMA模型的城际铁路客流预测[J].江苏科技信息.2019
[5].戴骏晨,史立凯,凌小静,韩竹斌.城际铁路客流预测研究——以滁宁城际为例[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[6].崔洪涛,陈晓旭,杨超,项煜,段红勇.基于深度长短期记忆网络的地铁进站客流预测[J].城市轨道交通研究.2019
[7].魏欣.大数据在铁路交通客流预测的应用[J].人民交通.2019
[8].胡明利.浅谈长沙地铁4~#线运营后线网客流预测与运能匹配分析[J].黑龙江交通科技.2019
[9].吴静.城市轨道交通换乘站客流实时预测与客运组织应用与研究[J].黑龙江交通科技.2019
[10].黄益绍,韩磊.基于改进极限学习机的公交站点短时客流预测方法[J].交通运输系统工程与信息.2019
论文知识图
