城市轨道交通客流预测
《2024年城市轨道交通客流预测与分析方法》范文
《城市轨道交通客流预测与分析方法》篇一一、引言随着城市化进程的加速，城市轨道交通作为城市公共交通的重要组成部分，其客流预测与分析显得尤为重要。
准确预测轨道交通客流量，不仅有助于城市交通规划的制定，还能为城市交通运营管理提供科学依据。
本文将详细介绍城市轨道交通客流预测与分析的方法，以期为相关领域的研究与实践提供参考。
二、城市轨道交通客流预测方法1. 历史数据法历史数据法是利用历史客流数据，通过统计分析方法，建立客流预测模型。
该方法主要包括时间序列分析、回归分析和灰色预测等方法。
时间序列分析通过分析历史客流数据的时序变化规律，预测未来客流量；回归分析则通过分析影响客流量的因素，建立回归模型，预测未来客流量；灰色预测则是一种基于灰色系统的预测方法，适用于数据量少、不确定性大的情况。
2. 智能算法法随着人工智能技术的发展，智能算法在城市轨道交通客流预测中得到了广泛应用。
其中，神经网络、支持向量机、深度学习等算法在客流预测中表现出较好的效果。
这些算法可以通过学习历史客流数据，自动提取数据中的特征，建立预测模型，实现客流量的准确预测。
三、城市轨道交通客流分析方法1. 客流特征分析客流特征分析是对轨道交通客流的时空分布、客流组成、客流波动等进行深入分析。
通过分析不同时间段、不同区段的客流特征，可以了解城市轨道交通的运营状况，为运营管理和线路规划提供依据。
2. 客流与城市发展关系分析客流与城市发展关系分析是通过分析城市人口、经济、就业、土地利用等与客流的关系，揭示城市轨道交通客流的内在规律。
通过分析城市发展对轨道交通客流的影响，可以为城市规划和交通规划提供参考。
四、实例分析以某大城市轨道交通为例，采用历史数据法和智能算法法进行客流预测。
首先，收集该城市轨道交通的历史客流数据，包括日客流量、时段分布、节假日客流量等。
然后，利用时间序列分析、回归分析和神经网络等方法建立预测模型，对未来一段时间内的客流量进行预测。
同时，结合客流特征分析和客流与城市发展关系分析，了解该城市轨道交通的运营状况和未来发展趋势。
城市轨道交通客流预测与分析方法
城市轨道交通客流预测与分析方法城市轨道交通客流预测与分析方法随着城市人口迅速增长和经济发展，城市轨道交通成为城市交通系统中不可或缺的一部分。
如何准确预测和分析城市轨道交通的客流量对于优化运行、提高服务质量、缓解交通拥堵具有重要意义。
本文将介绍一些常用的城市轨道交通客流预测与分析方法。
一、时间序列分析方法时间序列分析方法是一种常见的客流预测方法，通过统计历史数据的时间序列模式，利用数学或统计学方法进行客流预测。
其中，常用的时间序列分析方法包括移动平均法、指数平滑法、ARIMA模型等。
移动平均法是一种基本的平滑方法，通过计算特定时间段内客流量的平均值，来预测未来的客流量。
指数平滑法是一种常见的加权平均方法，通过对历史数据进行指数加权平均，来达到对最近期数据更敏感的目的。
ARIMA模型是一种广泛应用于时间序列分析的方法，通过对时间序列数据进行差分处理，将非平稳时间序列转化为平稳时间序列，再结合自回归和滑动平均模型进行预测。
二、回归分析方法回归分析方法是一种通过建立依变量与自变量之间的关系模型，来进行客流预测的方法。
在城市轨道交通客流预测中，常用的回归分析方法包括线性回归、非线性回归、时序回归等。
线性回归是一种最简单的回归方法，通过建立线性关系模型，找到自变量与依变量之间的线性关系。
非线性回归是一种可以解决自变量与依变量之间非线性关系的回归方法，通过建立非线性关系模型，并通过参数估计的方法来拟合数据。
时序回归是一种结合时间序列与回归分析的方法，将时间因素作为自变量引入回归模型中，进一步提高预测的精度。
三、人工神经网络方法人工神经网络方法是一种通过模拟人脑神经元的工作原理，进行模式识别和预测的方法。
在城市轨道交通客流预测中，常用的人工神经网络方法有BP神经网络、RBF神经网络、自适应神经模糊推理系统等。
BP神经网络是一种前向反馈的神经网络，通过多层次的神经元连接和误差反向传播算法进行训练，来建立输入和输出之间的非线性映射关系。
城市轨道交通客流预测和分析
城市轨道交通客流预测和分析随着城市快速发展和人口增长，城市交通成为一个日益突出的问题。
城市轨道交通作为城市交通体系的重要组成部分，其客流预测和分析对于优化城市交通规划和提高交通效率具有重要意义。
本文将介绍城市轨道交通客流预测和分析的方法和技术，并探讨其在城市交通规划中的应用。
首先，城市轨道交通的客流预测和分析是通过对历史乘客出行数据和城市发展情况进行分析，利用统计学和数学模型等方法预测未来的客流变化趋势。
客流预测的目的是了解未来客流量的大小和分布，以便合理安排线路、编制运营计划和调整乘车服务。
客流分析则是在实际运营中对客流进行监测和分析，了解不同时间段、不同区域和不同线路的客流情况，为优化运营和提供乘车服务提供决策参考。
城市轨道交通客流预测和分析的方法多种多样，主要包括时间序列分析、回归分析、神经网络和计算智能等。
其中，时间序列分析是常用的客流预测方法，通过对历史客流数据的统计和分析，建立数学模型来预测未来客流量。
回归分析则是通过分析客流与影响因素之间的关系，建立回归模型来预测未来客流量。
神经网络和计算智能方法在模拟人类大脑的学习和决策过程方面具有优势，能够通过学习和训练来预测未来客流量。
在城市交通规划中，城市轨道交通客流预测和分析发挥着重要作用。
首先，客流预测可以为城市交通规划提供数据支持和科学决策依据。
通过预测未来客流量的大小和分布，可以合理规划线路、站点和运营计划，以满足不同时间段和不同区域的乘客需求。
其次，客流分析可以为城市交通优化提供指导和建议。
通过对客流的监测和分析，可以了解不同时间段、不同区域和不同线路的客流情况，为调整运营计划、增加车辆投放和提供乘车服务提供决策支持。
此外，城市轨道交通客流预测和分析还可以为乘客提供更好的乘车体验和服务提供支持。
通过精确预测客流量，可以提前调整运力和增加乘车服务，避免高峰时段的拥挤和堵塞。
同时，客流分析可以了解乘客出行需求和行为特点，为乘车服务的改进和优化提供依据，如设置优先座位、调整车厢布局和开展乘客行为宣传教育等。
《2024年城市轨道交通短时客流预测文献综述》范文
《城市轨道交通短时客流预测文献综述》篇一一、引言随着城市化进程的加速，城市轨道交通作为城市公共交通的重要组成部分，其运营效率和客流预测对于城市交通规划和管理具有重要意义。
短时客流预测作为城市轨道交通的重要研究方向，其准确性和实时性直接关系到轨道交通的运营安全和效率。
本文旨在综述近年来国内外关于城市轨道交通短时客流预测的研究成果，分析现有研究的优缺点，为后续研究提供参考和借鉴。
二、城市轨道交通短时客流预测的重要性城市轨道交通短时客流预测对于轨道交通运营和管理具有重要意义。
首先，准确的短时客流预测有助于调度人员合理调度列车，确保列车的准时到达和及时发车，从而提高运营效率。
其次，通过预测高峰期客流量，可以提前采取措施，如增派工作人员、增设临时站点等，以应对客流高峰，确保乘客的出行安全和舒适度。
最后，短时客流预测还有助于城市交通规划和管理部门制定科学的交通规划和管理策略，优化交通资源配置，提高城市交通的整体运行效率。
三、国内外研究现状及分析1. 国外研究现状国外学者在短时客流预测方面进行了大量研究，取得了丰硕的成果。
主要的研究方法包括基于历史数据的统计模型、基于机器学习的模型和基于深度学习的模型等。
其中，统计模型主要通过分析历史数据来建立客流与相关因素之间的联系，从而进行预测。
机器学习和深度学习模型则通过学习大量数据中的规律和模式，实现对未来客流的预测。
这些方法在国内外得到了广泛应用，并取得了较好的预测效果。
2. 国内研究现状国内学者在短时客流预测方面也进行了大量研究。
主要的研究方法包括基于时空特征的方法、基于模式识别的方法和基于数据挖掘的方法等。
其中，基于时空特征的方法通过考虑客流的空间分布和时间变化特征进行预测；基于模式识别的方法则通过识别历史数据中的模式和规律进行预测；基于数据挖掘的方法则通过分析大量数据中的关联规则和趋势进行预测。
国内学者在研究过程中还充分考虑了城市特点和交通需求等因素，为短时客流预测提供了更丰富的思路和方法。
城市轨道交通客流预测分析
城市轨道交通客流预测分析需求预测是论证城市轨道交通项目建设必要性和系统规模的重要依据。
与一般的城市交通需求预测工作相比，城市轨道交通系统需求预测具有明显的轨道交通的特点，交通需求的端点效应明显，需要考虑的延伸研究更多，问题也更加复杂。
本节系统分析了城市轨道交通需求预测的主要内容和程序，介绍了一般城市轨道交通系统预测的方法，结合实例研究了城市轨道交通需求预测的具体做法。
在需求预测工作中经常涉及的三个概念是运输需求、运输供给与运输量。
换言之，运输需求是由所在地区社会经济活动决定的，具有原发性。
运输供给是特定地区在长期发展过程中形成的由多种运输方式构成的、具有特定时间与空间特征的、行为复杂的联合体。
运输量可以描述为一种被实现的运输需求。
当运输供给能够充分满足运输需求时，运输量与运输需求相同。
在大多数情况下，运输需求、运输供给与运输量具有不同属性。
需求体现的是被运输方的需要及其特征，供给需要体现运营商的特性。
在资源有限的城市地区，需求往往难以得到完全满足，从而产生了交通需求管理。
一、城市轨道交通客流预测工作的特点客流预测是确定项目涉及的各部分的建设规模、设计合理的运营模式，准确把握预期运营效益的基础，客流预测结果的可靠与否直接关系到城市轨道交通的建设投资、运营效率和经济效益。
轨道交通客流预测与一般城市交通项目的客流预测相比，具有一系列不同的地方。
深刻理解这些差异是做好客流预测工作的前提。
轨道交通的客流预测的特点主要体现在以下5个方面。
（1）客流预测工作所要求的客流特征内涵多，它们对后续的工程设计与可行性论证具有重要作用。
一些预测工作过于粗糙，对客流特征内涵的分析不足，难以指导相关工作，如行车交路设计和项目运营的经济性研究的开展。
（2）作为一种公交出行方式，轨道交通的最显著特征是准时性，因此，线网的规模对客流成长有着巨大的影响。
换言之，网络规模对某线路的客流可能具有倍增效果，即轨道交通网络所覆盖的区域比其他传统出行方式所意味的吸引范围有显著不同。
城市轨道交通客流预测与优化
城市轨道交通客流预测与优化随着城市的不断发展和人口的增长，城市轨道交通已经成为我们日常生活不可或缺的一部分。
而对于城市轨道交通而言，客流预测和优化显得至关重要。
一、城市轨道交通客流预测的重要性城市轨道交通是城市重要的公共交通系统之一，更是城市快速发展的重要燃料。
随着城市化进程的加速，城市的人口和经济快速增长，城市轨道交通的发展也日渐成熟。
作为现代都市公共交通的主力军，城市轨道交通的运行状态直接关系到整个城市公共交通的服务质量以及市民的生活品质，因此，对于城市轨道交通而言，客流预测的重要性不言而喻。
城市轨道交通客流预测，是指通过对历史和当前数据的分析，利用预测模型预测未来轨道交通的客流量，以便更好地制定交通运力的配备计划，优化线路、车站等的设置和管理，使城市轨道交通在日常运营时更高效率、更智能化。
为了实现城市轨道交通客流预测，首先需要收集大量的数据，比如旅客出行时间、数量、地点等。
在此基础上，结合历史数据和实时交通信息，搭建预测模型，利用机器学习、数据挖掘等技术手段，对未来的客流量进行预测，并制定相应的客流管理策略。
二、城市轨道交通客流预测的挑战城市轨道交通客流预测面临的挑战主要有两个方面：1、数据收集难度大城市轨道交通涉及多个维度的数据，如乘客数量、车站通行能力、线路负荷等，其中涉及的数据量巨大，数据处理复杂。
同时，在数据收集的过程中，还需要解决隐私保护等问题，这都增加了数据收集的难度。
2、不确定性高城市轨道交通涉及到多个因素的影响，如天气、活动、交通事故等，这些都会对客流量产生影响，因此，预测结果存在不确定性。
同时，由于轨道交通系统的运行状态与外部环境存在多种因素的交互作用，预测结果也容易受到系统性偏差的影响。
针对这些问题，我们可以通过建立规范、完整、高效的数据收集和处理机制，利用机器学习和数据挖掘等技术，加强预测模型的建立和优化，提高预测准确性。
三、城市轨道交通客流预测的应用城市轨道交通客流预测的应用主要有三个方面：1、优化公交运行计划预测未来客流量可以提前调整线路、车站、换乘站等公交设施的布局，因此可以更好地保障出行效率，提高公交服务的质量，减少旅客拥堵等不良现象。
城市轨道交通客流量预测
城市轨道交通客流量预测咱来说说城市轨道交通客流量预测这事儿。
我记得有一次，我坐地铁去一个特别热闹的商业区。
那时候正好是周末，我本以为人不会太多，结果一进站，好家伙，那场面简直了！站台上满满当当都是人，我连个落脚的地方都难找。
这就让我想到了城市轨道交通客流量预测的重要性。
你想啊，如果能提前准确地预测客流量，地铁运营部门就能提前做好准备，增加列车的班次，调整运营时间，让咱们这些乘客能更舒服、更快捷地出行。
要做好客流量预测，可不是一件简单的事儿。
得考虑好多因素呢！比如说时间，工作日和节假日的客流量肯定不一样，早上上班高峰和晚上下班高峰那更是差别大了去了。
还有天气，下雨天大家可能更愿意坐地铁，晴天可能有些人就选择骑共享单车或者走路了。
再比如站点周边的情况。
要是某个站点附近有大型商场、学校或者医院，那客流量肯定少不了。
就像我去的那个商业区的站点，平时人就不少，一到周末或者节假日，那简直就是人山人海。
还有举办大型活动的时候，比如演唱会、体育比赛，那客流量会在短时间内急剧增加。
这要是没提前预测好，到时候地铁里挤得不行，大家都得抱怨。
另外，不同的季节也会有影响。
夏天太热，冬天太冷，大家可能更愿意选择地铁出行。
为了能准确预测客流量，现在有很多高科技手段。
像利用大数据分析，把各种相关的数据整合起来，进行计算和分析。
还有智能监测系统，可以实时监测各个站点的人流情况。
不过，就算有了这些技术，也不能保证百分之百准确。
毕竟人的行为有时候很难预测，说不定哪天突然就冒出个热门事件，吸引了大批人涌向某个地方。
但不管怎么说，城市轨道交通客流量预测是非常重要的。
它能让地铁运营更加高效，让我们的出行更加便捷。
希望以后的预测技术能越来越厉害，让咱们坐地铁的时候不再那么拥挤，都能有个好心情！就像我那次的经历，如果提前能知道那个商业区的站点会有那么多人，我可能就会早点出门，或者选择其他的出行方式，也不至于在地铁站里被挤得晕头转向啦！。
《2024年城市轨道交通短时客流预测文献综述》范文
《城市轨道交通短时客流预测文献综述》篇一一、引言随着城市化进程的加快，城市轨道交通作为解决城市交通拥堵和促进城市经济发展的重要手段，其短时客流预测问题逐渐成为研究的热点。
本文旨在全面梳理和分析国内外关于城市轨道交通短时客流预测的文献，为相关领域的研究者和从业人员提供有价值的参考。
二、国内外研究现状（一）国内研究现状在国内，针对城市轨道交通短时客流预测的研究日益丰富。
研究主要集中在对各种预测方法的探索和应用，如时间序列分析、神经网络模型、支持向量机等。
这些方法通过采集和处理城市轨道交通的客流数据，建立数学模型，实现对未来短时客流的预测。
同时，考虑到实际运营中的多种因素，如天气、节假日、突发事件等，许多学者对这些影响因素进行了深入的分析，并将其纳入预测模型中，提高了预测的准确性。
（二）国外研究现状在国外，城市轨道交通短时客流预测的研究同样受到广泛关注。
国外学者在研究方法上更加注重多源数据的融合和模型的优化。
例如，利用大数据技术整合社交媒体、GPS数据等，对客流进行更为精确的预测。
同时，国外研究更加强调实时性，即在短时间内的客流预测更为精确。
此外，对于城市交通系统的多模式整合、以及与土地使用和公共交通规划的关系等方面也进行了深入研究。
三、常用预测方法及其优缺点（一）时间序列分析时间序列分析是城市轨道交通短时客流预测中常用的方法之一。
该方法通过分析历史客流数据，建立时间序列模型，对未来客流进行预测。
其优点在于简单易行，适用于短期内的客流预测。
然而，该方法对于复杂多变的外部环境和多种影响因素的考虑不足，可能导致预测精度不高。
（二）神经网络模型神经网络模型在城市轨道交通短时客流预测中具有较好的应用效果。
该模型能够通过学习和训练，自动提取数据中的特征和规律，实现对未来客流的预测。
其优点在于能够处理非线性、高维度的数据，具有较高的预测精度。
然而，神经网络模型的训练需要大量的数据和时间，且对于模型的参数调整和优化较为复杂。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
南京地铁1号线
8
9
轨道交通客流预测特点
城市轨道交通同时具有铁路运输与城市交通的某些 特点 但又不同于铁路运输与城市交通
铁路运输特点？ 1.通道运输，需求规模较大 2.大容量交通（成列大容量）
城市交通特点？ 1.高峰期特征
2.网络特征----出行效率决定与更多环节
10
11
轨道交通客流预测特点
22
交通客流分配
目的：预测客流出行方式和交通网络上的流量。
将前一步交通方式划分得到的各个交通小区之间 的轨道交通量分配到未来的待选轨道交通路网方 案上去，以求路网中各轨道交通线路所承担的客 流量。
从而得到特定轨道交通路网规划方案的各站点乘 降量、断面客流量、站间OD等指标，为确定轨道 交通路网规划方案依据.
轨道交通系统规划与设置中需要做 三次重要的客流预测：
2.线路可行性研究阶段
1.线网规划阶段
2
3.项目总体 设计阶段
3
1
全网客流估算
全网分担率
拟建线路 分年度 客流预测
各站点客流详 细规划
分线需求规模 量级
4
线网规划阶段预测--以北京城市轨道规划为例
到2015年：
建成“三环、四横、五纵、 七放射”，总长561公里的轨 道交通网络的宏伟蓝图
12
城际快速轨道交通客流预测工作在我国 刚刚起步，同时，社会活动系统和交通 运输系统十分复杂，客流预测背景变化 多端，使客流预测存在一定的难度
经对近年来各城市轨道交通线路的客流 预测结果与实际运营客流统计值的比较 ，发现相差较大，并非令人满意
13
线路 实际客流量 预测年份 预测客流量
（万人/日）
全日 50.2
高峰 小时
6.58
客运强度 （万人次 /km)
1.89
客运工作量 （万人公里) 平均
运距
单向最大断面 （万人次）
全日
高峰 小时
432
8.6 15.4 1.98
70.1
9.20 2.21
634
9.0 18.9 2.45
138.3
18.06 3.41
1332
9.6 34.6 4.16
一期（2012） 27.2km 二期（2020）5.2km 远期 9.35km
轨道交通系统不协调。 预测时对票价分析不充分 对城统预测，既要如实反映现实需要，也要 充分预计城市发展空间
近期：以客流OD调查为基础 远期：以城市总体规划为引导
35
20
交通分布预测
解决的问题：
每一交通区所产生的出行量到哪个分区去了? 它所吸引的出行量又来自哪里？ 目的： 获得未来城市交通出行在空间上的分布
21
交通方式划分预测
就是预测乘客对交通方式的选择问题 （除轨道外，
还有步行、自行车和摩托车、公共汽车、小汽车
1.根据调查数据，划分现状居民出行方式 2.分析目标年在没有轨道交通方式存在时各种 出行方式的OD矩阵 3.预测目标年存在轨道交通时现状各种交通方 式向轨道交通转移的比例，从而得到目标年 轨道交通的OD矩阵。
1. 城市轨道交通系统的初期设计与建设规模直接 取决于对远景需求数量级的判断。因此，轨道交通 设计与建设标准、车站规划及布局、配套设施的设 计直接与需求量级有关。
2. 城市轨道交通直接服务于城市近郊地区，系统 设置要充分考虑高峰值的特点，包括列车编组方案 的选择，及 最小列车间隔。
3.城市轨道交通系统需求预测要考虑网络效应，方 式竞争与客流补偿并存。
18
传统的四阶段法
1
2
3
4
交通
交通
交通
交
形成
分部
方式
通
预测
预测
划分 预测
分 配
19
交通生成预测
预测区域内每一个交通小区的 交通出行产生量 交通出行吸引量
目的：获得城市在未来社会经济发展规模、 人口规模和土地利用特征下，未来城市各交 通小区可能产生和吸引到的总交通量
（万人/日）
上海3号线 26.2
2005
115
上海5号线 5.5
2005
35
北京13号线 12
2005
37.3
北京八通线 5
2005
27
天津滨海线 2.7
2006
12.7
14
二、理解：
城市轨道交通客流预测基本程 序与方法
城市轨道交通客流预测 程序
1．根据规划目的来确定预测的范围 2．收集并分析项目相关的基础数据 3．选择需求预测的方法，建立需求预测模
型 4．预测 5.对预测结果进行灵敏度分析，评价不同
方案预测结果的可信度。 6.确定推荐方案，整理数据结果并撰写相
关的技术报告
16
城市轨道交通客流预测基本方法
17
传统的四阶段法
四阶段预测法按照交通生成预测、交通分布预测、
交通方式划分预测和交通分配四阶段来分析城市现 状和未来的交通状况，是目前交通规划领域应用最 广的方法 四阶段法遵循的，是从宏观的角度把握城市居民出 行的特点，然后分阶段预测分析的思路
24
四阶段法根据发展时期、工作要求的不同，可 以分为三种模式：
模式2:现状OD—虚拟现状快速轨道— 远期快速轨道
特点：较简便、精度较模式1高、对城市结构变化 不敏感
该模式以现状OD调查为基础，将现状出行OD经方 式划分，虚拟出现状快速轨道客流，计算出站间的 OD。再根据轨道客流增长趋势，计算预测年客流 OD.由于对客流出行的现状特征的反映比较全面， 因此预测精度有所提高。由于该方法以现状OD为基 础，只适用于城市发展较为稳定的城市。
23
四阶段法根据发展时期、工作要求的不同，可 以分为三种模式：
模式1:现状公交—虚拟现状快速轨道—远期 快速轨道
特点：简便、精度较低
该模式首先假设规划轨道线网已经存在，把虚拟现 状快速作为公交系统的组成部分。构造简单数学模 型，以现状公交流量推算虚拟现状快速轨道的站点 OD，把虚拟现状快速轨道作为公交系统的一部分， 再用增长率法得到预测年的增长，分配得到线路的 客流量。该方法以现状公交为预测基础，无法考虑 城市用地、交通设施、出行结构的变化，因此精度 较低。
城市轨道交通客流预测
前言
“是否需要加快发展，首要条件就是要进
行客流预测：到底客流量有多大？需不需要 修建地铁？建地铁还是建轻轨？”
----施仲衡院士
“客流预测工作非常艰巨、复杂、漫长、枯 燥，且（在城市快速发展的时代条件下）处 在剧烈的变动期”
---北京交通发展研究中心主任，郭继孚
2
了解：城市轨道交通客流 预测的特点
轨道交通日客运量从现在 220万人次增加到800万人次 以上，占公共交通客运量 50%，承担总出行比例由6% 上升到23%。
实现三环以内平均步行一公里， 即可到达地铁站的目标
5
武汉地铁2号线
6
2号线需求预测：35km/h ,3-5min
预测 年限
2015 2022 2037
全日总客流 （万人次）
25
四阶段法根据发展时期、工作要求的不同，可 以分为三种模式：
模式3:现状OD—出行需求预测—远期 快速轨道
特点：全面、准确、费时
该模式以OD调查为基础，进行各规划年份全方式出 行预测，然后通过方式划分、交通分配，得到规划 快速轨道客流量。该模式遵循完整的四阶段法的步 骤，预测精度较高。
31
全日流 量高峰 小时
上行
A线
下行
B线 上行
下行
32
国外部分城市轨道系统预测结果
重型轨道交通
轻型轨道交通
华盛 巴尔 迈阿 布法罗 匹兹 波特
顿 的摩 密
堡兰
市内快 递轨道
萨克 迈 底 拉曼 阿 特 多 密律
预 569 103 测
实 411 42.6 际 .6
误 — —59 差 28
240 92 35.4 29.2
26
27
客流预测是复杂的问题，不能简单用一种类型的模型解 决，不同的预测目的对于预测结果提出了不同的精度要 求，应采用不同的客流预测方法，重要的是要有量身订 做的预测模型。
基础数据
建模
预测结果
变量 参数
28
城市轨道交通客流预测关键技术
29
城市轨道交通客流预测关键技术
基础数据方面 调查内容（项目）的选择 规划数据的获取
—85 —6.8
90.5 30.6
—6.6
42.5 19.7
—5.4
50 41 67. 7
14. 10. 11. 183
—7.1 —7.4 —8.3
33
预测误差的常见原因
交通调查不细致 运营环境发生大的变化 为充分考虑轨道交通系统不成网的影响 客运交通系统结构不合理，地面道路交通与
模型与参数设定方面 预测前提（广义费用涉及的相关参数的选择） 竞争环境的分析
结果处理技术 预测区域的应用 重要参数的判断
30
一些重要的参数
高峰小时系数
9--18%
旅客平均出行距 离
全线长度的三分之一左右
单向高峰小时断面
决定系统模式及线路标准
站间OD矩阵，尤其是换乘站间的换乘量 预测
决定运营规划