项目二 城市轨道交通客流预测和分析
《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。
城市轨道交通客流预测与分析
城市轨道交通客流预测与分析城市轨道交通客流预测与分析在城市交通规划和运营中起着重要的作用。
通过对城市轨道交通客流进行预测与分析，可以有助于优化线路设置、优化运营调度、提高交通效率、减少运营成本，并为决策者提供有针对性的决策依据。
城市轨道交通客流预测可以通过两种主要方法进行：基于历史数据的传统模型方法和基于机器学习的数据驱动方法。
传统模型方法包括模型预测、时间序列分析、回归分析等，这些方法需要依赖大量历史数据和一些先验知识，适用于长期预测和日常运营调度。
数据驱动方法则通过机器学习算法，利用历史数据中的特征进行分析和预测，可以从大量数据中挖掘出潜在的规律和模式，并能够进行短期和中期预测。
这两种方法可以结合使用，以提高预测的准确性和可信度。
在城市轨道交通客流分析中，还需要考虑一些重要的因素，如天气、节假日、活动等。
这些因素会对客流产生一定的影响，因此需要将它们与客流数据进行关联分析，以了解它们之间的关系，并在预测和运营中进行相应的调整。
城市轨道交通客流预测和分析的结果可以直接应用于线路设置和运营调度优化中。
通过预测客流高峰和低谷时段，可以合理安排线路运力和运营计划，以提高运营效率；通过分析站点之间的客流分布，可以优化站点的设置和间距，以提高乘客的便利性和系统的容量。
此外，还可以通过客流预测和分析，为城市交通规划和决策提供指导，有助于合理规划城市交通网络的发展和扩张。
总之，城市轨道交通客流预测与分析对于城市交通规划和运营管理是至关重要的。
通过有效的预测和分析，可以提高交通系统的效率和安全性，并为决策者提供准确的决策依据，以实现城市交通的可持续发展。
城市轨道交通客流预测分析
城市轨道交通客流预测分析在当今城市发展的进程中，城市轨道交通扮演着至关重要的角色。
它不仅能够缓解城市交通拥堵，还能提升居民出行的便捷性和效率。
而准确的客流预测对于城市轨道交通的规划、设计、运营和管理来说，具有极其重要的意义。
城市轨道交通客流的形成是一个复杂的过程，受到多种因素的影响。
首先，城市的人口规模和分布是一个关键因素。
人口密集的区域往往会产生较大的出行需求，从而形成较大的客流量。
例如，商业区、住宅区和工作区的集中程度都会对客流产生显著影响。
其次，城市的土地利用规划也与客流密切相关。
不同的土地利用类型，如商业中心、工业园区、学校、医院等，其出行需求的时间和空间分布存在差异。
合理的土地利用规划可以引导客流的分布，提高轨道交通的使用效率。
再者，交通设施的供给情况也会对客流产生作用。
除了轨道交通本身的线路布局、站点设置、运营时间和发车间隔等因素外，其他交通方式的发展状况，如公交车、出租车、共享单车等，也会影响人们对轨道交通的选择。
另外，特殊的事件和活动，如大型体育赛事、演唱会、节假日等，会在短时间内引发大量的集中出行需求，从而导致客流的突然增加。
为了对城市轨道交通客流进行准确预测，需要采用科学合理的方法和技术。
目前常用的客流预测方法主要包括趋势外推法、回归分析法、时间序列法和基于出行需求的四阶段法等。
趋势外推法是根据历史客流数据的变化趋势，通过数学模型来预测未来的客流。
这种方法简单直观，但对于影响客流的突发因素考虑不足，预测精度可能受到一定影响。
回归分析法则是通过分析客流与相关影响因素之间的关系，建立回归方程来进行预测。
然而，它要求有足够多的可靠数据来确定回归系数，并且对于非线性关系的处理能力相对较弱。
时间序列法是基于客流的历史数据，通过对时间序列的分析来预测未来。
这种方法适用于客流变化相对平稳的情况，但对于突变情况的适应性较差。
基于出行需求的四阶段法是一种较为系统和全面的方法。
它包括出行生成、出行分布、方式划分和交通分配四个阶段。
城市轨道交通调度指挥中的客流预测与控制研究
城市轨道交通调度指挥中的客流预测与控制研究城市轨道交通是现代城市交通系统的重要组成部分，随着城市人口的增长和交通需求的增加，轨道交通系统的客流量也在不断增加。
为了有效管理和运营这一庞大的交通系统，城市轨道交通调度指挥中的客流预测与控制变得至关重要。
客流预测是指根据历史数据和相关因素，对未来城市轨道交通系统的客流量进行科学分析和预测。
通过客流预测，我们可以了解未来的客流情况，为调度指挥部门提供决策依据和预案制定。
客流预测通常采用数据驱动的方法，结合统计学、数学建模和计算机技术，利用历史数据和相关因素进行分析和预测。
城市轨道交通的客流预测可以分为短期预测和长期预测。
短期预测主要关注于日常的客流波动情况，通常预测时间范围为几小时至几天。
长期预测则是对未来几天至几个月的客流量进行预测。
短期预测一般采用时间序列模型、回归模型和神经网络模型等方法。
长期预测则可以借鉴城市规划和交通发展的数据和经验，结合城市发展和人口增长趋势进行预测。
客流预测的准确性对于城市轨道交通调度指挥具有重要意义。
准确的客流预测可以帮助调度指挥部门提前做好准备工作，合理安排列车运力和人员调度，以应对突发情况和高峰时段的客流压力。
同时，准确的客流预测还可以提供给乘客信息查询平台，帮助乘客合理安排出行时间，减少拥堵和排队时间，提高出行效率。
除了客流预测，城市轨道交通调度指挥中的客流控制也是至关重要的一环。
客流控制是指根据客流情况和交通系统的运行状态，对轨道交通运营进行调整和控制，以确保乘客安全、有效地进行出行。
客流控制通常包括列车运力调整、车站进出站控制、列车停站时间调整等措施。
一方面，根据客流情况和预测结果，调整列车的运行频次和车厢数，以满足不同时间段的客流需求。
另一方面，通过限制进出站人数、调整进出站时间等措施，控制车站的人流量，避免拥挤和安全事故的发生。
为了实现有效的客流控制，轨道交通系统通常配备了现代化的调度指挥中心，通过紧密监控运行情况和客流情况，实时调整运营方案。
城市轨道交通客流预测与分析
城市轨道交通客流预测与分析引言随着城市化进程的不断加速，城市人口的持续增长导致了城市交通拥堵问题的日益严重。
在这一背景下，城市轨道交通系统作为一种高效、快速、环保的交通工具，受到了越来越多城市的重视和投资。
然而，在现代化城市轨道交通系统中，面临着如何合理规划车站位置、如何预测并优化客流管理等问题。
因此，城市轨道交通客流预测与分析显得尤为重要。
本文将介绍城市轨道交通客流预测与分析的技术方法和应用。
首先，我们将介绍城市轨道交通客流预测的意义和目标。
然后，我们将介绍一些常用的客流预测模型，包括时间序列模型、机器学习模型和深度学习模型。
接着，我们将讨论城市轨道交通客流分析的方法和技术。
最后，我们将通过实例分析展示这些技术方法的应用。
城市轨道交通客流预测的意义和目标城市轨道交通客流预测是指根据历史数据和相关特征，利用数学、统计和机器学习等方法，对未来一段时间内的客流量进行预测。
它的意义在于帮助城市轨道交通系统能够更好地进行规划和管理，提高客流运营的效率和质量。
其主要目标包括：1.提高车站和线路的规划能力：通过客流预测，可以帮助决策者更准确地评估不同车站和线路的需求，从而优化设计和规划方案。
2.优化列车运行计划：通过客流预测，可以合理安排列车的运行频率和时刻表，提高整个轨道交通网络的运行效率。
3.优化客流管理和调度：通过客流预测，可以根据实际需求进行客流调度，提供更好的服务和满足乘客的出行需求。
4.提高安全和应急管理能力：通过客流预测，可以更好地评估不同情况下的安全和应急管理需求，为应急决策提供依据。
常用的客流预测模型时间序列模型时间序列模型是一种常用的客流预测模型，它基于历史数据中的时间序列关系，利用统计和计量方法进行预测。
常见的时间序列模型包括ARIMA模型、SARIMA模型和VAR模型等。
ARIMA模型（自回归移动平均模型）是一种广泛应用于时序数据预测的模型。
它基于时间序列数据的自相关性和移动平均性，通过拟合历史数据来预测未来的客流量。
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。
- 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)。
任务一：城市轨道交通需求的基本特征
二、城市轨道交通发展的制约因素 （三）城市轨道交通的客流量 断面客流量：是指单位时间内沿同一方向 通过运营线路某一断面的乘客数。 计算方法:
p i 1 p i p x p s
式中： p — 第 i 1 个 断 面 客 流 量 ( 人 ) i 1
任务二：客流预测
四、客流预测的主要内容及预测程序 （一）主要内容
1、预测条件界定 2、远期年份运输需求总量及分布预测 3、不同建设方案下不同方式分担结构及网络分配结果
4、客流预测的灵敏度分析及评价
任务二：客流预测
四、客流预测的主要内容及预测程序 （二）基本程序 P36
项目二 城市轨道交通客流预测与分析
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
了解影响城市轨道交通发展的制约因素
重点掌握客流预测的分类方法 重点掌握客流预测的主要内容和基本程序
了解客流变化的动态和种类
能力目标 初步掌握基本的客流预测方法，具备进行客流预测的能力
具备进行客流调查的基本能力。
任务
城市轨道交通需求的基本特征
客流预测
客流调查
情景导入：
[摘 要]预测客流量是进行地铁系统线 网规划。轨道 交通 工程设计的基础资 料和重要依据，它具有阶段性、近似性、 增长性的特点。为配合2005年第十届全 国运动会的举办，妥善解决奥体中心产 生的突发客流，南京地铁南北线一期工 程向西延伸4.82 km，使线路总长达到 21.72 km。 [关键词]地铁；客流预测；运能规划；
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
任务二：客流预测
二、客流预测模式
轨道交通系统的客流预测结果应包括：P33
任务一：城市轨道交通需求的基本特征
1、城市轨道交通的客流：是指在单位时间 内，线路上乘客流动人数和流动方向的总 和。 2、客流预测的必要性： 线路 实际客流量 预测年份 预测客流量
上海3号线 上海5号线
3、客流预测的影响因素：
5.5 5 2.7 2005 2005 2005 2006
（万人/日） 26.2 2005
第一步 （1）由组织者发给专家不带任何附加条 件，只提出预测问题的开放式的调查表，请 专家围绕预测主题提出预测事件。 （2）组织者汇总整理专家调查表，归并 同类事件，排除次要事件，用准确术语提出 一个预测事件一览表，并作为第二步的调查 表发给专家。
第二步 （1）专家对第二步调查表所列的每 个事件作出评价。例如，说明事件发生 的时间、争论问题和事件或迟或早发生 的理由。 （2）组织者统计处理第二步专家意 见，整理出第三张调查表。第三张调查 表包括事件、事件发生的中位数和上下 四分点，以及事件发生时间在四分点外 侧的理由。
（万人/日） 115
35 37.3 27 12.7
北京13号线 12 北京八通线 天津滨海线
客流影响因素
1、社会经济影响因素 2、土地利用影响因素 3、交通系统供给影响因素 4、人员出行需求预测影响因素 5、其他预测影响因素
任务一：城市轨道交通需求的基本特征
一、城市轨道交通需求的基本特征 （一）普遍存在性 （二）复杂多样性 （三）时空集散性 （四）政策决定性
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。
29
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
（3）小组的统计回答。最典型的小组预测 结果是反映多数人的观点，少数派的观点至 多概括地提及一下。但是这并没有表示出小 组的不同意见的状况。而统计回答却不是这 样，它报告一个中位数和两个四分点，其中 一半落在两个四分点内，一半落在两个四分 点之外。这样，每种观点都包括在这样的统 计中，避免了专家会议法只反映多数人的观 点的缺点。
22
传统的四阶段法
1
2
3
4
交通 形成 预测
交通 分布 预测
交通 方式 划分 分配
交通在 相关网 络中的 分配预 测
23
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
前言
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
城市轨道交通客流预测与分析
知识目标 重点掌握城市轨道交通的基本特征
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．应用 ◦ 6．对预测结果进行灵敏度分析 ◦ 7．评价不同方案预测结果的可信度。 ◦ 8．确定推荐方案，整理数据结果并撰写相 关的技术报告
客流预测方法-德尔菲法
德尔菲法的基本特征
德尔菲法本质上是一种反馈匿名函询法。 其大致流程是：在对所要预测的问题征 得专家的意见之后，进行整理、归纳、 统计，再匿名反馈给各专家，再次征求 意见，再集中，再反馈，直至得到稳定 的意见。 由此可见，德尔菲法是一种利用函询形 式的集体匿名思想交流过程。它有区别 于其他专家预测方法的三个明显的特点， 分别是匿名性、多次反馈、小组的统计 回答。
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。
30
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：
德尔菲法的工作流程
在德尔菲法的实施过程中，始终有两方面的 人在活动，一是预测的组织者，二是被选出 来的专家。首先应注意的是德尔菲法中的调 查表与通常的调查表有所不同，它除了有通 常调查表向被调查者提出问题，要求回答的 内容外，还兼有向被调查者提供信息的责任。 它是专家们交流思想的工具。
德尔菲法的工作流程大致可以分为四个 步骤，在每一步中，组织者与专家都有 各自不同的任务。
27
四阶段法:
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
第四步 （1）发放第四张调查表，专家再次 评价和权衡，作出新的预测。是否要求 作出新的论证与评价，取决于组织者的 要求。 （2）回收第四张调查表计算每个事 件的中位数和上下四分点，归纳总结各 种意见的理由以及争论点。
注意 （1）并不是所有被预测的事件都要 经过四步。可能有的事件在第二步就达 到统一，而不必在第三步中出现。 （2）在第四步结束后，专家对各事 件的预测也不一定都达到统一。不统一 也可以用中位数和上下四分点来作结论。 事实上，总会有许多事件的预测结果都 是不统一的。
任务二：客流预测
三、客流预测方法 （一）时间序列客流预测方法
基本思路，主要优点，主要缺点 Nhomakorabea
（二）因果关系客流预测方法
与时间序列客流预测方法的区别
（三）德尔菲法
定性预测方法
客流预测方法-时间序列客流预测 方法
客流预测方法-因果关系客流预测 方法
客流预测方法-因果关系客流预测 方法
任务一：城市轨道交通需求的基本特征
二、城市轨道交通发展的制约因素 （一）运输方式规模与能力 （二）运行速度 （三）城市轨道交通的客流量
任务一：城市轨道交通需求的基本特征
二、城市轨道交通发展的制约因素 （一）运输方式规模与能力
任务一：城市轨道交通需求的基本特征
二、城市轨道交通发展的制约因素 （二）运行速度 运行速度的高低与运价、乘坐舒适度密切 相关
（1）匿名性。匿名是德尔菲法的极其重要 的特点，从事预测的专家彼此互不知道其他 有哪些人参加预测，他们是在完全匿名的情 况下交流思想的。（后来改进的德尔菲法允 许专家开会进行专题讨论） （2）多次有控制的反馈。小组成员的交流 是通过回答组织者的问题来实现的。它一般 要经过若干轮反馈才能完成预测。
24
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
25