[发明专利]一种基于公路网客流OD反推技术的高铁客流需求预测方法

说明书

一种基于公路网客流OD反推技术的高铁客流需求预测方法，涉及一种高铁客流需求的预测方法。为了解决目前基于传统四阶段法的客流预测数据收集较为困难的问题。本发明首先划分交通区并构建基础公路网，然后筛选机动车交通量调查断面，获得客运机动车交通量数据，同时反推路网阻抗矩阵；分析整理直接影响范围内的客运发车班次数据，结合车辆额定载客人数及实载率信息，推算大型客车对应的旅客OD矩阵；同时基于客运机动车交通量数据中的一组断面交通量数据，进行客车OD矩阵反推，分别获得各种客车OD矩阵；最后对各种客车OD分布矩阵进行验证和修正，并乘以各车型的平均载客人数最终加和形成客流OD矩阵。本发明用于高铁客流需求的预测。

技术领域

本发明涉及客流需求预测领域，具体涉及一种高铁客流需求的预测方法。

背景技术

在过去的十年间，中国的高铁事业取得突飞猛进地发展，高铁建设频频刷新世界纪录，取得举世瞩目的成就。现如今，高铁已然成为中国引以为豪的一项外交名片。

高铁投资建设规模、列车运行方案等一系列问题的确定都需要客流数据的支持，良好的客流预测能够为高铁的建设及其运行效能的提升提供强有力的科学依据。不同于传统的铁路，高铁运量大、运速高，在其建成初期内，客流量会在短期内急剧增长，这是传统的客流预测方法所无法反映的，因此研究专门适用于高铁客流预测方法是十分有必要的。

同一交通小区内，高铁线路与公路网两种交通运输方式既共同承担区域内的客运量又相互竞争。作为舒适方便、安全性好、耗时少、准点率高的交通方式，高铁新线的通车势必会吸引大量客流量，打破区域内的交通平衡，主要体现为周边公路网的旅客流量转移到高铁线路。因此，高铁客流需求的预测与周边公路网的旅客出行OD密切相关，利用公路网旅客出行OD推算高铁客流量是合理有效的。旅客出行OD矩阵的获取主要有两种方法，一种是人工调查，也可依靠客运发车班次及其客流量数据，推算出区域客流OD矩阵，但客运发车班次往往只涉及到大客车，数据不全面，难以推算出准确的旅客出行OD，而人工调查又费时费力，耗资较大。如果通过路段观测的机动车流量反推OD分布矩阵则相对简单，较容易实施，即根据实际路网情况，通过断面交通量调查确定一个出行分布预测模型，从而实现OD出行矩阵的反推。

我国的高铁客流需求预测还不成熟，多以四阶段法为基础，在铁路客流预测方面的研究主要有：王芳采用基于时间序列分析的方法对铁路短期客运量进行预测，并对比季节调整方法、Box-Jenkins方法及灰色预测法，提出基于BP神经网络的预测模型。唐丽娜综合比较移动平均法、指数平滑法和基于Matlab的AR模型法的短时客流预测效果，发现AR模型的预测效果最优。郭文建立了遗传优化的BP神经网络模型预测铁路客流量，并仿真验证了该模型的合理性。陈剑龙采用灰色模型来预测铁路年客运总量，并利用后验差方法验证模型的精确度。在高速铁路方面，秦鸣利用噪声辅助经验模态分解法进行客流预测。在考虑高速铁路短期客流周期性和波动性的基础上，杨晓提出了反映短期客流时空变化特征的改进重力模型。

发明内容

本发明的目的是为了解决目前基于传统四阶段法的客流预测数据收集较为困难，对各种运输方式之间的竞争合作关系考虑不足等缺陷，而提出一种基于公路网客流OD反推技术的高铁客流需求预测方法。

一种基于公路网客流OD反推技术的高铁客流需求预测方法，包括以下步骤：

步骤一、划分交通区并构建基础公路网；

步骤二、筛选机动车交通量调查断面，获得客运机动车交通量数据，统计得到交通小区i各种类型车辆的产生指标和交通小区j各种类型车辆的吸引指标；

步骤三、确定反推路网阻抗矩阵；

步骤四、分析整理直接影响范围内的客运发车班次数据，结合车辆额定载客人数及实载率信息，推算大型客车相应的旅客流量，形成大型客车对应的旅客OD矩阵；