题目：轨道交通客流预测方法的研究与实现

本论文来源于（1）软件开发环境国家重点实验室探索性自主研究课题“面向综合交通的海量客流数据关键技术研究”、（2）中央高校基本科研业务费专项资金项目“面向智慧城市的公共交通客流监测分析与组织优化关键技术”和（3）北京市轨道交通指挥中心横向课题。该课题致力于在消化吸收国内、国外先进公路交通信息服务技术的基础上，就轨道交通信息处理过程中所涉及的各项关键技术开展较为深入的探索，研制符合轨道交通特点的动态交通信息服务系统。文章首先针对轨道交通路网基础数据进行预处理，使其更加符合后期客流分配和客流预测工作的要求和便利性。接着，对轨道交通客流数据中的数据采集错误和异常极端错误分别制定了数据删除和筛选规则，减少非正常数据对整体客流数据的旅行时间分布的影响。通过对比验证了采用对数正态分布的旅行时间筛选方法相对于正态分布筛选方法有着更好的完备性。针对轨道交通的特点提出了两种分别服务于客流分配和出行线路推荐的有效路径的计算方式。为了达到只遍历一次OD数据就获得全路网的客流情况的目的，文章还提出了针对轨道交通路网特点的理论出站时间计算方法，即对于给定OD对的每一条有效路径进行乘车模拟，根据列车时刻表、乘客进站时间确定比较符合实际的理论出站时间。在获得每条路径的理论出站时间后，通过一定的规则决策该条OD记录的乘客具体的出行线路。接着，针对该有效路径将客流按时间分配到路径上相应的各个区段。本文改进了概率树生成算法，数据结构更为简单，计算效率更高。对原有的基于出站概率树算法进行了一定改进，采用了基于有效路径的概率树算法。本文还对概率树的预测生成作了不小的改进，引入最小二乘支持向量机对概率树进行预测生成。本文提出了基于EMD信号分解结合最小二乘支持向量机的预测方法；并通过与两种比较常用的时间序列客流预测方法，小波分析结合历史平均法和灰度模型法进行比较，显示了本文提出的基于EMD信号分解结合最小二乘支持向量机预测方法良好的预测效果。本论文完成了“智慧城市智能轨道交通系统”中的基础数据库全部设计和专业数据库的部分设计，完成了轨道交通数据采集模块、轨道交通数据分析统计模块和轨道交通客流预测模块，并最终实现了轨道交通客流监测和预测平台原型系统。