1. chinaXiv:202210.00100 [pdf]

基于时空生成对抗网络的城市轨道交通短时客流预测

张金雷; 李华; 杨立兴; 阴佳腾; 金广垠
Subjects: Traffic and Transportation Engineering >> Railway Transportation

针对城市轨道交通网络级的短时客流预测问题，特别考虑模型的实用性，本文提出了一种将图卷积神经网络(GCN)和生成对抗网络(GAN)相结合的深度学习预测模型(Graph-GAN)。首先将车站进站客流量划分为不同时间模式的数据：实时模式、日模式和周模式，用于提取客流时间序列的时间信息；然后使用简化静态的GCN提取网络中的拓扑信息；之后，采用由简单的全连接神经网络组成GAN模型进行对抗训练；最后在北京地铁2016年和2018年的两个大规模真实进站量数据集上进行测试，并将Graph-GAN模型和其他7个基准预测模型的预测结果进行对比分析。结果表明，结构简单的Graph-GAN模型相较于其他传统模型，在预测性能上有所提升，并且该模型拥有较好的鲁棒性以及较少的模型训练参数，模型应用价值较大。

submitted time 2022-10-16 Hits458， Downloads213， Comment 0

2. chinaXiv:202210.00101 [pdf]

基于注意力机制的城市轨道交通多步短时客流时空综合预测

张金雷; 陈奕洁; Panchamy Krishnakumari; 金广垠
Subjects: Traffic and Transportation Engineering >> Railway Transportation

准确、可靠的短时客流预测可为城市轨道交通提供运营决策支持。本研究以基于Transformer机制的LSTM网络、深度注意力模块和CNN网络为基础，提出了城市轨道交通网络级多步短时客流预测模型(STIPM）。该预测模型由三个分支组成，分支一以时间序列进站客流为输入，提出了基于Transformer机制的LSTM网络提取该数据中的时间相关性；分支二以基于时间步的OD数据为输入，提出了深度注意力模块挖掘数据中大量的时间、空间相关性，利用基于时间步的OD数据能够更好地展现站间联系紧密程度和全局信息，从而完成了拓扑网络信息提取；分支三的输入为POI数据，使用CNN网络获取其时空相关性，并作为时间与空间特征之间的纽带。为了保证在预测精度足够高的条件下，获得更长的预测时间和更详细的预测信息，本文采用“神经网络多输出”策略，完成了多步预测任务。本文在两个大规模城市轨道交通真实数据集中对该模型进行测试，并将预测结果与10个基准模型和4个消融实验模型进行对比，结果表明该模型具有一定的优越性与鲁棒性。

submitted time 2022-10-16 Hits437， Downloads190， Comment 0

3. chinaXiv:202210.00102 [pdf]

基于路段-路口联合建模的对偶图卷积网络的行程时间估计方法

金广垠; 沙恒宇; 张金雷; 黄金才
Subjects: Traffic and Transportation Engineering >> Highway Transportation

估计给定路径的行程时间在许多城市交通系统中起着重要作用，例如导航、路线规划和拼车等。然而，现有的大多数工作都侧重于对路段或交叉路口进行单独建模，这并不能准确估计行驶时间，因为交叉路口和路段作为路径的基本要素不仅各自包含多样化的空间属性和时间动态，而且它们之间还具备较强的耦合相关性。为了解决上述问题，我们提出了一种新颖的端到端深度学习框架，即面向行程时间估计的对偶图卷积网络（DGCN-TTE）来对交叉路口和路段进行联合建模。具体来说，我们采用对偶图卷积方法来捕获路口和路段的复杂关系，其中构建节点图来刻画路口之间的相关性，构建边图来表征路段之间的交互特征。为了捕捉空间和时间特征的联合关系，我们还引入了一种在捕捉时间依赖性的同时结合了从多个邻域范围内整合多尺度空间关系的时空学习模块。我们通过对三个真实世界的轨迹数据集上的充分的实验来评估我们提出的 DGCN-TTE模型，结果表明我们的模型显著优于现有的方法，评估指标相比于次优方法最多可以获得超过10%的提升。

submitted time 2022-10-16 Hits420， Downloads193， Comment 0

4. chinaXiv:202202.00034 [pdf]

基于计算机视觉的轨道交通站内客流识别与预测

张金雷; 陈瑶; 杨立兴; 李华; 阴佳腾
Subjects: Traffic and Transportation Engineering >> Railway Transportation

轨道交通的短时客流预测通常以车站为最小单位，不能及时对站内各场景的拥挤微观客流进行有效疏导，站内踩踏事故时有发生。为了预测站内不同场景的微观客流，保证站内乘客通行安全，提出基于计算机视觉的端到端精细化短时客流识别与预测模型（Detect-Predict）。首先拍摄并标注轨道交通站内图片数据集用于训练YOLOv5目标检测算法，并通过通道剪枝对检测模型压缩，其次结合Deep SORT算法与LSTM算法实现乘客数量实时统计和预测。在拍摄的站内视频数据上进行实验，结果表明采用处理输入视频每秒传输帧数的方法，乘客数量实时统计算法可以满足识别的实时性，其精度在测试场景下达到99.4%，整体客流预测模型的RMSE为11.07，MAE为8.02，WMAPE为12.57%。本文提出的模型可以实时识别与预测轨道交通站内场景的微观客流，使得轨道交通运营者实时掌握站内各场景未来客流并及时疏导，具有一定的应用前景。

submitted time 2022-10-16 Hits2142， Downloads591， Comment 0

5. chinaXiv:202010.00078 [pdf]

公交车辆与司机调度问题通用算法设计及测试

孔云峰
Subjects: Traffic and Transportation Engineering >> Traffic and Transportation System Engineering

针对我国城市公交企业生产作业计划编制的需求，设计了一个公交车辆与司机调度问题的通用算法。算法支持电动车辆调度，适用于单线或跨线运营管理，满足人车固定或人车分离的调度模式，也支持灵活的车辆与司机相关参数设置。问题目标包括车辆固定成本、车辆行驶成本、司机固定成本和司机津贴成本，约束条件包括最短停车时间、电动车辆续航里程及充电时间、司机休息与就餐等。算法框架中包含案例数据管理、问题定义、初始解生成、局部搜索算子、搜索策略、数学建模等基本模块，方便于常见优化算法的实现。使用62个单线案例和11个跨线案例进行算法测试，并比较了不同运营模式下调度结果的差异。测试结果验证了算法的功能和性能，案例结果比较发现：使用续航里程150km电动车辆取代燃油车辆，单线运营车辆数量增幅为0.8%，跨线运营增幅为1.6%；与单线运营相比，跨线运营所需车辆和司机数量分别减少4.6%和2.4%；与燃油车辆人车固定调度模式相比，人车分离能显著减少所需车辆，单线运营减少3.6%，跨线运营减少1.8%，所需司机数量基本保持不变，但司机需要换车驾驶，平均约为2次。

submitted time 2020-10-28 Hits4071， Downloads1726， Comment 0

6. chinaXiv:201904.00072 [pdf]

Impact of Urban Rail Transit on Business Districts Based on Time Distance: Urumqi Light Rail

常烃
Subjects: Geosciences >> Geography
Subjects: Traffic and Transportation Engineering >> Road Engineering

基于超制图学的思想，建立模型将乘坐轻轨的时间距离换算成以米（m）为单位的空间距离。在此基础上,通过地理信息系统（GIS）的地图投影空间变换方法,用换算出的距离重新定义两地间距离,变形原地图形成时间距离地图。将时间距离空间化，利用技术手段，对时间距离进行可视化表达。结果发现，轻轨对于城市形态的影响受到站点离所选取的中心点距离的影响，呈现离中心点越远变形越大；离中心点越近变形越小。轻轨对商业中心布局的影响基本呈现圈层分布。时间距离压缩了传统城市形态。随着乌鲁木齐地铁建设进程的推进和基础设施的完善,城市内部进一步压缩时间距离仍有很大余地，已有商业中心应进行升级。本研究为乌鲁木齐城市建设提供一种新的参考与思路。

submitted time 2019-03-31 Hits13111， Downloads2860， Comment 0

7. chinaXiv:201804.00310 [pdf]

Analysis of the Hydroelastic Performance of Very Large Floating Structures Based on Multi-Modules Beam Theory

Xu, Jin; Sun, Yonggang; Li, Zhifu; Zhang, Xiantao; Lu, Da
Comment：本文发表在《Mathematical Problems in Engineering》
Subjects: Traffic and Transportation Engineering >> Ship Engineering

The hydroelastic behavior of very large floating structures (VLFSs) is investigated based on the proposed multi-modules beam theory (MBT). To carry out the analysis, the VLFS is first divided into multiple sub-modules that are connected through their gravity center by a spatial beam with specific stiffness. The external force exerted on the sub-modules includes the wave hydrodynamic force as well as the beam bending force due to the relative displacements of different sub-modules. The wave hydrodynamic force is computed based on three-dimensional incompressible velocity potential theory, and the boundary element method with the free surface Green function as the integral kernel is adopted to numerically find the solution. The beam bending force is expressed in the form of a stiffness matrix. The coupled motion equation is established according to the continuous conditions of the displacement and force. The motion response defined at the gravity center of the sub-modules is solved by the multi-body hydrodynamic control equations, then both the displacement and the structure bending moment of the VLFS are determined from the stiffness matrix equations. To account for the moving point mass effects, the proposed method is extended to the time domain based on impulse response function (IRF) theory. The accuracy of the proposed method is verified by comparison with existing results. Detailed results through the displacement and bending moment of the VLFS are provided to show the influence of the number of the sub-modules, and the influence of the moving point mass.

submitted time 2018-03-30 Hits6124， Downloads2734， Comment 0