BRT快速公交客流量分析

BRT 流量分析

摘要论文编号：

快速公交系统（Bus Rapid Transit）简称BRT ，是一种介于快速轨道交通（Rapid Rail Transit，简称RRT）与常规公交（Normal Bus Transit，简称NBT）之间的新型公共客运系统，是一种中运量交通方式，通常也被人称作“地面上的地铁”。它是利用现代化公交技术配合智能交通和运营管理（集成调度系统），开辟公交专用道路和建造新式公交车站，实现轨道交通模式的运营服务，达到轻轨服务水准的一种独特的城市客运系统。

本文研究目的是通过对数据进行剥离逐步分析，根据各个阶段性数据的分布，进行线性＆非线性拟合，探究出该地区全年的各阶段客流量分别与或多个不同因素的关系。同时总结出一套有效、可行的快速公交系统客流预测方法，为BRT的安全管理研究提供数据依据和理论保障。

针对问题一，客流量与自然因素相关性分析，将客流量数据（处理后的数据，处理过程在文中有详细说明）分别与各个因素结合，利用matlab软件进行线性回归分析，并判断二者是否具有相关性，在相关的前提下是否具有线性相关，并得出结论。

针对问题二，将节假日与周末的有关数据单独抽离原始表格，计算客流量与其相关系数的协方差系数，根据协方差系数的性质，判断相关性程度进而判断其对客流量的影响程度。

针对为题三、四，对以上所计算出的数据进行整理，分析，归纳；并从实际角度出发，为该城市BRT未来发展提出符合实际，切实可行的建议。

关键词：快速公交系统（BRT）客流量相关因素相关性分析客流量预测方法多项式Logistic模型

一、问题重述

快速公交系统（Bus Rapid Transit）简称BRT，是一种介于快速轨道交通（Rapid Rail Transit，简称RRT）与常规公交（Normal Bus Transit，简称NBT）之间的新型公共客运系统，是一种中运量交通方式，通常也被人称作“地面上的地铁”。它是利用现代化公交技术配合智能交通和运营管理（集成调度系统），开辟公交专用道路和建造新式公交车站，实现轨道交通模式的运营服务，达到轻轨服务水准的一种独特的城市客运系统。

附件为某城市BRT-1号线刚开通时的流量统计及对应的天气情况，请对全年数据进行客流量多尺度时间特征分析，并回答以下问题：

1、客流量和温度、天气、风速的相关性分析。

2、客流量和假日经济相关性分析，并分析温度、天气、风速对其影响程度，找出最适合出

行的气象状况。

3、对客流量进行多尺度分析，并进行周期流量预测，从应对安全管理角度提出合理化建议。

4、从你的研究角度提出更多的思考，向有关部门写一封建议书。

二、符号说明及名词定义

三、基本假设

1、假设一年内，该地区工作日的人口迁入迁出不足以影响到本文所研究的各项指标。

2、两年内，人口基数基本保持一致（不考虑医学的快速发展）。

3、假设各交通系统在一年内的服务质量均为良好且保持不变。

4、假设一年内，各交通系统并未出现重大问题从而影响其他交通方式的客流量。

四、问题分析

4.0背景分析

目前，我国快速公交的发展尚处于初级阶段，因此，对于大数据研究，归纳分析能够很好地帮助我国健康发展快速公交体系。目前，国内对快速公交系统的认识已逐步得到统一，并将快速公交系统视为提供高效服务的“绿色交通”系统和缓解城市交通供需矛盾的有效手段。

4.1问题一分析

根据附件中的数据，本文以客流量为主体，分别探究天气，温度，风速对其影响，由于客流量与人们的所处的社会环境息息相关，由表中数据可知，假期

1

的客流量明显高于同期工作日的客流量，因此将假期的客流量以及相关信息与工作日的客流量以及相关信息同步分离，分别对其进行分析以得到更精确的结果。同时我们还知道，新线路的知名度会随时间而按照一定规律提升，这无疑会影响到实验结果，因此本文将对数据进行第一步处理，即“去普及度处理”，以控制单一变量。

4.2问题二分析

将工作日客流量概况与节假日客流量进行比较，以探讨客流量和假日经济相性。利用概率学知识，计算出二者的相关系数，以判断假日（经济）对客流量的影响程度同时将自然因素量化，并计算其相关系数进而探讨其对客流量的影响程度。而最适出行气象状况，可依据数据，对出行人口，温度等因素进行评估并预测出最佳出行条件。

4.3问题三、四分析

从多个方面入手，对客流量进行分析，总结出周期性规律，利用Logistic模型估计出对应时间的客流量估计值。例如，若在某一段时间内，客流量较多，而BRT线路以及车辆统筹不完善，则会发生拥挤，等待时间过程等一系列问题，因此我们应利用数据进行必要的统计分析以及预测，从而提出切合实际，有助于BRT发展的合理性建议。

五、模型建立及求解

5.1针对问题一进行建模求解

由问题分析可知，这属于多信息变量的统计描述模型，该问题主要是对客流量的影响因素进行统计，其方法是统计每日客流量时同时记录该天的天气，温度，风力等数据。据此，我们进行一下分析：

该市BRT刚开通不久，在当地居民中尚未普及，在一年的运营过程中，随着知名度的不断提升，越来越多人选择乘BRT出行。应先去除应普及度越来越高而增加的客流量，才能更加准确的研究其他因数对客流量的影响。为了减少人口流动对普及度的影响，我们仅研究工作日的年客流量变化量，特此说明，因为有相当一部分人会选择在法定节假日的前一天出发旅行，使那时的客流量有较大幅度增加，且根据我国的放假规律，所有的法定节假日都是工作日，所以本文所提的工作日皆不包含非法定节假前一天。

2

全年原客流量图

根据《全年原客流量图》，对此曲线的分析，我们借鉴微生物生长曲线的方法，将其分为：缓慢期，对数期，稳定期。 1. 缓慢期：BRT 刚开通时，很多人仍然会选择原先的出行方式，拒绝这种新

型的出行方式。

2. 对数期：BRT 趋完善，较为方便快捷，越来越多人选择这种方式出行。

3. 稳定期：受到人口等因数，人们已经基本适应乘坐新出的交通工具。

我们利用阻滞式增长模型X(t)=

X m 1+(X m X 0−1)e −rt 对其进行拟合得X(t)=4500000

1+(3114)e −0.002316t （X m =450000,X 0=140000,r =0.002316），从而得到

了一年内因普及度提高而增加的客流量∆X =4500000

1+(3114)e −0.002316t −140000

下文所指客流量是排除了这一主要因数之后所剩的客流量,此时我们就能

对风速,温度,天气等其他因数进行研究。

5.1.1风速

全年纯微风天数334天，占全年总天数的91.51%。且最高风级不超过5

级。据《蒲福风级表》对陆地情况的描述，我们有理由相信，该城市的风速变化较小且处于较低水平，对人出行的意愿几乎无影响。在这个前提下，我们认为关于高风速数据属于气象学中的正常现象，偶然性误差太大，不足以进行与客流量的相关性分析。

3