基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型.在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征.采用苏州地铁全网客流数据作为分析实例,对5 min、15 min和1h汇集度的工作日和休息日客流共6组客流数据进行波动性建模、预测与分析,结果表明,SARIMA+GARCH模型具有较好的预测性能.基于各组客流数据的分析结果,分别对工作日与休息日以及不同时间汇集度之间的客流波动特性进行对比,结果表明:休息日客流的波动性强于工作日客流;时间汇集度小的情况下,客流的波动性会更强.
推荐文章
基于支持向量机模型的地铁进站客流量预测
交通运输工程
城市轨道交通
客流预测
支持向量机
进站客流量
浅谈地铁车站大客流预案相关问题分析
地铁车站
大客流
预案
措施
因素
地铁功率波动的概率分布特性分析
地铁功率
波动特性
概率密度函数
分布拟合
苏州地铁典型土层冻土力学特性研究
人工冻土
抗压强度
温度
含水率
干密度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 苏州地铁客流波动特性分析
来源期刊 都市快轨交通 学科 交通运输
关键词 城市轨道交通 客流波动性 SARIMA模型 GARCH模型
年,卷(期) 2018,(2) 所属期刊栏目 学术探讨
研究方向 页码范围 58-65
页数 8页 分类号 U293.6
字数 5463字 语种 中文
DOI 10.3969/j.issn.1672-6073.2018.02.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郭建华 东南大学智能运输系统研究中心 32 257 8.0 15.0
2 魏运 9 37 5.0 5.0
3 高国飞 10 37 5.0 5.0
4 彭培培 4 9 2.0 2.0
5 杨越思 东南大学智能运输系统研究中心 7 31 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (77)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
城市轨道交通
客流波动性
SARIMA模型
GARCH模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
都市快轨交通
双月刊
1672-6073
11-5144/U
大16开
北京市西直门外北京交通大学7公寓733室
80-163
1988
chi
出版文献量(篇)
3333
总下载数(次)
12
总被引数(次)
24830
论文1v1指导