冯涛
- 作品数：6 被引量：31H指数：3
- 供职机构：西南交通大学交通运输与物流学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：交通运输工程经济管理更多>>
- 城际铁路网诱增客流预测方法研究被引量：3
- 2018年
- 城际铁路是对现有城市群交通运输系统的重要补充,城际铁路网的新建不可避免地会形成诱增客流。深入分析了城际铁路网诱增客流形成机理与影响因素,结合高速铁路、城市轨道交通(地铁)诱增客流预测理论,对重力模型进行改进,运用改进重力模型和生长曲线法进行诱增客流预测,提出了基于城际铁路网的诱增客流预测的思路与方法。
- 陶思宇冯涛
- 关键词：铁路运输城际铁路网
- 高速铁路无越行区段平均最小列车间隔时间研究
- 2024年
- 随着高速铁路逐步成网,高速铁路干线部分区段通过能力趋于饱和,传统的通过能力计算方法扣除系数法已无法真实反映线路能力利用情况,不适应性愈加凸显。借鉴德国及西欧等国家通过能力计算方法,平均最小列车间隔时间计算法是考虑一定缓冲时间的动态通过能力计算法,更能反映铁路通过能力客观条件和实际要求。本文在分析我国高速铁路通过能力计算特点基础上,通过分析运行列车组中列车间隔时间与停站结构的关系,得出适应于我国高速铁路的区段平均最小列车间隔时间计算方法,最后以京广高铁长沙南至衡阳东区段为例,计算出一定缓冲时间下的区段高峰小时通过能力。
- 罗胜简星冯涛
- 关键词：高速铁路
- 基于CNN-GRU模型的中欧班列运到时限预测
- 2024年
- 随着经济贸易的全球化发展,中欧班列已经成为重要的国际货运方式。由于中欧班列的运到时限受诸多因素影响,现有模型难以充分捕捉运输时间数据的复杂特征关系,因而无法准确预测列车运到时限,影响中欧班列的调度及沿线运力的安排。提出一种基于卷积神经网络(CNN)和门控循环单元(GRU)的中欧班列运到时限预测方法,该方法能有效捕捉运到时间序列的空间及时间特征,从而提高预测精度。所提方法首先利用小波变换技术对中欧班列运到时限历史数据进行降噪处理,再经过最大−最小归一化、多粒度扫描窗及数据划分后,通过一维CNN模块提取输入时间序列的空间特征,GRU模块提取序列的时间特征,最后输出中欧班列运到时限的预测值。在实验部分进行了模型的参数调优、小波变换去噪效果分析及模型对比。结果显示,经小波变换去噪处理后,CNN-GRU模型的均方根误差(RMSE)和平均绝对误差(MAE)分别降低了34.18%和26.77%;模型的RMSE和MAE比单一模型中预测效果表现最好的随机森林(RF)分别降低了17.28%和21.67%,比组合模型CNN-LSTM分别降低了5.68%和15.70%。本文所构建的CNN-GRU模型对于小样本复杂数据的预测性能较高,且模型训练参数较少,轻量化程度较高,可解释性较强。基于该模型的中欧班列运到时限预测方法提高了运到时限预测的准确性,能够为缓解中欧班列路网运力不足等现状提供较为可靠的技术支持。
- 张永祥张永祥郭经纬闫旭冯涛闫旭
- 关键词：铁路运输小波变换
- “站城融合”背景下新型铁路综合交通枢纽交通需求预测研究被引量：25
- 2018年
- 为提高"站城融合"背景下新型铁路综合交通枢纽交通需求预测精度,在阐述"站城融合"新型铁路综合交通枢纽概述基础上,提出"站城融合"新型铁路综合交通枢纽交通需求预测方法,既交通功能交通需求预测、城市功能交通需求预测、背景交通需求预测。最后以沙坪坝"站城融合"新型铁路综合交通枢纽为例,分别对铁路综合交通枢纽的交通功能、城市功能和背景交通需求进行预测,利用Trans CAD进行客流分配,而后进行客流的叠加分析,得到高峰时段客流情况及预测的主要指标。预测结果表明,改进四阶段法增加了预测精度,更加贴合实际。
- 陶思宇冯涛
- 关键词：交通需求预测四阶段法
- 站城融合模式下既有铁路车站城市功能开发体量预测研究被引量：5
- 2020年
- 针对站城融合模式,提出对既有铁路车站及其影响区域的城市功能开发体量预测方法.考虑车站周边道路交通剩余能力和城市规划中对土地容积率的要求,协调枢纽城市功能和交通功能体量的比例关系,建立铁路既有车站城市功能的体量预测模型,并利用商业求解器对模型求解,得到各业态开发总体量的范围.以重庆沙坪坝综合交通枢纽城市功能开发为例,检验求解结果与实际开发体量的契合度及有效性.分析枢纽交通功能占比和容积率的敏感性,验证模型的适用性.计算结果表明,本文方法能有效利用道路承载能力,在适应城市整体发展要求的情况下,实现枢纽和土地的一体化发展,为投资者加强土地集约开发提供新思路.
- 冯涛冯涛彭其渊陶思宇
- 关键词：综合交通运输
