汽车客运站平面布局设计概述.doc

1 46 CHANGSHACHANGSHA UNIVERSITYUNIVERSITY OFOF SCIENCESCIENCE 0 0 1 2 3 xk kkn xk 0 943 0 863 0 898 0 847 0 935 GDP 0 959 0 987 0 988 0 981 0 991 人口 0 940 0 918 0 901 0 897 0 968 周转量 2 级比判断 由于所有的 故可以用 0 728 1 0098 2 3 6kk L 作满意的 GM 1 1 建模 对 GDP 人口和客运量进行预测 0 x 3 建立模型 对原始数据作一次累加 构造数据矩阵 B 及数据向量 0 x Y 得 1 0 000 15901 TTT GDP ua bB BB Y 1 0 000 28189 TTT ua bB BB Y 人口 1 0 0856 848 130 TTT ua bB BB Y 周转量 从而可以得到 GDP 人口和客运量的灰色预测模型分别为 1 60 122 1 4818 10130355 t GDP ye 2 0 856 10811 79911 73 t ye 客运量 3 70 1357 2 11449 102 08691 10 t ye 人口 4 2 1 4 预测结果及误差检验 根据建立的模型 公式 1 2 和 3 得到余庆县 2006 到 2016 年 GDP 人口及客运量的预测值 见表 4 2 表表 4 24 2 余庆县国民经济及客运量预测值余庆县国民经济及客运量预测值 年份 GDP 预测值 万元 人口预测值 人 客运量预测值 万人次 2006178254275846900 2007192242287556965 876 20082171822914671052 16 2009245358 12954301146 16 2010277189 62994481248 553 2011313150 73035201360 093 2012353777 33076481481 599 2013399674 63118321613 959 2014451526 33160721758 143 20155101053203711915 209 2016576283 43247282086 306 16 46 2017651047 53291442272 688 201873551172 2019830932 53381572696 891 2020938733 43427552937 821 由于采用灰色预测模型进行预测时 可以将预测值与实际值进行对比 计 算残差和相对误差 并可以通过相对误差对预测值进行进一步修正 具体误差 值见表 4 3 表表 4 34 3 灰色预测误差估计值灰色预测误差估计值 从表 4 3 可以看出 灰色预测的结果与实际情况非常吻合 其预测误差相 当小 因此 模型具有较强的实用性 现根据表 4 3 中的平均误差率对预测值 进行进一步修正 以使得预测值更加合理 修正后的预测值见表 4 4 表表 4 44 4 余庆县国民经济及客运量预测值 修正后 余庆县国民经济及客运量预测值 修正后 年份 GDP 预测值 万元 人口预测值 人 客运量预测值 万人次 2012360853 302418 1433 2013407668 306531 1561 2014460557 310699 1700 2015520307 314924 1852 2016587809 319207 2017 2017664068 323548 2198 2018750221 327948 2394 2019847551 332408 2608 2020957508 336929 2841 为了直观地看出预测前后余庆县各年客运量的变化情况及实际值与预测值 的误差 绘制了实际值与预测值的对比图像 见图 4 1 年份 GDP 残差 GDP 相 对误差 人口 残差 人口相 对误差 客运量 残差 客运量 相对误差 20060 00 0 00 0 0 00 0 00 0 00 20073305 55 1 75 36 0 01 8 88 0 93 2008 1663 01 0 76 150 00 10 16 0 98 20091663 07 0 68 543 0 18 9 84 0 85 2010 10414 4 3 62 1020 0 34 40 45 3 14 20115613 73 1 83 475 0 16 28 09 2 11 平均误差率 2 00 0 17 0 33 17 46 2006 2006 5 20072007 5 20082008 5 2009 2009 5 2010 2010 5 2011 850 900 950 1000 1050 1100 1150 1200 1250 1300 1350 万 万 万 万 万 万 万 万 万 万 万 万 万 图图 4 14 1 客运量预测值与实际值对比客运量预测值与实际值对比 通过图像可以更直观地看出 用灰色预测模型对余庆县客运量的预测是相 当可行的 其产生的误差相当小 达到了理想的效果 当然 对于一个系统的 预测 仅仅依靠一种方法是不够的 通常情况下 是选择多种方法对同一问题 进行预测 然后分析其合理性 在必要的情况下 还可以开展组合预测 为此 本设计还运用 BP 神经网络模型和多元线性回归模型对客运量进行了预测 4 2 2 BP 神经网络预测模型 神经网络的工作过程由两个阶段组成 一个是神经元工作期 此时各连接 权 固定 计算各神经元的状态变化 以求达到稳定状态 另一个阶段是学习期 时各种计算单元状态不变 各连接权值修改 而训练一个神经网络的目的就是 能用一组输入矢量产生一组所希望的输出矢量 训练是应用一系列训练样本 过预先确定的过程 学习算法 调整网络的权值来实现的 4 2 2 1 神经网络的计算步骤 Step1Step1 网络初始化 给各连接权值分别赋一个区间 1 1 内的随机 数 设定误差函数 e 给定计算精度值和最大学习次数 M Step2Step2 随机选取第个输入样本及对应期望输出 k 18 46 12 n kx kx kx k x 12 q kd k dkdk o d Step3Step3 计算隐含层各神经元的输入和输出 1 1 2 n hihih i hi kw x kbhp f 1 2 hh ho khi khp 1 1 2 p ohoho h yi kw ho kboq f 1 2 oo yo kyi koq Step4Step4 利用网络期望输出和实际输出 计算误差函数对输出层的各神经 元的偏导数 o k o hooho yiee wyiw p hoho oh h hoho w ho kb yi k ho k ww Step5Step5 利用隐含层到出层的连接权值 输出层的和隐含层的输出计 o k 算误差函数对隐含层各神经元的偏导数 h k o oh hooho yiee k ho k wyiw 1 n ihih hi i ihih w x kb hi k x k ww 19 46 2 1 2 1 2 11 1 2 1 f 2 1 f 2 q oo oh hhh q oo oh hh qp ohoho ohh hh dkyo k ho ke hi kho khi k dkyi k ho k ho khi k dkw ho kb ho k ho khi k 1 1 f f q h oooho o h q ohohh o ho k dkyo kyi k w hi k k whi kk Step6Step6 利用输出层各神经元的和隐含层各神经元的输出来修正连接 o k 权值 ho wk 1 hooh ho NN hohooh e wkk ho k w wwk ho k Step7Step7 利用隐含层各神经元的和输入层各神经元的输入修正连接权 h k 1 h ihhi ihhih NN ihihhi hi kee wkk x k whi kw wwk x k Step8Step8 计算全局误差 2 11 1 2 qm oo ko Edkyk m Step9Step9 判断网络误差是否满足要求 当误差达到预设精度或学习次数大 于设定的最大次数 则结束算法 否则 选取下一个学习样本及对应的期望输 出 返回到第三步 进入下一轮学习 6 4 2 2 2 BP 算法的改进 虽然 BP 网络存在可以实现从输入到输出的任意非线性映射的优越性 但 20 46 是在实际应用中却存在很大的缺陷 主要为 学习算法的收敛速度慢 通常 需要上千次或更多次数 从数学角度看 它可以看成非线性的梯度优化问题 不可避免地存在局部极小问题 难以确定隐含层和隐节点的个数 因此近些 年来出现了很多改进的 BP 算法 例如 变步长算法 动量法和自适应调整学 习率的改进算法 BP 算法的改进主要有两种途径 一种是采用启发式学习方法 另一种则是更有效的优化算法 本文采用 trainnet 函数对样本进行训练 函数 trainnet 采用 BP 算法中的 Levenberg Marquardt 动量项法实现 该方法具有训练 速度快 学习时间短的特点 从而使学习时间大大缩短 4 2 2 3 基于 BP 神经网络的客运量预测 1 影响因素 影响客运量的因素很多 本设计不一一列举 而是取对客 运量具有绝对影响的两个指标作为其影响因素 它们分别是 GDP 和人口总数 2 预测模型的建立 标准的 BP 神经网络是由三个神经元素层次组成即 输入层 隐含层 层间神经元相互联接 层内神经元之间没有连接 本模型也 采用这种结构 输入节点以前面分析的客运量影响因素为基准 确定输入层为 2 个神经元 隐含层为 12 个神经元 输出层为 1 个神经元即 客运量 则其模 型可表达为 输入层向量集 隐含层向集为 输 1 2 k ak 1 2 3 12 k bk 出层为 1 k ck 模型中输入层与隐含层的传递函数为 logsig 函数 表达式为 1 1 x f x e 隐含层与输出层的传递函数为线性传递函数 purelin 其表达式为 yx 3 模型训练 检验与仿真预测 根据确定的影响因素统计国内生产总值 总人口统计资料 并根据各指标规律以及区域发展规划确定未来年的影响因素 的指标值 输入输出数据的规范化 为了改善学习过程中的收敛速度和收敛误 差 训练前采用以下隶属度函数对本数据进行规范化预处理 使数据的值位于 0 1 内 min max min jiji jiji ji XX XX X 4 模型训练 选取输入数据的前 n 组数据作为学习样本 选用 levenberg Marquardt 动量 21 46 项算法 用 matlab 软件编程进行计算 设定精度误差 E 通过 m 次训练 计算 的均方差满足精度要求 得到合适的权值和阙值 5 仿真与预测 将规划年的各影响因素的指标值与得到的权值和阙值代入仿真函数进行运 算 求出未来特征年的客运量的预测数值 4 2 2 4 预测结果显示 通过对网络的训练 预测得到往后十年的客运量数据 其中 GDP 和人口的 预测值采用灰色预测模型预测的数值 具体结果见表 4 5 表表 4 54 5 BPBP 神经网络模型预测得到的各年客运量神经网络模型预测得到的各年客运量 年份 GDP 预测值 万 元 人口预测值 人 客运量预测值 万人次 20123608533024181500 20134076683065311948 549 20144605573106991854 25 20155203073149242056 5 20165878093192072209 78 20176640683235482849 9 20187502213279483012 85 20198475513324083542 1 20209575083369293944 5 4 2 3 多元线性回归预测模型 本设计采用二元回归模型对客运量进行预测 其中自变量分别取各年 GDP 和人口总数 因变量取各年的客运量 通过表 4 1 中的数据 利用 excel 软件 进行线性回归分析 最终得到二元线性回归模型 12 0 0029510 002338271 15yxx 其中 x1 表示 GDP x2 表示总人口 y 表示客运量 4 2 3 1 对未来十年客运量的预测 由于 GM 1 1 模型预测的 GDP 和总人口的误差已经相当小 故在此不再对 GDP 和总人口进行一元线性回归预测 直接用灰色预测模型的到的数据进行客 运量的预测 具体数据见表 4 2 将表 4 2 中的数据代入上述二元线性回归模 22 46 型便得未来十年的客运量 具体数值见表 4 4 表表 4 64 6 多元线性回归模型预测得到的各年客运量多元线性回归模型预测得到的各年客运量 年份年份 GDPGDP 预测值 万元 预测值 万元 人口预测值人口预测值 人人 客运量预测值 万人次 客运量预测值 万人次 20123608533024181500 78 20134076683065311648 548 20144605573106991814 368 20155203073149242000 568 20165878093192072209 78 20176640683235482444 97 20187502213279482709 495 20198475513324083007 143 20209575083369293342 196 4 2 3 2 误差分析 为了验证模型的实用性 进一步对预测数据进行了误差分析 分析的结果 见表 4 5 表表 4 74 7 多元线性回归模型预测客运量的误差分析多元线性回归模型预测客运量的误差分析 单位 万人次 年份年份实际值实际值预测值预测值残差残差 2006900899 640 36 2007957958 62 1 62 200810421055 90 13 90 200911561137 2618 74 201012891279 879 13 201113321344 71 12 71 4 2 4 组合预测 本设计为了保证预测的可靠性 不仅选择了多种方法对该县国民经济和客 运量进行了预测 同时根据不同方法的局限性和适用性 将进一步开展组合预 测 以进一步提高预测结果的可靠性和合理性 根据经验 灰色预测模型和多 元线性回归模型使用于中短期预测 而对长期预测表现出一定的不适应 对于 BP 神经网络 它需要大量的数据进行网络训练 数据量越大 训练的结果越理 想 但它同时面临计算速度的问题 数据量大 计算速度显然会降低 由于本 设计的数据量相对局限 运用 BP 网络预测的结果不是很理想 产生了误差也比 较大 综合考虑 在进行组合预测时 不再参照 BP 网络预测得到的结果 而只 23 46 选取灰色预测模型和多元线性回归模型预测的结果进行组合预测 并将权重分 别确定为 0 5 根据表 4 4 和表 4 6 中的数据 进一步得到组合预测的结果 具体见表 4 8 表表 4 84 8 组合预测得到的最终客运量组合预测得到的最终客运量 单位 万人次 年份多元线性回归模型预测值GM 1 1 模型预测值组合预测值 20121500 78 1433 00 1466 89 20131648 55 1561 00 1604 77 20141814 37 1700 00 1757 18 20152000 57 1852 00 1926 28 20162209 78 2017 00 2113 39 20172444 97 2198 00 2321 48 20182709 49 2394 00 2551 75 20193007 14 2608 00 2807 57 20203342 20 2841 00 3091 60 24 46 第五章第五章 客运站组织量和适站量预测客运站组织量和适站量预测 公路站场客运站组织量是指公路旅客运输中通过公路站场管理 信息服务 等机构 组织各种形式的运力 为社会运输的旅客运输量 分析余庆县客运运输市场的特点 可以看出 在外出人员当中 通过公路 运输站场组织发送的旅客量比例较大 即余庆县站场客运组织量占客运量的比 例较其它枢纽的比例要高 公路客运场站适站量是指进入公路客运场站进行站 务作业的客运发送量 他是公路客运场站组织量的重要组成部分 是确定场站 建设规模的重要依据 公路客运量 车辆入站率 中途上下车旅客的比例 站 内上车人数占车辆座位数的比例等 根据余庆县历年的交通统计资料及其特点 确定余庆县公路站场客运适站量 组织量与适站量的预测方法为 SE PS 式中 S 表示组织量 E 表示运输量 P 表示适站量 有关资料规定 组织 系数 40 60 适站系数 60 80 根据以上公式 可得余庆县公路客运 组织量与适站量的预测结果 本项目结合余庆县现有的客运站进行分析 确定 以日平均适站量的 11 作为本项目的日均发送量 具体结果见表 5 1 表表 5 15 1 余庆县汽车客运站旅客日发送量预测值表余庆县汽车客运站旅客日发送量预测值表 年份 客运量 万人次 组织 系数 组织量 万人 适站 系数 适站量 万人 日平均适站量 万人次 日均发送量 万人次 日 20121466 890 5733 450 70513 411 410 15 20131604 770 5802 390 70561 671 540 17 20141757 180 5878 590 70615 011 680 19 20151926 280 5963 140 70674 201 850 20 20162113 390 51056 700 70739 692 030 22 20172321 480 51160 740 70812 522 230 24 20182551 750 51275 870 70893 112 450 27 20192807 570 51403 790 70982 652 690 30 20203091 600 51545 800 701082 062 960 33 25 46 第六章第六章 客车站工艺设计客车站工艺设计 6 16 1 车站规模指标计算车站规模指标计算 根据客运量的预测结果 运用工艺计算法 算出客运站的主要生产规模指 标 6 1 1 设计年度日均发送量 年度平均日旅客发送量是反映车站建设规模和生产能力的重要指标 也是 确定各类设施规模的评定站级的主要依据 根据车站服务区域道路旅客运输发 展规律 通过预测 确定设计年度 2020 年平均日旅客发送量为 3300 人次 所 以 新余庆县客运站的级别应为三级车站 6 1 2 设计年度最高聚集人数 旅客最高聚集人数 它是指一年中旅客发送量偏高期间内 每天最大的同 时在站人数的平均值 即高峰期人流量 它是决定候车厅的最大容量和服务设 施面积的主要依据 其数量确定是按设计年度平均日旅客发送量计算的 其公 式为 DF 式中 D 旅客最高聚集人数 人 F 设计年度平均日旅客发送量 人次 计算百分比 其大小可按照下表选取 表表 6 16 1 不同旅客发送量的百分比表不同旅客发送量的百分比表 设计年度平均日旅 客发送量 人次 计算百分比 设计年度平均日旅 客发送量 人次 计算百分比 500 人以下20 30 4000 700012 14 500 200017 20 7000 1000010 12 2000 400014 17 10000 以上10 根据上式和表 6 1 取 15 计算得到余庆县客运站的旅客最高聚集人数 人 3300 15 495DF 6 1 3 日均发车班次 影响日均发车班次的主要因素有 旅客日发送量 客车定员人数 过Fp 站车辆换乘系数以及始发车的合理座位利用率等 26 46 p F N 1 其中 N 发车位数 F 平均日旅客发送量 过站车载乘率 这里取 10 增设系数 这里取 1 2 客车平均定员 这里取 p 30 始发车合理乘载率 这里取 70 经计算可以得到日均发车班次 N 170 次 p F 1 7030 2 1 101 3300 6 1 4 有效发车位 发车位数是客运站设计的重要指标 它是表示车站同一时刻内能发客班车 次的数量 按照发车位数的计算公式 本站发车位为 M np D 1 式中 发车位数 M 旅客最高聚集人数 D 过站车载乘率 这里取 10 增设系数 一般取 1 2 营业时间内平均每小时每发车位发车次数 这里取 4 n 客车平均定员 这里取 30 p 始发车合理乘载率 这里取 70 经计算可以得到有效发车位为 M 个 np D 1 495 1 10 1 2 6 36 4 30 70 所以 该站共需要车位 7 个 6 26 2 车站设施规模计算车站设施规模计算 客运中心建 构 筑物面积的计算与确定 依据 汽车客运站级别划分和 27 46 建设要求 关于二级客运站设施配置的要求和规范性 结合本站功能定位 分 别计算得出本客运中心站各组成部分的建设规模及面积 6 2 1 站前广场 一 二级车站按旅客最高聚集人数每人计算 三级车站按 22 1 52 1mm 旅客最高聚集人数每人 1 0 m2计算 站前广场面积 495 1 0 495 m2 6 2 2 发车位 发车位面积根据发车位数 每个发车位占用面积按客车投影面积的 2 倍 见 交通港站与枢纽 117 页 计算 客车投影面积取 30 m2 即 发车位面积 2 发车位数 客车投影面积 2 7 30 420 m2 6 2 3 停车场 停车场的最大容量按同期发车量的 6 倍 见 交通港站与枢纽 117 页 计算 每个车位占用面积按客车投影面积的 3 倍计算 即 停车场面积 6 3 发车位数 客车投影面积 6 3 7 30 3780 m2 6 2 4 站房面积 1 候车厅 候车厅面积 1 0 m2 人 设计年度旅客最高聚集人数 495 m2 2 重点旅客候车室 重点旅客候车室视实际需求设置 但总面积不应超过候车厅面积的 1 3 这里取 100 m2 3 售票厅 售票厅面积 售票室面积 购票室面积 其中 购票室面积 20 m2 窗口 售票窗口数 售票室面积 6 0 m2 窗口 售票窗口数 售票员每小时售票按 100 张车票计算 可考虑配备部分自动售票机 售票 窗口要增设 15 0 m2的总控室 即 售票窗口数 D 每个窗口每小时售票数 495100 5 个 28 46 所以 购票室面积 20 5 100m2 售票室面积 6 5m2 30 m2 故 售票厅面积 购票室面积 售票室面积 总控室 100 30 15 145 m2 4 行李托运处 行包托运处面积 托运厅面积 行包受理作业室面积 行包库房面积 计算该部分面积时 必须明确托运单元的概念 完成行包托运的一组人员 及其配套设施称为托运单元 按照客运站建设的理论和实践 一级站托运单元 为 2 4 个 二级站托运单元为 2 个 三 四站托运单元为 1 个 托运厅面积 25m2 托运单元 托运单元数 25 m2 行包受理作业室面积 20m2 托运单元 托运单元数 20 m2 行包库面积 0 1m2 人 旅客最高聚集人数 15 m2 54 5 m2 其中包括总控室 15 m2 行包托运处面积 托运厅面积 行包受理室面积 行包库面积 25 20 54 5 99 5 m2 5 行包提取出 行包提取处面积 行包托运处面积 其中 为计算系数 按规范取 30 则行包提取处面积 99 5 30 33 m2 6 站务员室 站务员室面积 2 0 m2 人 当班站务人数 15 m2 其中包括总控室 15 m2 当班站务员人数取 7 人 则有 站务员室面积 2 0 m2 人 7 人 15m2 29 m2 7 驾乘休息室 驾乘休息室面积 3 0 发车位数 3 0 7 21 m2 8 调度室 调度室面积一般按站级确定 一级站一般按 30 m2 50m2 二级站一般按 20 m2 30m2 三级站一般按 15m2 20m2 这里取 15 m2 9 治安室 治安办公室面积按 15m2 30m2 取 20 m2 10 广播室 29 46 广播室面积按 10m2 20m2 取 15 m2 11 医疗救护室 医疗救护室面积按 20m2 40m2 取 30 m2 12 盥洗饮水处 盥洗饮水处面积按 20m2 30m2 取 25 m2 13 旅客厕所 旅客男厕所面积 1 2m2