西安地铁5号线节假日客流预测及开行方案研究

III绪论 1.1课题的研究背景及意义1.1.1研究背景城市人口数量不断增多，导致城市规模不断扩大，同时私家车数量也大量增加，市内交通拥堵现象严重，能源消耗问题加剧，这让人们对出行的看法发生了变化，城市的交通面临着巨大的压力，人们迫切的需要一个高效、环保、便捷、运量大且准时的新的足够缓解传统交通方式的城市交通系统，因此，避免了城市内地上复杂系统的的城市地下轨道交通系统——地铁，成为了当前城市交通问题的主要发展方向。世界上最早的地下城市轨道交通建于1863年的伦敦，它的出现改变了伦敦几乎要爆炸的交通系统，同时也改写了世界的城市交通史，使得城市交通网络变得更加多样和畅通。城市轨道交通系统相比于传统地面的交通系统，具有高速、高效、稳定、安全等优点，能够十分有效的缓解城市地面交通压力，从而加快人们的出行效率，满足城市内日益增长的交通需求。西安地铁五号线于2020年12月28日正式投入使用，具有很重要的实际作用，每天的人流量可达到15万人次以上，促进西安市县域经济和城乡一体化发展。客流量的预测能够为城市轨道交通的规划提供十分有价值的参考性意义。城市交通轨道规划、城市轨道网络的车厢型号选择、车辆组织方案等提供重要的依据，同时也是城市轨道交通管理部门进行管理和控制的必要条件。随着科技的进步以及社会的发展，人们出行的方式五花八门，人们在一定时间和空间范围内做有目的的移动便形成了客流。铁路客运运输离不开客流，所有的客运营销手段以及相应的政策都是以客流为准进行制定和执行的。客流高峰期是指，在一定时间内由于某些特殊原因导致客流激增，使得铁路客运站无法正常的进行运输组织工作。并且客流的高峰期一般发生在节假日，例如劳动节、国庆节、春节等。为了应对节假日客流激增的发生，我们必须采取有效的运输组织方案，充分的发挥客运站的客运运输设备以及人员调整的能力。本次课题主要以西安地铁五号线为研究对象，对西安地铁五号线在高峰期间的客流量进行预测，根据预测出的数据，采取积极有效的应对措施，优化改进客运运输设备，对班组人员进行及时调换，建设科学的管理制度，为旅客的正常出行提供保障。1.1.2研究意义1.理论意义随着城市不断向周边城郊扩建以及市区内部地面交通流量加大，市内的交通堵塞与城郊迫切需要的交通需求不仅形成了鲜明的对比，同时也是一个亟待解决的城市交通问题，因此，城市地下轨道交通作为能够同时解决城市内二者诉求的解决方案，已经成为了我国交通的重要组成部分，不断有城市开始建设城市内的轨道交通系统，城市轨道交通客流的预测，对于城市内轨道交通乃至其他交通方式都具有重要的意义，不仅能够为日常运营计划和开行方案的设计提供基础，还能够根据客流量数据为合理分配城市运输能力提供有效的数据支持。只有对客流量精准的预测和把握，才能够合理的针对客流特性分配和调度轨道交通系统，提高客运效率，避免资源浪费。因此，准确的客流预测能够给城市内轨道交通系统带来更加稳定、平稳、有序的运营。高峰期客流是客流的特殊形式。高峰期客流量可以分为学生客流、旅游客流、探亲客流、民工客流等。这些客流比其他日常客流在规模上或数量上都要多的多。由于高峰期客流形成的原因诸多、出现时期的特殊，因此本文针对西安地铁五号线高峰期客流量的预测对地铁运输的发展有着至关重要的作用。客流预测，对其使用灰色模型的方法进行预测。根据预测客流，对西安地铁五号线线路、车站以及行车等方面提出方案，目的是方便乘客舒适度、提高地铁五号线的折返能力、行车间隔还有车辆编组甚至列车开行方案。在这次论文中，我将会通过调研方式对西安地铁五号线的客流量进行预测，并通过产生的具体数据进一步对五号线的运营提出规划。最后，我希望本文对西安地铁五号线客流量预测及运营组织的研究，可以对几年后西安地铁五号线的开通运营提供数据参考并达到提高运行效率的目的。2.现实意义许多大城市解决城市内的交通问题的首要选择就是地下城市轨道交通系统，同时城市内的交通情况也随着城市轨道交通系统的出现而出现改善。但是城市地下轨道交通是一个大范围的工程，需要在建设之初就对其进行完整的规划，由此就体现出客流预测的重要性。西安地铁五号]是西安市中心与开发区连接的主要交通方式，在城市内城郊沟通建设中具有重要的地位，整条线路经过两个大型的公交枢纽站——香炉礁公交枢纽和西安火车站公交枢纽。香炉礁日间有二十条重要的转乘公交线路，夜间有联运车、夜间车等共三条线路，是十分重要的交通枢纽；而西安火车站，每天从火车站进出西安的人流量巨大，大量的人都会从火车站出入，通过公交、地铁等方式出行，由此可见西安地铁五号线的重要性。同时由于与其有关的公交线路过多，其客流特征也十分复杂。由此可见西安地铁五号线具有十分重要的现实意义，本文就对西安地铁五号线的客流量进行预测和分析，从而为西安地铁五号线的客运组织优化提供一定的帮助。自改革开放以来，如果可以提前针对铁路客运站的高峰期进行客流量预测，那么我们就可以在事先就能了解到客流量的大概数据，安排出数量足够的班组、车次、工作人员等，制定出科学的管理制度以及预想问题的解决方案，以此来安抚旅客的情绪，保证各铁路客运站的各个工作岗位能够在高峰时期进行正常的铁路运输组织工作。提前对高峰期客流进行预测不仅有利于提高铁路运输车站的作业效率以及服务质量水平，更有利于我国铁路事业的发展，从而带动重点地方经济的发展，为地方经济发展提供动力。1.2国内外研究现状目前，国内外对于客流预测技术都较为重视，但是对于短期内城市轨道交通的客流预测研究还尚有欠缺，由于道路交通的客流预测通常为短期预测，因此大多采用道路上的交通、公交等来对城市内轨道交通进行预测，但是结果都并不是很准确。因此本文基于灰色理论对西安地铁五号线客流进行预测，根据预测结果，总结客流变化的原因，以期为地铁运营部门制定建设规划和运营策略提供相关的依据。1.2.1国内研究现状目前来看，国内外针对客流进行预测的主要方法是四阶段法，土地利用法等进行预测。这些预测方法的侧重点有所不同，由于是新线开通，所以必须把新线开通的影响视为重中之重。四阶段法：便是出行方式、出行分布、方式划分还有交通流分配。土地利用法：就是根据不同地点的受众的期望值来预测出该地区的客流量大小。覃本煊，对四阶段法中的每一个阶段都有详细的介绍，同时还对模型都做出了一定程度的改进，提高了预测准确性。黎伟，提到了四阶段法中的几种模式，引进TransCAD使交通流得到了更加精准的分配。李涛，用时间序列法对郑州的客流特点进行分析，并建立出BP神经网络的客流预测模型。该模型可以预测一个月的线网客流，为运营管理提供了参考依据。陈镇元，利用图卷积神经网络对地铁客流进行预测并进行验证，得到图卷积神经网络可以更加有效的找到线路网中复杂的空间和时间关联，更好的提高了预测精度。刘杰、衡玉明、赵辉等人提出利用XGBoost算法进行客流预测，并对西安市地铁刷卡的数据进行分析，然后将预测的结果跟BP神经网络模型以及ARMA模型对比，发现XGBoost拥有更好的预测精度，而且所需的时间更短5]。1.2.2运营组织现状在进行地铁运营的过程当中，是通过进行多个部门来进行沟通协调的，如果在操作上出现问题的话，那么最需要的就是能够具有一个更加完整的体系来进行发展，此外，我们也应该注重各项应急方案的演练工作来方便主体流程，能够得到更加完善的解决，这样既能方便整体操作人员整体的操作过程同样也能够节省一定的时间来方便各项技术人员能够得到按流程工作的方式，我们在遇到很多突发事件的过各项措施来进行预防。从而能够做好各项工作的防范，在面临各项一线维修人员所面临的问题时，要及时进行客运组织以及客流疏散来完善现在的运营组织情况。王媛媛先是分析了在大小交路模式下不同客流的特点，以列车间隔时间、乘客需求以及最大可用车底数量为约束条件，最终建立出大小交路的模式下列车的开行方案模型6]。赵钢，彭其渊研究了旅客平均候车时间，提出了城际旅客出行方便值，并从旅客出行方便值最大和运营效益最优角度出发，建立了开行方案优化模型，以此为城际铁路的运营管理提供参考7]。牛惠民，陈明明等人对轨道动车组的数量，列车运行的要求以及运营企业的利益，把乘客等待时间最小作为目标函数，建立出列车开行方案模型，并利用遗传算法进行求解8]。郑亚珺专门研究列车的编组方案，根据影响列车编组的因素的不同方面，建立了出编组方案的优化模型，并且用实例进行验证9]。刘岩、张宁、邵星杰等人在2015年采用多维标度法分析线网在各个站点之间的关联性，从而进行多个站点之间的客流量预测，最后，通过实际的案例分析，得到了单一站点预测客流量的精度远小于多个关联的站点之间的客流量预测精度这一结论[10]。刘杰等在2021年提出的模型提高了交通枢纽中1%的预测精度，通过实例表明了他们论文中所提到的方法能够减小单一模型所带来的不确定性的影响[11]。王洪德、刘岩在2020年通过实证表明，其组合模型的预测结果比传统的具有单一性的灰色预测结果以及向量机支持的预测方式有着3.61%的提高，这种方式在预测客流量上有着更高的实用、推广性，能够十分广泛的适用于地铁客流量的预测[12]。与2019年贾云蒲、陈宽民、曹夏玲提出一种改进后的灰色预测模型——灰色新陈代谢预测模型，这种模型在实际应用上比其他模型在短期的客流预测中更具有可行性和精确性13]。2021卢志义、聂惟聪、陈丽珍等人通过对实际具体数据对未来客流量的预测与检验，证明了灰色GM（1，1）理论能够完美的应用到预测城市轨道交通中[14]。王钰、郭兰英、程鑫等人通过用向量机的方式对1996-2003年公路货运量进行了实例预测，从而得到了向量机有较高的精度的结论[15]。李元诚等在2020年提出了一种新的机器学习方法用于客流量预测，这种方法是通过SVM核方法和小波框架理论为基础的一种以WSVM为基础的非线性组合预测新模型。郭志达等在2021年运用灰色理论建立了中国环保投资额度方面的预测模型，该模型是通过对中国2019到2020年的总投资变化规律中得来的。北京交通大学的王挺[21]在2019年提出了将短时客流预测分为同比和环比的两种方法，从而解决先验客流信息不同的问题，这种方法的研究对象有两个：进站客流量和OD客流量，并得出了时间粒度的正确选择能够直接影响预测精度的结论。2019年贾云蒲，陈宽民，曹夏玲[17]三人采用线性组合的方式，结合了灰色GM(1，1)模型预测结果与改进Verhulst模型预测结果，并通过与其他的多种预测模型进行对比，得出组合模型的预测结果精度更高的结论。卢志义，聂惟聪，陈丽珍[20]三人采用自回归滑动平均时间序列(ARMA)模型对客流量进行预测，得到了与实际误差较小的结果，增加了客流预测的一种新的可能的模型方法。王钰、郭兰英、程鑫等人在2020采用神经网络的算法——LongShort-TermMemory，进行短时的客流预测，并利用多因素分析的思想，处理数据[16]。苍海蓉（2019年）主要分析了铁路客流高峰期时客运运输组织所采用的科学管理制度以及应对方案，以此来为铁路运输事业提供新方法和新思路[22]。顾雨婷（2020年）主要分析了铁路客运高峰期客流的形成原因以及客流的特点，从铁路管理逐级递增的几个方面提出合理的运输处理方案，以此来保证铁路客运高峰期正常的运输组织工作[23]。姜辉（2019年）利用铁路客运站的高峰期客流数据，分析出日常客运运输组织方法也能基本适应高峰期的客运运输组织工作，对铁路客运运输服务质量水平的提升有一定的作用[26]。王华（2018年）分析出铁路高峰时期客流量与铁路平峰时期的不同，以及比较高峰与平峰时期的特点，同时为了保证旅客在铁路高峰期时能够正常的出行且客运站工作岗位能够正常运转，提出了缓解高峰期客流激增的方法对策[19]。张国武、刘伟（2018年）主要以北京地铁一号线为例，统计了地铁交通高峰期客流量的数据，并且通过积分预测法分别对高峰期进行了客流量预测，研究了轨道交通工具的运输组织形式，得出在高峰时期的满员以及超员的客流数据，通过客流预测的方法可以发现有效的编组形式不仅有利于缓解客流的拥堵，还有利于提高车站的作业效率和服务质量水平[24]。柳树国（2020年）举例成都高铁站，主要研究车站客流高峰期的运输组织。提出关于客运站在高峰期时的票务和安全管理制度的实施。票务管理上主要阐述票务的监督、原则、措施等方面；安全管理上主要论述车站在高峰期时所存在的问题以及应对方案[25]。杨媛媛（2020年）提出个人的主张见解，针对铁路客运运输过程中的服务质量水平、以及班组工作流程，分析出高峰期客运运输组织存在的问题，提出优化客运运输组织的有效方案，以此来保证铁路客运运输在客流高峰时期的正常组织工作[18]。杨艳艳（2018年）分析了春运客流高峰期铁路客运站客流、售票等因素，比较春运客流高峰期与日常客流的差异，提出适合春运时期的客流高峰期铁路客运站运输组织方式建议[27]。李秦仰（2019年）对铁路客运高峰期的常态化运输组织方式进行了分析，有利于提高客运站的作业效率和服务质量水平，也有利于我国铁路事业的发展[30]。梁强升（2020年）通过结合轨道交通线网客流的特点以及规律，并且在城市轨道交通时空关联特性的理论基础的想法，分别提出了城市轨道交通车站在高峰条件下以及日常工作条件下的客流预测方法，有利于相关车站的客流预测工作的开展[29]。陈通箭、袁发涛（2020年）采用分类预测和回归预测的方法对铁路车站客流高峰期持续时间进行分类，不仅对铁路车站的客流高峰期持续时间有更好的准确性，也有利于提高铁路车站在高峰期时的管理能力[28]。预期结果表明此方法适用于对铁路车站高峰期客流持续时间进行预测，也能够提高铁路车站的管理与运营水平。徐福生（2020年）分析了铁路车站客流高峰期结构组成以及形成原因，通过调解工作人员以及运输设备的工作能力，来解决铁路车站在高峰期站内拥堵的问题，并提出了应对铁路车站高峰期客流激增的方案与建议[31]。1.2.3国外研究现状1943年，一种涉及到人工神经网络的模型——MP模型由美国心理学家W．S．McCulloeh和数学家W．Pitts提出，这是人类历史上首次涉及到人工神经网络的研究。1949年，Hebb在论著《TheOrganizationofBehavior》中，通过对大脑神经细胞的学习与条件反射条件的大胆假设，从而提出了著名的HEBB计算机规则；然后，于1957年HEBB计算机规则被F．Rosenblatt进一步研究，感知机网络模型就此产生，随之而来的感知机收敛定理于1958年推导并证明。1981年，芬兰的T．Kohonen将研究对象设定为可是系统，从而提出了一种自组织神经网络的原理。1982年，以能量函数思想为基础的Hopfield神经网络模型由HopfieldJJ[16]提出，他是美国著名的物理学家。1986年，BP神经网络算法首次由Rumelhart和M．Clelland[17]提出，这种算法沿用至今，主要通过模仿人类大脑思考方式，从而对神经网络进行训练和学习的解决方法的方式。1987年，神经网络的发展就受到了人们更多的关注，因此，在这个模型之下，也建立了对应的神经网络，学会我们要对这些模型进行充分构建，从而能够使其更加具有一定的稳定性，进行学习和回忆的过程当中，也能够使其具有一定的模式状态，在1988年的时候，Chua和Yang提出了细胞神经网络(CNN)模型。1995年，Jenkins以通过将光学神经网络来作为主要的基础部分，建立一种具有电子光学的神经网络系统，并且将其进行对比来进行研究。因此，我们可以发现，整体的铁路客运发展过程当中，需求性是比较强的，因此，我们应该提高其中所存在的结果，来进行集中对比和发展。1969年，Bates．J．M和Granger．C．W．J在研究的过程当中，就从概率学等方面来进行共同探讨，并且提出了各项能够进行组合的方法，在这些方法的基础之上进行分类，最后再进行一次处理的模式。所以，从20世纪70年代之后，这种模型就在整体的概率学研究过程当中进行了引用，我们再进行一个过程当中发现，从20世纪70年代往后来讲，这就成为了很多学者研究过程当中的重点内容，一直到了1989年，国际上，有关相关领域的发也开始逐渐兴起。HopfieldJJ（2021年）提出了莫斯科地铁在高峰期客运量的预测方法。其中包括了三个预测方案：（1）基于人工神经网络（ANN），（2）在Caterpillar–SSA软件包中的奇异谱分析法，以及（3）人工神经网络和奇异谱分析两种方法的结合。这些方法能够比较精准的对莫斯科地铁的高峰期客流量进行预测[32]。TaikunShen;NiZhang等（2019年）以贵阳地铁一号线为例进行研究，由于贵阳市在高峰期时的客流量激增，导致城市轨道交通运输受阻。为了保证轨道交通的运输安全和服务质量水平，采取特殊的控制措施来对客流进行组织。主要研究了城市轨道交通车站对高峰期客流组织的分析和方法，保证轨道交通工具可以发挥其安全运送旅客的能力，为制定相应管理制度提供了理论基础[2]。RumelhartDE，HintonGE，WilliamsRJ等（2021年）分别对铁路高峰期和非高峰期时段的未来出行方式进行分析，并在功能上设计了交通网络。但由于人们出行时间的不同，铁路高峰期来临的时间也会不同[33]。因此，为了对铁路客运站进行长期的客流量预测规划，要时刻监控高峰期时段的来临。本次研究是为了提出一种铁路高峰期时段预测的确定方法，以便在未来的运输工作中运用。1.3研究目标及内容1.3.1研究目标针对通过对西安地铁五号线当前的客流现状调查，得出相应的数据，并根据相关数据通过灰色GM（1，1）理论完成西安地铁五号线的客流预测，通过预测结果制定列车开行方案画出列车运行图。1.3.2研究内容论文主要对西安地铁五号线的客流通过灰色理论进行相关的预测研究，论文共分为五个部分，每个部分主要的研究内容如下：第一部分为绪论部分。从研究课题的背景开始，明确课题研究的目标和意义，并对该课题的国内外研究状况通过文献查找法进行研究，通过该部分让读者对论文的研究内容有一个初步的了解。第二部分为理论方法部分，对本文所用到的灰色理论进行简要的介绍，然后对城市交通客流预测的重要性进行介绍。第三部分为数据调研与预测模型的介绍部分。通过实际调研以及网络数据收集的方式，得到灰色理论所需要的客流量预测数据，并对近年来的西安地铁五号线客流现状以及数据进行收集和分析，然后通过利用灰色理论对原始数列的处理规律进行寻找，从而生成规律性较强的模型数列，并对其准确性进行测试，得到相应的预测模型。第四部分为灰色模型建立以及客流量预测部分。以第三部分收集的客流量数据为基础，首先对预测模型进行建立，然后将原始数据导入到建立好的预测模型中，从而生成西安地铁五号线的预测模型公式，然后对其准确性进行测试，得到最终的预测模型，最后对西安地铁五号线的客流进行预测，通过预测结果制定列车开行方案画出列车运行图。第五部分是对全文的总结，首先分析了第四部分的预测结果，并对未来两年的客流量预测进行展望，提出相关的意见，最后为整个文章做一个总结。1.4研究方法1.4.1文献研究法通过对与本论文有关的文献或书籍进行资料查找从而掌握相关的理论知识，有助于对论文所要研究的内容有一个全面的了解。本文进行研究的过程当中，主要通过使用文献研究法来进行整体的预测。1.4.2调查法调查法就是通过对于各项内容进行一定的探究，然后具有目的性的进行考察来将这些方式进行运用和总结，因此，给个人在进行探讨的过程当中，就将这些应用数据进行集中收集来为相关的理论建造一定的基础。1.4.3定量分析法我们通过对事物或者是组成事物的各个部分整体进行整体的定量分析的手法来根据其中所存在的各项数据，对这些指标进行集中计算，并且计算对应的数学模型然后对整体的客流量进行预测。1.5本章小结整个章节在进行学习的过程当中，也共分为四个小节，并且，通过对有关客流预测的相关研究背景和所体现的意义进行了集中介绍，对于各项目标和意义方面的内容进行了明确。论文题目相关理论综述2.1灰色系统理论灰色理论是在1982年由我国的邓聚龙教授创立，从字面意思理解，“灰色”就是非黑非白，即不确定，因此灰色理论就是研究不确定信息的理论。是对部分信息已知，部分未知的问题通过对清晰数据的处理，从而形成相关的规律，提取有用的信息，从而实现对大的，不确定的系统的预测。在我们的生活中，存在着大量不确定的信息，灰色理论就针对如何对不确定信息进行预测的一门理论。灰色理论作为一门已经发展三十余年的学科，已经从单一学科发展出了一套完善的理论体系[18]。2.2灰色GM（1，1）理论灰色理论从提出以来，经过国内外学者的不断研究，应用该理论成功解决了大量的不确定事件，为概率学提供了极大的帮助；而灰色GM(1，1)理论就是灰色理论中应用最广的理论之一，通过语言模型、网络模型、和优化模型等思想，通过建设模型研究被测对象。灰色GM（1，1）理论中，GM代表英文GrayModel，即灰色模式；（1，1）中两个一分别代表一个变量和一次，即该模型是一个研究无固定内容的一元一次微分方程，针对某一单一的影响因素而建立的模型，通过对该单个因素的主要变化从而推断出预测值。灰色理论模型预测作为一种时间序列模型预测，其具有很广泛的面向对象，只需要从预测对象中找出相应的一次变量时间序列关系，就能够满足整个预测模型的预测条件。其预测方式与常规的方式不同，常规方式是对原始数列进行建模预测，而灰色GM理论通过原始数据生成数列，直接预测。同时需要的数据不多，对于很多数据少、信息少却预测量大的系统十分有效。综上所述，灰色GM（1，1）在预测客流量的应用上有着很大的优势，其也是地铁客流量预测最为常用的一种模型，通过构造序列号的方式对历史数列规律探寻，从而减少对大量数据的依赖，是通过小样本推测大的随机不确定问题最为常用的一种方式。2.3城市轨道交通客流预测的重要性城市轨道交通系统和传统地面交通方式相比，没有地面上交通的多种方式，减少了干扰，同时提高了速度，是发达中心城市的首要选择，其地位和作用在未来的很多年都无法被其他交通方式取代。而地铁这类大型城市轨道交通系统从设计到实施建造，再到实际运营，都是一个浩大的工程。因此在设计过程中所需要考虑的因素以及各种要素的选择，如当地地面交通的通行能力、城市地下轨道交通的分布、车辆的规模、通车后的效率和收益等。同时铁路交通系统运营年限普遍较长，在设计时甚至还要考虑时间因素所带来的人口增多、设备维修老化等带来的影响。由此可见轨道交通系统成立之初对于其体量以及各个方面的设计的重要性。而设计之初，在没有实际的建设规划且具有较大变数的前提下，对城市轨道建设进行成功的规划是极度困难的，而对于预测最有利的因素就是客流量的预测。由此可见，城市轨道交通系统客流预测的重要性。客流的预测可以为以下几个环节提供依据和帮助[19]：从客流量上看出该轨道线路对于城市交通发展和建设的重要型和必要性依据预测客流量选择城市轨道的规划；依据客流量对城市轨道交通的通行能力进行预测和计算；根据客流量数据，规划车厢、车型、轨道布局等硬件配置因素；根据不同站点的客流量情况，合理制定运营方案；规划线路长度，合理制定票价；根据各个车站的客流量情况，合理规划车站大小、车站容量；根据客流量预测经济成本，合理投资，从而达成相应的经济效益；根据客流量合理预估风险要素。由此可见客流预测能够在多个方面的客流预测中提供帮助，具有十分重要的作用。2.4高峰期客流的组成每年的春运、暑运、五一、国庆等节日都是我国铁路高峰期客流产生的主要时期。在这一时期的铁路高峰期客流有着丰富多样的组成，大致可以分为以下4种形式的客流：2.4.1学生客流每年的寒暑假以及各种长假期间，学生会大量的从学校回家亦或是从家里回到学校学习，再与其他的客流交织在一起，于是就形成了学生高峰客流。2.4.2旅游客流在五一、国庆、春节等重要节假日的时期，人们往往会有充足的休息时间，大多都会利用这段假期来外出旅行，旅游客流也可以分为个人旅游客流和群体旅游客流，群体旅游客流一般指旅行团导游带队旅游，这就形成了旅游高峰客流。2.4.3探亲客流我国每逢佳节到来之际，都有探亲访友的习俗，于是人们通常利用春运时期来进行走亲访友，于是就形成了探亲客流，同时，探亲客流也是铁路客运站春运客流高峰期的重要组成部分。2.4.4民工客流在每年的春运时期，民工客流是高峰期客流最主要的组成部分。由于许多民工常年在外地打工，因此他们大多都会利用春运时期返乡过年，这就形成了民工客流。并且在民工集中地区的民工客流在春运时期会占总客流的80%。2.5高峰期客流形成的原因由于我国在上世纪80年代进行的改革开放政策，使我国的国力得到了空前的提升，同时也奠定了我国在国际社会上的大国地位。我国铁路的发展也得到了很大的支持，从当年的绿皮火车到现在的铁路动车组、高速铁路，这一路的发展离不开国家的政策和人民的支持。随着科技的进步和社会的发展，人们出行方式千变万化，人们可以依靠自己的出行需求来选择不同的出行方式。出行的人多了便形成了客流，那么在特定时间出行的人多了也就形成了高峰期客流。形成高峰期的客流主要有以下4种原因：2.5.1经济实力经过改革开放的中国，国力得到大幅提升，人民变得富裕起来，人民开始追求更高层次的精神生活，因此人们对于出行的要求也越来越高，出行的次数也越来越多，就形成了高峰期客流。2.5.2传统文化我国是四大文明古国之一，无论是宗教信仰、民族习俗、还是生活习惯上都在一定程度上成就了高峰期客流的形成，例如每逢佳节人们便会互相走亲访友、春运期间返乡过年等。2.5.3国家政策国家出台的一系列关于铁路客流方面的政策对高峰期客流是有一定的冲击力的，铁路客流的变化幅度一般与出台的政策有着正相关的特点。例如之前的五一、国庆，分别都有七天的假期，人们只能利用这两个长假来进行返乡、旅游等活动。然而在国家出台了政策之后，将五一的七天假期分给清明节、端午节、中秋节等之前并没有假期的节日，这样一来一方面人们出行的时间变得更多，出行次数也变得更多，另一方面也促进了高峰期客流的形成。2.5.4其他方面一些特殊的情况或者时间也会影响高峰期客流的形成。例如现如今的新冠疫情期间，对于铁路高峰期客流的冲击是很大的，以往在五一、国庆等节假日都是客流高峰期，但在新冠疫情期间，一直无法达到以往的客流高峰期。但也有促进客流高峰期来临的情况，例如2008年北京奥运会，形成了非节假日的去往北京的高峰期客流。2.6高峰期客流形成的特点在铁路客运站经历高峰期运转时，会有大量的旅客进入车站，势必会造成一系列影响铁路客运站正常运输组织工作的问题，研究高峰期客流形成特点，有利于解决这些问题，最大程度上发挥客运站现有运输设备的效率以及工作人员的工作能力，以此来满足旅客对于出行的需要。高峰期客流的形成大致有以下5种特点：2.6.1客流结构的复杂在铁路客流高峰期间，学生客流、旅游客流、探亲客流、民工客流等客流与普通客流交织混杂在一起，势必形成多种复杂的高峰期客流形式。在春运时期，民工客流与探亲客流尤为突出；在寒暑假时期，学生客流与旅游客流又显得格外突出；在节假日时期，学生客流又与旅游客流、探亲客流变得突出。2.6.2旅客心理的变化由于我国拥有14亿多人口，同时人们大多会在法定节假日等时期进行旅游，出行的人数众多，会导致人们的心理发生变化，由于拥挤等因素的影响，人们或多或少会产生急躁、焦虑的不良情绪，影响对出行旅游的体验。2.6.3时间集中、客流密度大往往寒假和暑假会有40几天的时间，但是由于学生归心似箭，往往会在寒假刚开始那一个星期或是寒暑假的最后一个星期进行回家或返校。这就导致客流高峰期的时间比较集中，客流密度比较集中，客运站的工作压力比较大。2.6.4旅客出行行李多人们利用高铁或火车出行时，一般会随身携带一些日用品和基本行李，但在客流高峰期时，例如春运、五一、国庆期间人们会购买一些当地的特产、精美的礼品、首饰、玩具、纪念品等物品，所以旅客的行李量会大大增加，铁路客运站要提前做好行李托运的准备工作。2.6.5旅客出行的全天候性由于在铁路客流高峰期间，会有大量的旅客汇入客运站，会导致拥挤的情况发生，对旅客买票造成了很大的影响，有的时候甚至供不应求，有很多旅客花费一天的时间来买票，更有甚者花费两到三天买票，这不仅影响旅客对于出行的需求，同时也影响了我国铁路客运运输的发展。2.7本章小结本章节分为六个小节，首先所用的预测研究理论以及论文所做的客流预测的重要行进行介绍，接着对预测的主要手段以及预测目的有了明确的了解。其次对高峰期客流的组成、形成原因、形成特点进行了详细说明。西安地铁五号线2021年国庆期间的客流量规律3.1西安地铁五号线的基本概况西安地铁5号线（Xi’anMetroLine5）是中国陕西省西安市第六条开通运营的地铁线路，于2016年1月13日开工建设一期工程，于2017年2月18日开工建设二期工程，于2020年12月28日开通运营一、二期工程首通段（创新港站至马腾空站），标志色为黄绿色。图3-1西安地铁五号线线路图西安地铁5号线整体呈东西走向，西起西咸新区创新港站，途经秦都区（咸阳市）、未央区、莲湖区、碑林区、雁塔区，东至灞桥区西安东站。截至2020年12月，西安地铁5号线由创新港站至马腾空站，全长41.6千米，其中高架线18.13千米；共设34座车站，其中地下站22座、高架站9座；列车采用6节编组B型列车。3.2西安地铁五号线在2021年国庆期间的客流发展情况影响西安地铁五号线高峰期客流量的因素有很多，例如由于五一、国庆有较长的假期，人们会利用这段期间来乘坐高铁出行旅游；在春运、暑运期间会有大量的民工返乡；在寒假暑假期间，会有大批学生客流返校回家的情况。随着人们物质生活水平的提高，高铁速度越来越快，准点率越来越高，因此更多的人们乘坐高铁来进行探亲、访友、返乡、旅游等活动。这一方面不仅加速了西安铁路枢纽的发展，还在另一方面为西安地区的经济提供了动力，促进西安经济技术水平的发展。根据下表3-1以及图3-1我们可以发现西安地铁五号线在2021年国庆期间的客流的发展趋势。表3-1西安地铁五号线2021年国庆期间的客流数据表时间客流量（万人次）10.137.5710.236.2310.335.9710.436.1210.536.3310.636.8910.737.12图3-1西安五号线2022年国庆期间客流数据趋势图由上表3-1和图3-1我们可以了解到，自从西安地铁五号线正式投入使用以来，国庆期间的客流量呈小幅提升，这说明越来越多的人选择在国庆高峰期间选择乘坐地铁出行。3.3常见的铁路客运站高峰期客流预测方法由于社会的进步和科技的发展，人们对于出行的要求越来越高，越来越多的人选择乘坐高铁出行，势必会造成客流高峰的难题，那么提前预测出高峰期的客流就显得尤为重要，提前预测出高峰期客流数据可以让铁路客运站安排出足够的车次、班组以及工作人员，充分发挥铁路客运设备的运输能力，以此来满足旅客对出行的需要。本文主要针对西安地铁五号线在2022年国庆高峰期的客流进行预测。截止目前，用来预测铁路高峰期客流的预测方法已经有很多，接下来我将具体举例几种客流预测方法进行阐述，并且通过其特点以及利弊来判断是否适合本次毕业设计的研究。3.3.1计算模型法计算模型法最早用于研究历史平均模型，随后又用来研究客流预测模型、自然回归模型、极大似然估计模型等。但是这种方法的考虑因素比较简单，计算精度比较差，无法反映出客流的时间变化特性。3.3.2BP神经网络法神经网络法可以模拟人脑的结构来对高峰期客流本身进行研究，就像是人脑中的神经元，对每一个环节都能进行处理，是一种非线性的动力学系统。这种方法的收敛速度较慢，结构比较复杂而且选定结构一般得由经验丰富的科研人员才能够决定，同时应用的实例与神经网络规模有着一定的矛盾。3.3.3动态分配法动态分配法可以分两个模型对高峰期客流进行预测，一是客流预测模型，二是行程时间预测模型，然后二者整合成为发车间隔模型，最后产生调度的方法。这种方法比较复杂，需要提前对旅客的行程进行统计处理，然后规划出合适的发车间隔，费时费力。3.3.4灰色预测法灰色预测法是一种可以预测具有不确定影响因素系统的方法。本次毕业设计研究的铁路客流就是一种具有许多不确定影响因素的系统，因此可以用该方法对高峰期客流进行预测。灰色预测法比较常用的预测模型是GM（1,1）模型，这种方法的优点在于短期预测效果比较好，预测精度比较高，所需要的样本容量也比较少，计算比较简单而且操作简便。3.4西安地铁五号线国庆高峰客流预测方法的选择根据以上几种高峰期铁路客流预测方法，我们可以看出灰色预测法的优势，灰色预测法的优势在于它比其他方法的计算速度更快，精度也更高，同时它的操作也很简便。这也在一方面减轻了研究人员的负担，方便他们更准确的预测出铁路高峰期客流量的数据。灰色预测法的另一突出优势在于它可以对具有不同影响因素的系统进行预测分析，影响铁路高峰期客流的因素就有很多，某种特殊情况的出现都可以影响到铁路高峰期客流，然而灰色预测法都可以将这些情况考虑进去，对铁路高峰客流进行预测。另外本次毕业设计的研究对象是国庆客流，国庆客流预测是属于短期的预测，灰色预测法对于短期客流预测的精度比较高，因此本次毕业设计采用灰色预测法，对西安地铁五号线在2022年国庆期间的高峰期客流数据进行预测分析将是不二之选。3.5本章小结本章节分为四个小节，首先对西安地铁五号线的基本情况进行了介绍，接着对西安地铁五号线2021年国庆客流量进行统计和分析，其次对常见的铁路客流量预测方法及西安地铁五号线客流预测所选取的方法进行了介绍。基于灰色预测法的西安地铁五号线国庆高峰期客流预测4.1灰色预测法基本模型GM（1,1）的建立、步骤及检验灰色预测法是一种对含有不确定影响因素的系统进行预测分析的方法。灰色预测基本模型是GM（1,1）模型，由于GM（1,1）模型计算简单，操作简便，因此在许多计算中都被当做首选采纳。灰色预测法主要是通过建立GM（1,1）模型，主要是对原始数据进行叠加得到一列新的时间序列，并且建立新的时间矩阵和向量，解出微分方程，利用MATLAB软件进行数据分析处理得到响应函数，最后对响应函数求导带入数据，就可以得到未来预测的数值。4.1.1GM（1,1）模型的建立设时间序列)}有n个观察值，通过原始数据累加生成一个新的时间序列)则GM（1,1）模型所相对应的微分方程为：式（4-1）其中α称为发展灰数，μ称为内生控制灰数。设为待估参数向量，，可以利用最小二乘法进行求解，解得：式（4-2）求解微分方程，我们可以得到预测模型：式（4-3）4.1.2GM（1,1）模型的预测步骤以下是用GM（1,1）模型进行预测的步骤，首先我们根据式（4-1）可以得到参数α和μ。参数α和μ可用以下公式计算得到：式（4-4）其中B和X分别为如下矩阵和向量：式（4-5）式（4-6）是B的转置矩阵，为矩阵的逆矩阵，n代表原始数列的数据个数。解出上述微分方程，即可得到时间响应函数：式（4-7）对时间响应函数求导进行还原，就可以得到预测方程：式（4-8）我们可以利用原始数据对西安五号线客流数据进行精度的检验，就是把预测模型所预测出的数值与实际客流数据进行比较分析，得出每一年国庆期间的客流预测绝对误差，和相对误差，相对误差越小，说明可以利用GM（1,1）模型对西安五号线高峰期客流进行预测分析。通过预测方程进行计算，将预测值t代入预测方程，即可计算出预测结果。4.1.3GM（1,1）模型的检验灰色预测模型的检验方式主要有三种，一是残差检验，二是关联度检验，三是后验差检验。残差检验一般按预测模型计算，并将累计减成，然后计算原始数列与的绝对误差序列和相对误差序列。关联度检验需要计算出与的关联系数，然后计算出关联度，当ρ=0.5时，关联度大于0.6，视为满意。后验差检验需要计算原始序列标准差：式（4-9）计算绝对值误差序列的标准差：式（4-10）计算方比差：式（4-11）计算小误差概率：式（4-12）一般来说指数C越小越好，P越大越好，并且分为四个精度等级表示。本次毕业设计采用后验差检验来进行精度检验，详细请见下表4-1精度检验等级参考表。表4-1精度检验等级参考表精度等级方差比C小误差概率P好C<=0.350.95<=P合格0.35<C<=0.50.80<=p<0.95勉强0.5<C<=0.650.70<=p<0.80不合格0.65<CP<0.704.2西安地铁五号线2022年国庆期间的客流量预测首先将2021年国庆期间的客流量数据进行汇总，将这些数据利用灰色预测模型进行数据分析，用来预测2022年西安地铁五号线国庆高峰期的客流量数据，预测数据个数为7个，预测值区间定为2022年国庆期间西安地铁五号线客流量。4.2.1西安地铁五号线客流预测模型的建立首先根据原始客流量数据建立原始时间序列：式（4-13）其次对原始时间序列进行累加生成一个新的时间序列：式（4-14）其中B和X分别为如下矩阵和向量：式（4-15）根据matlab软件数据分析可以得到参数α=-0.005842，μ=35.5887将α和μ带入式（4-7）中可以得到新的响应函数：式（4-16）对响应函数求导进行还原并代入数据，就可以得到：式（4-17）4.2.2西安地铁五号线客流预测模型的精度检验通过上述的数据分析，我们基本得到了西安五号线2022年国庆期间的客流量预测数据，接下来要进行数据的精度检验，本部分内容主要针对相对误差、后验差检验以及小误差概率三个方面进行阐述。首先是相对误差检验，详细请见下表4-2西安五号线国庆期间客流数据相对误差表。表4-2西安地铁五号线国庆期间客流数据相对误差表时间实际客流量（万人次）预测客流量（万人次）相对误差10.137.5737.57000.000010.236.2335.91300.008710.335.9736.12340.004210.436.1236.33510.005910.536.3336.54800.006010.636.8936.76210.003410.737.1236.97750.0038通过表4-2可以得知本次客流预测数据的相对误差大部分都小于0.05，说明本次预测模型准确率是合格的。其次是后验差检验，将数据代入式（4-11）可以得到比值C=0.3435，且0.03435<0.35，故预测的精度等级为好。最后是进行小误差概率进行检验，将数据代入式（4-12）中，可以得到P=1,且1>0.95，故预测精度等级为好。4.2.3西安地铁五号线2022年国庆高峰期客流预测图表表4-3西安地铁五号线2022年国庆期间客流预测表时间2021年实际客流量（万人次）2022年预测客流量（万人次）10.137.5737.570010.236.2335.913010.335.9736.123410.436.1236.335110.536.3336.548010.636.8936.762110.737.1236.9775图4-1西安地铁五号线2022年国庆期间客流预测图根据西安地铁五号线2022年国庆期间客流预测图表中，可以得到实际的客流数据与预测的客流数据比较接近，预测的精度比较高，高峰期客流是一个拥有不确定因素的系统，例如在2020年时由于新冠疫情的影响导致西安地铁的国庆期间客流量下滑，但总体来说不确定因素对于预期效果的影响比较小。4.3本章小结本章节分为两个小节，首先进行了灰色预测法基本模型GM（1,1）的建立、步骤及检验，其次对西安地铁五号线2022年国庆期间的客流量预测，并对预测结果进行图解分析。西安地铁五号线2022年国庆高峰期客流预测分析及开行方案制定5.1列车开行计划5.1.1客流计划客流计划是制定运输计划期间对轨道交通线路客流的规划，它是全日行车计划、车辆配备计划和列车交路计划编制的基础。在新线投人运营的情况下，客流计划根据客流预测资料进行编制;在既有运营线路的情况下，客流计划根据客流统计资料和客流调查资料进行编制。5.1.2断面客流1.将西安地铁五号线31个站点进行编号，如下表5-1。表5-1西安地铁五号线站点编号站名编号站名编号站名编号创新港1斗门12省人民医院·黄雁村22创新港东2王寺13南稍门23翱翔小镇3阿房宫南14文艺路24钓台4石桥立交15建筑科技大学·李家村25沣西文化公园5西窑头16太乙路26东马坊6汉城南路17雁翔路北口27高桥7金光门18青龙寺28文教园8丰庆公园19理工大曲江校区29欢乐谷9西北工业大学20黄渠头30镐京10边家村21马腾空31复兴大道南112.全日、早、晚高峰客流量预测结果，如表5-2。表5-2全日、早、晚高峰客流量预测结果上行全日（人次）早高峰（人次/h）晚高峰（人次/h）下行全日（人次）早高峰（人次/h）晚高峰（人次/h）上行上行下行下行1-2146981965203631-3014948223021112-3138751503213130-2912497189314283-4145991771224029-2815508226021654-5115461692145228-2711357172515975-6106591339114927-261080193414876-77032103783626-2568358938947-8180301975178725-2418819179124048-9112871655146924-231106514109709-10744961886623-22735763598710-117826117683522-218311117768011-126998100098321-20797484080712-13192072422238820-19183901482184713-14210272809316519-18202762975186714-15616856368418-177451110898715-1611046142596817-1610734922156516-1710532988159016-151046099290717-18121861734100815-14110871602169418-19171202097198714-13130411645194619-20140611335190013-12177361794199320-21189651589269312-11192262212185921-22182322714218611-10176892117173622-23121271509100110-9112351204135123-2410173110112319-8102851490135924-2512981116013028-7129981909143625-2616576177219397-6162311653166426-2711827114914576-511864116996627-289697151312085-489791264114528-29966088315354-39523877133329-30994585715713-2110181339138630-3111754116817992-11200614221103合计3772814451747395合计3757024496343672根据表5-2可绘制出上下行全日断面客流图，如图5-1和5-2所示，以及分别绘制出图5-3和5-4上下行早高峰（8：00-9：00）断面客流量图、图5-5和5-6上下行晚高峰（18:00-19:00）断面客流示意图。图5-1上行全日断面客流图（单位：人次）图5-2下行全日断面客流图（单位：人次）图5-3上行早高峰断面客流图（单位：人次）图5-4下行早高峰断面客流图（单位：人次）图5-5上行晚高峰断面客流图（单位：人次）图5-6下行晚高峰断面客流图（单位：人次）5.2列车开行计划的编制5.2.1营业时间营业时间的安排主要考虑两个因素:-是考虑市民出行活动的特点，方便乘客;二是满足轨道交通各项设备检修施工的需要。世界上大多数城市的轨道交通营业时间为18-20小时，个别城市是24小时运营，如美国的纽约和芝加哥。西安地铁五号线的营业时间为06:00-22:50。适当延长运营时间，是轨道交通提高服务水平的体现。5.2.2列车定员数列车定员数是列车编组数和车辆定员数的乘积。列车编组辆数的确定以高峰小时最大断面客流量作为基本依据。在客流量与列车运能一定的情况下，列车编组辆数取决于列车间隔和车辆选型。但在列车密度已经较大时，为满足增长的客流需求，增加列车编组辆数往往成为选用措施。此时，轨道交通保有的运用车数是增加列车编组辆数的限制因素之一，其他限制因素包括站台长度等。车辆定员数取决于车辆的尺寸、车厢内座位布置方式和车门设置数。一般而言，在车辆限界范围内，车辆长宽尺寸越大载客越多，车厢内座位纵向布置较横向布置载客要多。5.2.3编制开行方案西安地铁5号线早高峰段（8:00-9:00）客流情况见表5-3。表5-3早高峰（8：00-9：00）断面客流量区间下行客流量区间上行客流量马腾空-黄渠头164创新港-创新港东144黄渠头-理工大曲江校区288创新港东-翱翔小镇154理工大曲江校区-青龙寺404翱翔小镇-钓台221青龙寺-雁翔路北口445钓台-沣西文化公园254雁翔路北口-太乙路404沣西文化公园-东马坊309太乙路-建筑科技大学·李家村572东马坊-高桥316建筑科技大学·李家村-文艺路624高桥-文教园330文艺路-南稍门713文教园-欢乐谷390南稍门-省人民医院·黄雁村872欢乐谷-镐京444省人民医院·黄雁村-边家村900镐京-复兴大道南467边家村-西北工业大学1365复兴大道南-斗门538西北工业大学-丰庆公园1428斗门-王寺575丰庆公园-金光门1668王寺-阿房宫南662金光门-汉城南路2227阿房宫南-石桥立交1456汉城南路-西窑头2294石桥立交-西窑头2160西窑头-石桥立交2386西窑头-汉城南路2805石桥立交-阿房宫南2366汉城南路-金光门5527阿房宫南-王寺3102金光门-丰庆公园6666王寺-斗门4182丰庆公园-西北工业大学7047斗门-复兴大道南11323西北工业大学-边家村7016复兴大道南-镐京11459边家村-省人民医院·黄雁村7604镐京-欢乐谷22176省人民医院·黄雁村-南稍门7911欢乐谷-文教园9924南稍门-文艺路6813文教园-高桥9856文艺路-建筑科技大学·李家村6683高桥-东马坊6801建筑科技大学·李家村-太乙路4292东马坊-沣西文化公园5830太乙路-雁翔路北口3945沣西文化公园-钓台5452雁翔路北口-青龙寺3643钓台-翱翔小镇2731青龙寺-理工大曲江校区3950翱翔小镇-创新港东1823理工大曲江校区-黄渠头2835创新港东-创新港553黄渠头-马腾空287西安地铁五号线分时最大断面客流分布比例如图5-7所示。图5-7西安地铁五号线分时最大断面客流分布比例3.西安地铁五号线编组6辆B型列车。车辆定员为1440人。4.西安地铁五号线线路断面满载率计算，根据计算公式可以得出，早、晚高峰小时为1.1，平峰为0.9。5.3列车开行方案制定根据城市轨道列车开行计划的概念，列车运行计划主要包括以下几个部分：列车交路、列车编组、车次、停车方案、车辆运行。5.3.1编制全日行车计划1.计算西安地铁五号线早高峰小时断面客流量（计算结果见表5-3）2.西安地铁5号线分时最大断面客流计算根据图（5-7），计算西安地铁5号线分时最大断面客流。计算结果见下表5-4。表5-4西安地铁五号线分时最大断面客流量运营时间最大断面客流量（人）运营时间最大断面客流量（人）06:00-07:00777615:00-16:0011664h07:00-08:001296016:00-17:001296908:00-09:002217617:00-18:001295909:00-10:001425618:00-19:002376010:00-11:001296019:00-20:001036111:00-12:001296220:00-21:00906912:00-13:001036821:00-22:00776913:00-14:00907222:00-23:00648014:00-15:0090753.西安地铁5号线分时列车开行数计算结合以上计算数据，西安地铁5号线分时列车列数计算如下：式5-1式中例：08:00-09:00列车开行对数计算：09:00-10:00列车开行对数计算：表5-5为计算结果。表5-5分时开行列车数运营时间开行列车数运营时间开行列车数69101014111115108107867574.计算西安地铁五号线分时行车间隔以西安地铁5号线的分时列车数量为依据计算。分时行车间隔的计算公式如下：式5-2式中例：08:00-09:00分时行车间隔计算：09:00-10:00分时行车间隔计算：5.确定西安地铁五号线全日行车计划，计算结果见表5-6。表5-6全日行车计划运营时间开行列车数行车间隔运营时间开行列车数行车间隔610min96min40s106min106min144min18s115min27s115min27s154min106min87min30s106min78min34s87min30s610min78min34s512min78min34s西安地铁五号线全天开行列车103对。其中，早高峰开行对，最小行车间隔为6min40s。晚高峰开行0对，最小行车间隔min。根据乘客对乘车服务水平的满意程度要求下，大于1/2最大断面客流的断面应在小交路区段，根据西安地铁五号线早高峰客流断面的最终情况，结合表5-6全日行车计划能够确定西安地铁五号线交路方案，为大小交路。5.3.2列车编组方案1.列车编组种类列车编组的种类主要有三种：大编组方案、小编组方案、大小编组方案。大编组方案:大编组是指在运营时间内列车编组辆数固定且相对较多，如地铁列车采用的6或8辆编组的情形。小编组方案：小编组是指在运营时间内列车编组辆数固定且相对较少，如地铁列车采用的3或4辆编组的情形。大小编组方案：大小编组是指在运营时间内列车编组数量不固定。2.西安地铁五号线列车编组方案西安地铁五号线采用大编组方案，采用6辆B型列车，车辆定员为240人。在运营期间，其选型依据是在客流的基础上而确定下来的。3.影响列车编组方案比选的因素在车辆选型一定时，列车编组与列车间隔成正比关系;在列车间隔一定时，列车编组与车辆定员成反比关系，由此可见，影响列车编组方案选用的主要因素是客流、旅客服务水平、通过能力、车辆选型、车辆运营经济性、列车间距、运营组织的复杂性等因素。5.3.3列车交路方案列车交路种类列车交路有常规交路（如图5-8）、混合交路（如图5-9）、衔接交路（如图5-10）三种，其中混合交路和衔接交路又统称为特殊交路。图5-8常规交路（长交路）图5-9混合交路（长短交路）图5-10衔接交路（短交路）2.影响列车交路方案比选的因素符合客流的空间分布特征是列车交路方案选用的前提条件和必要条件。此外影响列车交路比选因素还有运营组织的复杂性、旅客服务水平、运营经济性、承载能力的适应性等因素。3.西安地铁五号线列车交路当线路断面不均衡系数时，一般采用常规交路方案，当时，需调整列车交路方案，或在大客流区段加开区段列车的混合交路方案。以西安地铁五号线上下行早晚高峰为例根据表5-2数据可得：上行最大断面客流量为2809人，上行总客流量44517人，区间断面数为62,同上得：早高峰上行方向断面客流不均衡度系数为3.9，晚高峰上行方向断面客流不均衡度系数为4.1，早高峰下行方向断面客流不均衡度系数为3.1，晚高峰下行方向断面客流不均衡度系数为3.4.由于西安地铁五号线各区段断面客流不均衡，采用常规交路会使部分区段列车运能的浪费，所以全天开行1:1长短交路，长交路为创新港-马腾空,短交路为阿房宫南-马腾空。5.3.4列车停站方案1.列车停站种类列车停站种类有站站停车（如图5-11）、区段停车（如图5-12）、跨站停车（如图5-13）、部分列车跨站停车（如图5-14）。图5-11站站停车方案示意图图5-12区段停车方案示意图图5-13跨站停车方案示意图图5-14部分列车跨多站停车方案示意图2.西安地铁五号线列车停站种类西安地铁五号线长短交路列车停站时间均较长，列车种类简单，无列车越行现象，适合采用站站停车方案,站站停即列车在全线所有的站点均停。5.4西安地铁五号线列车运行图绘制创新港站至马腾空站列车运行图如图5-15所示（详图见附件）：图5-15列车运行图5.5本章小结本章节分为四个小节，首先对西安地铁五号线节假日客流量预测结果进行分析，接着根据客流计划、断面客流、营业时间、列车定员数等进行了全日行车计划的编制，其次制定了列车开行计划，绘制了列车运行图。

第6章结论6.1研究结论随着社会的发展和科技的进步，我国的经济实力在全球范围的影响也越来越大，铁路运输作为我国人民首要的交通出行方式也得到了全面的发展。从一开始的绿皮火车到动车组、再到现在的高速铁路，速度是越来越快，准点率也越来越高，选择乘坐高铁出行的旅客也就越来越多，尤其是在比较重要的节假日或特殊时段。为了应对高峰期激增的客流量，我们必须要采取一定的技术手段来统计客运站高峰期客流量数据，根据统计的客流大数据来制定一系列的管理制度、应急方案以及进行人员调配、设备维修保养等重要工作。本次毕业设计首先研究了高峰期客流的形成机理以及西安地铁五号线2021年国庆期间的客流量规律，其次探讨了许多关于客流量数据的预测方法，并结合这些预测方法的优点与缺点，最终采用了灰色预测法，对西安五号线2022年的国庆期间客流量数据进行了分析计算，旨在为了合理的规划西安地铁五号线节假日大客流的行车计划，对节假日大客流有一定的应对策略。灰色预测法的优点在于不需要大量的样本容量、短期预测的精度比较高、计算方式较为简便、而且可以进行长期的预测。因此本次毕业设计采用灰色预测模型对西安地铁五号线国庆高峰期客流数据进行预测分析，并且对计算所得的数据通过误差差进行检验，通过对比往年的客流预测数据，得到了西安五号线高峰期客流预测数据的精度比较高，这对本次毕业设计研究有较高的参考意义。6.2未来展望虽然灰色预测法适合对西安五号线高峰期客流进行预测，但是本次研究仍有许多问题需要考证研究。首先由于灰色预测法只适用于中短期的预测，但西安地铁五号线的高峰期客流量需要长期而稳定的预测，因此在采用灰色预测法预测的同时，一定要积累大量的数据基础来推进实际的研究。其次由于本次毕业设计只采取西安地铁五号线国庆期间的大客流进行预测分析，不够全面，所得到的理论数据可能与不同时段的高峰期客流量会有出入，这还需要工作人员进行大量研究分析，比较