地铁突发故障下的公交接驳和客流管控协同模型

地铁发生突发故障后,通常采用接驳公交车疏散滞留乘客.然而,当大量乘客被接驳公交车运送到折返站时,很可能会造成折返站的乘客滞留.为了降低公交接驳阶段和乘客换乘阶段全过程的乘客延误,构建了地铁突发故障下的公交接驳和客流管控协同模型;通过求解模型得出乘客延误最小的应急管理方案,并对影响模型性能的相关因素进行敏感性分析.以深圳地铁3号线为例,对比传统模型和协同模型的性能.研究结果表明:协同模型在降低乘客延误方面比传统模型拥有更好的性能,协同的管理方案可以有效降低乘客延误;当所有乘客都能被疏散时,增加公交车数量对降低乘客延误的效果甚微;列车小交路模式启动时间和列车发车间隔对降低乘客延误起着重要作用.     

基于粒子群优化与宽度学习系统的地铁客流预测模型

为了提高地铁客流量预测的准确性，基于传统的PSO(粒子群优化)算法与BLS (宽度学习系统),提出一种新的地铁客流预测模型，即PSO-BLS算法。首先，对地铁站点的繁华程度、前一时段进站量、前一时段出站量及前一时段断面客流量等参数进行分析，并根据分析结果提出需要根据工作日和双休日分别对地铁客流量进行预测。其次，利用PSO算法对BLS的特征层偏置进行优化。最后，以福州地铁1号线AFC(自动售检票)系统中记录的大量乘客出行数据为例，对所提PSO-BLS算法进行验证。验证结果表明：与传统的地铁客流量预测算法BP(反向传播)神经网络和ELM(极限学习机)相比，PSO-BLS算法获得的计算结果在多项性能指标中均取得了较优异的表现；对BLS的特征层偏置进行优化可以提高BLS的计算精度，为地铁客流量预测提供更精确的计算结果。     

深圳地铁龙岗线最快将2分45秒一趟

地铁龙岗线开通以来，已安全运送乘客5600万人次，最大单日客流为56．52万人次。为缓解高峰期客流量不断增长的需要，深圳地铁5号线公司将购买新列车，以实现高峰期发车间隔达到2分钟45秒的目标。据了解，地铁龙岗线全线开通两个多月来，日客流量从高架段开通初期的5万增至40万。     

城市轨道交通网络末班车衔接优化研究

针对在城市轨道交通网络化运营和"一票制换乘"的条件下,末班车乘客购票进站后换乘失败而无法抵达目的地的情况,采用分层递进衔接的思路,根据各线路与基准线路的换乘关系划分协调层次,基于网络末班车换乘客流量和流向确定协调主方向,按照协调层次建立末班车时间推算模型,并从特定衔接方向和发车时间域两个方面对模型进行优化,最后对广州地铁网络末班车时间进行推算和优化,验证模型和优化方法的有效性。     

城市轨道交通新站开通初期实时进出站客流量预测

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。     

基于客流的有轨电车发车时刻模型研究

阐明国内现有对公共交通发车时刻表的研究模型计算复杂,未考虑影响运营的多重因素,针对城市有轨电车系统,提出一种以车站客流量为依据、不均匀的发车时刻模型。首先以有轨电车最大、最小满载率和发车间隔作为约束,兼顾运营企业收入与有轨电车系统对乘客的服务水平;然后以断面客流作为确定发车间隔的依据,得到有轨电车的全天发车时刻表;最后通过影响发车的随机波动因素对发车时刻进行校正。该方法在实践中较以往的方法更加容易执行。     

基于乘客服务水平和安全的城市轨道交通扣车方案评价

[目的]扣车是城市轨道交通发生长时间初始延误条件下经常采用的列车运行方案。为了评价该方案的合理性,需构建基于乘客服务和安全的扣车方案评价模型,并对扣车方案进行评价。[方法]考虑到乘客出行规律的复杂性和特殊性,制定了城市轨道交通扣车方案。构建了基于最大发车间隔、列车总延误时间、列车均衡性、终到延误列车数、滞留乘客数及乘客总旅行时间的扣车方案评价模型。选取上海某条轨道交通线路的4个区间,以早高峰小时的实际OD(起讫点)客流量为例进行计算。[结果及结论]计算表明,方案6下的综合评价指标最小,为最优扣车调整方案。该方案可以有效提高列车运行图的均衡性,减少滞留乘客的数量,降低车站的安全隐患。     

基于城市轨道交通车站换乘能力的合理发车间隔研究

为确定城市轨道交通换乘站合理发车间隔,通过对其设施类型进行分析,采用车站平均换乘延误度作为评价车站整体换乘效率的指标,以换乘客流量和换乘效率为目标函数,车站通行设施最大通行能力作为约束条件建立数学优化模型。以呼家楼车站为例,采用Vissim仿真软件建立不同发车间隔下的仿真模型,并基于换乘站实际设施能力和客流情况,分析发车间隔变化对换乘效率的影响规律,最终得到换乘站的合理发车间隔。     

城市轨道交通大客流等车时间计算模型

城市轨道交通的运营在早、晚高峰或突发大客流情况下,客流量超过列车最大承载能力,乘客将排队等待后继车辆而延长等车时间。乘客等车时间是评价交通服务水平和优化列车开行方案的关键因素。提出一种基于列车时刻表,利用排队论方法,准确计算严重拥挤情况下乘客等待时间的模型。针对乘客等车时间计算模糊的问题,在考虑乘客实时到达规律、OD(起讫点)分布、发车间隔和列车运能的基础上,创新地提出可用于城市轨道交通网络和双向的大客流和常规客流的等车时间累计计算方法,可为大客流的时刻表优化策略提供理论依据,并通过累计输入-输出算法计算大客流等车时间的实例,分析多参数变化趋势。实证表明,模型可用于城市轨道交通网络和双向的大客流和常规客流的等车时间实时计算。     

城市轨道交通自动售检票系统实时进站客流量异常检测

阈值范围的合理设定,对AFC(自动售检票)系统实时进站客流量数据的有效性检测至关重要。采用改进的小数据量法计算历史进站客流数据时间序列的Lyapunov指数,验证该序列的混沌特性;利用C_C方法确定混沌时间序列的时间延迟和最佳嵌入维数,对原时间序列进行相空间重构,确定模型训练测试样本集;采用大范围网格搜索方法优化混沌支持向量机回归模型参数,利用优化后的模型预测各时段的进站客流量;利用训练样本集中各时段进站客流量预测残差序列的分布特性,确定在某一置信度下各时段进站客流量预测残差的置信区间,从而确定未来时段的进站客流量异常检测的阈值上限和阈值下限。试验结果表明,该方法有效地增强了系统对于AFC系统实时进站客流量数据有效性检测的能力。     

疫情防控背景下的地铁多车站客流协同控制模型及算法

基于各车站在各时段客流进站速率的协同优化，考虑客流控制和客流承载过程中的各种约束，以列车车厢内客流聚集总风险最低和乘客在车站总等待时间最短为双目标，构建疫情防控背景下的多车站地铁客流协同控制模型。针对模型的非线性特点，设计基于变邻域搜索的启发式算法进行求解。依托南昌地铁1号线实际客流数据构建算例进行验证。结果表明：实施客流协同控制后，研究时段内全部23列列车的满载率均未超过满载率阈值0.5，且客流聚集总风险值较控制前下降65.41%，乘客平均等待时间仅为3.87 min；随着列车最大满载率阈值的增加，乘客的等待时间呈指数下降趋势，而客流聚集风险则呈线性增长；缩短发车间隔时间能够有效降低列车满载率，但列车运行成本也会急剧增加；按实际发车间隔时间（10 min）实施客流协同控制后，所有列车的满载率均低于0.5，客流聚集总风险值下降22.36%，而乘客平均等待时间仅增加0.6 min，验证了模型及算法能更加高效地降低列车满载率。     

基于客流大数据分析和支持向量回归的地铁乘客出行时间预测研究

随着地铁线网规模的扩大,地铁客流大数据不断产生并积累,其中包含大量信息。地铁乘客出行时间是反映地铁系统运行状况和乘客满意度的重要指标。传统的地铁乘客出行时间预测没有充分利用客流大数据,因此有进一步提升空间。文章基于地铁客流大数据,整理了大量乘客出行属性和实际出行时间的数据集,并采用多种回归模型建立地铁乘客出行时间预测模型。结果表明:使用径向基核函数的支持向量回归模型预测效果最好,可较好应用于乘客出行时间预测,为乘客出行规划及运营公司调度提供参考。     

基于遗传优化算法的城市轨道交通多列车运行节能计算方法

针对地铁列车多列车节能问题,提出一种基于遗传优化算法的多列车运行节能计算方法。分析多列车运行过程中制动能量传递使用过程;建立以能耗最少、旅行时间准点为目标,以全天列车运行对数、高/低峰行车对数为约束的多列车运行节能模型;采用遗传算法获得各站最优的停站时间和发车间隔序列,并计算出全线能耗、列车能耗和线路损耗。同时,以我国某地铁线路4个区间组成的短线进行多列车节能仿真,优化得到各站的停站时间和发车间隔时间。     

基于季节指数的城市轨道交通月度客流预测方法

城市轨道交通的月度客流量兼具趋势增长性和季节波动性的二重趋势特性,其变化呈现出复杂的非线性组合特征。选取自回归积分滑动平均(ARIMA)模型对南京地铁2号线的月度进站客流量进行建模预测。针对月度客流量的季节波动特性,引入季节指数对原始客流数据进行季节调整,并利用经过变换后的客流数据进行模型的识别和定阶。将结果与未经季节指数调整的ARIMA模型预测结果对比分析可发现:基于季节指数的ARIMA模型预测各月度客流量的平均绝对百分比误差值比无季节指数调整的ARIMA模型的值小,且误差值小于5%,说明所提出的方法预测效果良好,适用于城市轨道交通进站量的短期预测,从而为地铁运能运力调整以及运营计划的制定提供参考依据。     

城市轨道交通跨站停车方案优化模型及算法

城市轨道交通快速发展,人均乘行距离不断增长,使得研究城市轨道交通合理的列车停车方案成为必要,以满足越来越多乘客出行的需要.介绍轨道交通列车不同的停车模式,分析轨道交通跨站停车模式下影响乘客出行时间的相关因素.建立基于乘客总体出行时间节省最多的轨道交通列车跨站停车0-1整数规划模型,利用禁忌搜索算法进行模型求解.通过算例验证了该模型的可行性和禁忌搜索算法用于该问题求解的优越性,得出最优轨道交通列车跨站停车方案.对与目标函数值相关的列车发车间隔、停站时间和最高运行速度等参数进行灵敏度分析,结果表明:调节跨站运营条件下的发车间隔和停站时间可使目标函数,即乘客总体出行时间发生显著变化.     

市域(郊)铁路快慢车运行停站策略优化

市域(郊)铁路具有高速、公交化运行的特点,相比在地铁线路上研究快慢车运行的停站策略,市域(郊)铁路具有多次越行的特征。首先分析市域(郊)铁路多次越行的原因,然后以多次越行对乘客待避时间的影响为基础,将乘客总出行时间最小作为优化目标,构建1︰N开行比例下快慢车停站策略的优化模型,并采用郊狼优化算法进行建模,最后基于实际线路运营数据进行仿真计算。结果表明：在满足发车间隔一定的条件下,相比于站站停运行方式,采用快慢车多次越行的停站策略,乘客在车总时间可减少22.25%,乘客总出行时间可减少8.82%,从而验证了市域(郊)铁路快慢车运行停站策略的有效性。     

基于客流需求的城市轨道交通动态时刻表优化模型

为使城市轨道交通列车运行时刻表更贴合客流需求,依据不断变化的客流需求确定每列车的发车时刻和停站时间,采用多目标优化方法构建以乘客出行时间费用和列车运行时间费用最小为目标、列车发车时刻和停站时间为决策变量的城市轨道交通动态时刻表优化模型,并采用粒子群算法求解。以广州地铁13号线为例进行验证,结果表明优化后的时刻表更满足客流需求,能有效地提高乘客出行效率,具有更好的动态适应性。     

城市轨道交通进站客流量短时组合预测模型

高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义,利用客流预测结果在事前实施限流、疏导等措施,较事后控制更及时、先进。通过采集15 min间隔的地铁进站客流数据,利用上周同期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量,尝试分别采用加权历史平均自回归模型、ARIMA模型及小波神经网络模型进行短时预测,以获得精度最高的模型。在此基础上,进行三种方法组合预测,探究组合预测效果。通过案例分析,发现当考虑时段因素时,小波神经网络预测精度最高,为91.05%;ARIMA模型误差结构最好。当采用所提出的组合预测模型后,预测精度指标较独立预测模型均有提升,但误差结构没有得到改善。研究表明,所提组合预测模型可以有效地应用于城市轨道交通进站客流的短时预测中。     

基于GEM算法的地铁车站乘客疏散能力研究

为分析和提高地铁车站通过设施的疏散能力,保证乘客的运行安全,在分析地铁车站行人流运动特性的基础上,利用GEM(generalized expansion method)算法,求解地铁车站乘客疏散模型,通过计算得到车站疏散设施的拥堵概率、吞吐量等指标,给出地铁车站疏散能力的瓶颈点。以西直门地铁站为案例,证明将GEM算法应用于解决地铁车站人员疏散问题的可行性,并在此基础上提出合理的进站线路疏散优化方案。     

基于深度Q网络的轨道交通客流控制

针对高峰时期城市轨道交通因有限运能,不足以满足乘客出行需求而引发的安全问题,需要采取客流 控制策略来调节进入车站的客流量,以缓解车站拥挤。提出一种基于强化学习深度 Q 网络的多站协同控制模 型,用来优化每个车站在一定时间内的进站量,以最小化地铁车站乘客的站台超限量、平均等待时间,提高 客流控制强度的综合效益。以北京地铁八通线为例进行仿真实验,验证该方法的有效性。仿真结果表明,所 提出的模型可以在客流控制强度较低的条件下有效地降低乘客等待时间,提高乘客出行效率,有助于缓解车 站的乘客拥堵。