基于AFC数据的城市轨道交通OD客流动态预测

路网客流实时状态是城市轨道交通系统进行日常运营及关键决策的重要基础，针对目前城市轨道交通客流预测中站点层次预测方法较成熟，而客流分布预测较少的情况，提出基于时序神经网络的量测方程OD客流动态预测方法。利用地铁AFC数据，确定时序神经网络预测的最优数据粒度为15mins和最优时间序列阶数为4，以此构建时序神经网络框架，对站点进站量进行预测；对于站点进站客流与OD客流间的时空关联性，主要体现在进站客流的不同去向以及相同去向下不同的到达时间，建立量测方程反应这一联系，将进站客流转化为OD客流，并以成都地铁为例，对路网条件下不同分布特征OD客流进行预测验证，加权相对误差为14.08%，验证了模型的有效性。     

考虑分时定价的城轨乘客出发时间选择分析

为缓解城市轨道交通高峰期的客流拥挤，提高运营服务质量，本文从分时定价的角度，将折扣力度、转移时间和舒适性加入到随机效用最大化模型中。通过设计SP问卷开展调查，运用k-means聚类方法将乘客划分为标准通勤乘客、弹性通勤乘客、生活类乘客及低频出行乘客四类。运用SPSS软件进行数据分析，验证了不同类别乘客对票价折扣、转移时间和舒适度的敏感程度。进一步分析表明，随着转移时间的增加，票价折扣力度对乘客转移意愿影响逐渐减弱，当设定转移时间为5分钟时，合理票价折扣为7折；当转移时间为10分钟时，票价折扣建议为8折。据此，在制订峰前折扣票价时，要综合考虑票价折扣、转移时间和企业运营成本等多方面因素的影响。     

大阪市轨道交通车站进出站客流高峰时段研究

本文分析了大阪和上海的城市轨道交通现状客流数据,证实了线路的客流高峰时段与车站的客流高峰时段并不一定重叠,指出不应以线路的客流高峰时段所对应的车站客流量作为车站的设计客流;分析车站位置、性质及周边土地利用这三个因素对客流高峰时段的影响,通过车站客流高峰时段的确定,得到更准确的"车站设计客流",从而合理地控制车站的规模和建设成本。     

城市轨道交通线网客流预测及特征研究

建设高效绿色的轨道交通系统已成为各大城市提升城市形象、缓解交通拥堵、方便居民出行的首选,而客流预测是其中必不可少的重要工作。本文结合普洱市城市轨道交通客流预测实例,在研究现状城市居民出行特征、公交发展水平及道路系统运行特征基础上,利用四阶段模型理论,分析普洱市不同组团间的居民出行量、出行分布、出行结构等特征,对普洱市城市轨道交通线网客流进行测试,通过预测线路的断面流量、客运量、负荷强度,确定不同的比选方案指标,为城市轨道交通线网规划提供量化支撑。     

拥堵收费可行吗？

一直备受争议的“拥堵费”征收最近再次成为社会焦点。 所谓“拥堵费”，是通过在交通拥挤时段，对部分区域道路使用者收取一定的费用，以控制交通出行需求，减少拥挤道路、中心区交通量，缓解紧张状况。     

基于圈层的轨道交通一体化客流预测方法：以粤港澳大湾区为视角

为推动粤港澳大湾区轨道交通一体化的持续发展，从区域轨道客流预测的复杂性作为切入点，在阐述粤港澳大湾区多层次轨道交通系统发展概况的基础上，进行湾区交通圈层划分，并论述了不同圈层出行特征的差异及联系；通过现有城市轨道交通和铁路客流预测方法的回顾及适应性分析，肯定了“四阶段法”类预测方法在轨道交通规划设计阶段应用的优越性；进而提出圈层分级的轨道交通预测思路，并以四阶段法为核心，搭建粤港澳大湾区尺度下的轨道交通一体化客流预测框架。     

基于时空消耗模型的城市轨道交通承载力评价：以北京市为例

为监测城市轨道交通系统的供需矛盾及其时空差异化特征，引入时空消耗模型，分别以运输服务时空资源总量、出行需求时空资源占用量以及二者比值，计算了城市轨道交通供给能力、出行需求量和交通承载力。按照总体水平和均衡程度两个维度，选取轨道线网交通承载力、线网承载不均衡度和线网承载空间差异性作为城市轨道交通承载力评价指标，为更加精准地识别城市轨道交通出行需求与供给时空资源匹配关系提供支撑。实证研究结果表明：轨道线网供给能力总体高于出行需求量，全天轨道线网交通承载力位于高值区间，并呈现早晚高峰和午间小高峰的特征；线网承载力不均衡度显著偏高，轨道站间区段交通承载力差距悬殊，但在空间上总体呈现显著离散特征。     

城市轨道交通客流高峰传播影响研究

本文在总结城市轨道交通客流高峰特点的基础上,首次对城市轨道交通客流高峰传播的概念进行了定义,通过对城市轨道客流高峰传播机理的探讨,详细分析了城市轨道交通客流高峰传播造成的影响,并给出了度量客流高峰传播影响的主要内容。     

城市轨道交通Y型交路快慢车停站方案优化

在城市轨道交通线路中采取Y型交路与快慢车组合运行的列车开行模式，能够有效扩展线路的运输服务范围，并有效缓解长运距乘客出行时间过长等问题，该模式的组合效益与各类型列车的开行对数和快车停靠站方案等因素密不可分。本文首先对Y型交路快慢车运行模式的特点进行了分析，然后根据客流起讫点对Y型交路客流区段进行划分，建立了乘客广义出行费用函数。在此基础上，构建了Y型交路快慢车停站方案的非线性整数规划模型，最后使用遗传算法进行模型求解。结果表明，相对于Y型交路单一直通运营方式而言，Y型交路结合快慢车的组织模式可以有效优化乘客的出行体验以及降低企业的运营成本。     

多交路共线运行的城市轨道交通时刻表优化

城市轨道交通行车组织多样化背景下，多交路共线运行模式逐渐得到规划者与运营者的青睐。然而，普遍采用的均匀发车间隔时刻表难以解决恒定运力供给与时变客流需求间的矛盾，也未发挥出多交路共线运行模式的优势。为提升城市轨道交通服务水平，本文分析时刻表优化的关键因素，利用分时段客流OD数据，调整列车到发间隔，构建多交路共线运行线路的时刻表优化模型，并采用CPLEX求解。算例研究中，选取两层交路的城市轨道交通Y型线进行优化，满载率大于0.6的运行区间数量及满载率均衡性分别优化96.8%和41.4%，验证了模型的有效性。     

铁路单列车票额分配优化研究

针对我国铁路目前票价单一、不能有效调节客流,票额分配对客流波动适应性较差的问题,根据收益管理理论,以铁路给定预测客流为依据,在基本票额分配中预留部分可灵活分配的票额作为全程通售票额,以应对客流预测误差等带来的影响;对区段剩余票额,按照尽可能分配长途票额的原则建立剩余能力优化模型,并为剩余票额制定动态票价来吸引客流、提高客运收益。算例结果表明,本文提出的票额分配模型能适应客流需求的波动,避免大量票额调整工作,根据不同购票时段的需求特点,对剩余能力进行动态定价来吸引潜在客流,提高铁路客运收益,为铁路票额分配和动态定价提供了优化方法。     

基于注意力机制和时空卷积网络的客流预测方法

客流预测方法可以帮助城市轨道交通运营部门根据客流动态变化调配列车资源,是实现精准列车动态控制的基础。研究提出基于注意力机制和时空卷积网络模型的客流预测方法,融合不同功能的网络单元,使得网络可同时捕获客流数据的时间相关性、空间相关性和时空相关性,并采用注意力机制以提高模型预测的准确性,能够同时实现城市轨道交通多站客流的动态预测。基于北京地铁的实际客流数据对该方法和模型进行数值试验,结果表明该模型性能优于其他基线模型。     

基于XGBoost的城市轨道交通短时客流预测

城市轨道交通短时客流量具有随机性、周期性、相关性的特征,而短时客流预测作为城市轨道交通运营组织优化的关键技术,其预测数据的准确性将直接影响城市轨道交通运营组织的合理性。本文在分析城市轨道交通客流时间分布特征的基础上,提出了使用随机森林和XGBoost预测模型,对工作日和周末的客流分别进行预测,并以杭州地铁日均客流量最大的火车东站地铁站的进站客流为例进行实例分析,得到的预测数据与真实数据误差较小,验证了模型的有效性。最后将两种模型的预测误差进行对比分析,结果表明XGBoost预测模型对城市轨道交通客流的短时预测有着更高的精度和准确度。     

时空特征深度融合下的城市轨道交通站点客流预测

探索挖掘URT站点客流时空特征并精准预测运营高峰期的站点客流，对提高URT系统客流组织效率、保障乘客出行安全具有重要意义。针对传统模型对于时空特征挖掘不够以及在多步短时客流预测的精度上有待提升等问题，引入时段相关性及站点关联度以量化客流隐式时空特征，并建立一种结合双层图卷积神经网络（GCN）与门控循环单元（GRU）的dmGCN-GRU短时进站客流预测模型，随后以杭州地铁为例，对工作日数据和非工作日数据分别进行了仿真实验。结果表明，dmGCN-GRU模型能够深度融合时段相关性、站点关联度、站间OD、邻接矩阵等多重时空特征，可在增加一定训练时长的前提下提高预测精度、模型稳定性。随预测步长增加，模型性能虽有所下降，例如工作日数据拟合优度从94.68%降至94.27%，但性能仍优于SVR、GRU、GCN以及GCN-LSTM等模型。     

城市轨道交通客流强度及其基本特征分析

本文结合国内外部分城市轨道交通客流强度数据,分析了不同城市轨道交通线网以及不同类型轨道交通线路客流强度的基本特征,从线路空间与网络演变角度剖析了线路客流强度演变的内涵,提出了改善城市轨道交通客流预测工作的建议。     

网络化运营模式下城市轨道交通客流分布特性

本文从网络化运营角度,以实际运营网络客流数据为基础,对城市轨道交通客流时间和空间分布特性进行了综合分析。时间分布上主要分析了日客流、周客流、月客流和年客流四个层面的客流特性,空间分布上主要采用了全网客流、高峰断面方向、进出站方向等指标来分析客流分布不均衡性。     

城市轨道交通车站应急疏散仿真研究

研究城市轨道交通应急疏散分析方法,本文采用仿真技术描述城市轨道交通车站在突发状况下站内客流运动情况。以成都地铁犀浦站为例,针对其客流组织的复杂性,以站内基础设施布局、功能区划分、客流分布特征等为依据,利用Anylogic软件对犀浦站内突发情况进行客流仿真分析,建立客流动态仿真模型,得到应急疏散动态仿真效果图,得出高峰状态下人员疏散初始时间。最后,以成都地铁及犀浦站的未来规划为依据,分析其可能存在的应急疏散问题对其优化,提出新的疏散方案,得到动态仿真效果图并计算出总疏散时间。对比优化前后的指标,经过分析得出缩短应急疏散时间的有效方法。     

基于遗传算法的地面常规公交与城市轨道交通接驳研究

为了研究地面常规公交与城市轨道接驳问题,构建了基于乘客交通出行时间最短优化模型,采用遗传算法进行求解,并通过具体案例进行了模型验证。结果表明建立的优化模型及遗传算法适用于接驳问题。     

基于交通渗流理论的城市轨道交通网络动态服务瓶颈识别

为准确把握轨道交通网络化运营的新态势和新要求,力求轨道交通系统在大客流下做到运输能力和服务水平的供需匹配,需对轨道交通网络的关键瓶颈进行有效识别和疏解。本文借鉴交通渗流理论,提出了限制网络整体服务水平和连通效能的动态服务瓶颈的识别方法,该方法综合考虑了城市轨道交通系统的网络特性、客流特性和服务特性。其中针对区间服务水平状态,该方法提出了定量评定的复合指标模型。以成都地铁线网为案例,基于实际客流运营数据,构建动态网络,识别服务瓶颈,验证了方法的适用性和准确性,对城市轨道交通系统运营管理有实际指导意义。     

基于IC卡数据的深圳地铁客流特征分析

随着我国经济的快速发展和城市化进程加快,近年来以地铁为代表的城市轨道交通实现跨越式发展。客流数据是城市轨道交通规划设计、建设和运营调度的基本依据。地铁IC卡数据具有数据量大、真实准确、时间连续、易获取的特点,广泛应用于地铁站点、线路和网络客流特征分析、长短期客流预测以及地铁用户出行模式识别等方面。本文主要对深圳地铁IC卡刷卡数据进行分析,重点提取地铁客流时空分布特征以及用户出行特征,研究客流变化规律,对于地铁运营调度管理以及站点客流疏导有重要意义。