天津地铁红旗南路站不同时期换乘客流组织方案研究

以天津地铁红旗南路站为例,根据车站试运营期间客流数据预测远期换乘客流,并在换乘通道型式分析的基础上,提出车站不同时期不同客流情况下对应的客流组织方案,给出对应的评价,选择最优方案并提出改进组织措施,为地铁运营管理人员进行换乘站不同时期客流组织工作提供思路。     

城市轨道交通换乘站运营设施能力匹配性评价方法研究

城市轨道交通换乘站客流集中,对站内运营设施能力的匹配性提出更高的要求。以某大型换乘站S为例,根据换乘站客流路径,从进出站运营设施、换乘设施以及上下车站台3个方面,基于实地调研数据,分析换乘站运营设施能力与客流的匹配性。本着客观科学的原则,构建了换乘站运营设施能力匹配性评价指标体系,并建立了相应的模糊综合评价模型。根据评价结果找到能力不匹配的薄弱环节,并提出相应的改善措施,对于车站优化改造、提高服务质量具有重要的现实意义。     

基于仿真试验设计的地铁换乘通道客流适应性研究

换乘通道是地铁换乘站设计的关键,而换乘通道客流密度是评价站点设计优劣的最有效指标。研究基于LEGION软件的仿真试验,建立了地铁换乘通道客流密度与客流强度、换乘通道长度及宽度的关系模型,模拟分析了不同长度和宽度换乘通道适宜客流规模。基于模型仿真,研究提出了人行通道是否使用物理分隔组织单向交通的临界条件,分析了行人逆向通行对单向通道正常方向人流状态的干扰影响。通过广州市部分地铁换乘站点的实测数据与仿真模拟结果进行对比分析,验证了仿真试验法建立的模型的可靠性和准确性。     

西安地铁换乘站设计影响因素分析及功能设计研究

在总结西安地铁换乘站设计经验及教训的基础上,重点从车站网络定位、客流组织、空间布局、换乘形式和设计标准等方面分析影响换乘站设计和功能的因素,形成换乘站设计方案,并通过客流仿真模拟验证了设计方案的可行性.研究成果可为其他换乘站设计和已运营车站换乘功能改造设计提供指导和借鉴.     

西安地铁换乘站设计影响因素分析及功能设计研究

在总结西安地铁换乘站设计经验及教训的基础上,重点从车站网络定位、客流组织、空间布局、换乘形式和设计标准等方面分析影响换乘站设计和功能的因素,形成换乘站设计方案,并通过客流仿真模拟验证了设计方案的可行性.研究成果可为其他换乘站设计和已运营车站换乘功能改造设计提供指导和借鉴.     

城市轨道交通换乘站站台宽度计算中客流取值的修正方法

针对现有城市轨道交通换乘站站台宽度计算中客流取值存在的问题,基于换乘站客流冲击性特征,给出城市轨道交通换乘站的换乘客流冲击系数的定义。在此基础上,根据换乘站的不同换乘线路行车间隔的差异性,提出城市轨道交通两线或多线换乘站的换乘客流冲击系数计算方法;并结合原始客流预测值,提出城市轨道交通换乘站站台宽度计算中客流取值的修正方法。最后,以已运营换乘站为对象进行案例研究,说明修正方法的合理性。     

基于城市轨道交通换乘客流管控的量化方法研究

城市轨道交通换乘站存在客流结构复杂、客流增长迅速、车站容纳能力有限、客流路径存在瓶颈等特征。针对换乘站客流组织难度大、风险高的问题,提出换乘站客流控制组团概念,根据流量平衡原理及运能匹配计算方法,采用换乘站换乘客流量化控制方法,即从换乘客流来源考虑,通过线网客流压力共担,实现换乘客流在站点及时间上的精准控制,保证换乘站客流控制的精准化和科学化,从而提高换乘站的运输服务质量,降低车站运营风险。在换乘站可预见性大客流的案例中,详细说明客流量化控制策略和计算过程,制定有效的预案和风险评估机制,确保换乘站大客流安全有序。     

基于动态优化的城轨网络列车运行计划换乘衔接研究

随着城市轨道交通网络的快速发展，线路间的换乘点不断增多，换乘站时刻表的协调直接影响服务水平，有必要结合线网客流分布特点协调换乘站列车到发时刻，以尽量减少乘客在换乘站的换乘等待时间，提高乘客出行效率。以线路间列车衔接时刻点为优化对象，以重点换乘站的换乘衔接需求为主导，建立换乘衔接方案编排优化模型，在网络层面实现基于线网整体换乘等待时间动态最优的换乘站衔接时刻优化，并以广州地铁线网为例，利用模型开发软件，得到符合现场需求的换乘衔接优化时刻点，为网络化运营条件下的列车运行计划协同编制提供技术支持。     

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。     

城市公共交通换乘走行特性分析研究

通过对公共交通典型换乘站——西直门站开展换乘客流走行的实地调查,并对调查所得数据进行统计分析,得到符合我国换乘客流特点的走行时间分布规律,再进行函数拟合以增强其应用性.还从不同时段内换乘客流的人口年龄结构、乘客走行心理及其各自行为特点等方面,分析总结换乘走行时间的影响因素.通过对换乘走行客流特性分析以及得出的结论,为换乘站衔接规划及运行管理提供量化依据.     

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础.针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用.该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日...     

城市轨道交通车站大客流处置的数据驱动模式

随着城市轨道交通网络规模和客流规模的不断扩大,大客流风险也越来越凸显。相较于基于历史经验的大客流应急处置模式,基于数据驱动的大客流智能化/智慧化处置辅助决策技术在事前预警预测、事中处置和事后评估等方面都有突出优势。从车站客流处置数据驱动模式的信息感知、风险预判及处置决策3方面入手,探究城市轨道交通车站多源数据融合驱动下的客流处置模式的技术实现途径,可为我国各大城市轨道交通车站大客流的数据驱动模式探究提供参考。     

基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。     

重庆轨道交通客流量分布特征

根据重庆轨道交通客流量统计数据,分析总结了重庆轨道交通客流量分布特征。重庆轨道交通客流量分布受居民出行行为影响较大,进出站客流量较大的车站基本分布于两路口站附近。不同类型车站的客流量分布特征也不相同,商业类、对外枢纽类和高校类车站的客流量分布相对均匀,其他类型车站客流量的早晚高峰明显。重庆轨道交通线网最大客流量断面位于换乘站上游,故应做好换乘站的客流组织工作,并提高设施承载能力。     

铁路客运车站客流监测与预警系统

由于缺乏准确的实时客流数据,铁路客运车站的客运组织一直主要依靠经验来调配设备、人员等所需资源。为此,开发了铁路客运车站客流监测与预警系统,通过有效利用铁路客票预售数据、车站历史客流数据、旅客进出站实时数据、列车正晚点数据等相关数据,建立基于K均值聚类的支持向量回归机客流预测模型,实现车站每日进站客流、分时段进站客流、候车室客流的监测、预测及超限预警,方便车站工作人员随时掌握客流动态,及时根据客流变化进行设备和人员动态调配,更加精准、高效、安全、有序地开展车站客运组织作业,有助于改善车站客运服务水平,提升旅客出行体验。     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

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。     

基于支持向量回归的大型客运站客流量预测应用研究

准确预测大型客运站发送客流量,是铁路依据旅客出行需求制订开行方案、编制运行图和完成客流输送任务的重要基础。简要介绍支持向量回归的概念和原理;以汉口车站2017年1月—12月日实际发送客流量作为样本数据集,分析大型铁路客运车站客流特点,即年度客流呈现明显周期波动性、长周期内因多次节假日出现客流大幅激增;将样本数据集分为训练集及测试集,利用支持向量回归模型对剔除节假日前后的客流量进行预测,预测误差对比表明:排除节假日突发大客流的影响后,由支持向量回归模型计算得到车站日常发送客流量的预测精度可明显提高。     

郑州地铁短期客流预测研究

建立符合郑州地铁客流特点的短期客流预测模型并运用到线网客流预测工作中。短期客流预测模型可预测未来1个月内工作日、周末及节假日的线网客流,为线网日常运营管理及运输组织工作提供有效参考依据。     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。