基于轨道交通数据的客流特征与城市功能结构分析

随着中国社会经济和城镇化的迅速发展,城市居民的职住空间关系不断发生变化。在城市功能结构失衡导致交通拥堵问题日趋严重的背景下,居民轨道交通出行需求也在不断增加。以北京市为例,基于轨道交通刷卡数据,从网络客运量、客流时空分布状态等方面深入挖掘乘客出行特征及规律。运用k均值聚类算法(K-Means聚类),以不均衡系数为指标对北京市各地铁站乘客出行时空分布进行聚类分析,研究居民出行规律与城市功能结构间的不均衡关系,为城市轨道交通运营组织策略的研究提供理论支撑。     

厦门轨道交通1号线运营初期道路公交客流变化特征分析

以厦门轨道交通1号线为例,分析城市轨道交通运营初期道路公交客流的变化特征.基于厦门轨道交通1号线开通前后各1个月的"E通卡"刷卡数据,首先分析了1号线和道路公交整体客流的变化特征;然后基于不同乘客群体出行模式选择,分析了1号线新线运营后整个公共交通系统客流变化特征.研究成果可为城市轨道交通线路开通后公交群体出行模式分析和客流结构优化调整提供参考.     

城市公共交通系统通勤出行特征提取分析方法

公共交通出行者的出行特征是地铁及公交线网规划与运营优化的重要依据。基于多模式刷卡数据,提出城市公共交通系统出行链提取方法,利用存在换乘的出行链调查数据进行验证,提取成功率达 96.1%。基于出行者历史刷卡数据构建了多种机器学习分类器以识别通勤人群,经过精度比较,发现随机森林分类器效果最优,准确度达 99.96%。利用分类器和出行链提取方法,对北京市公共交通系统出行链结构、换乘特征等进行初步分析。该方法可以有效提取分析通勤人群出行特征,为公共交通系统方案的优化提供数据支持。     

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。     

北京与伦敦地铁基于自动售检票数据的客流出行规律对比分析

基于地铁自动售检票系统连续一周的数据,从多粒度、多层次、多角度对比分析了北京与伦敦地铁乘客的出行规律。结果显示:北京与伦敦地铁乘客的出行频次分布相似,但伦敦地铁的高频出行乘客更多,而北京地铁的低频出行乘客更多;伦敦地铁的总体换乘比例略低于北京,更便捷,且伦敦的短距离出行比例远高于北京;北京地铁周末的通勤出行更多,而伦敦市民从周五至周日的夜晚出行更多。地铁乘客的出现规律不仅与城市结构,居民的工作生活状态有关,对城市轨道交通的网络结构及运营管理也有重要的参考价值。     

上海轨道交通施行弹性票制促进网络高峰时段客流均衡的可行性研究

乘客出行决策是影响地铁网络客流均衡的重要因素之一。以上海轨道交通网络为例,分析了现行票制下的客流时空特性;基于问卷调查数据,分析了弹性票制下乘客的出行决策行为,提出了3种高峰时段弹性票制方案。在高峰时段施行弹性票制,以此实现地铁网络客流均衡是可行的。     

广州地铁网络化运营后的乘客信息发布水平提升措施

地铁步入网络化运营阶段后,客流量剧增,通达性增强,服务范围和运营信息量增大,对客运服务信息发布提出更高的要求。通过分析客运服务信息发布的现状及网络化运营后面临的风险和难点,提出优化应急信息发布渠道和范围、采用智能化手段提升信息发布水平、加强乘客多路径出行引导、新增快慢车宣传指引等提升措施,以满足乘客的知情权及出行需求,提高网络化运营服务质量。     

地铁分时定价措施对不同类型乘客出行选择行为影响研究

地铁高峰期拥挤是亟需解决的重要民生问题,地铁分时定价措施是有效缓解高峰期拥挤的需求管理措施之一。文章对不同地铁分时定价措施下的乘客出行选择行为进行研究,有助于制定合理的地铁分时定价措施,有效缓解高峰期拥挤现象。首先,采取意向（SP）与行为（RP）问卷调查获取基础数据;然后,采用二阶聚类法将乘客划分为3类,并分析乘客类别特征;最后,采用多元Logistics回归模型深入分析各类乘客的出行特征,重点分析不同分时定价措施下乘客的出行选择行为,由分析结果可知类型2和类型3乘客对于分时定价措施敏感,选择转移至平峰期或其他交通方式出行。     

基于手机数据的地铁线网清分模型验证与优化

如何高效准确地验证并优化地铁线网票款清分清算模型是地铁行业一直以来的研究重点。地铁票款清分清算模型大多是基于概率分布的出行路径选择模型。该类模型应用出行时间对应选择概率的正态分布得到乘客对不同出行路径的选择概率,结合不同出行路径上各个线路运营商的运营里程比,即可计算得到所谓的"清分因子"。为验证现有清分模型的准确性,提出使用手机数据重建乘客出行轨迹的方法。通过在地铁线网换乘节点安装无线探测装置,获取乘客智能手机唯一的MAC地址,将乘客出现的时间、地点信息实时发送到数据处理后台,按照时间先后排列捕获乘客出现的地点,以此重建出行轨迹。目前只有开启Wi Fi功能的智能手机可以被捕获。通过这一方法,不仅可以验证地铁票款清分清算模型,还可以进一步对模型参数进行修正。本研究在杭州市地铁线网中进行实验,通过重建当地乘客实际出行路径,对票款清分清算模型进行验证和修正。     

基于回归分析的乘客平均延误时间模型研究

地铁是大城市交通出行的主要方式。对于地铁乘客来说,延误时间是影响乘客的满意度和地铁的服务水平的一个重要指标,与客流量和发车间隔密切相关。现有研究缺乏基于客流数据的乘客延误时间与客流量、进站时间及发车间隔之间定量关系的研究。文章根据福州地铁1号线的200多万条AFC刷卡原始数据统计分析出6 000多组客流量、进站时间、发车间隔和乘客延误时间的数据集,并通过3种经典回归分析算法进行分析,结果表明采用决策树回归算法的误差最小,可为地铁列车运行时刻表优化提供理论支撑。     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

城市轨道交通客流分布短时预测模型研究及应用

客流分布短时预测对于城市轨道交通运营管理和乘客出行服务具有重要的实际意义。采用自底向上的网络建模技术,利用动态仿真方法模拟乘客出行行为,构建城市轨道交通客流动态分布仿真模型,进行城市轨道交通线网客流分布短时预测,并通过实际AFC(自动售检票)刷卡数据进行二元校验。依托北京市轨道交通安全防范物联网应用示范工程,将其应用于北京地铁运营实践中,结合实例验证了模型的可行性和有效性。     

基于AFC数据的城市轨道交通乘客目的站实时预测

为解决轨道交通只有在乘客刷卡离开路网，且获得实际列车运行图后，才可通过清分模型系统仿真推演其全出行链的问题，在实时接入自动售检票系统（AFC）刷卡数据情况下，建立基于乘客出行OD规律、乘客职住地规律及重点去向车站规律的级联目的站预测模型，为进站乘客快速预测目的站，进而与清分模型系统结合实现进站乘客在网分布的实时动态推演。通过开展乘客目的站预测，提高客流实时仿真推演系统对各项客流指标的预测准确度，不仅方便运营管理人员进行科学高效的网络化运营调度指挥及客运管理，还可为乘客出行提供个性化引导。     

基于出行调查的轨道交通清分清算模型对比研究

在保证整个地铁系统一体化运营的同时,为了公平、公正地分配各运营商的利益,需要制订合理的清分算法模型,从而确保整个城市轨道交通系统的可持续发展。通过乘客出行调查问卷分析了城市轨道交通乘客的出行特征,根据轨道交通运营的相关参数筛选有效路径集,结合乘客出行的影响因素建立了2种多路径清分模型,基于实际调查数据进行参数估计,最后通过测算比较选出相对合理精确的模型。     

上海地铁首创高峰时段运营信息电视直播

自2010年3月1日起，上海轨道交通运营管理中心值班长将在工作日早高峰时间通过电视新闻节目为市民乘客提供最新的地铁运营信息，以便乘客调整出行方案。这也是国内地铁行业首次采用全新运营信息发布形式。     

土地利用因素对城市轨道交通车站客流的时空影响分析

通过建立城市轨道交通站点周边各类用地与客流的拟合模型,分析土地利用因素对客流的时空影响,为制订相关土地利用政策、合理组织站点客流提供依据。基于西安地铁4号线乘客出行特征数据,建立基于地理加权回归(GWR)的车站客流回归模型,量化分析了用地属性对车站客流的时空影响。结果表明:土地利用因素对早高峰出站客流、晚高峰进站客流的解释力较强;土地利用类型对客流的影响具有时空异质性,时间维度的变化与乘客出行目的有关,空间维度的变化与城市空间结构有关。与普通最小二乘回归模型相比,GWR模型能够刻画变量之间的空间异质性,具有更高的拟合精度。     

西安地铁客流监控预警信息系统可行性研究及分析

结合现阶段西安地铁客流组织中的运营风险与客流控制中存在的不足,对当前客流预警的各种方案进行优缺点分析,提出以视频监控技术为基础的智能化客流监控预警信息系统来实时测算客流密度,从而进一步确定客流预警量化标准与客流控制启动的时机,帮助运营人员采取必要的应急处置。同时提出优化乘客信息渠道的建议,使乘客实时获取线网拥堵情况,供乘客出行决策,及时缓解拥堵区段客流压力,切实提升乘客舒适度。     

成网条件下地铁换乘量预测方法研究

换乘量预测是换乘站设计、客流组织及安全应急预案编制的重要基础。近年来,地铁网络化运营快速发展,成网条件下地铁换乘量预测成为一个亟待解决的问题。本文在研究成网条件下乘客路径选择行为的基础上,结合全网客流分布规律,提出成网条件下地铁换乘量预测方法。首先,考虑乘车时间、换乘次数、换乘时间和拥挤度等地铁服务水平变量后,通过引入角度费用指标表述路网结构和路径走向等网络特征对乘客路径选择的影响,建立地铁乘客出行路径选择模型,分析乘客潜在的路径选择偏好。其次,基于各因素等效乘车时间换算和乘客对出行时间的容忍程度分析,使用K-最短路算法构造所有站点间的有效路径集合,结合首末班车限制设计MSA法进行随机网络客流加载,提出不同时间粒度下各换乘站换乘量的统计算法。最后,基于本算法对北京市地铁换乘量进行预测,结果表明:角度费用对乘客的路径选择行为产生显著影响,全天换乘量的分时变化规律与实际情况相符,使用本方法预测换乘量具有较好的可靠性和准确度。     

城市轨道交通快慢车模式下乘客出行时间优化方法研究

在城市轨道交通快慢车运营组织模式下,对乘客出行时间进行分析,建立乘客出行时间最小模型;利用遗传算法,通过MATLAB程序对该模型进行求解;结合上海轨道交通16号线客流量进行验证,开行快慢车后乘客总出行时间为25642 h,较开行前减少1054 h,节省出行时间3.9％.对比原运营方案,优化方案可在一定程度上节省乘客出行时间,为出行提供便利.     

地铁站内外一体化导航系统 关键技术研究及实现

随着北京地铁线路的日益增多、站内服务设施的日渐丰富,站内环境的复杂度不断增加。乘客在站内出 行遇到一系列问题：一是站内换乘复杂,地铁站越来越多,换乘关系复杂,给乘客的地铁出行带来不便;二是公 共服务设施不好找,站内服务设施多,缺乏指引标志,乘客不易寻找目标设施;三是车站出口多、信息少,地铁 站出入口多,乘客无法第一时间找到目标出站口。此外,站外建筑及交通的寻找也不够便利,站外交通换乘信息 较少,乘客出站后不能迅速换乘。为提升站内乘客出行的满意度,通过站内外一体化导航支撑来解决站内换乘、 服务设施寻找、出口周边信息等问题,从而提升乘客的地铁出行体验,提高运营服务水平。