���й����ͨ��������ֲ�����ģ���о�

城市轨道交通网络客流时空分布特征是网络化协同运输组织的基础与核心.本文在系统分析城市轨道交通乘客出行行为的基础上,基于Multi-Agent建模技术,构建了网络客流分布动态仿真模型,应用该模型模拟乘客的网络出行过程,统计分析得到路网的客流分布特征.该模型既能反映乘客网络出行行为全过程,又能满足大规模路网仿真需求.最后,开发了城市轨道交通网络客流仿真系统,通过北京市轨道交通网络的实际数据对模型和算法进行验证.     

客流特征视角下的轨道交通网络特征及其脆弱性

为提高城市轨道交通网络脆弱性评估的客观性, 将乘客需求特性集成到网络脆弱性的计算中; 在城市轨道交通网络Space L空间下静态拓扑结构的基础上, 以客流为权重建立了轨道交通加权网络; 基于客流指标提出了车站连接强度和加权节点介数, 用于反映动态网络结构特征, 度量节点间相互作用强度; 针对城市轨道交通网络客流的时空特性, 结合网络客流需求特性, 基于出行消耗最大容限阈值, 构建了站点故障条件下的乘客有效路径子图和网络客流的OD损失率, 进而评估城市轨道交通网络的脆弱性; 以西安城市轨道交通网络为例, 从网络客流视角分析了城市轨道交通网络特征及其脆弱性。研究结果表明: 西安市轨道交通网络具有小世界网络特性, 平均路径长度为10.7, 其中小寨站和北大街站为网络关键节点, 其车站连接强度分别为166 795、149 059, 加权节点介数分别为0.365、0.369, 这两个站点的中断对西安市轨道交通网络效率的影响分别为40.1%、39.4%;乘客出行容限阈值极大地影响着网络中站点的重要性排序, 网络脆弱性随着乘客出行容限阈值的增大而逐渐降低; 脆弱性与介数的相关性强于脆弱性与度和强度的相关性, 随着出行容限阈值的增大, 加权介数与其脆弱性的关联性逐渐降低。可见, 提出的计算指标和方法突出了客流特征与乘客需求对轨道交通网络脆弱性的影响, 能够很好地体现轨道交通网络的功能特性。      

城市轨道交通网络客流大数据可视化

客流分析是轨道交通运营组织的基础,传统的客流分析方法无法从海量的乘客历史出行大数据中提取与挖掘乘客出行规律和特征。大数据可视化为获得洞察大规模复杂客流数据能力提供支撑。基于城市轨道交通网络实际运营需求,从客流认知、可视化、人机交互的综合视角出发,基于GIS地图、网络迁徙图、日历图、散点图、弦图等可视化图形,研究大规模复杂网络OD客流、断面、进出站和换乘客流大数据可视化的运营需求关键技术与实现方法。对上海城市轨道交通网络客流大数据进行实例分析,可视化展示结果有利于运营管理人员掌握网络客流时空变化特征以及演变规律,为制定科学行车与客运组织方案提供决策依据。     

突发事件下地铁网络乘客出行行为仿真模型

城市轨道交通突发事件会对乘客出行行为造成一定影响,同时还将影响网络客流分布。首先分析了突发事件对轨道交通网络客流出行行为选择的影响,建立了乘客Agent和列车Agent模型及系统要素间的交互机制,利用多智能体仿真方法构建仿真模型,对城市轨道交通网络突发情况下的乘客出行行为进行仿真研究。最后通过实验网络进行仿真验算,结果与传统方法对比验证本仿真模型的有效性和实用性。研究可为城市轨道交通网络客流分布计算提供基础,也可为城市轨道交通应急指挥、列车运行方案调整等提供辅助决策依据。     

轨道交通乘客个性化出行路径规划算法

随着城市轨道交通网络的不断完善,可供乘客选择的轨道交通出行路径日益 增加,乘客出行路径决策愈加复杂.本文在分析轨道交通服务水平变量对不同属性乘客出 行路径选择行为影响的基础上,提出轨道交通乘客个性化出行路径规划算法.首先,基于 非集计理论构建针对不同类别乘客的路径选择模型,该模型综合考虑乘车时间、换乘时 间、换乘次数、车内拥挤度及个人属性等因素对乘客路径选择行为的影响.其次,基于不同 类别乘客的路径选择行为差异,构建考虑车内拥挤度变化的乘客个性化出行路径动态规 划算法,为不同属性乘客规划广义出行时间最小的路径.最后,基于广州地铁数据对算法 进行验证.结果表明,该算法针对乘客个人属性规划的最优出行路径,更加贴合乘客的出 行心理.     

基于售检票数据挖掘的轨道交通乘客居住区辨识

以自动售检票数据潜在包含的时空关联关系为基础,构建城市轨道交通乘客居住区辨识方法.假设轨道交通大部分乘客出行满足：一日内首次出行起始站与末次出行终点站相同,首次出行起始站与前日末次出行终点站相同,连续时期内首次出行起始站与末次出行终点站总是紧邻“家”的位置,以此为基础构建居住区辨识中心点法.以北京市轨道交通为对象进行实证分析,通过连续一周自动售检票数据挖掘能对88.7%的公交卡(不包括单程票、员工卡)所对应乘客的居住区进行辨识,验证了本文方法的准确性与有效性.本文研究提高了售检票数据应用价值,为乘客出行行为及需求特征分析提供了方法支持.     

基于时空路径推算的城轨网络客流分配方法

针对城市轨道交通客流分布推算问题,根据自动客票采集系统（AFC）数据和列车时刻表数据,提出基于乘客出行时空路径推算的网络客流分配方法.首先,利用前述两类数据估算乘客出行时间参数;其次,使用基于插点法的可行路径搜索算法得到全网各OD (origin–destination)对的可行路径集合;再次,基于乘客进出站刷卡信息、列车时刻表数据及匹配的可行路径集合,构建乘客有效出行路径集和列车集的推算模型,获得有效出行结果集;进一步,结合所得有效结果集合与列车载客量限制,并根据列车时刻表完成列车运行推演,确定唯一的有效出行路径和所乘列车;最后,设计开发基于C#语言的城市轨道交通网络客流推算系统,对某城市轨道交通工作日客流数据进行案例研究.结果表明：客流推算系统所得的断面客流推算值与运营参照值的平均差异上、下行分别为2.03%、3.90%;列车满载率变化趋势符合线路路由特点;早晚高峰时段换乘站的换乘客流来源站点固定,但早高峰来源量比例较晚高峰稳定.     

基于多源数据的精确公交出行时间自动计算

提出基于基站定位轨迹、公交线网、公交车GPS轨迹的多源数据精确公交出行时间自动计算方法:第一,利用智能手机采集基站定位轨迹;第二,使用基于滑动时间窗的算法,清除基站定位轨迹中因基站切换"乒乓效应"造成的扰动数据;第三,将基站定位轨迹与公交线网进行空间关联匹配,获得乘客上下车地点;最后,将基站定位轨迹与公交车GPS轨迹进行序列对比,获得乘客公交出行时间。在佛山市南海区进行的公交出行实验表明,该方法获得的公交出行时间误差在1 min以内,能满足公交线网调整与优化的精度要求。     

���й����ͨ�˿�·��ѡ��ģ�ͼ��㷨

分析了影响城市轨道交通乘客路径选择的主要影响因素,建立了城市轨道交通路径选择的广义费用函数,并分析乘客在城市轨道交通网络中的路径选择行为。应用Logit模型对城市轨道交通网络的客流分配问题进行了理论建模,通过统计调查数据对模型和算法进行了有效性验证。通过问卷调查数据,采用极大似然估计方法,标定了模型中的参数,在有效路径搜索算法方面,提出了一种基于深度搜索优先和分支界定思想的有效路径搜索算法,以得出符合现实的有效路径集合。最后,在北京市轨道交通网络客流中,运用本文所提出的模型和算法估算了立水桥站到国贸站OD对之间各有效路径被选取的概率,并通过实测调查数据进行了验证,结果表明了本文所提出的模型和算法的有效性。     

���й����ͨ��������ĸĽ�Logitģ�ͼ�������

充分考虑城市轨道交通网络中影响乘客路径选择的主要因素,包括乘车时间、换乘次数和换乘时间,通过对换乘时间进行惩罚,构造了包括换乘在内的城市轨道交通网络的路径广义费用模型,基于随机效用理论分析了乘客的路径选择行为.根据最短路径费用定义OD之间的有效路径集合,同时,使用路径相对费用代替路径绝对费用,对传统Logit模型进行改进,提出基于改进Logit模型的城市轨道交通网络客流分配方法.采用基于图的遍历算法确定OD间的有效路径.最后,以2008年北京市轨道交通网络为研究对象,对模型和算法进行了分析和验证.     

考虑换乘时间影响的城市轨道交通路径选择行为研究

研究乘客路径选择行为有助于掌握城市轨道交通网络客流分布规律.本文在分析城市轨道交通乘客路径选择行为影响因素的基础上,重点考虑换乘时间对乘客换乘费用感知的影响.实际调查表明,乘客感知的换乘走行时间与实际的换乘走行时间符合幂函数分布.本文将换乘走行时间惩罚系数设定为换乘走行时间的幂函数.在此基础上,本文构建了乘客出行广义费用模型,采用改进的深度优先算法搜索两点间的有效路径,并利用Logit 随机路径选择模型计算各有效路径的选择概率.最后,以北京市轨道交通网络的数据对提出的模型和算法进行验证,案例分析结果验证了本文提出的模型的合理性.     

城市轨道交通网络可靠性和运输服务质量评估

为评估区间通过能力下降对城市轨道交通网络可靠性和运输服务质量的影响，首先，以区间通过能力下降前后乘客的相对广义出行费用确定乘客的出行是否可靠，并以出行可靠的乘客占比评估网络的可靠性；其次，以乘客的平均广义出行费用评估网络的运输服务质量，采用基于改进Logit模型的随机用户均衡配流模型计算乘客的广义出行费用，并通过MSWA （method of successive weighted averages）算法求解该模型；然后，通过区间影响的乘客占比、区间介数分别识别网络的重要区间；最后，以武汉地铁为例分析重要区间通过能力下降后的网络可靠性和运输服务质量. 仿真结果表明:受区间影响的乘客占比识别的重要区间对城市轨道交通网络的可靠性和运输服务质量产生重要影响；重要区间多与换乘站直接相连，并且各重要区间能影响网络中12.24%～13.96%的乘客；为保证武汉地铁网络可靠性高于0.95，网络最多能容忍区间介数识别的3个重要区间的能力下降20%，或区间影响的乘客占比识别的1个重要区间的能力下降20%；随着下降区间数目和下降比例的升高，网络的可靠性持续下降，但网络的运输服务质量下降的情况会有所减弱.      

基于客流量的城市轨道交通网络站点重要度评估方法

针对轨道交通网络中现有的站点重要度评估方法精度低的问题,提出一种基于客流量的城市轨道交通网络站点重要度评估方法,筛选出城市轨道交通网络的重要站点.采用Space L方法构建轨道交通加权网络模型,通过分析客流量比例系数和节点效率对站点的作用,设计站点重要度贡献矩阵,以纽约轨道交通网络为例,采用最大连通子图比例和网络平均效率评价指标分析站点的重要度.研究结果表明:与传统的评估方法相比,引入客流量因素可以显著提高重要站点的评估精度.该方法可为实现站点的高效可靠运行提供技术支持,具有良好的应用前景.     

基于复杂网络的南京城市轨道交通站点重要度评估

随着城市化进程的迅速推进以及大都市城市轨道交通网络化运营的逐步实现,城市轨道交通在城市交通系统中扮演的角色越来越重要,一旦城市轨道交通网络中的重要节点发生了紧急事件,必然会严重影响到城市轨道交通的正常运营。本文主要利用复杂网络理论对城市轨道交通网络进行分析,首先介绍了城市轨道交通网络的复杂网络特征,在此基础上提出利用SpaceL方法构建城市轨道交通网络拓扑结构,并且使用TOPSIS方法构建基于城市轨道交通网络特性的节点重要度评估模型,以南京地铁为例,得出南京城市轨道交通站点重要度排序。确定城市轨道交通中的关键节点,可以给城市轨道交通网络可靠性的研究提供很大的帮助,对于城市轨道交通网络的优化有着重要的意义。     

考虑拥挤的轨道交通网络时刻表协调优化建模

以非连通型城市轨道交通网络为研究对象,根据城市轨道交通网络周期性运行特点,在深入考虑拥挤及换乘客流脉冲性到达特征的前提下,给出1个循环周期内城市轨道交通网络运营费用及乘客出行费用计算方法.并在此基础上,以各运营线路发车间隔及发车时刻相位差为决策变量,以乘客及运营企业的综合费用最小为目标,以列车发车间隔、列车容量、站台容量、运营补贴等为约束,建立城市轨道交通网络列车时刻表优化模型.根据模型特点,提出了一种基于仿真的遗传算法对模型进行求解.算例结果显示,与既有优化方法相比,本文模型能够更加细致地刻画乘客换乘过程,有效降低系统综合费用,并确保各项服务指标在安全范围之内.     

基于换乘次数的城市轨道交通有效径路集生成算法研究

城市轨道交通乘客出行路径选择,其实就是换乘站的选择,换乘站及其次序唯一确定了乘客在路网中行进的路径。基于轨道交通旅客出行所能承受的换乘次数是有上限的这一事实,设计出基于换乘次数的有效径路集生成算法。算法在充分考虑轨道交通路网结构及旅客实际出行特点的基础上,对路网进行分层、次序化处理,旨在降低算法的空间复杂度和时间复杂度。实例分析表明,该算法可以快速高效的生成有效径路集,并且生成的有效径路集包含虚拟换乘路径,为后续研究提供较好的路径结构基础。     

考虑轨道交通布局的城市客运方式划分研究

针对我国城市轨道交通网络覆盖率低的特点,提出采用网络标识确定轨道交通的空间布局。鉴于集计和非集计方式划分模型在实际应用中所存在的问题,综合考虑了各种交通方式的特点及运输网络的连通程度,建立了基于路线选择模型、轨道交通线网布局的客运交通方式划分模型。应用结果表明,该模型综合考虑了居民出行路线选择的影响,从而能够较好地解决我国城市客运方式划分问题。     

适用于一票制公交大数据的系统化处理方法及应用 ——以银川市为例

为分析公交乘客出行特征，利用公交IC卡数据、公交GPS数据、车载机数据和单程站点关系表，通过各类数据关联融合，提出适用于一票制公交大数据的系统化处理方法。基于Oracle搭建分析数据库，采用Python语言编写代码，构建了乘客上车站点推断算法、基于出行链的乘客下车站点推断算法、基于概率的乘客下车站点推断算法和乘客换乘站点识别算法4种站点推断算法。基于此，运用银川公交大数据进行客流集散点识别、客流走廊识别，得到公交站点上下客流量分布情况、公交线路客流量分布情况、公交站点的换乘客流量分布情况。研究结果表明，一票制公交大数据系统化处理方法在分析公交乘客出行特征方面具有一定的应用价值。     

城市轨道交通站台等候区客流时空特性研究

为了探索城市轨道交通站台等候区域乘客密度的时空特性,通过设计站台等待区乘客密度数据采集试验,采用录像交通信息采集方法对西安市轨道交通2#线7个代表性站点的站台等待区晚高峰时间上、下行乘客密度进行采集;在此基础上,利用SPSS数据分析软件对乘客密度的时空特性进行分析与评价。结果表明：西安市北大街换乘站在晚高峰时段站台等待区的乘客密度明显高于其它站,下行方向的站台等待区乘客密度普遍高于上行方向,非工作日的站台等待区乘客密度普遍高于工作日。研究结果进一步丰富了城市轨道交通站台区交通组织与规划的调查方法与基础数据,为站台区域交通设计和安全应急疏散提供了可靠依据。     

基于出租车运营数据和POI数据的出行目的识别

为了有效获取出租车乘客出行目的,提出了一种基于出租车运营数据和POI(Point of Interest)数据的出行目的识别方法.构建了基于乘客出行特征和下车所属POI点类别的乘客出行目的识别模型,该方法从出行特征及乘客下车点最终可能到达的目的地所属POI点类型两个方面确定乘客的出行目的.为了验证所提方法的有效性及实用性,对成都地区展开了出租车出行调查,并利用调查数据对模型进行了精度验证.结果发现,相比于现有的利用出行特征推断出行目的的方法,本文提出的决策树+POI(II)能够提高最终识别准确度15.76%.最后,将所提方法应用于成都 1周的实际运营数据中,成功地识别出219 942名乘客的出行目的,说明该方法能够应用于实际数据量较大的出行目的识别.本文提出的方法,可以作为出行调查的辅助手段.