基于AFC和POI数据的轨道交通车站客流影响因素挖掘

精细化研究轨道交通车站客流影响因素对于建立轨道交通与土地利用长效互动机制,发挥轨道交通支撑和引领城市发展作用,指导轨道新线开通和周边用地开发等具有重要意义。以南京为例,首先获取轨道交通运营客流AFC数据和网络爬取的POI数据;然后考虑四种类型轨道交通车站客流特征,挖掘用地特征、公共交通接驳特征、车站属性三类因素;最后利用结构方程模型分析城市轨道交通规划建设与城市用地开发之间的作用机制。实证结果表明,基于POI获取的住户数、商业设施数、文化设施数、公共汽车线路数等数据对工作日轨道交通进站客流有突出贡献。     

深圳市轨道站点客流特征与周边土地利用的关系

以深圳市轨道1号线为研究对象,基于轨道IC卡数据和离站点500 m范围内的土地利用数据,通过图表分析与回归分析等方法,研究轨道站点客流特征与其影响范围内的土地利用之间的关系。研究发现:对于周边以居住用地为主的轨道站点,其客流早高峰起始时间与晚高峰结束时间均不同于其他类型的站点;站点周边土地总体容积率与站点日均客流量之间呈正相关的关系,而站点周边不同类型用地的容积率则与站点时段客流量之间呈不同的关系。     

轨道交通沿线土地利用与站点客流相关性分析

轨道交通运营初期客运量与其沿线土地利用关系的研究对于后续轨道沿线用地布局和轨道客流的提升具有一定指导意义。以宁波市为例,调查了轨道1号线和2号线50个站点的土地利用性质和土地开发强度,研究了轨道站点周边800m用地开发容积率和站点客流之间的关系,并通过手机信令手段获取轨道东门口站和大卿桥站的站点客流分布情况,统计分析了站点客流与用地性质和建筑开发量之间的关系。研究结果表明:宁波轨道沿线用地开发率较低,平均容积率仅1.1;当站点周边平均容积率超过1.5,单位建筑面积日均进出站客流将呈现成倍增长。     

基于改进KNN算法的城轨进站客流实时预测

针对实时进站客流数据的高维数、多噪声、波动频繁等特征,本文提出一种基于改进 K最近邻(K-nearest-neighbor, KNN)算法的城轨进站客流实时预测方法.首先,通过对分时客流数据的相关性分析,确定表征客流特征的状态向量;其次,结合数据特性改进近邻样本的模式匹配过程,利用关键点法去除原始序列中的噪声扰动,并引入动态时间规整算法实现考虑序列形态的相似性度量;再次,根据样本间流量差异引入距离权重和趋势系数,推演未来时段的进站量,实现滚动的实时预测;最后,依托广州地铁客流数据仓库对预测模型进行精度分析. 结果表明,对于全网159个站点,5 min粒度下全天分时进站量预测的平均绝对百分比误差的均值为11.6%,能够为路网状态监控提供可靠的数据支撑.     

基于多时间尺度的城市轨道交通短时OD估计

基于状态空间模型构建了城市轨道交通短时OD估计的多模型组合方法,估计早晚高峰期间15 min内进站客流的去向目的站.组合模型以不同时间尺度下的进站客流分流率为状态变量,并利用历史数据预估其中通勤客流的分流率,然后通过交互多模型算法加权融合不同时间尺度下的分流率估计结果.以北京地铁为案例,研究表明:早高峰期间的15 min分流率估计误差的平均值和最大值分别为16.4%和21.8%,晚高峰期间分别为22.7%和24.6%,比既有文献的估计误差减小了约一半.本文的研究成果可为实时的线网客流分布预测提供更准确的输入数据,以辅助运营管理部门实现客流预警和应急响应.     

基于数据分析的高铁站节假日设施适应性研究

针对高铁站节假日客流高峰期设施适应性不足的问题,以大连北站为例,通过对大连北站客流数据进行分析,选取"十一"客流高峰期,利用灰色预测模型对2018—2020年"十一"第1天的进站高峰小时客流量进行预测,找出进站流线中设施的瓶颈点,分析大连北站客流高峰期进站设施的适应性。分析结果表明:当前主要流线的瓶颈点为售票处A2、安检处1和安检处2;根据客流预测,至2020年,随着客流的增加,进站设施紧张状况将十分突出,售票处的客流压力最大,售票处B2的设施能力适应性最差。针对以上问题,提出了相关的改进措施。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

轨道交通站点聚类及其对客流预测的影响分析

城市轨道交通站点受多层面因素交互作用而反映出异质性，为实现站点精细化分类，本文统筹考虑地铁刷卡数据、兴趣点数据和地铁网络数据，提取客流、土地利用和网络性质等特征，其中，客流层面考虑工作日、周末和节假日等不同日期类型下客流状态，土地利用层面考虑站点辐射区用地强度和均衡性，网络层面考虑节点自身特性和影响能力。构建基于主成分分析与K-means++算法的聚类模型，综合聚类评价指标确定簇数，辨析不同类型站点多维度特性，结合站区土地利用和站点网络特征探讨对出行活动的影响，并设计簇内联合预测和整体联合预测策略，采用3种多元时序预测方法探究站点聚类对预测性能的影响。研究结果表明：考虑全部客流特征时，划分为10簇，考虑工作日进站客流特征时，划分为5簇，充分挖掘客流时变特征能够获得更加精细化的聚类结果；各簇站点客流分布特征与其土地利用及网络特征间存在一定的反馈关系；相比于整体联合预测，通过聚类联合相关性强的站点进行预测，以间接捕获空间相关性的方式能有效提升预测性能，各模型均方根误差平均降低9.04%，平均绝对误差平均降低4.94%。研究结果为站点精细化管理和站区设施建设规划提供依据。     

地铁站手机支付检票的影响因素分析与仿真验证

城市轨道交通客流量日益增长与有限的售检票设备之间的矛盾日益加剧,导致车站内部非付费区出现严重的客流拥堵现象,影响乘客乘车效率.手机支付渐成为提高进站效率的有效方式,但使用率不高.针对这一现象,结合杭州地铁出入口进站检票倾向调研数据,采用粗糙集理论决策方法分析了手机支付的影响因素,得出乘客年龄为影响选用手机支付检票的首要因素.最后选取文泽路站某节假日客流高峰时段,以站厅三级客流为临界点,通过Anylogic动态仿真,评估了提升年轻化群体手机支付措施在改善客流拥堵现象的效果.     

基于AFC数据的地铁站点客流典型时变特征分析

地铁站点客流的时变特征是地铁客流管理和预测的重要参数.基于上海1个月的地铁自动售检票系统小时客流数据,采用K-Means聚类算法分析站点客流典型时变曲线特征,并利用POI数据计算点客流时变特征与站点周边土地利用之间的关联性.结果显示,上海地铁站点可分为居住导向型、就业导向型、商业型、混合型、混合偏居住型、混合偏就业型等.不同类型站点服务范围内的土地利用有显著差异,且二者之间有很强的相关性.本研究为地铁客流预测、地铁站点规划设计和地铁运营组织提供相关参考.     

基于CIR模型的地铁客流弹性分析

为量化地铁系统的弹性,从客流的角度提出基于Cox-Ingersoll-Ross(CIR)模型的客流弹性指标。以单个或多个车站为对象,通过CIR模型模拟其在短期内进站客流和换乘客流的波动行为,并依此量化客流弹性。此外,讨论多车站的客流弹性与其各组成车站的内在关联。研究表明：客流弹性指标能够定量描述扰动后的客流恢复过程;中间车站的客流具有波动小、弹性高的特征;换乘车站的客流具有波动大、弹性低的特征;多车站的客流弹性与其中最大客流车站的弹性呈正相关,而多车站的客流弹性在其中小客流车站的弹性及客流量影响下呈现3种不同情况。     

基于总体统筹和实操落地的轨道站场TOD综合开发总体策略研究——以深圳市龙岗区为例

以轨道为核心的TOD综合开发对完善城市结构,促进土地集约利用具有重要作用。目前我国城市TOD开发研究过程中只聚焦单线、单点的做法,缺乏全盘整体统筹,导致轨道沿线综合开发与城市总体规划、与土地资源利用整体上协调不足,难以落地实施等问题。针对该问题,本论文以深圳市龙岗区轨道站场TOD综合开发策略项目为例~([1]),提出了基于总体统筹和实操落地的轨道站场TOD综合开发总体策略,为相关城市规划设计工作者提供简介及参考依据。     

轨道交通与城市协同发展的空间差异性分析：以北京市为例

为识别轨道交通与城市协同发展程度的空间差异性，以及不同空间范围内城市发展水平对轨道交通客流影响的差异性，引入描述空间集聚特征的莫兰指数Moran's I 建立轨道站点周边城市发展水平评价方法，将轨道站点周边城市发展水平和站点客流空间集聚分布特征作为轨道交通与城市发展协同程度判断标准，划定若干研究区域，利用地理加权回归GWR 模型研究两者空间相关性和城市发展因素对轨道交通客流的影响. 实证研究表明：轨道站点周边城市发展水平与站点客流协同程度较高的区域，城市发展水平对站点客流影响更大；将城市发展因素对站点客流影响程度进行排序，密度高于交通便捷程度、功能多样化程度和发展紧凑度.     

轨道交通延误条件下列车跳站与客流控制协同优化模型

针对城市轨道交通突发列车延误问题,统筹考虑行车秩序的恢复和乘客出行体验,提出列车调整与客流控制协同优化方法。首先分析延误条件下城轨列车调整和客流控制的措施及效果,构建以跳站停车和多车站客流控制为手段的双层线性规划模型。上层模型以列车总延误最小为目标,以列车载客能力为约束;下层模型以上车客流量最大为目标,以列车载客能力和控流率均衡为约束。采用灵敏度分析算法求解模型,并以北京地铁亦庄线故障延误事件为例,验证模型和算法的有效性。结果表明：采用跳站停车与进站客流协同控制可使延误列车行程时间缩短5.2%,使各车站进站率方差降低97.8%,在保障乘客公平性的条件下提高列车运行和乘客集散效率。     

长沙地铁2号线运营初期客流特征分析

开展客流特征研究对科学合理地设计轨道交通系统、优化运营组织设计具有重要意义。以长沙地铁2号线的地铁刷卡数据为研究对象,运用数理统计方法对其开通初期三年的运营客流进行分析,着重分析断面不均衡系数、车站进出站高峰系数与车站周边土地利用性质的相关性,线路客运量高峰系数与该线功能定位的关系,以及乘降量和换乘量的客流特征。针对上述结论对设计和运营提出建议,可为轨道交通的设计、建设、运营提供参考,也可为大城市轨道交通客流预测结果的合理性判断提供依据。     

轨道交通新线开通对常规公交的影响分析——以重庆轨道交通9号线为例

为准确分析轨道交通新线开通后对常规公交的影响，在自然运营数据基础上，以重庆轨道交通9号线为研究对象，采用数据量化方法，从换乘客流特征、出行OD特征和客流空间分布特征三方面进行了探讨，以期为公交接驳、线网优化和运营组织等提供借鉴。结果表明：9号线与公交的日均换乘客流为0.6万人次，换乘率仅为10%，低于全网换乘率17%;9号线周边公交站点客流下降1万人次，降幅为2%，相关公交线路客流下降3.3万人次，降幅为3%;9号线站点周边500米范围内覆盖公交站点上客客流为46万人次，潜在影响大。     

基于综合交通调查多源数据的公交OD更新方法

在上海市第6次综合交通大调查多源数据的基础上,研究一种基于公交线路客运量数据、居民出行调查数据、公交卡刷卡数据、跟车调查数据和轨道接驳方式结构数据的OD更新方法。首先,以居民出行调查为基础,通过校核、扩样处理,采用传统的"四阶段法"结合历史年份的公交模型得到新一轮大调查下的公交出行OD;其次,通过线路客流数据和刷卡上客数据反推全市道路上的断面量,并以公交断面量、线路客运量为依据调整公交OD,小区层面结构依据居民出行调查小区OD分布结构加以补充;最后,通过线路层面、跟车调查、出行距离时耗和总体特征指标的校核,证实分配结果达到宏观应用要求。     

基于公交IC卡与GPS数据的公交客流可视化分析

公交客流特征与规律是公交高效运营与服务提升的主要研究内容,也是城市公交线网规划的重要决策依据。随着城市人口的增长及公交出行需求的增加,产生海量多元的公交IC卡刷卡数据。为实现对公交客流特征与规律的全方位精准分析,并优化展示分析结果,运用海量IC卡刷卡数据,结合公交车辆GPS数据,建立数据之间的关联,消除信息孤岛,对公交客流建立多维度数学分析模型。从客流OD、断面客流、候车时长、客流堆积等方面分析公交客流特征与规律,并将结果可视化,开发出客流可视化分析应用系统,能够为公交运营调度、线网规划提供科学的决策依据。在构建的客流分析系统中导入厦门BRT的实际刷卡数据,运行结果表明,该系统能够准确统计BRT的客流量,并分析客流特征与出行规律。     

基于网络客流传播的轨道交通关键站点识别

为了更为真实的反映城市轨道交通网络的实际运营情况,在复杂网络理论基础上,进一步考虑客流因素的影响,提高网络中关键站点识别的准确性,通过分析站区间断面客流来源,根据普通站和换乘站的客流运输功能特征,分别构建了客流传播模型,对历史刷卡数据配流统计标定模型参数,并结合复杂网络的度与介数提出了4个关键站点识别指标.以某市轨道交通网络为例,利用刷卡数据对某工作日早高峰时段进行了全网动态客流演示并展示关键车站.研究结果表明:关键线路为1号线与10号线,南站、西二旗、天通苑附近乘客滞留严重,客流负荷强度大的车站更易受到大客流的冲击;本文所构建的客流传播模型可动态显示全网各区间等级及滞留车站的变化,并能综合真实客流、线路运输能力以及线网结构三方面的指标识别关键站点,可更有效地为轨道交通网络安全管理提供参考.