突发事件下城市轨道交通网络客流重分布预测方法研究与应用

城市轨道交通发生突发事件后,准确把握乘客出行路径选择行为特征及受影响客流分布是保障应急处置高效、有序的关键。基于突发事件下乘客出行行为特征变化的分析,提出了受影响客流的界定算法;基于突发事件下乘客出行方案选择模型和多方式出行备选路径集的构造,建立了突发事件下网络受影响客流重分布预测算法。利用广州地铁5号线某一突发事件数据对预测模型进行了精度分析,验证了模型的适用性和有效性。     

基于AFC数据的突发事件下城市轨道交通乘客路径决策研究

为了更好地刻画突发事件下城市轨道交通乘客路径决策行为,提出一种基于AFC数据的乘客感知路径决策分析方法。通过突发场景问卷调查数据,构建突发事件下乘客等待时间阶梯函数。依据突发事件下城市轨道交通乘客出行特点,建立突发事件下路径效用函数。考虑乘客出行行为受期望到达时间约束影响,构建乘客感知的路径决策模型,计算各路径选择概率。算例实验结果表明,模型计算结果与真实值相对误差不超过15%。将突发事件下与正常情况下的进出站客流、换乘量和断面客流量进行对比分析,掌握突发事件下路网客流分布规律。     

轨道交通快慢线平行运营条件下乘客路径选择行为研究

基于快慢线票价一致的研究背景,分析城市轨道交通快慢车分线运营条件下乘客路径选择行为,按照乘客出行起讫点车站类型进行客流分类,考虑换乘时间和换乘次数对广义出行费用函数进行刻画,采用正态概率分布模型对案例中各类客流的路径选择概率进行求解。得出结论:快慢线列车开行比例较高情况下,当AB-AB类、AB-B类乘客乘坐慢车出行时间在21min和41min以上时,乘客将全部选择快车出行;而B-B类乘客在出行时间不低于52 min时才会考虑两次换乘方案。说明短距离出行时乘客倾向于选择直达方案;长距离出行时则更加倾向于选择能够实现快速出行的路径方案,尽管此种路径会牺牲一定的换乘次数,乘客会权衡换乘对总体出行时间的影响并选择最优路径出行。     

基于前景理论的轨道交通乘客路径选择模型

研究有限理性条件下城市轨道交通乘客的路径选择问题。从出行费用角度出发,通过对不同类型乘客的出行时间、换乘时间、换乘次数和列车拥挤度4个因素的权重分析,建立乘客广义出行费用模型;并基于前景理论,建立以出行费用为参考点的路径选择模型,从而准确分析出乘客的选择偏好。实例结果表明,该模型对乘客出行路径的分析具有更高的可靠性。     

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。     

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。     

城市轨道交通乘客半补偿路径选择建模与应用

城轨网络规模的扩大使乘客可选的路径增多,但通常乘客只考虑容忍阈值范围内的路径(即有效路径集合生成),然后从中择优。本文构建的半补偿Mixed Logit模型,基于贝叶斯理论将两个子过程统一,并将偏好系数和阈值参数处理成随机变量以体现乘客的异质性。融合马尔科夫链蒙特卡洛法与数据扩张技术,可内生标定所有参数。基于广州地铁调查数据标定的结果显示,内生标定的出行时间和换乘次数阈值更精准,且所建模型更优。将模型应用于预测广州地铁六号线接入后的换乘量,平均相对误差为5.19%,说明所建模型适应于网络结构变化下的客流预测。     

基于多时间粒度的地铁出行规律相似性度量

乘客出行规律对城市轨道交通运营管理至关重要,而不同时间粒度下观测到的客流规律差异较大。以往研究缺乏多时间粒度车站层级客流规律的量化研究。本文基于刷卡数据分析不同时间尺度下地铁出行规律的相似性。构建客流时间序列模型和相似性度量方法,使用连续五周北京地铁刷卡数据分别度量1 min到720min共16个时间粒度下,进站客流和OD客流与历史同期的相似性大小,并基于度量结果给出一定精度要求下预测短时进站量和OD量时的最小时间粒度推荐值,以综合相似性指标对全网车站的可预测等级进行划分。多角度统计分析结果表明,工作日客流与历史同期相似性较大,高峰比平峰、早高峰比晚高峰相似性大。     

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。     

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。     

西安首条地铁线路初期运营客流特征分析

以西安首条地铁线路(2号线)初期运营客流特征为分析对象,通过对客流时间及空间分布特征分析,运用数理统计方法计算得到2号线开通后不同阶段工作日和休息日的客流分布、站点乘降量、客流断面空间分布及乘客出行特征。通过这些数据可掌握西安地铁2号线的客流特征和增长趋势,为西安地铁后续线路的规划、设计及运营准备等提供参考。     

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。     

基于出行时间匹配的ACC清分模型的研究

北京市轨道交通自动售检票系统清算管理中心(ACC)系统采用"两阶段、双比例"清分模型,在实践中取得了较好的效果,但此清分模型的关键参数即正态分布标准差的选择比较困难,影响了模型的使用。为此,提出了基于出行时间匹配的ACC清分模型,通过对乘客完成一次OD(起讫)出行的实际出行时间与所属时段的标准出行时间进行匹配,以此确定乘客的实际出行路径,最终完成票款清分和客流清分。     

多场景下客流精准诱导系统分析与设计

以城市轨道交通多场景下客流精准诱导需求为研究对象,分析多场景下诱导系统应具备的功能和可采用的结构。基于广州地铁中台框架,利用SpringBoot、微服务、Redis、H5等新技术实现诱导系统的功能,包括拥挤条件下的前瞻性诱导、突发情况下的主动诱导和末班车出行路径可达性查询功能。多场景下客流精准诱导系统及其App服务的开发和上线运营,可支撑地铁各场景下的客流运营组织,提升轨道交通客流组织合理性和客运服务水平。     

基于均衡运行图的轨道交通站台客流密度优化研究

随着城市轨道交通的发展，地铁成为市民公共交通出行的首选对象。为提升乘客出行体验，实现运力与运输需求的匹配，同时降低城轨站台候车区拥挤度，文章基于运行图的均衡性指标对站台客流密度的优化进行了研究。首先利用排队论基础方法和理论，建立了以城轨站台候车区客流密度为研究对象的计算模型，分析出列车运行图均衡性与站台候车区客流密度的关系。然后，通过创建峰期、创建过渡期、连接任务线、冲突处理、均衡处理等过程，实现了城轨均衡运行图的自动编制。最后结合长沙轨道交通4号线客流数据，通过仿真验证了方法的有效性。仿真结果表明基于该方法的自动编制的运行图比人工编制的运行图其站台候车区最大客流密度更低，因此算法具有更好的实用价值。     

城轨列车延误情况下受影响乘客出行选择建模

由于列车延误情况下接收到延误信息的乘客比例和有意愿改变出行方案的乘客比例等较难量化,导致无法掌握客流分布情况,采取的应急处理措施缺乏数据依据。为估算列车延误对网络客流分布的影响程度,分析了延误的传播机理,确定受延误影响的乘客数量、时空位置,研究其在接收到列车延误信息后的出行选择行为,基于多项Logit(MNL)模型构建延误情况下乘客出行方案选择模型,预判受影响客流在网络上的重分布并研发系统进行应用。实例证明,该模型能准确地估算受影响客流的重分布情况,对于列车延误类突发事件下的应急处置具有积极意义。     

考虑列车随机延误的铁路网络客流均衡分配方法

铁路客流均衡分配是旅客出行选择的集中体现,对旅客列车开行方案和列车运行图等的评价和优化十分重要。实际运营中列车的随机延误会导致铁路旅客的出行时间发生变化,影响旅客的出行,尤其是换乘选择。考虑旅客在路径选择决策过程中的出行时间可靠性和不可靠性2个方面因素,提出一种考虑列车随机延误的铁路网络客流均衡分配方法。首先,构建旅客换乘网络,基于提出的期望-超额出行成本(METC)概念,考虑换乘过程中列车的延误概率,计算旅客的换乘成功概率和换乘周期选择;然后,进一步计算旅客出行路径的期望-超额成本,基于用户均衡条件,构建考虑列车随机延误的期望-超额客流均衡分配模型;最后,考虑到期望-超额出行成本的不可加性,结合相继平均法和k-最短路算法设计基于路径的客流分配算法,并对均衡模型进行求解。通过对一个简单算例和广珠铁路实例进行分析,结果表明：同时考虑出行时间的可靠性和不可靠性时,旅客的出行路径选择和换乘选择与仅考虑出行时间可靠性有较大差异,基于期望-超额的铁路网络客流分配模型可以更加准确地描述考虑列车随机延误的旅客的出行选择行为,证实了均衡分配方法的有效性。因此提出的客流分配方法可以为铁路网络旅客列车开行...     

基于Wi-Fi探针的车站通道走行时间实时估计与客流预警

目的：为建立车站通道走行时间实时估计模型，提高城市轨道交通车站的运营效率与安全性，以提升乘客的出行体验。方法：采用基于Wi-Fi探针的数据采集方式，通过在车站通道中安装Wi-Fi探针收集信息数据，包括乘客设备MAC(媒体接入控制)地址、信号强度、距离嗅探器的距离等信息。通过java语言对采集的数据进行初始处理，利用Mysql和navicat premium数据库的组合对数据进行深度清洗，验证了采用BPR美国联邦公路局函数建立车站通道走行时间实时估计模型的可行性，并采用蚁群聚类算法将延误时间作为对车站通道客流预警等级划分的依据。结果及结论：总结了Wi-Fi探针客流采集原理和原始数据清洗方法，建立基于BPR函数的车站通道走行时间实时估计模型，实现了车站通道乘客走行时间实时估计，其模型的准确率可达92.8%。将车站通道客流预警划分为畅通、基本畅通、拥挤、严重拥挤等4个等级，利用上海轨道交通11号线江苏路站的Wi-Fi探针数据进行了实例验证与分析，证明了模型的可适用性及预测精度。     

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.     

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。