城市轨道交通客流强度及其基本特征分析

本文结合国内外部分城市轨道交通客流强度数据,分析了不同城市轨道交通线网以及不同类型轨道交通线路客流强度的基本特征,从线路空间与网络演变角度剖析了线路客流强度演变的内涵,提出了改善城市轨道交通客流预测工作的建议。     

基于IC卡数据的深圳地铁客流特征分析

随着我国经济的快速发展和城市化进程加快,近年来以地铁为代表的城市轨道交通实现跨越式发展。客流数据是城市轨道交通规划设计、建设和运营调度的基本依据。地铁IC卡数据具有数据量大、真实准确、时间连续、易获取的特点,广泛应用于地铁站点、线路和网络客流特征分析、长短期客流预测以及地铁用户出行模式识别等方面。本文主要对深圳地铁IC卡刷卡数据进行分析,重点提取地铁客流时空分布特征以及用户出行特征,研究客流变化规律,对于地铁运营调度管理以及站点客流疏导有重要意义。     

基于圈层的轨道交通一体化客流预测方法：以粤港澳大湾区为视角

为推动粤港澳大湾区轨道交通一体化的持续发展，从区域轨道客流预测的复杂性作为切入点，在阐述粤港澳大湾区多层次轨道交通系统发展概况的基础上，进行湾区交通圈层划分，并论述了不同圈层出行特征的差异及联系；通过现有城市轨道交通和铁路客流预测方法的回顾及适应性分析，肯定了“四阶段法”类预测方法在轨道交通规划设计阶段应用的优越性；进而提出圈层分级的轨道交通预测思路，并以四阶段法为核心，搭建粤港澳大湾区尺度下的轨道交通一体化客流预测框架。     

西安城市轨道交通环线路由及换乘分析

随着西安地铁3号线的正式运营,西安城市轨道交通即将迎来网络式发展时代。轨道交通环线是城市轨道交通线网中的一种线型,对于方格型路网城市有举足轻重的作用。本文梳理西安轨道交通8号线环线的相关规划,在分析8号线沿线功能区的基础上,探讨其路由与路径特征并依据客流预测的结果分析各换乘站换乘情况,进一步验证西安地铁8号线对西安市发展的重要作用。     

轨道交通建设前期工作对工程造价的影响分析

结合部分城市轨道交通前期工作的实际,介绍了轨道交通建设中线网规划、线路沿线土地利用规划的制定、客流预测以及线路敷设方式的确定等前期工作对地铁造价不同的影响方式和影响程度,提出了降低前期投资的几个方法和建议。     

城市轨道交通线网规划的客流预测模型及应用

文章根据轨道交通线网规划客流预测的目标、要点、年限和内容,建立了包含出行生成预测、出行分布预测、交通方式分担预测和交通分配预测的四阶段法预测模型,并利用该模型对兰州市轨道交通线网规划的四种方案进行了客流预测,得出最优方案。     

基于广义费用的城市轨道交通客流分配

为了更加客观全面地反映城市轨道交通出行者决策行为，提升城市轨道交通客流预测准确性，缓解线路运营面临的高峰时段客流拥挤现象，从出行广义费用角度出发，开展城市轨道交通客流分配研究。综合考虑票价、出行时间、舒适度、准时性等因素，构建了城市轨道交通乘客出行广义费用计算模型；以北京地铁5号线为例，将广义费用作为出行阻抗引入客流分配之中，构建了基于广义费用的随机用户平衡条件下的城市轨道交通客流分配模型，并提出了嵌套Logit模型的迭代加权法用以求解模型；基于分配模型及算法，对不同票价和列车容量条件下的城市轨道交通客流分配结果进行了对比分析。结果表明，基于广义费用的城市轨道交通客流分配模型能够实现对轨道交通流量的有效预测，可对各类缓解高峰时段拥挤措施的实施效果进行评估，辅助城市轨道交通领域相关决策。     

基于AFC数据的城市轨道交通OD客流动态预测

路网客流实时状态是城市轨道交通系统进行日常运营及关键决策的重要基础，针对目前城市轨道交通客流预测中站点层次预测方法较成熟，而客流分布预测较少的情况，提出基于时序神经网络的量测方程OD客流动态预测方法。利用地铁AFC数据，确定时序神经网络预测的最优数据粒度为15mins和最优时间序列阶数为4，以此构建时序神经网络框架，对站点进站量进行预测；对于站点进站客流与OD客流间的时空关联性，主要体现在进站客流的不同去向以及相同去向下不同的到达时间，建立量测方程反应这一联系，将进站客流转化为OD客流，并以成都地铁为例，对路网条件下不同分布特征OD客流进行预测验证，加权相对误差为14.08%，验证了模型的有效性。     

上海市域铁路车站换乘客流组织研究——以机场联络线为例

上海市域铁路网包括新建市域铁路和利用既有铁路改建的市域铁路，根据上海市域铁路与城市轨道交通、都市圈城际铁路的融合发展情况，从线网规划、客流特征、票务系统等方面梳理多层次轨道交通方式间换乘的影响因素，并以上海市域铁路为主体，分析其与其他轨道交通方式间换乘的特点及方式。最后以机场联络线为例，总结机场联络线各站换乘情况，并根据不同类型的客流特点提出相应的客流组织方案。     

基于注意力机制和时空卷积网络的客流预测方法

客流预测方法可以帮助城市轨道交通运营部门根据客流动态变化调配列车资源,是实现精准列车动态控制的基础。研究提出基于注意力机制和时空卷积网络模型的客流预测方法,融合不同功能的网络单元,使得网络可同时捕获客流数据的时间相关性、空间相关性和时空相关性,并采用注意力机制以提高模型预测的准确性,能够同时实现城市轨道交通多站客流的动态预测。基于北京地铁的实际客流数据对该方法和模型进行数值试验,结果表明该模型性能优于其他基线模型。