空间异质性建成环境对地铁与公交换乘客流的影响

地铁与常规公交换乘的出行方式成为人口密集型城市的主要出行方式，探究两者换乘模式的影响因素有助于提高公共交通分担率。本文采用AFC(Automatic Fare Collection System)数据与AVL(Automatic Vehicle Location)数据，识别地铁-公交(M-B)和公交-地铁(B-M)两种模式的换乘客流。以地铁站点为核心，围绕站点周边开发程度、交通系统、城市设计及地铁网络结构特征这4个维度构建地铁站点建成环境指标体系。利用多尺度地理加权回归模型(MGWR)探究城市建成环境对地铁-公交与公交-地铁两种换乘模式的影响机理及其尺度效应，并以成都市为对象进行实证研究。研究结果表明：MGWR模型能够反映不同建成环境要素与M-B和B-M方式间依赖关系的空间异质性与作用尺度差异性，估计结果优于全局OLS(Ordinary Least-Squares)模型与GWR(Geographic Weighted Regression)模型；建成环境要素对公交与地铁换乘客流的影响效应存在空间异质性，公交线路数量空间异质性最为显著，非机动车道密度、土地利用混合度及地铁线路数量空间异质...     

基于出行阻抗的城市地铁网络客流分布计算

为提高城市地铁网络客流分布预测的准确性,结合乘车阻抗、进站候车阻抗和换乘阻抗等出行阻抗建立综合出行阻抗函数,基于阻抗函数对有效路径集进行搜索与筛选,建立基于综合出行阻抗的多路径客流分布计算模型,并设立换乘惩罚系数对不同路径的客流分配进行合理修正.以深圳地铁新开通的11号线为契机,结合地铁1号线、2号线、3号线、5号线分析网络客流分布的变化.结果 表明:新开通的11号线使各线路中的换乘客流有不同程度的增大,增加了乘客出行的可选路径,且11号线车站附近形成新的人口及岗位聚集圈,进一步增加了11号线自身的客流,使得线网客运总量增加,与实际运营中的客流特征相符,验证了所建模型的有效性和适用性.     

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。     

轨道交通线网多站连续换乘客流 组织研究

为研究轨道交通线网多站连续换乘下的客流组织，将连续换乘站客流分为本线同源客流和邻线同源客流，通过Pearson 相关系数判断连续换乘站的相关性，将相关性高的连续换乘站组团，作为大客流情况下客流线控、网控的研究对象以制订相应的方案。最后以广州市轨道交通网络为例，对满足条件的各组团本线、邻线同源客流相关系数进行计算，当同源客流相关系数 大于0.6即具有高相关性时，可制订客流线控、网控方案；以地铁3号线体育西路—珠江新城组 团试点制订线控、网控方案，得出两种方案下各关联站点的限流值，并提出线控、网控方案的启动时机。结果表明，采用线控、网控方案可以有效提高连续换乘站的客流控制效果和客流疏散效率。     

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.     

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.     

苏州市轨道交通与常规公交换乘特征分析

换乘优惠政策被认为是能够有效提升公共交通系统吸引力的方法,提出基于换乘优惠数据和手机信令数据的轨道交通与常规公交换乘特征分析方法,以了解换乘优惠条件下常规公交与轨道交通的换乘特征。以苏州市为例,分析乘客换乘的时间特征、空间特征,并以实例分析城市外围轨道端点站和中心区站点换乘接驳、换乘服务范围的差异。研究表明,早高峰期间换乘客流更为集中,92%的轨道交通换乘常规公交客流等待时间在20 min以内;79%的常规公交换乘轨道交通乘车时间在20 min以内,轨道交通与常规公交换乘服务距离在5 km以内。城市外围站点换乘服务范围分散,换乘量与服务范围内用地开发强度和覆盖居住、工作人口数量有关;城市中心区轨道站点服务范围较为集中,换乘量主要与换乘站点公交供给有关。     

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。     

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。     

成长性视角下建成环境对轨道交通站点客流影响分析

为准确把握城市轨道交通客流生成规律，本文从客流成长性视角探究城市轨道交通站点客流与站点周边建成环境之间的交互关系。以上海市城市轨道交通为研究案例，通过人口及就业密度、土地利用、路网密度、出入口数量、介中心性等13个因子刻画建成环境，基于上海市地铁刷卡数据、人口及经济普查、兴趣点(Point of Interest, POI)、道路网络等多源异构数据，分别构建建成环境对轨道交通客流影响的普通最小二乘法(Ordinary Least Square, OLS)模型与极限梯度提升(eXtreme Gradient Boosting, XGBoost)模型进行量化实证分析。结果表明，基于机器学习算法的XGBoost模型比OLS模型具有更好的模型表现。从影响贡献度来看，轨道交通站点建成初期，地铁站点出入口数量(21.9%)，常住人口密度(15.9%)，路网密度(9.8%)是影响城市轨道交通站点客流的最重要建成环境因素。建成近期，商业设施用地(16.5%)、容积率(11.1%)和就业密度(8.5%)等用地类建成环境变量成为提升城市轨道交通站点客流的关键。建成远期，城市轨道交通站点客流水平取决于出入口...     

基于客流加载的城市轨道交通网络关键点分析

在城市轨道交通网络化运营中,节点重要度的有效评估对优化网络结构、提高网络运营效率具有十分重要的意义。以网络节点为研究对象,改进经典space L模型,考虑运用同异站台换乘构建网络拓扑结构,建立客流均衡分配模型,基于复杂网络理论,提出网络客流加载条件下车站节点重要度的3个评价指标,分析各指标与实际客流的相关性,得到节点重要度的综合测算模型。以北京地铁网络进行实例分析,结果表明客流加载条件下的节点重要度更符合地铁网络的运营实际。     

南京地铁一号线列车运行模式分析

地铁是城市公交的重要组成部分,随着经济实力的增强,我国越来越多的大城市修建了地铁系统.分析了南京地铁一号线的客流分布和可能采用的列车交路模式,在对不同列车交路的特点、适用条件进行了深入研究的基础上,提出了该线应采用的列车交路模式及新线投入运营后确定列车交路的思路.     

北京市轨道交通线网客流分布及成长规律

为了应对城市轨道交通快速建设带来的客流规模及分布的变化,有必要对线网客流变化趋势及成长规律进行研究。以北京市轨道交通系统IC卡数据为基础,从客流量的空间、时间分布等角度分析轨道交通网络化运营客流特征。分析轨道交通新线开通产生的诱发客流和转移客流,揭示新线开通对既有线路客流分布的影响。最后,从线网规模、线位、线网布局等方面归纳轨道交通线路及线网客流成长的一般规律。     

基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明:考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。      

基于网络视角的航空客流结构分析

运用NetDraw软件,绘制出我国航空客流网络的结构图. 采用网络理论和方法,从结构特征、统计特征、度分布和中心性等角度,对2002-2008年我国航空客流网络的结构进行实证分析,从而为我国航空客运的发展提供量化参考和理论支持. 研究表明：在我国航空客流网络中,平均每个城市与其他12个城市有直接的航空联系,网络内任意两个城市之间经过平均1.3次中转即可到达;短平均路径长度（2.3左右）和高聚类系数（大于0.7）表明网络具有小世界特性;网络节点的度分布服从双段幂律分布,具有无标度特性;网络的密度值极小,中心性较低,发展不均衡,呈现出明显的“东重西轻”发展格局.     

���������ӽǵĺ��տ����ṹ����

运用NetDraw软件,绘制出我国航空客流网络的结构图. 采用网络理论和方法,从结构特征、统计特征、度分布和中心性等角度,对2002—2008年我国航空客流网络的结构进行实证分析,从而为我国航空客运的发展提供量化参考和理论支持. 研究表明：在我国航空客流网络中,平均每个城市与其他12个城市有直接的航空联系,网络内任意两个城市之间经过平均1.3次中转即可到达;短平均路径长度（2.3左右）和高聚类系数（大于0.7）表明网络具有小世界特性;网络节点的度分布服从双段幂律分布,具有无标度特性;网络的密度值极小,中心性较低,发展不均衡,呈现出明显的“东重西轻”发展格局.     

北京市轨道交通车站客流时空分布特征

轨道交通线网客流特征实质上是车站客流时空分布叠加及交换的效果体现,通过分析车站客流的波动性,发现北京轨道交通系统在不同时间维度和区域范围均呈现出明显的不均衡特征。针对车站特点进行聚类分析,归纳出周边不同用地类型的车站客流时空分布差异性特征规律,并进一步分析了进站客流和换乘站客流特征以及进出站客流接驳特征。在此基础上,对北京市轨道交通发展提出应建立多层次的轨道交通系统和多样化的轨道交通运营组织方式;重视换乘站在网络中的合理布局,改进换乘站设计与运行组织;结合车站区位特征制定差异化接驳服务等建议。     

基于元胞自动机的轨道交通客流拥堵传播研究

随着轨道交通网络化运营的发展,客流拥挤己成为大城市轨道交通常态.本文基于元胞自动机建立轨道交通大客流拥堵传播仿真模型,研究通勤大客流情景下城市轨道交通车站与区间拥堵状态传播问题.该仿真模型克服平均场理论的局限,通过建立局部交互的演化规则反映大客流传播过程中车站与车站间、车站与列车间的交互作用,定义列车满载率作为传播强度的衡量指标.从网络层、线路层和车站层构建指标,定量分析大客流拥堵传播规律.结果表明,本文模型可用于分析可预见性的大客流,预测客流在轨道交通网络中的传播规律,为客流控制策略的制定和评价提供依据.     

哈尔滨地铁一号线的客流预测

本文根据轨道交通客流预测的实际特点,应用修正后的四阶段模型对哈尔滨市地铁一号线的客流进行了预测,并得出预测结果。通过分析,证明了四阶段预测方法的可行性及合理性。