基于可控性的城市轨道交通客流控制车站识别方法

为进一步拓展可控性理论在城市轨道交通客流控制领域的应用,首先根据相邻车站间进出站客流和断面客流的关系,论证城市轨道交通客流网络为线性时不变系统,证明可控性理论在城市轨道交通网络上的适用性.基于严格可控性框架和滞留人数为核心的子网生成策略,得到客流控制车站的识别方法.进一步地,引入机器学习领域的相关评价指标评估该方法的效果.研究结果表明:平峰时段北京市城市轨道交通网络的可控性为0.043,意味着该时段的网络状态较为稳定,无需采取客流控制措施;高峰时段,识别方案在拥堵生成到消散的过程中,更加侧重于对线网中心车站的控制.通过识别方法得到的客流控制方案与实际客流控制方案的吻合度最高可达70％.当两种方案控制车站的数量相同时,识别方法得到的客流控制方案更加侧重于对城市西部和中心区域的站点进行控制.     

基于客流集散网络的城市轨道交通瓶颈识别方法研究

为科学客观地识别大型城市轨道交通网络瓶颈,提高网络化运营和服务管理水平,本文从轨道交通网络层出发综合考虑车站与区间能力关系,研究系统内部断面客流量和车站实际客流集散量的关系,从网络系统内部与外界客流集散关系角度,建立了基于集散网络的城市轨道交通瓶颈识别模型。以成都轨道交通网络为例进行分析,验证了该瓶颈识别方法的有效性和实用性。案例结果表明模型方法可对大型实际客流集散网络的瓶颈进行有效识别,瓶颈车站主要集中于1号线南部,最拥堵车站为火车南站(13号车站)。与既有方法相比,本文方法能从车站角度客观量化网络系统实际运营拥堵情况。     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测的城市轨道交通短期客流预测模型,提出通过若干组连续历史客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左（右）客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明：(1)所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;(2)同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。     

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination) 估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min 时,估计平均相对误差为 35.5%;为30 min 时,估计平均相对误差为20.4%;为60 min 时,估计平均相对误差为 16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.     

���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.     

西安市城市轨道交通车站高峰时段偏差研究

各城市轨道交通均存在车站客流高峰时段与城市交通高峰时段不完全重叠的现象。而车站设计时均以预测的城市交通高峰时段客流值为依据,导致部分车站规模设计过小。通过对西安市63座城市轨道交通车站的客流高峰时段与城市交通高峰时段的偏差进行分析,运用K-means算法对其进行分类。根据各类型车站周边用地性质特征,得出每一类车站的高峰偏差时间建议取值以及车站高峰客流的扩大系数。结果表明,当通勤出行用地与其他出行用地比值不小于0.5时,车站客流高峰时段基本无偏差;当比值小于0.5或为明显的交通枢纽、大型商业区车站时,车站客流高峰时段将有不同程度的偏差,且高峰时段客流量是此车站在其城市交通高峰客流量的1.1~1.6倍。     

不同类型城市轨道交通车站站台客流特性对比研究

随着轨道交通的发展,站台客流拥挤、服务效率低等问题越来越受到重视,研究城市轨道交通客流特性是解决该问题的基础。本文从个体行为和群体行为两个角度重点对不同类型城市轨道交通车站站台上的乘客行为进行对比分析。在乘客个体行为方面,主要研究不同类型城市轨道交通车站站台高峰和平峰时段乘客个体的步幅、步速、步频等属性的特点及之间的关系,并进行建模分析;在乘客群体行为方面,主要研究不同类型城市轨道交通车站站台出站乘客流速度与密度的关系以及针对乘客候车区选择特性分析建模。通过上述分析,得到不同类型城市轨道交通车站站台乘客行为规律及模型,为地铁车站根据自身类型进行客流组织和站台服务设施布置提供一定的理论依据。     

基于逆向搜索的轨道交通车站客流瓶颈筛选方法研究

在城市轨道交通客流量急剧增加的同时,城市轨道交通车站的相关设施设备也暴露了严重的集散能力瓶颈问题。为了研究以设施疏散能力为基础的静态瓶颈识别方法,改善轨道交通车站客流组织方案内容,结合通行能力的理论计算方法,提出了一种基于逆向搜索筛选出车站客流瓶颈的方法:通过模拟乘客在车站的走行路径,结合各设备及通道等部位的通行能力,运用逆推的方法来找到车站疏散体系的瓶颈节点。最后,根据广州地铁三号线市桥站的车站空间结构和设施最大通行能力,进行了算法的实际应用。结果表明,该车站的客流瓶颈与实际观测的可能拥堵点相吻合,验证了方法的可用性和有效性。     

城市轨道交通线路客流控制整数规划模型

针对客流过饱和的城市轨道交通线路难于充分发挥旅客输送能力的问题,基于网络拓扑与客流需求定义建立了以旅客周转量最大为目标的线路客流控制整数线性规划模型.该模型首先建立了客流-运行图网络模型用以描述旅客在时间和空间上的移动;其次,在客流OD参数定义中,将旅客出行时间推算为旅客期望乘坐列车,定义了旅客在站等待时间参数;最后,使用优化软件GAMS24.3进行了建模求解.在网络规模为1 000对客流FOD和909个顶点的过饱和客流城市轨道交通线路客流控制问题算例中,耗时0.01 s得出了最优解与分时段客流控制方案.计算结果表明:饱和情况下,不同的在站等待时间下线路旅客总周转量与平均值的偏差低于1%,等待时间对各个车站具体控流方案有结构性的影响.