城市轨道交通车站高峰时段与高峰客流预测模型

现有轨道交通车站高峰客流预测方法简化了车站高峰形成过程,基于默认假设,即车站高峰小时与所属线路高峰小时一致进行预测,忽略了车站与线路间存在的高峰偏差现象,造成部分车站高峰客流量被低估,导致车站能力设计不足,站台拥挤风险增加。从车站高峰形成机理出发,基于用地发生率模型,考虑不同目的出行行为的差异化,对客流属性进行划分,引入不同目的的出行时间概率分布函数,建立站点尺度的高峰小时与高峰客流预测模型框架。该模型真实反映了车站高峰与高峰偏差现象形成的这一复杂过程,可解释性强、符合实际,且能适用于建成环境、车站特征和轨道交通网络服务等变化情形下的车站高峰客流预测。验证结果显示：1)提出模型较传统模型提升了43%～47%的车站预测精度(高峰客流相应的MAPE值下降了5.7%～6.38%,高峰时间相应的APE值下降了23～50 min),具有更广泛的适用性和更稳定、更准确的预测结果,能为车站设计和运营方案制定提供更可靠的决策依据;2)各类出行目的的峰值和峰尺度存在差异,按不同比例叠加后,会产生不同的叠加曲线。揭示了车站高峰客流形成机理为不同用地产生的不同出行目的客流时间分布叠加曲线的高峰。     

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。     

基于深度Q网络的轨道交通客流控制

针对高峰时期城市轨道交通因有限运能,不足以满足乘客出行需求而引发的安全问题,需要采取客流 控制策略来调节进入车站的客流量,以缓解车站拥挤。提出一种基于强化学习深度 Q 网络的多站协同控制模 型,用来优化每个车站在一定时间内的进站量,以最小化地铁车站乘客的站台超限量、平均等待时间,提高 客流控制强度的综合效益。以北京地铁八通线为例进行仿真实验,验证该方法的有效性。仿真结果表明,所 提出的模型可以在客流控制强度较低的条件下有效地降低乘客等待时间,提高乘客出行效率,有助于缓解车 站的乘客拥堵。     

上海轨道交通5号线站点客流特征分析

城市轨道交通站点的客流特征是站点规划设计的重要依据.结合城市轨道交通站点客流的主要影响因素,在分析上海轨道交通5号线站点区位特征的基础上,通过站点问卷调查,分析总结了上海轨道交通5号线站点的客流特征.指出:客流出行目的分布与站点周围用地性质有关;客流到站方式与站点的接驳交通设施水平有密切关系;站点换乘设施的布局应结合区域客流的实际出行需求.     

成灌快轨站区空间演变特征和规划建议

市域快轨是都市圈中长距离出行的重要支撑,其站区空间发展状态关乎轨道服务效率和都市圈空间效能的提升。通过对成灌快轨2010年开通至2021年的客流活动和站区土地利用时空变化特征进行分析,发现：近郊枢纽站客流增长和用地更新变化最快,新城站客流虽大但空间开发相对较慢;一般站中,距离都市中心10～25 km内的近郊站区用地增长相对较快,但物流和产业用地占比大的站区空间变化较不明显;站区空间演化有圈层内向递进、环状中部引领、扇面单侧填充、组团多向拓展的几种模式;影响站区空间发展的因素主要有站点区位、接驳换乘条件、站区类型和周边资源状况等。最后结合不同类型站区的客流需求特点和发展规律,提出枢纽站区、新城站区和一般站区的针对性规划建议。     

城市轨道交通系统故障时的客流动态分布仿真研究

分析了轨道交通系统故障对线网上客流分布的影响。设计了列车运行与车站客流变化仿真系统。根据客流的时空分布特点,基于列车运行图随机设置和生成故障,模拟列车运行与车站客流变化,以观察受故障影响后的线路客流分布情况。仿真结果可为制订故障处置预案、配备车站设施和确定乘客疏散方案等提供依据。     

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。     

基于多源数据的北京轨道交通客流特征分析

为提高城市轨道交通成网条件下客流预测与运营管理水平,有必要对轨道交通客流特征进行研究。结合实地调研数据,利用海量的市政交通"一卡通"(IC卡)数据和移动通信定位数据对北京市轨道交通乘客属性特征、时空特征、接驳特征、票价调整影响特征等进行分析,最后对客流需求高增长的北京轨道交通客流特征进行总结。结果表明:北京轨道交通工作日主要服务于中低收入的中青年通勤族,77.25%的乘客轨道交通出行时间在10~60 min之间;轨道交通线路高峰客流有明显的潮汐现象,受职住分离现象的影响,客流空间分布的不均衡性突出;现阶段轨道交通网络发展较为成熟,但仍有部分区域对轨道交通的需求较大;轨道交通站点接驳设施的便利性和完善性程度影响乘客对轨道站点交通方式的选择;在可接受范围内,票价调整对客流的影响在短期内较明显,经过渡期后客流量呈增加趋势。     

地铁站点客流特征与土地利用关系研究

讨论轨道交通站点客流的时间变化规律,根据客流的时序特征,利用时间序列聚类的K-means算法对轨道交通站点进行分类,对比不同类别站点的客流差异,同时探究轨道交通站点早晚高峰进出站客流与站点周围用地密度之间的相关关系,在考虑空间相关性的基础上,采用地理加权回归定量计算回归方程,详细分析客流与用地之间的相关系数在空间的分布情况。通过分析为不同站点制定有针对性的运营管理措施,以及为轨道交通规划提供理论支持。     

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。     

城市轨道交通车站高峰客流偏差研究

城市轨道交通车站设计时,大多数城市采用预测的城市高峰小时客流作为设计客流。但由于城市轨道交通车站客流的高峰出现时段与城市高峰小时不完全一致,导致某些车站设计客流偏小。为研究城市高峰小时客流与车站高峰小时客流的差异,通过引入车站高峰客流偏差系数,合理确定车站设计客流。以西安市地铁为例,运用最小二乘支持向量机建立预测车站高峰客流偏差系数的模型,得出训练集拟合优度为0.71,测试集预测平均相对误差为2.41%,模型拟合效果良好,表明最小二乘支持向量机能够很好地预测车站高峰客流偏差系数。     

轨道交通车站超高峰系数 概念辨析及取值研究

轨道交通车站超高峰系数是反映车站高峰客流特征的关键指标之一,是城市轨道交通设施设计规模的重 要依据。首先对超高峰系数的概念进行辨析,指出车站超高峰系数应为车站高峰小时内最大 20 min 进出站客流量 的小时当量与高峰小时进出站客流量的比值。然后,以北京市城市轨道交通车站为实例,对其超高峰系数进行综 合分析,提出轨道交通车站超高峰系数的主要影响因素。研究结果表明：虽有约 74%的轨道交通车站超高峰系数 处于相关规范推荐值 1.1～1.4 区间,但另有 26%的车站超高峰系数处于 1.0～1.1 区间,低于规范推荐最小值;车 站周边用地性质、车站高峰小时进出站客流量及车站客流管控限流措施对车站超高峰系数的取值均会产生影响; 就业类车站超高峰系数取较大值的可能性更高;高峰小时客流较小的车站,其超高峰系数往往偏大,而高峰客流 规模超大型车站,其超高峰系数取值一般不超过 1.2;此外,轨道交通车站限流会降低其超高峰系数。     

重庆主城区现状轨道交通问题分析与建议

从客流量、客流分布、车站客流、运行效率、换乘情况等几个方面,分析重庆市主城区轨道交通存在的五大问题:总体客流效果相对较差、客流量空间分布不均衡、部分核心区段线路相对拥挤、重点车站换乘压力较大、运营效率不高。从城市空间结构拓展,轨道车站与人口、用地的契合关系,车站覆盖率,站间距等方面找出存在问题的原因,如城市拓展需要时间、轨道功能层次尤其是快线缺乏等,从进一步加密中心区线网密度、规划轨道快线、做好车站的规划建设等方面提出后期优化完善建议。     

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。     

重庆轨道交通客流量分布特征

根据重庆轨道交通客流量统计数据,分析总结了重庆轨道交通客流量分布特征。重庆轨道交通客流量分布受居民出行行为影响较大,进出站客流量较大的车站基本分布于两路口站附近。不同类型车站的客流量分布特征也不相同,商业类、对外枢纽类和高校类车站的客流量分布相对均匀,其他类型车站客流量的早晚高峰明显。重庆轨道交通线网最大客流量断面位于换乘站上游,故应做好换乘站的客流组织工作,并提高设施承载能力。     

基于土地利用的城轨新站点客流预测方法研究

城市轨道交通线路规划、设计和建设全过程年限较长,在此期间土地利用规划通常多有调整,导致工可研阶段的客流预测结果难以支撑新线开通时运输计划编制等运营管理工作。提出一种基于土地利用的城轨新站点客流预测方法,首先研究城轨站点周边人口岗位数据统计方法,其次提出人口岗位比、人口岗位总数和站点可达性指标概念,基于K近邻非参数回归预测方法构建进出站量预测模型,最后依托广州地铁客流数据对模型进行精度分析。结果表明,所有站点进站量预测的平均绝对误差占平均实际进站量的19.0%,进站量大于2万人次的站点平均相对误差为16.0%,所提方法可为城轨新线开通后运输组织提供决策依据。     

城市轨道交通客流预测宏观指标统计分析这篇中文摘要写得很空泛，不太容易看出论文要点

城市轨道交通客流预测作为需求分析的有效技术手段,其预测结果的可信度和有效性将直接影响决策的精准度,重要性不言而喻。通过对北京、上海、广州、深圳、成都、南京等20余座城市的轨道交通现状运营数据进行全面整理与归纳,系统阐述网络客流、线路客流、车站客流的诸多特征,从负荷强度、网络平均乘距、线路平均运距、换乘系数、断面高峰小时系数、断面不均衡性、换乘客流量级分布、车站超高峰系数等客流预测关键技术指标进行特征探讨与规律总结,以期协助模型工作者更好地把握预测结果的合理性。     

城市轨道交通进站客流量短时组合预测模型

高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义,利用客流预测结果在事前实施限流、疏导等措施,较事后控制更及时、先进。通过采集15 min间隔的地铁进站客流数据,利用上周同期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量,尝试分别采用加权历史平均自回归模型、ARIMA模型及小波神经网络模型进行短时预测,以获得精度最高的模型。在此基础上,进行三种方法组合预测,探究组合预测效果。通过案例分析,发现当考虑时段因素时,小波神经网络预测精度最高,为91.05%;ARIMA模型误差结构最好。当采用所提出的组合预测模型后,预测精度指标较独立预测模型均有提升,但误差结构没有得到改善。研究表明,所提组合预测模型可以有效地应用于城市轨道交通进站客流的短时预测中。