北京城市轨道交通客流密集度指数研究

基于轨道交通物联网监测数据,从点、线、面三个层级,构建不同时间粒度车站、线路、网络的客流密集度指数计算模型和算法。车站客流密集度指数模型综合考虑影响车站密集度指数的关键区域(出入口、站台、楼扶梯、换乘通道)的拥挤程度和拥挤范围因素;线路客流密集度指数模型综合考虑车站和区间的影响;网络客流密集度指数模型由各线路的客流密集度指数加权得到。测试结果表明,提出的模型计算结果与实际地铁客流出行规律一致,可较好地反映地铁拥挤程度,为地铁运营拥挤状态评价和辅助决策提供技术支持。     

基于客流预测成果控制地铁设计规模

在城市轨道交通设计中,用好客流预测的结果对线路、车站、各系统的规模影响很大。通过西安地铁3号线规模设计实践,从全线路列车编组、线路两端车站、一般车站和换乘车站的规模设计等方面分析研究如何用好客流预测的成果,提出建议:设计时应注重敏感性分析结果在列车编组规模设计中的应用;对线路末端车站周边土地发展潜力要作充分估计;车站的规模设计要注重车站自身高峰小时客流;换乘车站的规模设计需综合考虑换乘客流的方向不均衡性及与进站客流的关系等因素。     

上海地铁制定世博“特殊时段”运营图

上海地铁将面临“世博大考”，地铁运营部门表示，有50％的世博参观者将通过11条线路组成的轨道交通网络进入世博园区。地铁运营方友情提示：轨交4、6,7、8、9号线为涉博线路，13号线和9号线的马当路站，为世博入园车站，客流最为拥挤，建议入园游客可以选择从其他站点入园。     

基于FTA-BN的综合交通枢纽中地铁车站安全风险评价

以综合交通枢纽中的地铁车站安全为研究目标,综合考虑综合交通枢纽中特殊的客流组成和乘客特征,以踩踏、火灾、水灾、公共卫生和大面积滞留5类易发风险事故作为研究对象,基于FTA-BN方法对其影响因素进行分析,识别其风险因素,建立相应的事故树模型,转化为贝叶斯网络模型进行风险评价;引入三角模糊数处理专家自然语言,得到贝叶斯网络中的先验概率和条件概率分布,然后通过贝叶斯网络模型进行网络推理计算和敏感性分析,找出地铁车站中的薄弱部分,制定相应的风险管控措施,从而提高枢纽中地铁车站对于紧急事件的应对能力。以广州南站地铁车站为例进行快速评价,结果表明：广州南站在公共卫生安全方面存在一定危险,发生概率为42.98%,且较易发生大面积滞留事件,可能性为30.40%。     

广州地铁运营客流分布特征研究与应用

针对目前广州地铁运营过程中列车车厢及车站站台过度拥挤的问题,通过对广州地铁实际运营客流分布特征的调查与分析,在时间维度上提出客流分布在年内、月内及周内的不均衡规律,分析节假日对车站客流的影响,在空间维度上分析车厢内客流密度在不同区间、不同编组、不同车厢区域的分布规律和客流在车站站台上的分布规律。通过对现状特征的重新审视,提出设计阶段客流预测数据的选用原则、车厢站立密度对站台乘客上下车时间的影响及车站布局形式与站台客流分布的关系。为广州后续轨道交通线路精细化设计提供依据,为国内类似城市地铁设计、运营组织提供参考。     

新线开通后深圳地铁线网客流成长特征分析

分析深圳市轨道交通网络化发展过程中的客流变化特征,重点针对深圳地铁三期工程7、9、11号线开通后运营实际,从"网、线、点"3个层面综合分析轨道交通客流发展规律和时空分布特性,尤其是新建线路对原有网络的影响。网络层面重点分析网络客流规模、强度与地铁建设的关系;线路层面着重研究不同性质线路高峰断面、客运量增长特征的差异性;车站层面分析进出站客流、换乘客流、接驳客流的特征。通过对客流特征的分析,进一步针对未来深圳轨道交通规划设计及运营提出几点建议。     

基于大客流的北京地铁网络化运营风险研究

客流冲击对北京地铁网络化运营安全的影响日益突出。通过统计分析北京地铁各线路日常运营的客流量数据,总结北京地铁运营网络的客流规律和大客流冲击地铁线网结构产生的运营风险特点。结合风险管理的相关理论,构建地铁网络化运营风险评价指标体系和多层次模糊综合评价模型。实证研究部分以北京地铁客流量较大的1号线为评价对象,计算该条线路上22个车站的风险值,风险值大小能够反映出不同站点对地铁网络化运营风险大小的影响程度。其中国贸站、大望路站风险值达到0.7以上(属于高风险),需要作为运营风险管理的关键站点,以期为今后进行地铁网络化运营关键站点风险管控研究提供参考思路。     

轨道交通高峰期单线客流拥挤传播与控制

常态高峰下,客流在线路的累积传播造成部分时空点列车满载率过高,需要采用客流流入联合控制的手段,以缓解尖峰客流压力。从路网和客流交互的物理机理出发,提出轨道交通线路客流拥挤传播模型。借助模型分析单线客流拥挤传播的时空演变过程,以作为控制点识别的基础。提出线路客流流入控制的原则和确定流程,以及关联车站的客流流入调整量计算方法,结果能够保证所有时空点满载率在合理水平以下。以早高峰北京地铁1号线苹果园至公主坟区段为例,表明本文提出的模型能够掌握常态高峰单线客流拥挤传播的时空演变过程和特征,客流流入控制的计算结果能够为限流策略制定提供量化依据。     

疫情防控背景下的地铁多车站客流协同控制模型及算法

基于各车站在各时段客流进站速率的协同优化，考虑客流控制和客流承载过程中的各种约束，以列车车厢内客流聚集总风险最低和乘客在车站总等待时间最短为双目标，构建疫情防控背景下的多车站地铁客流协同控制模型。针对模型的非线性特点，设计基于变邻域搜索的启发式算法进行求解。依托南昌地铁1号线实际客流数据构建算例进行验证。结果表明：实施客流协同控制后，研究时段内全部23列列车的满载率均未超过满载率阈值0.5，且客流聚集总风险值较控制前下降65.41%，乘客平均等待时间仅为3.87 min；随着列车最大满载率阈值的增加，乘客的等待时间呈指数下降趋势，而客流聚集风险则呈线性增长；缩短发车间隔时间能够有效降低列车满载率，但列车运行成本也会急剧增加；按实际发车间隔时间（10 min）实施客流协同控制后，所有列车的满载率均低于0.5，客流聚集总风险值下降22.36%，而乘客平均等待时间仅增加0.6 min，验证了模型及算法能更加高效地降低列车满载率。     

地铁车站大客流组织措施研究

针对地铁车站大客流组织问题，以天津地铁营口道站为具体研究对象，结合实际运营经验，对大客流组织原则、影响因素和应对措施进行较全面的探讨。首先，结合营口道站实际运营情况和一线工作经验，总结地铁车站的大客流组织原则；其次，从乘客乘坐地铁的流程入手，详细分析影响车站大客流组织的主要影响因素，定量化计算AFC系统服务能力、出入口及通道的通过能力、楼扶梯的通过能力、站台乘候车秩序？、列车运能和客流疏导能力等；最后，遵循大客流组织原则，针对影响大客流组织的主要因素，从客流预测、客流组织、行车调度和票务组织等方面提出具体的大客流组织应对措施。     

地铁车站客流组织中的人群管理对策探讨

地铁车站客流组织就是地铁车站的人群管理,在概念上应该是相同的,地铁车站的人群管理与大型集会场所的人群管理一样,都需要使人群有序、安全地移动。同时,地铁车站乘客的特性同样具有人群管理中的行为特点和群体特性,同样具有不同人群的构成因子以及所处环境人群的不同状态。因此．针对不同特征的乘客群体的表现需要在时间、空间、信息和产生能量间的相互作用方面的特点制定客流组织的对策,并实时动态地监管乘客的安全,同时需要配备具有组织能力和应变能力的工作人员,执行管理计划和实施紧急预案。     

基于网络瓶颈控制的轨道交通车站客流疏导研究

轨道交通客流在特定时空区间的强聚集效应导致车站内部设施的服务能力与客流量不匹配,极易造成乘客拥堵、滞留等问题。通过对轨道交通车站客流流线大范围调研,确定服务设施实际通行能力,识别车站瓶颈区域。进而利用多点联动的瓶颈控制方法,构建网络瓶颈客流疏导模型,协调流线网络结构中设施通行能力的匹配度,计算瓶颈点上下游客流调节量。以北京东单地铁换乘站为例进行流线瓶颈优化,制定不同客流强度下瓶颈优化方案,验证模型的有效性和实用性。模型可协助车站管理人员明确瓶颈控制区域的范围,并制定详细的限流泄流乘客量分配,为高密度客流组织提供理论依据与数据支撑。     

基于B-P神经网络的北京地铁运量预测模型

分析影响北京地铁运量的因素,选取城市轨道交通内部生产、人口因素、乘客收入因素和交通因素等作为运量预测的关键要素,应用B-P神经网络(Back Propagation ANN,基于误差反向传播神经网络)模型,对未来几年内北京地铁运量进行预测分析.结果发现B-P神经网络对地铁客运量的预测较为适用,可为北京地铁运营规划提供决...     

地铁换乘客流实时监测模型研究

针对地铁换乘客流随机性强及短时冲击性等特点,在分析地铁线网结构的基础上,提出基于时序倒推的地铁换乘客流实时监测模型,并采用BP神经网络算法进行模型求解。选取南京地铁典型换乘站对所述方法进行分析验证,进一步说明模型的合理性和可行性。     

地铁网络化运营后站务运作提升研究

目前广州地铁已建成并开通10条线路。地铁步入网络化运营阶段后,客流量剧增,通达性增强,服务范围和运营信息量增大,咨询、求助等乘客事务将随之增多,对站务运作效率提出更高的要求,站务运作效率的提升主要依靠科技进步和管理优化。分析站务运作的现状,提出采用智能技术促进乘客自助服务以及使用信息化手段提高内部运作效率的两大提升方向。通过车票移动电子支付、闸机事务自助处理、边门电子改造、手持式BOM、站务巡视智能报修、开发客运服务管理系统等优化措施,提升站务运作效率,以满足网络化运营的需要。     

地铁列车扣车模型及其应用

简要分析了广州地铁1号线列车运行间隔及客流发展趋势,并建立了相应扣车模型,对故障情况下需扣停列车的数量、必须扣车的时间,以及每列列车停站的时间进行了计算。重点对扣车模型在非等间隔地铁线路上的适用性进行了研究,并总结了扣车模型在地铁行车调整中的应用情况,为行车调整理论计算探索新途径。     

北京最大的地铁枢纽站宋家庄站设计方案

宋家庄枢纽汇集了轨道交通5、10、11号线和亦庄线以及地面交通枢纽等多种交通方式，是北京市区东南部地区重要的综合交通枢纽，也是北京现阶段最大的枢纽站。同时，上述4条轨道交通线路的车辆基地也设置在此处。宋家庄站要解决好轨道交通之间以及与地面交通枢纽的衔接，保证客流交通与换乘通畅、方便，同时协调轨道交通建设的近、远期关系 ，以及考虑交通基地的综合利用，做到地铁枢纽站、公交枢纽、车辆基地、相关线网、道路市政等总体的最优化。现着重介绍宋家庄站的建设内、客流分析及设计方案。     

杭州地铁换乘站人员疏散潜在障碍实测研究

分析杭州地铁换乘站凤起路与火车东站站点已经存在和可能存在的客流拥堵情况,设计现场观测布点方案,通过对闸口、换乘通道、扶梯口等节点处乘客行为特征关键数据的现场视频采集和观测统计,定量地给出地铁凤起路换乘站点的安全隐患:约19%低头看手机的乘客会降低客流速度,并会造成拥堵或诱发潜在安全风险;仅16.4%的乘客自愿走扶梯,大量乘客选择乘扶梯,导致从1号线换乘2号线的站厅扶梯处客流大量拥挤。地铁站内一些空间位置设置不合理的附属设施,在一定程度上阻碍客流交会,在客流高峰期会加剧站台客流堵塞程度。基于地铁站内客流路径及拥堵区域分布,挖掘出潜在的建筑结构、设备、导向标识等疏散障碍和安全隐患节点,并提出相应的疏解优化建议。研究结果能够为杭州地铁安全运营优化升级提供可参考的数据基础。