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。     

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。     

基于谱聚类的城市轨道交通车站间客流分型研究

在轨道交通运营管理过程中,不同车站间客流的时间分布特性及规律直接决定了客流组织方案。明晰 车站间客流分型及特征,对合理配置客流组织方案大有裨益。相对于单车站客流类型,多车站间客流类型的影 响因素多样且复杂,为此,从时间、空间和结构 3 个角度对车站间客流分类特征进行分析,并通过谱聚类方法 压缩搜索空间,从而达到更加精准的类型划分。利用轮廓系数与戴维森堡丁指数对比不同方法的分类结果,证 明所提出的谱聚类方法相对于 k-means 等其他方法具有更好的分类效果。以苏州地铁 2020 年数据为例,通过 提出的方法寻找出 7 种车站间客流分型,该结果可应用于预测模型训练等领域。     

城市轨道交通换乘站客流实时预测与客运组织应用

通过对比城市轨道交通换乘站历史客流清分数据,得出车站在相同特征日具有相同的客流特征.据此提出以特征日历史客流清分数据为基础,计算得到的换乘站的基本客流数据.再利用AFC系统收集的进出站客流数据修正基本客流的总体大小,利用热敏探头,视频采集等收集的车站关键通道内的客流数据修正基本客流的比例结构,最后基于这些精细化客流数据进行换乘站客运组织管理.     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

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。     

深圳地铁1号线不同类型车站客流时间分布特征研究

根据车站周边建筑功能构成,将城市轨道交通车站分成居住主导型、商办主导型、混合功能型及交通主导型车站。对深圳地铁1号线各类车站工作日的进站、出站及进出站客流时间分布特征参数进行了统计分析。进出站双向客流的合并统计削弱了峰值比例,从而低估了高峰时段客流的影响。为车站设施规模测算、规模敏感性分析等工作提供参考。     

城市轨道交通上海火车站站春运客流分析及策略研究

近年来,随着上海轨道交通运营线网规模的集中扩张和居民出行方式的改变,轨道交通承担的客运负荷不断攀升.尤其在春运期间,与各火车站毗邻的换乘枢纽大站的客运组织工作也备受考验.以上海轨道交通1号线上海火车站站为例,首先对车站的客流进行分析及预测,随后将客流与车站疏散能力、列车运能相结合,找到不足之处,最后从春运前期准备工作及现场处置两方面制定了上海火车站站春运客运组织策略,为类似城市轨道交通车站春运期间的客运组织提供经验与参考.     

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。     

新线接入条件下的城市轨道交通网络起讫点客流量预测模型

新线接入将导致城市轨道交通网络连通性等特征发生一定的变化,影响相关线路的客流分布,进而需要对客运组织和行车组织做出调整.分析不同类型新线接入的影响,采用站点进出站客流量数据来表征土地利用变化,通过站点分类与匹配,构建站点进出站客流量预测模型;在此基础上,对网络起讫点矩阵进行区域划分,结合每个区域客流的特点,分别构建相应的客流起讫点预测模型,并以深圳地铁11号线接入作为实际案例,来验证模型和方法的有效性和适用性.验证结果表明,新线接入后的客流分布预测以及客流影响评估,有助于运营管理部门分析掌握新线接入后的实际客流变化情况,以制定与优化相关线路的运输组织方案.     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

铁路客运旅客群体划分算法的研究

为有效引导客流的合理分布,增加铁路票价收益,文章基于铁路客运用户画像系统,利用社交网络特征传播的方式对旅客特征进行优化完善,并采用聚类算法对用户群体进行分类,对旅客进行市场细分,为在后期营销活动中针对不同的群体进行精准营销、实现铁路营销的差异化服务提供依据。     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

基于AFC系统的郑州市轨道交通客流特征分析

基于目前积累的AFC系统数据,分析郑州市线路开通近5年主要客流特征,从线网客运水平、增长趋势、高峰时段不均衡性、客流周期性变化规律、线路所经通道特点等方面论述分析。总结郑州轨道网络客流发展规律,探讨城市轨道交通与城市空间结构的关系以及郑州市轨道交通建设工作,为后期线路设计、建设、运营提供参考。     

基于IC卡刷卡数据的深圳市轨道交通站点活力研究

基于深圳市IC卡刷卡数据,分析深圳市轨道交通网络客流分布的特征规律,探讨轨道交通的客流模式,并提出一种基于客流强度和客流时间持续性的综合评估指标,定量分析深圳轨道交通站点的客流活力分布特征,而后对轨道交通站点进行分类分析。研究结果表明：深圳轨道交通网络的客流分布极不均衡,少数站点占据了大量的轨道交通客流量,前10的站点客流比重为19.64%;不同类型的站点客流模式存在显著差异,工作日和非工作日客流模式也有所不同。深圳轨道交通网络活力相对匮乏的站点比重较大,超过60%,非工作日轨道交通网络的客流活力明显优于工作日。     

基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

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。     

基于时空网络的城际高速铁路列车开行方案优化方法

列车开行方案是有效利用铁路运输能力和提升服务质量的关键组织手段。基于城际铁路客流的时变特性,将时空网络方法引入城际列车开行方案决策,增加考虑客流出行时间信息,从而能更加全面评价所得方案。在构造开行方案时空网络图的基础上,以最小化包括列车运行成本、旅客旅行时间、旅客出发偏差时间和未上车惩罚和列车数量等的总成本为目标,考虑时空网络客流及列车流守恒、发车时间间隔和列车能力等约束,建立基于时空网络的城际高速铁路列车开行方案优化模型,并设计双层模拟退火算法进行求解,其中内层算法优化列车停站方案,外层算法优化列车起讫点、开行数量和始发时间。算例计算分析表明,所提方法能为城际铁路列车开行方案决策提供科学依据。     

苏州轨道交通节假日客流预测研究

节假日大客流往往会对城市轨道运营管理造成较大压力,及时准确地预测节假日期间客流,可以为城市轨道交通运营与管理部门制定运输计划、确定应对措施提供重要依据,保障节假日期间轨道交通安全顺畅运行。在分析节假日客流变化趋势的基础上,根据历史客流变化趋势获得基准客流;基于当前客流量水平,构建ARIMA-GARCH模型,预测轨道交通未来节假日各时段客流量。基于苏州轨道交通2018年与2019年的历史客流数据,对方法进行验证分析。结果表明,该方法能有效识别节假日客流特征,降低客流预测前期工作,并实现城市轨道交通节假日各时段客流预测。