共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
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。 相似文献
3.
上海轨道交通早高峰客流拥挤与居民通勤关系分析 总被引:1,自引:0,他引:1
王波 《城市轨道交通研究》2016,(7):75-78
分析了上海轨道交通客流时段分布特征、客流潮汐现象以及拥挤断面分布等高峰特征。通过分析早高峰时段轨道交通客流的空间分布特征,找出经过高峰客流拥挤断面的客流去向。利用手机信令数据分析经过拥挤断面的外围轨道交通站点1 km范围内居民的职住空间分布,得出这些外围站点周边居民70%以上在中心城区就业、旱高峰集中乘坐轨道交通前往中心城上班的结果。分析了居民通勤的主要通道,发现通勤(职住)通道上的客流不平衡与轨道交通早高峰客流拥挤有较强的相关性。 相似文献
4.
《现代城市轨道交通》2017,(11)
为对已开通线路较少的地级市城市轨道交通客流特征进行研究,选取苏州市轨道交通作为研究对象,对其客流的时间分布特征和空间分布特征进行分析。时间分布的研究主要包括对网络客流、线路客流和站点客流的时间分布特征的分析;空间分布的研究主要包括对进出站客流和断面流量的分析。研究发现,从时间分布来看,苏州市轨道交通全网客流的高峰小时系数较高,1号线的早晚高峰系数均高于2号线;同时,居住和居住主导型车站的高峰小时系数最大,商业中心类车站高峰小时系数最小。从空间分布来看,1号线主要承担通勤客流,2号线承担的客流类型则较为分散。 相似文献
5.
简述了南京市轨道交通运营现状和轨道交通客流发展现状。利用轨道交通大数据,分析了南京市轨道交通客流时空分布特征,研究了轨道交通客流分布规律。结果表明,城区轨道交通线路与市域轨道交通线路呈现不同的客流特征,工作日城区轨道交通线路早高峰小时系数基本在15%~20%,市域轨道交通线路早高峰小时系数一般低于城区轨道交通线路,周末(非节假日)城区轨道交通线路与市域轨道交通线路高峰小时系数一般均不显著,线路高峰小时最大客流断面基本位于换乘站附近。 相似文献
6.
城市轨道交通高峰小时的最大客流断面位置对轨道交通规划选择起着决定性作用,而其空间分布亦对轨道交通影响甚多。为研究高峰小时最大客流断面空间分布规律,选取了东京、大阪、上海的轨道交通线路进行相关对比分析。以客流数据为依据,通过高峰小时最大客流断面空间分布表分析,总结了高峰小时最大客流断面空间分布规律。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
10.
轨道交通客流预测对轨道交通日常运营有着重要作用,文章首先根据轨道交通历史数据,对其客流特性进行了分析,着重利用灰色模型对轨道交通短期内的客流量进行建模预测,利用马尔科夫链修正和改进模型预测结果;为了方便客流预测的自动化实现,给出了整个客流预测过程的流程图,并对其预测算法进行了研究。 相似文献
11.
吴强 《现代城市轨道交通》2011,(4):78-80
为了使上海轨道交通在满足常态客流的同时,更好地服务于上海世博会客流的吸引和疏散工作,通过世博客流与背景客流相叠加的方法,预测并获得世博客流集散时的出行特征和时空分布规律,对世博会现场实测数据和客流输送情况进行了比较,以期该计算方法能为编制轨道交通运营计划起到有效地辅助和支持。 相似文献
12.
为满足城市轨道交通车站精细化客运组织需求,对车站进出站客流特性进行有效的分类管理。结合自动售检票系统(auto fare collection,AFC)采集的进出站客流数据,从车站进出站客流总量及时序特性方面入手,提出一种基于K-means算法的双层规划聚类方法对全线所有车站进行聚类并划分车站类型。首先以车站进出站客运总量为特征指标进行上层聚类,得出不同客运规模的车站大类;然后考虑车站进出站客流的时变特征,根据不同时段内的客流变化特点构建特征向量进行下层聚类,识别车站客流的时序分布特性。研究结果表明:利用本算法得到的分类结果与实际高度吻合,不同类别车站在客运规模和时变特性上差异明显。双层K-means聚类分析算法通过把握客运规模和客流时变特征,对车站进行精细划分,为车站的客运组织提供依据。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
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。 相似文献
16.
17.
北京地铁5号线运营对轨道交通客流预测的启示 总被引:4,自引:2,他引:2
对北京地铁5号线运营实际客流与预测客流的差异进行对比,理论联系实际,分析轨道交通客流预测存在的问题及原因,提出从宏观把握城市用地规划、依据实际调查修正预测参数、构造高峰小时矩阵、通过网络进行客流预测时需做好敏感性分析等建议。 相似文献
18.
19.
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。 相似文献
20.
轨道交通车站客流预测模型研究 总被引:1,自引:0,他引:1
研究目的:通过对传统的"四阶段"客流预测方法优缺点的分析,对交通出行方式分担率预测模型进行改进,提高客流量预测的准确性,为轨道交通车站站台尺寸及其它设施的设计提供依据.研究结论:在交通出行方式分担率的预测模型中,引入"出行者收入水平"这一概念,重新定义了交通出行方式阻抗函数,优化了传统的"四阶段"客流预测方法.以北京地铁1号线五棵松车站为例,对该车站高峰小时进出站客流进行了预测,将预测得到的客流量与实际客流量进行了对比,证明了本文所提出的方法是一种快捷、有效的客流预测方法. 相似文献