时变网络下轨道交通出行路径动态选择模型——以武汉市为例

轨道乘客出行路径选择模型在轨道站台设计、线网规划、运营管理等领域应用广泛.为解决传统换乘路径分配方法在考虑乘客出行自主性方面及在应对供需动态演化方面存在不足的问题,提出一种基于时变网络载体的轨道交通出行路径动态选择模型,可用于真实模拟不同时段的客运强度与设施服务对路径选择的影响.并结合全网乘客进出站信息、轨道运行时刻表、人工调查、静态线网结构等数据,分析个体出行与网络整体满载情况的相关性.在此基础上,将基于站点的轨道网络简化为基于换乘区间的拓扑结构,并结合客流指标获取算法,进行武汉市轨道乘客出行特征仿真测试.实验结果表明,该模型强调网络环境的时效差异,能够更加精细、完备地模拟出行偏好,模型具有普适性,并具有与轨道交通规划、土地利用规划等专项规划相结合的潜力.      

考虑乘客出行数据的城市轨道交通有效路径集生成方法

有效路径集合生成是城市轨道交通断面客流预测、线网运力计算和客流分析的基础。为解决传统有效路径生成中存在的各路径有效程度无法评估、线性约束无法赋权的问题,降低问卷随机性对最终路径集生成的影响,本文在传统有效路径问卷调查数据的基础上,对乘客出行路径选择行为进行分析并做出假设,引入乘客出行时长,针对处于不同时长聚类簇下的有效路径分别建立评估模型,提出1种有效路径集生成方法。将轨道交通网络中站点和线路分别抽象为节点和边,构建轨道交通网络有向图;考虑出行路径类型、乘客出行主观因素以及乘客出行密度分布规律,利用自适应的DBSCAN算法处理乘客出行时长数据,以各时长下的出行密度为基准划分聚类簇,以聚类簇及其属性为输入,构建Logit模型并以其评估结果替代传统有效路径生成中的线性条件约束,并独立计算各簇所代表潜在有效路径的有效性权重,基于有效路径出行时长区间的连续性特点获取有效路径集。以广州地铁线网中多对出行OD为例进行验证,结果表明:结合乘客出行数据聚类分析后所得到的有效路径集,调整兰德系数为0.652,相比于其他传统路径算法的生成结果,提升了0.379;同时在路径总时长-换乘次数平面上所产生的集合...     

基于谱聚类的城市轨道站点分类方法

为明确城市轨道站点的功能与定位,以对站点的设计与建设提供指导,建立了基于谱聚类算法的城市轨道站点分类方法。在确立影响轨道站点属性因素参数的基础上,应用西安地铁2号线现状及规划特征年的数据分别对快速聚类法及非规格化谱聚类算法、SM 算法、NJW 算法等谱聚类算法的站点分类效果进行评述。结果显示谱聚类算法中的 NJW 算法,能够抓住站点的特征进行分类,且能准确反映随着轨道线网和城市发展,站点特性的变化。      

城市轨道交通站点接驳设施规模预测方法

为了对城市轨道交通站点接驳设施规模进行准确预测,从各接驳方式分担的客流量入手对接驳设施规模预测方法展开研究.在分析接驳设施规模影响因素的基础上,对城市轨道交通站点各出入口进出站客流进行观测统计,确定高峰小时集散的总客流量,利用多项logistic回归和Bayes判别分析2种方法分别建立城市轨道交通站点接驳方式分担率预测模型,将模型输出的结果与调查数据进行对比,判定2类模型在不同接驳方式分担率预测上的适用性,进而得到城市轨道交通站点高峰小时各接驳方式分担的客流量.利用数理统计学方法建立城市轨道交通站点周边的常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场规模预测模型,根据调查数据和已有研究成果对模型参数进行标定.应用这组模型对哈尔滨轨道交通1号线中哈达站的接驳设施规模进行预测,验证了模型在实际应用中的可行性.      

基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布.基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性.     

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误，解决车辆串车问题，研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征，以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束，采用实时混合控制策略，实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法，考虑到乘客到达率的不确定性，并通过调控公交车辆站点驻站时间以及路段平均行驶速度，可满足站点时段性群体聚集公交客流出行需求，防范潜在的公交串车。在模型求解上，考虑到双目标优化视角的差异性，运用超车规则对串车场景下的出站车辆重新排序，设计基于NSGA-II的求解算法，以拥挤距离标定序度关系，以精英策略获取新种群，改进交叉算子，并基于TOPSIS法对获取的Pareto解集择优。最后，以实际公交线路为例进行案例分析，结果表明：基于站点群体聚集性客流的公交串车优化调度模型，系统考虑了乘客乘车属性与车辆载客限制，能够输出最优的车辆滞站与车速调整方案，并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...     

基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

基于随机路径选择的城市轨道交通客流分配悖论

在城市轨道交通网络中,当改善1条已有的轨道线路(包括提高发车频率和降低服务票价等)或者新增1条轨道线路之后,将会发生客流分配悖论.为了分析该交通悖论的特征,基于传统的和改进的Logit模型的随机网络加载结果,采用公式解析和数值计算的方法,研究了悖论的形成条件,推导了悖论边界曲线和悖论区域大小,讨论了不同的Logit模型在预测随机交通悖论方面的差异性,并最终得到了轨道线路的服务质量(包括运行时间和服务票价等)差异、乘客的随机路径选择行为、乘客的出行时间价值和随机感知误差的大小等因素对客流分配悖论产生的作用机理,为避免悖论的发生提供了理论指导.      

基于乘客主观感知的公交客流拥塞量化表征模型

为了综合量化表征公交走廊客流承载设施及工具的空间拥挤性和客流运送时间效率,并科学评价客观技术指标和主观乘客感知对公交系统运行状态的敏感度,提出客流拥塞的概念,并用客流拥塞指数量化表征公交系统运行状态。通过解析客流拥塞与出行时效的关联,并分析公交出行阶段特征,基于“时效延长”思想构建客流拥塞量化表征模型,用于系统量化乘客对出行时间和空间拥挤的主观感知;选取影响出行时效的核心要素作为特征变量（车厢客流密度、站台乘客密度、区间乘车时间和站点候车时间）,采用直观类比打分SP调查法获取数据用于估计模型参数;基于北京西三环公交走廊实测数据,分析全天区间客流拥塞指数时空分布特征和走廊客流拥塞指数动态演化趋势。研究结果表明：北京西三环公交走廊客流拥塞高峰阈值为0.193 9,客流拥塞状态存在明显的方向特征,下行方向客流拥塞高峰状态更显著且持续时间更长;4个特征变量灵敏度系数均值分别为0.449 2,0.165 2,1.427 1和0.408 3,即区间乘车时间为客流拥塞指数最显著的影响因子,而站台乘客密度的影响程度最小,模型识别公交客流拥塞成因的能力得以体现;该模型能够综合全面地反映公交走廊客流拥塞时空分布和动态演化趋势,并能够应用于公交运行状态改善措施研究。     

基于分布式出行信息的轨道交通出行特征辨识

为准确识别网络化运营环境下城市轨道交通乘客的出行特征,设计了可采集Wi-Fi信息的分布式交通行为识别系统,并建立出行特征识别算法.布设在各站点的检测设备可采集乘客所携带移动设备独一无二的M AC地址信息,并上传至信息中心.信息中心通过对比同一设备在各站点获取的时间戳和对应站点编号,可识别乘客的出行路径和行程时间,结合轨道交通车辆的走行时间信息可获取换乘站的换乘时间,并应用上述时间信息验证所识别出行路径信息的有效性.在西安市轨道交通系统的测试结果表明,同由客票信息获取的出行行为相比,该系统能采集所有网络形态下的乘客出行路径及行程时间,测试数据的平均采样率可达32.86%,误差为3.8%.该系统的分析结果可用于城市轨道交通系统的客票清分、站点设计等环节.      

基于在线支付数据的公交客流特征分析方法——以三明市清流县为例

随着IC卡、移动支付等的普及,公交付费方式发生了巨大变革,由此产生的海量数据为全面、准确的把握公交运行特征提供了便利。公交客流特征分析中最重要的步骤在于下车站点的估算,为此提出一种基于乘客上车站点概率分布的估算方法。基于上下车站点等属性,通过统计学方法,可以得到公交分担比例、时间分布、距离分布、线站分布、特定群体公交服务情况等特征,为公交系统规划奠定基础。     

基于集对分析的随机需求接驳公交调度模型

针对需求点的出行客流服从正态分布,基于集对分析理论,利用二元联系数刻画随机客流的确定和不确定部分,将其转化为带联系数的确定性数学模型,研究一类随机需求接驳公交调度模型,将乘客从需求点运输至轨道站点,追求总里程最少.同时,该模型集成了这些乘客的最大容忍在车时间对调度结果的影响.利用Cplex求解模型的精确解,结合实际算例,给出了不同车辆数的最优调度方案,比较了有无乘客在车时间限制的2种方案差异,并分析了客流的不确定程度对调度结果的影响.实验表明,随着客流的不确定程度逐渐增加引起需求点的上车人数变多,受车辆的额定载客量限制,这致使车辆偏好访问较远距离但不超过其额定载客量的需求点,因而总行驶里程也变大;考虑乘客的最大在车时间限制,这引导车辆提供"直达"服务,因而会增加总行使里程,但是满足了乘客的个性化出行需求.      

城市轨道交通列车编组方案优化浅析

以城市轨道交通各区间断面设计年度预测的全日客流量为基础,根据轨道交通客流分布在各断面不均衡的特点,分析轨道交通线路上各站点客流分布的不均匀程度及其判别标准,采用聚类分析法分析客流分布特征,简化客流分布图,优化列车编组,以实现运营成本最小化.     

城市轨道交通客流预测算法研究

城市轨道交通客流预测是客运组织的基础,预测结果可为运营管理提供决策依据.针对城市轨道交通客流量预测问题,提出了一种ARMA-RBF组合客流预测算法:首先根据变点算法,通过对客流数据构成的时间序列处理得到变点集;然后基于小波变化对变点集进行去噪处理;最后利用ARMA-RBF算法对城市轨道客流进行预测.以北京地铁4号线新街口、平安里、西四地铁站进出客流数据进行方法验证,结果表明,相较于单独的ARMA算法或RBF神经网络算法,ARMA-RBF组合客流预测算法可提高城市轨道交通进站客流预测的精度.     

基于遗传算法的公交服务模式优化

作为通勤者日常出行的主要选择模式,全站式公交服务在许多城市和大都市地区扮演者重要角色,但存在着由于站点停靠过于频繁、乘客集中分布在个别站点导致的乘客旅行效率过低的现象。文章研究提出了一个一种综合公交服务,包括全站式服务和跳站式服务。根据已知的O-D数据,以最大限度地减少乘客出行总时间为目标,使用遗传算法对传统公交线路进行优化,产生最优跳站路线。     

北京市轨道交通客流特征分析

为了缓解城市交通拥堵问题,针对北京市轨道交通客流量不断增加、客流规律随时发生改变的现状.根据北京市轨道交通站点的基本客流情况,通过数据挖掘,分析出轨道交通站点在不同区位、不同用地性质情况下的进出站客流规律,换乘情况及断面客流规律,并进行归纳总结,为轨道交通建设、运营管理提供重要的参考依据.     

融合XGBoost和图谱修正的公交通勤乘客目的地预测方法

准确把握公共交通通勤乘客的目的地, 有助于明确乘客出行需求, 提升公共交通服务水平。基于北京市1个月的公共交通出行数据和RP调查数据, 通过关联分析乘客公交卡号与公共交通刷卡数据和线站数据, 匹配获得563名通勤乘客完整出行链数据, 并利用关联规则实现302名公交通勤乘客高、中、低出行稳定性辨识。引入XGBoost集成学习算法, 分别以不同公交出行稳定性乘客出行目的地显著影响因素为输入变量, 以下次出行目的地为输出变量, 通过模型参数调优, 分类构建了公共交通通勤个体乘客下次出行目的地预测模型, 高、中、低稳定性乘客出行目的地预测准确率分别为90%, 66.67%和50%。借助个体乘客出行图谱转移概率对模型预测结果进行修正, 将预测准确率分别提升至91.2%, 83.21%和69.5%, 可以有效提升中、低稳定性乘客出行目的地的预测准确性。采用公交都市系统记录的目的地数据对下次出行目的地预测聚合结果进行对比验证, 客流预测值与真值变化梯度的绝对百分误差小于10%。因此, 在划分通勤乘客出行稳定性的基础上, 融合XGBoost和图谱修正的公交通勤乘客目的地预测预测方法具有较高准确性。      

基于大小交路优化的地铁行车组织方案

针对地铁客流分布不均衡情况,对地铁行车组织方案进行优化以缓解部分站点客流压力.建立乘客出行时间价值和平均载客率同时最优的双目标优化模型.假定乘客到达车站的时刻服从均匀分布,以此计算在途和等候时间价值.为了满足各个行车段的不同特征,在大小交路模式下定义不同交路段的载客率和列车使用车底数,更加符合运行的实际情况.以广州地铁6号线的运行情况为例,运用基于全局搜索的粒子群算法进行求解,验证了模型的有效性和合理性.结果表明:考虑单一出行时间价值的模型与该模型相比,出行时间价值降低3.21%,但平均载客率提高20.2%;考虑单一平均载客率的模型与该模型相比,平均载客率提高11.98%,但出行时间价值降低了1.68%,因此综合考虑乘客出行时间价值和平均载客率的优化模型可以使2个目标函数值同时达到最优.      

城市轨道交通车站集散能力瓶颈识别方法研究

城市轨道交通车站集散能力瓶颈会导致车站内部分区域出现严重的客流拥堵现象,降低车站集散效能,影响乘客出行效率和安全。在分析城市轨道交通车站集散能力瓶颈内涵和成因的基础上,提出了基于拥堵强度的瓶颈识别方法。构建基于累计 Logistic 回归的拥堵强度判别模型,结合调查数据对模型进行参数标定和验证。以北京地铁东直门站为例,结合 Anylogic 动态仿真,验证了模型的有效性,表明该模型能够准确、实时地识别出城市轨道交通车站集散能力瓶颈。      

基于AnyLogic的城市轨道交通车站设施布局仿真与优化研究

城市轨道交通车站是城市轨道交通网络的关键节点。车站内服务设施的布局直接影响乘客流线的选择,是缓解站内拥堵的重要因素。本文分析了不同服务设施布局下的客流冲突。基于Any Logic构建不同设施布局模型模拟客流,总结不同设施布局的优缺点。根据西安地铁2号线小寨站布局,模拟了某工作日的低峰期客流。针对乘客密度图的瓶颈所在,提出优化方案并再次建模仿真,并提出了缓解车站拥堵的建设性建议。