轨道交通拥挤传播速率量化模型研究

轨道交通作为综合客运交通系统的骨干,影响着城市客运交通乃至社会经济的正常运转,对其大客流拥挤传播规律的研究有助于提高轨道交通系统的运输安全和效率.以往学者研究的大客流传播模型中往往参数量化缺失或者缺乏实际意义,因此,本文着眼于量化大客流传播模型中的参数,旨在构建客流影响下的拥挤传播模型.首先,分析大客流传播模型中参数及其影响因素,阐述现有传播速率量化模型;其次,以客流的不确定性作为研究对象,分析客流传播特征;再次,通过轨道交通客流数据量化模型参数相关的客流和列车剩余载客能力,界定大客流影响阈值;然后,构建考虑客流因素的传染病模型,量化拥挤传播速率,据此分析客流对轨道交通拥挤传播的影响;最后,以北京地铁13号线为例,比较不同时段、不同换乘情况下其大客流拥挤传播影响范围的差异,分析其原因,从而为优化轨道交通系统的服务水平及大客流事件应急处置提供参考和借鉴.     

基于元胞自动机的轨道交通客流拥堵传播研究

随着轨道交通网络化运营的发展,客流拥挤己成为大城市轨道交通常态.本文基于元胞自动机建立轨道交通大客流拥堵传播仿真模型,研究通勤大客流情景下城市轨道交通车站与区间拥堵状态传播问题.该仿真模型克服平均场理论的局限,通过建立局部交互的演化规则反映大客流传播过程中车站与车站间、车站与列车间的交互作用,定义列车满载率作为传播强度的衡量指标.从网络层、线路层和车站层构建指标,定量分析大客流拥堵传播规律.结果表明,本文模型可用于分析可预见性的大客流,预测客流在轨道交通网络中的传播规律,为客流控制策略的制定和评价提供依据.     

城市轨道交通超大客流网络拥挤传播研究

为研究城市轨道交通超大客流传播的时间规律以及不同数量拥堵站点对整体轨道交通网络的影响,通过定义超大客流,引用疾病传播理论,建立了基于网络拥挤模型的超大客流拥堵网络疾病传播模型,并运用Adams微分方程数值进行模型求解。对反演参数得到的SIR传染病模型的传播特性拟合运用于轨道交通网络,并通过不同的初始拥堵站点数量进行仿真。研究表明：轨道交通超大客流的病态传播受传染概率、恢复概率、初始拥堵站点数影响,该联系为超大客流网络拥挤传播提供一种新的研究思路。     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营,本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程,采用状态参数集反映车站拥挤程度的多样化差异,定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例,仿真设置不同量值的突发客流,研究线网客流状态的演化规律.结果表明,随着突发客流量增加,客流状态从区域拥堵演化至线拥堵的速度减缓,从线拥堵演化至点拥堵的速度保持不变或略有加快.此外,大量突发客流会引起拥堵消散速度的减缓,造成更大时空范围的区域性拥堵.     

基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究

为保证城市轨道交通运输系统在突发客流条件下能够安全高效运营，本文基于元胞自动机建立城市轨道交通突发客流拥堵传播模型.分析突发客流量拥堵传播过程，采用状态参数集反映车站拥挤程度的多样化差异，定义更为准确合理的客流量元胞自动机演化规则.以成都市轨道交通部分线网为例，仿真设置不同量值的突发客流，研究线网客流状态的演化规律.结果表明，随着突发客流量增加，客流状态从区域拥堵演化至线拥堵的速度减缓，从线拥堵演化至点拥堵的速度保持不变或略有加快.此外，大量突发客流会引起拥堵消散速度的减缓，造成更大时空范围的区域性拥堵.     

基于网络客流传播的轨道交通关键站点识别

为了更为真实的反映城市轨道交通网络的实际运营情况,在复杂网络理论基础上,进一步考虑客流因素的影响,提高网络中关键站点识别的准确性,通过分析站区间断面客流来源,根据普通站和换乘站的客流运输功能特征,分别构建了客流传播模型,对历史刷卡数据配流统计标定模型参数,并结合复杂网络的度与介数提出了4个关键站点识别指标.以某市轨道交通网络为例,利用刷卡数据对某工作日早高峰时段进行了全网动态客流演示并展示关键车站.研究结果表明:关键线路为1号线与10号线,南站、西二旗、天通苑附近乘客滞留严重,客流负荷强度大的车站更易受到大客流的冲击;本文所构建的客流传播模型可动态显示全网各区间等级及滞留车站的变化,并能综合真实客流、线路运输能力以及线网结构三方面的指标识别关键站点,可更有效地为轨道交通网络安全管理提供参考.     

基于AFC和POI数据的轨道交通车站客流影响因素挖掘

精细化研究轨道交通车站客流影响因素对于建立轨道交通与土地利用长效互动机制,发挥轨道交通支撑和引领城市发展作用,指导轨道新线开通和周边用地开发等具有重要意义。以南京为例,首先获取轨道交通运营客流AFC数据和网络爬取的POI数据;然后考虑四种类型轨道交通车站客流特征,挖掘用地特征、公共交通接驳特征、车站属性三类因素;最后利用结构方程模型分析城市轨道交通规划建设与城市用地开发之间的作用机制。实证结果表明,基于POI获取的住户数、商业设施数、文化设施数、公共汽车线路数等数据对工作日轨道交通进站客流有突出贡献。     

城市轨道交通车站客流吸引范围重叠区域划分模型

现有城市轨道交通车站客流吸引范围划分方法大多未考虑相邻车站间的重叠区域,导致车站客流预测值偏大。为了提高车站客流预测的准确性,考虑中间站、首末站、换乘站,针对不同相邻车站类型提出客流分配量计算公式。基于此构建轨道交通车站客流吸引范围重叠区域划分模型,并采用日本东京都城市轨道交通车站的相关数据标定模型参数。最后,以上海市轨道交通11号线安亭站及相邻的兆丰路站和汽车城站为例进行模型验证,结果显示精确度为78.6%。指出产生误差的原因可能在于上海市与东京都的差异以及交通小区数量过少。     

城市轨道交通客流空间分布模型

为定量分析轨道交通客流随线路距市中心距离增加的变化趋势,在分析路面使用性能衰变模型的基础上,建立了城市轨道交通客流空间分布模型.运用上海市和天津市轨道交通实际数据对模型进行了验证,结果表明:重要节点系数K取值越大,轨道交通重要节点站越重要,客流量越大;形状参数值β大于1时,客流变化趋势曲线呈反S形,小于1时呈凹形;城市规模参数α反映了轨道交通辐射范围,取值接近15 km的城市规模参数连线在上海市外环路附近,表明轨道交通客流主要集中在主城区内;预测客流随轨道交通车站距市中心距离变化的规律与实际情况相符.      

基于客流集散网络的城市轨道交通瓶颈识别方法研究

为科学客观地识别大型城市轨道交通网络瓶颈,提高网络化运营和服务管理水平,本文从轨道交通网络层出发综合考虑车站与区间能力关系,研究系统内部断面客流量和车站实际客流集散量的关系,从网络系统内部与外界客流集散关系角度,建立了基于集散网络的城市轨道交通瓶颈识别模型。以成都轨道交通网络为例进行分析,验证了该瓶颈识别方法的有效性和实用性。案例结果表明模型方法可对大型实际客流集散网络的瓶颈进行有效识别,瓶颈车站主要集中于1号线南部,最拥堵车站为火车南站(13号车站)。与既有方法相比,本文方法能从车站角度客观量化网络系统实际运营拥堵情况。     

基于常规公交的轨道交通站点吸引范围研究

在进行城市轨道交通规划与运营优化时,需要对客流进行分析,其中确定城市轨道交通站点的吸引范围属于关键性问题。考虑到不同用地性质的轨道交通站点承担的交通功能不同,对城市轨道交通的站点进行分类,建立基于聚集效应的城市轨道交通站点客流吸引范围模型,并通过实例进行分析,得到轨道交通站点对常规公交客流的合理和最大吸引时间,从而确定不同类型站点的客流吸引范围。     

重大公共卫生灾害主动限流背景下城市轨道交通网络集成韧性

分析了重大公共卫生灾害对城市轨道交通网络集成韧性的影响机理；基于韧性曲线模型对传统韧性测度方法进行了修正，构建了面向重大公共卫生灾害影响的城市轨道交通网络集成韧性测度方法；评估了城市轨道交通网络节点重要度水平，运用复杂网络构建了城市轨道交通网络拓扑模型，对节点客流进行了模拟分配；应用SEZIR传染病传播模型模拟了灾害传播过程，研究了城市轨道交通在重大公共卫生灾害背景下的集成韧性水平演化规律；以西安市疫情发展过程为研究对象，对主动客流限制下城市轨道交通网络的集成韧性水平进行了模拟和数值分析。研究结果表明：主动客流限制措施能够有效提高城市轨道交通网络对重大公共卫生灾害的阻断能力，当客流限制水平达到30%后，重大公共卫生灾害传播过程趋于平缓；主动客流限制措施会直接导致城市轨道交通网络运行效率降低，但能够提升城市轨道交通网络在重大公共卫生灾害影响下的集成韧性水平；当客流限制水平分别为70%、40%和20%时，城市轨道交通网络集成韧性水平的改善提升效果更加明显，累积改善效果分别可达到10.73%、46.87%和226.81%。     

客流特征视角下的轨道交通网络特征及其脆弱性

为提高城市轨道交通网络脆弱性评估的客观性, 将乘客需求特性集成到网络脆弱性的计算中; 在城市轨道交通网络Space L空间下静态拓扑结构的基础上, 以客流为权重建立了轨道交通加权网络; 基于客流指标提出了车站连接强度和加权节点介数, 用于反映动态网络结构特征, 度量节点间相互作用强度; 针对城市轨道交通网络客流的时空特性, 结合网络客流需求特性, 基于出行消耗最大容限阈值, 构建了站点故障条件下的乘客有效路径子图和网络客流的OD损失率, 进而评估城市轨道交通网络的脆弱性; 以西安城市轨道交通网络为例, 从网络客流视角分析了城市轨道交通网络特征及其脆弱性。研究结果表明: 西安市轨道交通网络具有小世界网络特性, 平均路径长度为10.7, 其中小寨站和北大街站为网络关键节点, 其车站连接强度分别为166 795、149 059, 加权节点介数分别为0.365、0.369, 这两个站点的中断对西安市轨道交通网络效率的影响分别为40.1%、39.4%;乘客出行容限阈值极大地影响着网络中站点的重要性排序, 网络脆弱性随着乘客出行容限阈值的增大而逐渐降低; 脆弱性与介数的相关性强于脆弱性与度和强度的相关性, 随着出行容限阈值的增大, 加权介数与其脆弱性的关联性逐渐降低。可见, 提出的计算指标和方法突出了客流特征与乘客需求对轨道交通网络脆弱性的影响, 能够很好地体现轨道交通网络的功能特性。      

基于接驳方式组合的轨道交通站点客流吸引范围研究

轨道交通站点客流吸引范围是保证轨道客流来源的重要基础,也是轨道客流客观预测及交通设施衔接合理规划的前提。从出行费用、时间及个人收入特征等要素的分析入手,基于广义出行费用一致性原则建立轨道交通站点客流的吸引范围模型,该模型考虑路网的实际结构。最后,将该模型运用到即将开通运营的南宁轨道1号线中,计算金湖广场站的客流吸引范围。     

城市轨道交通网络新线接入后的客流预测

城市轨道交通网络新线接入后,网络拓扑结构和客流时空规律都将发生较大变化。提出通过可达性指标将进出站量预测、OD分布量预测、基于路径选择模型的随机客流分配等阶段关联,构建客流预测模型。进出站量预测时,构建土地利用替代指标,避免对新车站周边土地利用、社会经济属性等进行调查;同时由目的地选择效用计算得到车站可达性指标,描述车站位置对进出站量的影响。OD分布量预测时,构建目的地选择模型,可适应拓扑变化后的场景,模型中OD可达性指标由路径选择效用计算得到。构建的路径选择模型,综合考虑了影响乘客路径选择的各因素。最后,对广州市地铁6号线接入后的客流进行建模预测,各模型参数均符合统计检验要求且客流预测精度较高。