轨道交通车站客流来源空间分析及接驳优化 ——以天津市为例

利用手机信令数据可在提取轨道交通出行链信息的基础上获得各车站的客流来源空间分布,并应用于交通规划中.首先,提出获取轨道交通出行链信息和车站客流来源分布的计算流程以及其中涉及的轨道交通基站检测、出行端点识别、轨道交通乘车信息提取等技术方法.其次,使用中国移动手机信令数据得到天津市轨道交通全网车站的客流来源空间分布.基于车站客流来源空间分布特征对车站进行分类,根据各类型车站的特点提出针对性的接驳改善策略.选取典型车站,对与其接驳的公共汽车线路进行走向与站点的优化设计.研究表明,不同轨道交通车站客流来源的空间分布形态具有差异性,利用手机信令数据可获取轨道交通车站客流来源的空间分布形态,为实现"一站一策"的精准接驳规划设计打下基础.     

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.     

基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左（右）客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明：(1)所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;(2)同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。     

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。     

城市轨道交通客流网络分布均衡性评价

复杂网络化运营下的城市轨道交通客流呈现时空分布不均衡特点,为量化表征客流网络分布不均衡程度,应用广义均衡性评价工具Gini系数和Theil指数,以车站客流量和区间断面满载率为评价指标多维度评价客流网络分布状态.以上海轨道交通网络为例,基于洛伦兹曲线求解得到早高峰 8:30-8:45、平峰 10:45-11:00和晚高峰18:30-18:45这3个时段全网车站客流分布的Gini系数分别为0.527、0.554、0.540.对照评价标准可知,3个时段客流分布均极不均衡;全网区间客流分布的Gini系数分别为 0.502、0.366、0.476,表明客流区间分布早高峰极不均衡、平峰相对均衡、晚高峰比较不均衡;基于线路分组的Theil指数求解结果与上述结论一致.最后,分析各线路客流分布不均衡对全网不均衡的贡献率,结果与实际客流分布状态相符,验证了本文方法的可行性与有效性.     

长沙地铁2号线运营初期客流特征分析

开展客流特征研究对科学合理地设计轨道交通系统、优化运营组织设计具有重要意义。以长沙地铁2号线的地铁刷卡数据为研究对象,运用数理统计方法对其开通初期三年的运营客流进行分析,着重分析断面不均衡系数、车站进出站高峰系数与车站周边土地利用性质的相关性,线路客运量高峰系数与该线功能定位的关系,以及乘降量和换乘量的客流特征。针对上述结论对设计和运营提出建议,可为轨道交通的设计、建设、运营提供参考,也可为大城市轨道交通客流预测结果的合理性判断提供依据。     

轨道交通网络级联失效影响范围研究

轨道交通系统因多因素干扰引发客流集中、车站拥挤,并相继传播至周边车站,形成级联失效. 把握拥挤在轨道交通网络的传播范围,是减少交通突发事件影响的基础. 基于轨道交通拥挤传播机理分析,将物理结构、网络初始交通状态、客流量融合进耦合映像格子模型 (Coupled Map Lattice,CML)中,通过历史客流数据量化参数,构建轨道交通拥挤传播模型,展开3 种不同情景下拥挤传播过程分析. 实例验证结果表明,轨道交通车站的初始状态、耦合系数对拥挤传播影响显著,网络结构对拥挤传播范围的影响并不明显. 根据网络结构、初始值和耦合系数,可以掌握拥挤传播规模,识别拥挤车站的影响范围,有助于提高轨道交通系统的可靠性.     

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。     

城市轨道交通有权网络相继故障可靠性研究

城市轨道交通各条线路和车站因其所承载客流量多少不同在网络结构的地位也不同,仅从网络结构来评价可靠性可能会产生误判.本文根据地铁网络智能卡数据构建了网络权重矩阵,结合网络结构确定了无权、有权网络的复杂网络参数,并基于有无权重 两个网络分别定义了4 种相继故障的策略参数及网络可靠性评价模型.以北京市轨道交通为实例系统性分析有无权重两个网络的可靠性,结果表明,模型可操作性强,弥补了城 市轨道交通网络可靠性研究的不足,加载了客流的网络脆性更明显,站点重要性排序也 发生较大变化.     

多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.     

重庆市璧山区云巴1号线客流时空特征分析

云巴是一种重要的低运量城市轨道交通制式。以重庆市璧山区云巴1号线作为研究对象,从时间和空间两个维度、线路和车站两个层面,选取全日与早高峰时段的相关客流指标进行系统性解析,并与重庆市中心城区轨道交通1号线客流指标进行对比分析,评估云巴1号线的运营表现。研究结果表明：璧山区云巴1号线客流时间分布形态与中心城区轨道交通1号线较为相似,但工作日客流高峰小时系数较低,节假日较高;云巴1号线的客流空间分布特征也与轨道交通1号线较为相似,包括线路断面客流形态、方向和断面不均衡性等特征,但云巴1号线主要承担了沿线中长距离客流,平均运距占线路长度比例较大。最后,从沿线用地开发、公共交通一体化、运营服务以及网络效应等方面对云巴1号线的发展提出了优化对策建议。     

轨道交通车站运营负荷评估与优化研究

在阐述车站运营负荷基本理论的基础上,给出了车站运营负荷的计算和评估方法,并以上海轨道交通9号线为例,对其车站运营负荷进行计算和评估。根据运营负荷评估的结果,对运营负荷较大的车站进行客流流线优化:首先,确定了一些主要的客流流线优化指标;其次,针对客流流线优化指标提出客流流线优化的方法,主要包括通行效率优化方法和设施布局优化方法,并利用灰色定权聚类模型对各客流流线优化方案进行评价,从而得出最佳客流流线方案;最后,以上海轨道交通9号线运营负荷最高的世纪大道站为例,运用以上客流流线优化方法对其客流流线的各项指标进行优化,并利用灰色定权聚类模型进行评价,得出最优方案。     

基于时段分布的市郊轨道交通车站滞留客流分布算法

市郊轨道交通车站滞留客流的分时段预测,关系到运营计划的调整、乘客出行 方式的选择、出行时间的预估等,尤其对市郊线路快慢车模式下开行方案的优化具有重 要意义.首先引入出行方式角度费用理论,分析了乘客公交出行与地铁线路形成的角度费 用,构建了角度费用模型Anglecostm,n k ,计算乘客的流失率VPn ,进而确定因滞留客流达到 阈值而导致的乘客流失量.其次,以AFC获取的客流数据为支撑,结合角度费用模型对乘 客流失量的计算,提出了一种基于时段的滞留车站客流分布预测方法,接着分析了站台 候车客流与通过列车实际载客情况两者之间的客流交互规律,提出了候车客流-列车载 客量影响动态交换模型,并分析和研究该模型求解算法.最后,以某市郊线路进行实例演 算,预测结果可为轨道交通开行方案优化提供理论和方法支持,对运营计划临时调整,客 流预测及引导模型的补充等提供参考.     

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。      

沪最大地铁车站施工紧锣密鼓

目前上海最大的一座地铁车站——浦江南浦站,正在紧张施工。作为轨道交通7号线与轨道交通12号线换乘站点,这座地铁车站将依靠乘客零换乘、2条线路列车互调支援、庞大的地下空间等人性化设计,带动周边地区综合开发。     

上海嘉定区内11号线多方式换乘现状分析

多方式换乘不仅决定了轨交线路服务范围,影响公交系统服务质量,同时影响沿线设施建设.针对上海11号线嘉定区内轨交站点多方式换乘现状进行客流调查,分析市域线客流特征、客流出行特征和多方式换乘的现状,以及轨道交通11号线多方式换乘存在的问题,为市域线轨交站多方式换乘设施规划建设提供参考.     

基于区间客流推算的城市轨道交通多车站协同限流研究

城市轨道交通成网条件下,研究运输能力紧张区间的多车站协调限流,对车站合理安排客流组织、运输组织、协调列车运能需求与供给、提高乘客出行质量具有重要意义。本文给出了区间客流来源的推算方法、高峰小时内超高峰时分的推算方法以及限流车站和限流时分的确定方法,然后以成都地铁现状1号线工作日早高峰小时客流断面为例,提出了现状条件下全网阶梯式限流客流组织方案,发现高峰小时内客流断面均衡性得到了有效改善。因此,基于区间客流推算的多车站协调限流能为轨道交通成网条件下高峰时期客流组织工作提供依据和参考。     

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。     

多源数据驱动的轨道交通与公交换乘特征和服务范围研究

以苏州市轨道交通5号线开通后地面公交的线网优化规划为例,提出基于多源数据的轨道交通和公交换乘客流特征分析方法,并用以划分服务范围.利用轨道交通和公交的IC卡刷卡数据及手机大数据,模型分析轨道交通和公交换乘客流和潜在客流进行换乘的行为,明确轨道交通新开后对公共交通的影响范围,并预测换乘的公共交通供需变化,作为线网调整优化的依据,并在项目应用中得到较好的应用.该模型可用于轨道交通开通后公共交通线网优化的实际工作中.     

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。