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。     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。      

交通波理论在交通瓶颈处的应用分析

根据交通瓶颈处的交通流特性,利用交通波理论建立交通瓶颈处的交通流模型,并对其交通波动进行理论分析,有助于为交通瓶颈处的交通管理控制提供合理化建议。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系，本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori，XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构，通过机器学习库 scikit-learn 中 XGBoost (Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而，对Apriori算法设置有序定向约束，得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项，选取频繁项集，总结高置信度、高提升度的关联规则。关联因素模型评估结果表明，本文采用的SFM功能准确度可达78.31%，关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示，驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中，男性驾驶员造成的行人死亡事故频次较高，女性驾驶员造成的受伤事故频次较高；大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高；位于匝道等道路线型弯曲的坡道中，老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法，为有效保护道路弱势群体提供必要的理论支持。     

大型主题活动客流组织仿真评价及优化研究

为定量化评价大型主题活动期间行人交通系统规划、设计与管理的合理性,从实际工程应用出发,构建以Legion行人交通仿真软件为基础的客流组织评价及优化方法。该方法以设施服务水平为主要评价指标,包含基础数据调查与分析、模型构建与参数标定、仿真结果输出与分析、整体及局部优化等关键步骤。将其应用于第九届中国(北京)国际园林博览会客流组织方案的评价与优化,通过采取优化措施使园区高密度区域的客流比例从13%降至5%。该方法对于定量评价行人设施规划、设计及不同客流组织方案的实施效果具有良好的适用性。     

交通波理论在交通瓶颈处的应用分析

根据交通瓶颈处的交通流特性,利用交通波理论建立交通瓶颈处的交通流模型,并对其交通波动进行理论分析,有助于为交通瓶颈处的交通管理控制提供合理化建议.     

微观交通仿真中的行人干扰模型

中国的城市交通以非机动车和机动车的混合交通流为主,行人干扰现象严重。行人干扰模型是城市微观交通仿真模型的重要组成部分。经过现场调查及分析行人对交通干扰的概率分布,提出行人干扰模型。根据实际测量情况,确定其概率函数,给出各参数的含义,参数可修正以适应不同的交通状况,最后给出计算机实现算法。     

考虑客流引导和小群体行为的地铁车站疏散模型

地铁车站疏散过程客流引导及小群体行为均对人员疏散行为及疏散结果产生较大影响. 为更加有效地模拟真实疏散情况,研究了考虑客流引导和小群体行为的社会力模型. 该模型通过分析小群体运动特征及客流引导策略对行人期望速度的影响,对既有社会力模型进行修正;针对地铁车站站台人员疏散过程,设计更贴近实际情况的多智能体感知及决策流程,构建基于多智能体技术的疏散仿真模型. 以北京地铁西直门2号线站台为研究对象展开研究,结果表明客流引导及小群体效应对疏散时间、疏散效率、瓶颈区域及绕行距离均有显著影响:客流引导可提高疏散效率18%～45%,小群体行为则会增加绕行距离17%.      

基于GP算法的城市轨道交通客流分配问题研究

城市轨道交通客流分配问题是城市轨道交通规划领域的重点,也是城市轨道交通运营管理和列车开行方案的基础。结合城市轨道交通系统的基本特性,考虑客流在站点的停车时间和换乘时间费用,以及拥挤导致乘客无法上车的现象,建立包括延误时间在内的客流出行费用函数,构建城市轨道交通均衡配流模型,针对经典的FrankWolfe算法难以给出有效路径解的不足,提出基于路径配流的改进GP算法。最后,通过算例验证模型和算法的有效性。     

����˫��ģ�͵ij���P+R��ͣ����λ��ģȷ������

针对外地客流进入城市中心区域时各停车换乘备选点(P+R)合理停车泊位规模的确定问题，在分析市外客流进入城市中心区域时出行过程与机理的基础上，以所有客流出行(自城市外围到达市中心区域)总的出行费用(私人车辆行驶时间与公交行驶时间总行程时间、换乘时间、停车费用等)最小为目标，建立确定各P+R处停车泊位规模的双层规划模型，并给出模型的求解算法，最后以一个仿真实例进行了说明。     

城市轨道交通故障下客流分布计算及评估方法

为了精细化掌握城市轨道交通故障对乘客出行的影响,对等车、上车和下车过程的客流与列车交互状态进行抽象,建立了站台等待乘客、车内乘客等客流分布数据的计算方法,设计了动态客流仿真算法及乘客服务水平评估指标. 以实际线路为背景,以正常运营场景为参照,计算和评估了故障场景下的客流时空分布,分析了乘客等待时间对列车和站台上客流分布及出行时间的影响. 算例结果表明:具体故障下乘客多等待能通过避免离开而减少部分出行时间,但与正常场景相比,列车满载率高、站台人数多的现象增多;最大等待时间15 min与9 min相比,离开人数减少77.0%,带惩罚的总旅行时间降低超过10.0%,留乘发生率一样,但最大留乘人数增加94.1%,最大等待人数增加29.6%.      

交通仿真技术在大型会展中心疏解方案中的应用

大型会展中心在展会高峰期间客流出行需求巨大,对周边道路交通运行带来的冲击明显,容易造成片区路网交通瘫痪,需要制定相应的交通疏解方案予以应对。以深圳市国际会展中心项目为例,分析了会展中心在发展过程中可能面临的多种客流疏散场景,从宏观、中观、微观三个维度,对不同场景中的交通运行状况进行仿真模拟,并提出了一种基于交通仿真模型的动态、量化评估方法,分析各个场景中疏解方案的适配性。最后从交通改善和供需管理两个角度提出建议,形成方案优化闭环反馈和风险管控机制。     

基于IPA尾气成本的人行天桥综合效益评估研究

结合微观交通仿真、微观尾气排放模型和行人过街数学模型,计算了人行天桥对所在路段机动车的行程时间、油耗和各类尾气污染物排放量,以及行人过街时间的影响.同时,建立了一个基于IPA尾气污染物经济成本的综合经济效益评估模型,将以上三方面的影响转化为货币形式,从而综合评估人行天桥的价值.对广州市海珠区一处人行天桥进行案例研究.研究表明,该评估方法能全面、有效地评估该人行天桥的价值.     

基于元胞传输模型的交通事件消散建模

介绍了元胞传输模型(CTM)的基本原理,并建立了交通事件消散时间的元胞传输模型。分析了上海市城市某段快速路交通事件发生位置处拥挤波的产生与消散,并对此问题用元胞传输模型建模并进行仿真计算。仿真结果表明,事件发生的上游形成拥挤区并慢慢向上游传递;事件清除后,拥挤波的消散较慢并会蔓延较长的距离,其消散也需要较长的时间。因此,有效的交通管理对缓解交通拥堵,减少交通延误有着重要的意义。     

交通相变影响因素

交通拥堵极易发生在行人单向行走的通道瓶颈处,通过对入口通道使用格子气模型,出口通道使用Na Sch模型来研究通道瓶颈处的单向行人流,分析和模拟了通过瓶颈的行人流率与入流概率,不同的随机慢化概率,不同的入口宽度和不同的入口(出口)通道距离间的变化关系,给出了相应的从自由流到堵塞流的相图,结果表明行人的随机行为对自由交通流有着重要的影响。     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.     

低客流公交运营模式优化方法

为解决低客流传统公交线路运营效率低的问题,考虑低客流公交线路客流时空特性,提出了采用传统公交与需求响应公交(demand response transit, DRT)相结合的组合运营模式：全时段传统公交模式(M1)、分时段传统公交+DRT模式(M2)全时段DRT模式(M3)的优化思路。分析了不同运营模式的要素,考虑乘客空间、时间特征,构建基于三维时空聚类的站点规划模型;考虑车辆行驶成本、乘客时间成本,以总班次运营成本最小为目标,构建了带有时间窗的灵活型DRT线路与调度规划模型,运用遗传算法进行求解。以北京市某公交线路进行仿真实证,仿真结果表明：M2相比M1、M3分别降低了9.0%、23.0%的运营成本。研究可针对低客流公共交通服务的运营方案制定与优化提供技术参考。     

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。     

基于波峰搜索算法的视频客流计数系统研究

视频分析在客流统计上的应用是当前研究的热点及难点,常见的视频计数实现过程主要是依靠对象分割、目标跟踪、目标识别等尚未成熟的算法,尤其要实现目标的准确跟踪仍非常困难。为避免目标跟踪算法对计数精度的影响,文章在对象分割算法的基础上统计目标像素,再采用提出基于加权步长的波峰识别搜索算法对像素统计曲线进行识别,从而实现对乘客目标计数;最后以长途大巴车视频客流计数问题为背景,结合提出的计数算法设计一套完整的视频客流计数系统。实验结果表明,文中设计的客流计数系统能够对长途大巴车乘客有秩序上(下)车的视频序列准确计数,计数精度达到90%以上,并具有超载报警和智能结算等功能。     

蚁群算法在语音识别中的应用研究

提出了一种新的基于蚁群算法的语音识别中的动态时间规划方法——蚁群动态时间规划算法，并详细介绍了其基本原理、信息素更新规则，给出了系统流程图。经过理论分析与实验测试，证明了蚁群算法在这个系统中比传统的DTW算法更能提高识别率且更有效率。