地铁车站客流指示与疏导方案优化设计

科学合理的车站客流指示与疏导方案可以帮助乘客在复杂的车站环境中安全、迅速、准确的选择行进路线。文章以南昌地铁双港站、庐山南大道站、地铁大厦站为调查对象,从基础设施设备、客流量、乘客进站走行时间三个方面进行调查,得出客流指示与疏导系统存在的问题。最后以地铁大厦站为例进行方案优化设计,并从站外引导、乘客进站、乘客出站三类流线模拟乘客走行记录时间来对比优化前后的效果,为方案优化设计提供依据。     

运营筹备阶段的地铁车站客流组织工作研究

为使地铁车站在运营开通后能够较好地完成运输乘客的工作,发挥地铁大运量的优势,车站必须预先做好客运组织的研究工作,指导车站的客运组织工作。所谓地铁车站客运组织,主要是指经过对车站设备、设施和空间以及车站周边环境的分析,制定符合地铁车站实际情况的乘客进站、乘车、下车、出站的疏导、指引方案,以及根据方案进行车站行车、票务和人员组织工作。     

基于AFC数据的地铁站点客流典型时变特征分析

地铁站点客流的时变特征是地铁客流管理和预测的重要参数.基于上海1个月的地铁自动售检票系统小时客流数据,采用K-Means聚类算法分析站点客流典型时变曲线特征,并利用POI数据计算点客流时变特征与站点周边土地利用之间的关联性.结果显示,上海地铁站点可分为居住导向型、就业导向型、商业型、混合型、混合偏居住型、混合偏就业型等.不同类型站点服务范围内的土地利用有显著差异,且二者之间有很强的相关性.本研究为地铁客流预测、地铁站点规划设计和地铁运营组织提供相关参考.     

基于逆向搜索的轨道交通车站客流瓶颈筛选方法研究

在城市轨道交通客流量急剧增加的同时,城市轨道交通车站的相关设施设备也暴露了严重的集散能力瓶颈问题。为了研究以设施疏散能力为基础的静态瓶颈识别方法,改善轨道交通车站客流组织方案内容,结合通行能力的理论计算方法,提出了一种基于逆向搜索筛选出车站客流瓶颈的方法:通过模拟乘客在车站的走行路径,结合各设备及通道等部位的通行能力,运用逆推的方法来找到车站疏散体系的瓶颈节点。最后,根据广州地铁三号线市桥站的车站空间结构和设施最大通行能力,进行了算法的实际应用。结果表明,该车站的客流瓶颈与实际观测的可能拥堵点相吻合,验证了方法的可用性和有效性。     

考虑换乘站客流疏解的地铁列车跳站与客流控制协同优化

早高峰时段，各大城市地铁线路和换乘站的客流运输与疏解压力巨大。本文首先说明部分列车在换乘站跳站，可延缓换乘客流乘车过程、降低换乘站客流疏解压力。在此基础上，构建地铁单线双方向列车换乘站跳站开行与客流控制协同优化模型，极小化乘客在始发站等待延误时间和换乘延误时间。其次，对相关非线性约束进行近似线性替代，将原模型转化为线性整数规划模型。最后，以北京地铁5号线早高峰为背景设计数值实验，使用优化求解器CPLEX调用分支定界算法求解模型，验证了模型的实际优化效果。实验结果表明，相较于列车站站停和既有客流控制，优化所得方案在14 min内使得列车运载的乘客增加了2954人，并使乘客在站外延误时间、换乘延误时间和总延误时间分别降低了58.9%、16.9%和41.6%。     

基于动态反馈神经网络的城市轨道交通短期客流预测

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作等的关键。文章在研究城市轨道交通的断面客流特征的基础上,建立基于动态反馈神经网络的城市轨道交通短期客流预测模型,提出通过若干组连续历史断面客流数据训练动态连续的神经网络,以此对未来客流进行预测;并以北京轨道交通某日早高峰客流为例进行分析,验证了该模型与方法的有效性。     

基于灰色关联决策的客运专线客流节点层次划分研究

针对客运专线客流节点层次划分问题,建立客流节点层次划分指标体系。对各个指标进行量化,明确决策指标,在其基础上建立灰色关联决策模型。并结合东北、华北的部分客流节点进行实例计算,验证了该方法的有效性。     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

基于动态时空神经网络模型的地铁客流预测

针对城市轨道交通站点客流预测问题，本文提出一种基于注意力机制的动态时空神经网络(DSTNN)模型。模型采用多分支并行架构，能够有效提取地铁客流的复杂时空特征，在空间维度上，全局和局部注意力机制相结合，实现站点间动态时空关联和静态拓扑结构的捕捉；在时间维度上，使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验，结果表明：相较于经典预测模型和深度学习模型，DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下，DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型(DCRNN)和物理虚拟结合图网络模型(PVCGN)分别降低6.63%和2.57%。此外，可视化分析证明了本模型对时空关联的动态学习能力，消融实验验证了各分支的有效性。     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。     

地铁车站设计中的客流参数研究

在地铁车站设计中,客流是众多车站部位规模和能力核算的重要参数。本文从地铁运营管理和功能疏散的角度,深化研究,提出超高峰客流量、最高聚集人数、紧急疏散人数三个参数指标．为地铁车站设计提供重要科学依据。     

多源数据驱动CNN-GRU模型的公交客流量分类预测

为精准分析公交线路与站点不同客流的出行特征及时变差异性,结合深度学习理论,提出了一种基于卷积神经网络(CNN)与门控制循环单元(GRU)组合的公交客流分类预测模型;融合匹配公交一卡通刷卡、公交车GPS轨迹、线路和站点基础信息、气象等多源数据,实现公交客流数据重构;采用K-Medians算法将乘客分为通勤类和非通勤类;以乘客类型、历史客流量、时段、高/平峰、星期、降水量、重大活动等因素为输入向量,分别建立CNN与GRU单一模型,并利用均方误差、均方根误差、平均绝对误差为评价指标,开展预测;针对单一模型不适用多特征时间序列预测等问题,分别构建了由CNN和GRU组合的线路客流和断面客流预测模型;以北京市特15路公交为例,预测工作日与非工作日场景下的线路及断面的分类客流。分析结果表明：对于通勤类和非通勤类线路及断面客流,组合模型的均方误差相比单一模型平均降低了57.932、13.106和33.987,均方根误差平均降低了1.862、1.058和1.538,平均绝对误差平均降低了1.399、0.487和0.613,可见,多源数据驱动下的CNN-GRU组合模型具有良好的预测性能。     

基于乘客出行时间的公交站距优化研究

经济的发展带动交通事业的进步,公共交通已成为人们出行过程中必不可少的工具。因此,如何提高公共交通运行效率也成为人们研究的重要内容,而对公交站间距的优化更是重中之重。本文在分析乘客出行过程的基础上,以时间为衡量标准,提出乘客出行时间最小的公交站距优化模型;并结合实际数据对各影响因素进行灵敏度分析,验证了模型的适用性和有效性。     

基于柔性多体动力学的地铁车辆半主动控制

为了对地铁车辆的运行性能实现更准确的评估和更有效的优化,借助有限元理论和子结构理论建立了车体和转向架构架等关键零部件的柔性动力学模型;基于天棚半主动控制算法和柔性多体动力学理论,建立了考虑半主动控制悬挂的地铁车辆刚柔耦合动力学模型;考虑轨道随机不平顺的影响,研究了半主动控制悬挂以及结构柔性对地铁车辆运行稳定性和乘坐舒适性的影响。研究结果表明：相对于传统的悬挂装置,天棚半主动控制极大降低了车辆的振动加速度,并使其变化趋势更加平缓,对车辆的低频振动有明显的抑制作用;采用本文的研究参数,天棚半主动控制在直线段可使车辆的垂向Sperling指标和垂向振动加速度均方根(RMS)分别降低26.8%和7.5%,使车体横向Sperling指标和横向振动加速度RMS分别降低8.8%和4.9%,而在曲线段,天棚半主动控制可使车辆垂向Sperling指标和垂向振动加速度RMS分别降低25.1%和5.7%,使横向Sperling指标和横向振动加速度RMS分别降低15.6%和8.3%,车辆的乘坐舒适性和运行稳定性大幅提升;考虑结构柔性时,车辆的垂向Sperling指标和垂向振动加速度RMS相比于未考虑结构柔性时分别增大了4.3%和6.8%,横向Sperling指标和横向振动加速度RMS分别增大了3.0%和3.4%。可见,车体和构架的结构柔性对车辆的动态特性有较大影响,在对车辆运行稳定性和乘坐舒适性进行计算和评估时不可忽略。     

安阳市基于多源大数据融合分析的公交线网优化评估

安阳市线网优化以数据为支撑,利用手机数据与公交数据融合分析,依据规划者的实践经验,在传统线网优化的方法上,更注重对数据的分析使用及方案的落地实施。在线网优化中,除考虑线网的布局调整外,将运营组织优化作为线网优化的另一重要内容。     

地铁综合监控系统的联动功能设计分析

综合监控系统的联动功能可有效提高地铁的应急处理能力,减轻紧急情况下运营人员的工作压力,避免发生不必要的操作错误,降低劳动强度,是地铁安全保证的核心,同时也是提升运营效率的有效手段。针对地铁综合监控系统的联动功能,阐述其设计原则,并介绍联动的触发、控制方式以及配置管理,最后设计地铁运营中一些典型的联动预案。     

基于和谐理念的出租车客运系统发展研究

从行业管理角度出发。采用和谐理念．分析当前出租车客运系统的“负效应”。探讨其表现形式和成因。通过对目前出租车客运系统和谐状态的判断。指出相关的和谐要点和简单措施。     

基于多源遥感数据的青藏公路走廊积雪灾害评价

利用多源遥感数据信息, 开展了青藏公路走廊所在区域的积雪空间分布特征调查, 对重点路段进行了积雪灾害评估。充分考虑了地形和山地积雪特征, 采用多种去云过程和步骤相结合, 完成逐日积雪云量消除。利用无云MODIS逐日积雪面积数据统计年均积雪日数, 在大尺度范围内提取公路积雪信息, 判断整个线路中重点积雪路段。利用Landsat影像的高空间分辨率特性, 采用归一化差值积雪指数阈值法识别重点积雪路段各里程处积雪和非积雪区域, 有效提取了公路重点积雪路段积雪空间分布信息, 更加精确地对公路积雪灾害进行监测和评估。基于影像时空信息对云覆盖像元下地表温度信息进行了重建, 并对代表性问题进行分析验证, 采用重建的MODIS逐日地表温度计算年均地表温度, 对青藏公路走廊沿线重点积雪路段的积雪灾害信息进行判断提取。分析结果表明: 评价方法可以有效地对青藏公路走廊沿线积雪分布进行监测与提取, 重点积雪区域主要分布在昆仑山、五道梁、风火山、唐古拉山, 其中部分路段积雪量较大且易发生道路结冰现象。