基于多时间粒度的地铁出行规律相似性度量

乘客出行规律对城市轨道交通运营管理至关重要,而不同时间粒度下观测到的客流规律差异较大。以往研究缺乏多时间粒度车站层级客流规律的量化研究。本文基于刷卡数据分析不同时间尺度下地铁出行规律的相似性。构建客流时间序列模型和相似性度量方法,使用连续五周北京地铁刷卡数据分别度量1 min到720min共16个时间粒度下,进站客流和OD客流与历史同期的相似性大小,并基于度量结果给出一定精度要求下预测短时进站量和OD量时的最小时间粒度推荐值,以综合相似性指标对全网车站的可预测等级进行划分。多角度统计分析结果表明,工作日客流与历史同期相似性较大,高峰比平峰、早高峰比晚高峰相似性大。     

土地利用因素对城市轨道交通车站客流的时空影响分析

通过建立城市轨道交通站点周边各类用地与客流的拟合模型,分析土地利用因素对客流的时空影响,为制订相关土地利用政策、合理组织站点客流提供依据。基于西安地铁4号线乘客出行特征数据,建立基于地理加权回归(GWR)的车站客流回归模型,量化分析了用地属性对车站客流的时空影响。结果表明:土地利用因素对早高峰出站客流、晚高峰进站客流的解释力较强;土地利用类型对客流的影响具有时空异质性,时间维度的变化与乘客出行目的有关,空间维度的变化与城市空间结构有关。与普通最小二乘回归模型相比,GWR模型能够刻画变量之间的空间异质性,具有更高的拟合精度。     

城市轨道交通车站站台客流集散模型与仿真

结合车站站台客流类型、客流集散流程和客流集散影响因素,建立城市轨道交通车站站台客流集散模型。采用Anylogic软件建立站台客流集散仿真流程和仿真模型。以北京地铁4号线北京南站站为工程背景,对其站台客流进行了仿真计算。结果表明,站台客流集散模型能有效刻画高峰时段内站台客流的集散变化规律,验证了仿真模型的可行性。进一步探讨了高峰时段内基于不同发车间隔和不同上下行时间差的站台客流集散变化规律以及疏散仿真试验。形成了一种可操作的站台客流集散动态分析方法,可为城市轨道交通运力配置和车站客流组织提供一定参考。     

城市轨道交通车站高峰客流偏差研究

城市轨道交通车站设计时,大多数城市采用预测的城市高峰小时客流作为设计客流。但由于城市轨道交通车站客流的高峰出现时段与城市高峰小时不完全一致,导致某些车站设计客流偏小。为研究城市高峰小时客流与车站高峰小时客流的差异,通过引入车站高峰客流偏差系数,合理确定车站设计客流。以西安市地铁为例,运用最小二乘支持向量机建立预测车站高峰客流偏差系数的模型,得出训练集拟合优度为0.71,测试集预测平均相对误差为2.41%,模型拟合效果良好,表明最小二乘支持向量机能够很好地预测车站高峰客流偏差系数。     

城市轨道交通车站高峰时段与高峰客流预测模型

现有轨道交通车站高峰客流预测方法简化了车站高峰形成过程,基于默认假设,即车站高峰小时与所属线路高峰小时一致进行预测,忽略了车站与线路间存在的高峰偏差现象,造成部分车站高峰客流量被低估,导致车站能力设计不足,站台拥挤风险增加。从车站高峰形成机理出发,基于用地发生率模型,考虑不同目的出行行为的差异化,对客流属性进行划分,引入不同目的的出行时间概率分布函数,建立站点尺度的高峰小时与高峰客流预测模型框架。该模型真实反映了车站高峰与高峰偏差现象形成的这一复杂过程,可解释性强、符合实际,且能适用于建成环境、车站特征和轨道交通网络服务等变化情形下的车站高峰客流预测。验证结果显示：1)提出模型较传统模型提升了43%～47%的车站预测精度(高峰客流相应的MAPE值下降了5.7%～6.38%,高峰时间相应的APE值下降了23～50 min),具有更广泛的适用性和更稳定、更准确的预测结果,能为车站设计和运营方案制定提供更可靠的决策依据;2)各类出行目的的峰值和峰尺度存在差异,按不同比例叠加后,会产生不同的叠加曲线。揭示了车站高峰客流形成机理为不同用地产生的不同出行目的客流时间分布叠加曲线的高峰。     

上海轨道交通早高峰客流拥挤与居民通勤关系分析

分析了上海轨道交通客流时段分布特征、客流潮汐现象以及拥挤断面分布等高峰特征。通过分析早高峰时段轨道交通客流的空间分布特征,找出经过高峰客流拥挤断面的客流去向。利用手机信令数据分析经过拥挤断面的外围轨道交通站点1 km范围内居民的职住空间分布,得出这些外围站点周边居民70%以上在中心城区就业、旱高峰集中乘坐轨道交通前往中心城上班的结果。分析了居民通勤的主要通道,发现通勤(职住)通道上的客流不平衡与轨道交通早高峰客流拥挤有较强的相关性。     

城市轨道交通车站闸机运用优化研究

随着城市轨道交通的快速发展和运输需求激增,大客流状态及伴随的客流潮汐现象逐渐成为城市轨道交通运营中的常态化现象,目前根据经验判断并制定车站闸机运用方案具有一定的主观性和控制滞后性。以车站客票数据为基础,分析车站进出站客流时间分布的典型特征、客流潮汐特性和闸机运用的不均衡性特性。提出利用出站高峰时段客票数据来计算车站闸机实际通行能力的有效方法,考虑闸机运用均衡性和客流控制需要构建数学模型,通过C#编程进行局部枚举获得闸机运用的优化方案,并通过以H站某节假日闸机运用优化算例分析,表明该模型和方法能够提升车站闸机运用的均衡性和客流控制的有效性。     

城市轨道交通进站客流量短时预测模型研究

利用数学方法可以改善城市轨道交通进站客流量的短时预测效果,促进轨道交通车站客流管理智能化水平。首先建立K近邻非参数回归模型,然后在传统卡尔曼滤波模型的观测方程中引入偏差修正系数以提高其预测精度;再采用贝叶斯方法将以上两模型进行组合;最后利用2013年11月北京市地铁13号线的进站客流数据,研究对比这三类模型在早高峰、平峰、晚高峰和全天的预测精度。结果表明:K近邻非参数回归的总体预测精度最高;贝叶斯组合预测模型次之,但平峰时段效果最好;基于偏差修正系数的卡尔曼滤波模型晚高峰时适用性较差。     

上海轨道交通世纪大道站换乘客流分析及车站改进设想

世纪大道站是上海城市轨道交通网中唯一一座四线换乘枢纽车站,其客流量不断攀升,换乘客流量位居全网络首位。基于客流统计数据,详细分析了上海轨道交通9号线3期东延伸段开通前后的世纪大道站早高峰时段换乘客流变化,总结了世纪大道站高峰时段的换乘客流特征。为满足大客流使用需求,结合世纪大道站的建筑构造和制约条件,提出了具体的整改建议,解决了世纪大道站现存的大客流安全风险问题。     

深圳地铁1号线不同类型车站客流时间分布特征研究

根据车站周边建筑功能构成,将城市轨道交通车站分成居住主导型、商办主导型、混合功能型及交通主导型车站。对深圳地铁1号线各类车站工作日的进站、出站及进出站客流时间分布特征参数进行了统计分析。进出站双向客流的合并统计削弱了峰值比例,从而低估了高峰时段客流的影响。为车站设施规模测算、规模敏感性分析等工作提供参考。     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

加德满都至博克拉铁路客运量预测研究

新建加德满都至博克拉铁路项目位于尼泊尔中部,线路由尼泊尔首都加德满都至博克拉,正线全长164.395 km。由于沿线区域欠发达,几乎无铁路分布,项目客运量预测存在基础资料少、铁路统计调查数据缺失等困难,针对上述困难,对预测的方法进行研究,根据项目客流特点,将尼泊尔划分为17个小区,采用四阶段法进行客运量预测。结合小区人口和旅游客流的现状及增长情况,预测各小区的交通生成量,采用重力模型法得到总客流OD,通过Logit模型得到铁路OD,最后根据最短路径法进行客流分配,从而得出项目区段客流密度和车站旅客发送量,本项目的预测对类似项目有一定的参考作用。     

常态化疫情防控下 节假日客流特征及策略研究

在常态化疫情防控下,节假日的城市轨道交通承担着保障疫情防控与助力拉动内需的双重任务,存在客 流整体吸引力不足与重点车站疫情防控风险大的矛盾。首先,对北京历年节假日城市轨道交通客流进行深入分析, 总结出常态化疫情防控下节假日客流特点;其次,研究历年节假日客流与影响因子互馈关系,梳理出 3 类 40 余 项节假日客流影响因子;再次,对影响因子进行逐一解析,找出城市轨道交通节假日客流吸引能力不高的主要原 因,即运营管理不精准、乘客出行不便捷、地铁线路不直达;最后,在城市轨道交通客流特征与原因分析的基础 上,提出运营优化策略：开展精细化管理,提供智慧化服务,推进一体化融合。     

北京轨道交通平谷线快慢线 规划设计研究

随着经济、产业和人口向城市群和都市圈不断聚集,市域(郊)铁路呈快速发展趋势。以北京轨道交通平谷 线快慢线规划设计为例,结合线路长度和沿线设站条件,推荐不同的线路区段设置不同的速度目标值。统筹考虑 客流特征、乘客乘车便捷、运营管理便利等因素,远期推荐采用 3 交路方案。依据高峰小时各站乘降量、车站功 能定位、主要换乘站、规划时间目标等因素确定快线停靠站点。平谷线客流具有较大的潮汐现象,建议其早高峰 上下行组织不对称发车。结合规划时间目标和配线方案,远期计划早高峰开行 4 对快车。     

苏州轨道交通节假日客流预测研究

节假日大客流往往会对城市轨道运营管理造成较大压力,及时准确地预测节假日期间客流,可以为城市轨道交通运营与管理部门制定运输计划、确定应对措施提供重要依据,保障节假日期间轨道交通安全顺畅运行。在分析节假日客流变化趋势的基础上,根据历史客流变化趋势获得基准客流;基于当前客流量水平,构建ARIMA-GARCH模型,预测轨道交通未来节假日各时段客流量。基于苏州轨道交通2018年与2019年的历史客流数据,对方法进行验证分析。结果表明,该方法能有效识别节假日客流特征,降低客流预测前期工作,并实现城市轨道交通节假日各时段客流预测。     

郑州地铁短期客流预测研究

建立符合郑州地铁客流特点的短期客流预测模型并运用到线网客流预测工作中。短期客流预测模型可预测未来1个月内工作日、周末及节假日的线网客流,为线网日常运营管理及运输组织工作提供有效参考依据。     

广州地铁线网车站大客流控制策略

随着地铁线网不断发展,地铁车站不可避免地面对大客流压力。在设备资源有限情况下,广州地铁采取车站级客流控制、单线级客流联控和线网级客流联控。同时在高峰时段定时启动客流控制,做好乘客宣传,确保车站客流组织的安全顺畅。     

线路客流预测分析与运营组织设计

从运营需要出发,提出客流预测的年限和内容;通过对客流量级的阐述,分析客流预测三级数据,确定运营的规模;根据OD(起讫点)客流分析来研究行车交路,做出满载率和拥挤度的评价;最终确定车辆编组与行车密度的合理组合,形成系统全面的技术方案,使客流预测更好地为运营组织服务.     

重庆轨道交通客流量分布特征

根据重庆轨道交通客流量统计数据,分析总结了重庆轨道交通客流量分布特征。重庆轨道交通客流量分布受居民出行行为影响较大,进出站客流量较大的车站基本分布于两路口站附近。不同类型车站的客流量分布特征也不相同,商业类、对外枢纽类和高校类车站的客流量分布相对均匀,其他类型车站客流量的早晚高峰明显。重庆轨道交通线网最大客流量断面位于换乘站上游,故应做好换乘站的客流组织工作,并提高设施承载能力。