有序样本聚类方法在城市轨道交通运营时段划分中的应用

为合理划分轨道交通运营时段并指导其开行方案,提出一种基于有序样本聚类技术的运营时段划分方法。根据统计时段内客流数据,引入单向OD(origin-destination)概率矩阵,并给出单向OD概率矩阵的时序模型和提取方法;利用有序样本聚类方法,以最优分割法量化站间客流转移规律,求解聚类方案。最后以某一轨道交通线路为例,提取时间间隔为20 min的上行OD概率矩阵时间序列,以最优分割法进行聚类,将站间客流转移规律相近的统计时段归为一类,提出目标线路运营时段划分方案。     

考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型

随着交通出行需求的快速增长,我国高速公路网络面临的运输压力日渐增加,经常出现严重的交通拥堵现象。为了缓解高速公路交通拥堵,并实施更有针对性的交通管控措施,提出了考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型。首先,利用湖南省高速公路以及国道、省道的地理信息数据构建区域多层公路交通网络。然后,根据OD对间距离和OD交通量的差异,利用K-均值聚类算法对OD对进行聚类分析,将OD对划分为3个不同的类别。最后,应用遗传算法筛选出各类OD对中对拥堵贡献较大的出行群体,并建立有针对性的混合路径诱导模型,对拥堵贡献较大和拥堵贡献较小的出行群体分别应用不同的路径诱导方案。当OD需求扩样系数设置为6时,对OD对聚类可以将总出行成本进一步降低35 186.03 min。在不进行OD对聚类时,使用规划路径的出行总数为79 140,而实施OD对聚类后,使用规划路径的出行总数为70 374。使用诱导路径的出行的平均出行时间由121.47 min下降为85.61 min,极少数出行(3.75%)的时间增加,且增加最大值低于3 min。对多个不同扩样系数进行敏感性分析进一步说明了考虑OD需求聚类的混合路径诱...     

城市轨道交通动态OD矩阵分析及估计模型研究

客流动态起讫点（OD）矩阵是城市轨道交通实现动态运营管理的重要基础，准确地估计动态OD矩阵对城市轨道交通实际运营管理水平的提高有着重要意义。文章从空间方面分析了起讫站点性质、终点站吸引量、线路属性、起讫站点是否同线的影响，从时间方面分析了列车发车间隔、OD间换乘次数和距离的影响。构建了城市轨道交通动态OD矩阵估计模型，并选取北京市城市轨道交通网络的局部区域作为验证案例，对所提出模型的估计效果进行研究分析，所得结果表明，文中的模型较采用历史数据进行估计，在早晚高峰时精度提高约4%～10%、平峰期时精度提高约8%～17%，同时在15 min、30 min、60 min粒度下全日平均精度分别提高8.67%、11.75%、3.46%，验证了模型的可行性。     

高铁货运动车组开行方案研究

开展"八纵八横"高铁网络背景下货运动车组开行方案设计,需首先研究高铁货运节点等级划分问题。采用系统聚类分析方法确定高铁货运节点等级划分应包括地区生产总值、社会消费品零售总额等7个指标,利用二次指数平滑法得到各指标2025年的预测值,据此进行样本聚类。同时考虑地理位置对高铁货运节点划分的影响,采用K-均值聚类进行区域划分。在综合分析2种聚类结果后将高铁货运节点划分为3个等级。根据高铁通道铁路平均货运分担率25.97%,推算出高铁货运分担率为5.19%,以节点等级划分结果中的第1、2层次所涉及节点城市为基础,计算"八纵八横"各高铁通道主要节点间的货运吸引力、OD预测量等,通过最小化列车虚糜得到货运动车组开行方案。     

基于OD反推模型预测客运通道客流量

OD矩阵是进行客流预测的重要基础数据,在实际操作过程中,获取吸引区之间的OD矩阵却是非常困难的,一般采用OD调查的方式,但缺陷是调查过程较为费时、费力。本文提出一种免OD调查,利用客流区段观测值直接反推OD矩阵的方法。首先讨论了传统"四阶段"模式与OD反推预测模式的联系和区别,然后阐述以重力模型为结构的基于区段客流量反推OD矩阵模型,并利用最大似然法对模型参数进行迭代求解,最后结合一个具体实例,运用该方法对武广客运通道的客流量进行了预测分析,采用试算法模拟重力模型的参数,误差控制良好,结果验证了方法的有效性。     

城市轨道交通客流时空分布特性研究

利用城轨自动售票系统(AFC)数据分析西安地铁1、2、3号线客流,得到不同类型车站客流特征,将典型车站不同时间的站间OD可视化处理,通过映射方式对OD矩阵时空分布情况进行可视化.结果表明:(1)由于西安是一个旅游城市,工作日只有早、晚高峰时段客流高于节假日,其他时段客流低于节假日;(2)早、晚高峰出行具有明显潮汐特性,...     

南京轨道交通客流时空分布特征分析

简述了南京市轨道交通运营现状和轨道交通客流发展现状。利用轨道交通大数据,分析了南京市轨道交通客流时空分布特征,研究了轨道交通客流分布规律。结果表明,城区轨道交通线路与市域轨道交通线路呈现不同的客流特征,工作日城区轨道交通线路早高峰小时系数基本在15%～20%,市域轨道交通线路早高峰小时系数一般低于城区轨道交通线路,周末(非节假日)城区轨道交通线路与市域轨道交通线路高峰小时系数一般均不显著,线路高峰小时最大客流断面基本位于换乘站附近。     

城市轨道交通环线试运营客流预测方法研究

为解决目前城市轨道交通环线开通试运营期间,客流预测OD数据难以获取、"初设"客流预测结果偏差较大的问题,考虑相邻轨道车站客流分布及出行规律具有相似性,提出一种"既有网络+新开环线"出行需求生成方法。既有线网OD计算以不同线路客流自然增长规律为基础;新开环线客流OD分布,根据环线车站进、出站客流量,结合环线车站位置分布以及既有线网组团间客流分布规律计算所得。经过验证,通过"既有网络+新开环线"算法实施轨道环线试运营期间出行需求预测,并将其在新的线网中分配,可实现线网客流情况快速计算,为线网运营组织安排提供依据。     

上海轨道交通将逐步延长周末及节假日运营时间

正东方网2月19日报道上海轨道交通将进一步延长运营时间。自2016年12月2日起,上海轨道交通1、2、8号线已经开启了周五、周六夜间延长半小时运营的模式。从今年4月1日起,1、2、7、8、9、10号线(不含2号线东延伸)逢常态周末(周五、周六)及节假日前最后一个工作日,将延长运营60 min;7月1日起,3、4、6、11、12、     

客运节点等级划分方法及列车开行方案求解策略研究

针对开行方案编制模型复杂、求解困难的特点,从制定开行方案求解策略出发,以客运站所在城市为节点,研究快速客运网客运节点的等级划分方法。以节点的定量和定性属性作为聚类分析参数,采用变量聚类选取合适的分类变量,再通过样本聚类将节点进行分类,并以2008年日均旅客发送量前100位的客运节点为例进行分类,结合客运专线规划和既有线的实际运营情况修正聚类分析结果,最后制定基于节点等级的旅客列车开行原则,为开行方案设计奠定基础,降低问题的求解规模和难度。     

基于集成学习的城市轨道交通乘客路径选择建模

考虑城市轨道交通路网不同OD间客流构成的异质性,基于数据驱动方法,研究不同OD特性与路径属性组合条件下的乘客路径选择机器学习建模问题,提出将模糊聚类与集成学习相结合的建模方法。运用FCM聚类方法将路网站点划分为若干类别,以模糊聚类结果作为子学习器的划分依据,构建了基于支持向量回归机(SVR)的路径选择子学习器,实现了基于OD类别隶属度对多个子学习器进行组合的路径选择集成预测。该方法既能体现客流特性的差异对路径选择的影响,也解决了难以直接获取乘客属性对建模与预测带来的难题,有效提高了模型准确性。以北京城市轨道交通为案例,对新线开通情况下的路径选择进行预测。     

基于聚类分析算法的铁路通信设备厂商信息智能分类

针对铁路通信大数据平台中设备厂商信息不规范的问题,提出一种采用聚类分析算法对厂商信息智能分类的方法,介绍聚类分析算法、相似度计算方法和聚类性能度量等理论,通过分词处理、构建词袋模型、权值转换等数据预处理技术,将文本转换为适合分类的权值向量,采用K-均值聚类、层次聚类算法分别对部分样本进行聚类分析,比较测试结果,最终选择层次聚类算法对所有样本进行聚类分析。该算法可以将不规范的厂商信息进行合理的分类,从而为形成厂商信息字典提供数据支持。     

基于聚类算法的上海轨道交通站点高峰特征分析

为进一步提高客流预测精度,客观描述早晚高峰客流分布形态,通过多次聚类对上海轨道交通运营数据进行峰值挖掘。利用DPEAK密度最大值算法进行数据中心化清洗;基于DBSCAN算法进行密度预聚类,初步判定特征类数;在此基础上,采用启发式K-Means算法对各密度类中心簇及边缘进行刻画;分类统计数据特征,通过组合分布函数对轨道交通高峰特征进行描述。经分析,该方法能够有效降低拟合误差,得出的组合分布函数可为上海市轨道交通线路早晚高峰客流预测提供参考。     

深圳市轨道交通周五大客流特征及成因分析

为了掌握深圳市轨道交通工作日客流日变化特征,以深圳市轨道交通一周的刷卡数据为基础,分析了工作日客流的总量及时间特征.针对工作日中周五客流较大的现象,进一步研究周五新增客流成因.从站点及线路特征、出行特征两个角度分析了周五新增客流的特征.结果 表明,周五客流增加的原因主要是有新的个体出行,而这些个体的出行特征具有一定规律.研究结果可为深圳市轨道交通工作日高峰客流的运营组织提供支撑.     

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。     

2018年中国内地城轨交通线路概况

<正>截至2018年12月31日,中国内地累计有35个城市建成投运城轨交通线路5766.6km。2018年新增乌鲁木齐1个运营城市;新增运营线路长度734km,新增运营线路22条,新开延伸段14段。进入"十三五"以来三年累计新增运营线路长度为2148.7km,年均新增线路长度为716.2km。在5766.6k m的城轨交通运营线路长度中,地     

西安首条地铁线路初期运营客流特征分析

以西安首条地铁线路(2号线)初期运营客流特征为分析对象,通过对客流时间及空间分布特征分析,运用数理统计方法计算得到2号线开通后不同阶段工作日和休息日的客流分布、站点乘降量、客流断面空间分布及乘客出行特征。通过这些数据可掌握西安地铁2号线的客流特征和增长趋势,为西安地铁后续线路的规划、设计及运营准备等提供参考。     

基于地铁售检票系统刷卡数据的乘客出行模式分析

地铁自动售检票系统可以采集大量乘客刷卡数据,可提供更全面的地铁乘客时空信息。对乘客的出行模式分析有利于城市轨道交通运营企业预测地铁客流和制定运营策略。提出了分析地铁乘客出行模式的数据挖掘方法:对地铁刷卡数据进行预处理,根据其时空信息生成乘客出行链;分析反映乘客时空特性的聚类变量;利用K-means聚类算法对各聚类变量进行乘客聚类;分析潜在的乘客出行模式。以深圳地铁刷卡数据为例,对提出的地铁乘客出行模式分析方法进行了试验验证。     

基于客流与运能高精度匹配的市郊线快慢车开行比例优化

城市轨道交通中的市郊线路,主要服务通勤客流。根据历史客流量数据将工作日全天运营时间划分为几个时段,分时段建立以运能与客流量最匹配为目标的非线性整数规划模型,并且通过LINGO软件工具对模型求解。以上海轨道交通16号线为例,对快慢车开行比例进行优化。     

基于模糊聚类的城市轨道交通车辆系统划分与故障统计分析

为保障城市轨道交通车辆安全可靠运营,对车辆在运营过程中积累的故障数据进行统计分析,挖掘故障规律。依据功能-原理-结构原则构造城市轨道交通车辆子单元的相关矩阵,并采用模糊聚类算法对城市轨道交通车辆进行系统划分。根据故障数据筛选原则进行数据预处理,并以所划分系统为基础进行故障数据分类统计分析,采用故障主次图、故障趋势图和故障点分布图综合展示分析结果。以某地铁公司一线路为例,进行车辆系统划分和故障统计分析,并给出对应的车辆故障点分布图,展示该线路车辆故障分布情况。