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。     

基于AFC数据的突发事件下城市轨道交通乘客路径决策研究

为了更好地刻画突发事件下城市轨道交通乘客路径决策行为,提出一种基于AFC数据的乘客感知路径决策分析方法。通过突发场景问卷调查数据,构建突发事件下乘客等待时间阶梯函数。依据突发事件下城市轨道交通乘客出行特点,建立突发事件下路径效用函数。考虑乘客出行行为受期望到达时间约束影响,构建乘客感知的路径决策模型,计算各路径选择概率。算例实验结果表明,模型计算结果与真实值相对误差不超过15%。将突发事件下与正常情况下的进出站客流、换乘量和断面客流量进行对比分析,掌握突发事件下路网客流分布规律。     

城市轨道交通新线接入客流精细化预测模型

随着城市轨道交通的不断发展，每年都会有不同类型的新线或者延长线投入运营。新线接入不仅会改变原有轨道交通路网的拓扑结构，影响乘客出行路径选择，而且对客流时空分布有较大影响。以工程可行性研究报告中新线车站的开通年全日上下车人数为依据，采用改进的双约束重力模型实现新线车站相关OD客流量全日预测；建立路网及车站的分时进出站规律模型，实现新线相关OD客流量的精细化预测；采用加权平均法对既有车站OD客流量进行预测，并分析挖掘历史新线接入前后既有车站客流的变化规律，实现预测优化调整。提出的预测方法不仅可应用于新线接入前，为新线接入后的运营安全和科学高效的调度指挥提供有力支撑，而且可用于轨道交通线路规划阶段客流分布预测仿真。     

基于行为分析的突发事件下城轨站间客流分布预测

提出突发事件下城市轨道交通(城轨)站间客流分布预测方法,旨在为制定突发事件下的应急预案和运营管理措施提供决策支持。首先,提出突发事件下城轨受影响客流界定算法,界定受影响的客流;然后,针对受影响客流,基于非集计理论构建突发事件下城轨乘客的出行选择行为模型,捕捉受影响乘客的出行选择偏好;其次,建立突发事件下的多方式备选出行方案集合,结合乘客出行选择行为建模结果,预测突发事件下城轨站间客流的重分布。最后,基于某突发事件下某城市轨道交通系统的历史客流数据,对该预测方法进行验证。结果表明,该方法能够捕捉到突发事件下城轨乘客的出行行为特征,分时站间客流预测的平均绝对误差为2.05人,预测效果较好。     

城市轨道交通客流分布短时预测模型研究及应用

客流分布短时预测对于城市轨道交通运营管理和乘客出行服务具有重要的实际意义。采用自底向上的网络建模技术,利用动态仿真方法模拟乘客出行行为,构建城市轨道交通客流动态分布仿真模型,进行城市轨道交通线网客流分布短时预测,并通过实际AFC(自动售检票)刷卡数据进行二元校验。依托北京市轨道交通安全防范物联网应用示范工程,将其应用于北京地铁运营实践中,结合实例验证了模型的可行性和有效性。     

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BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

突发事件下城市轨道交通网络客流重分布预测方法研究与应用

城市轨道交通发生突发事件后,准确把握乘客出行路径选择行为特征及受影响客流分布是保障应急处置高效、有序的关键。基于突发事件下乘客出行行为特征变化的分析,提出了受影响客流的界定算法;基于突发事件下乘客出行方案选择模型和多方式出行备选路径集的构造,建立了突发事件下网络受影响客流重分布预测算法。利用广州地铁5号线某一突发事件数据对预测模型进行了精度分析,验证了模型的适用性和有效性。     

无缝换乘条件下城市轨道交通网络客流分配模型及算法

结合国内城市轨道交通无缝换乘的运营特点,充分考虑了影响城市轨道交通网络客流分配的主要因素（包括出行时间和换乘次数）,以及城市轨道交通网络的特有属性,构造城市轨道交通网络的广义费用函数,并分析乘客在城市轨道交通网络中的路径选择行为。在此基础上,基于随机用户平衡原则提出城市轨道交通网络客流分配问题的数学优化模型,在模型的求解中,分析目前常用的有效路径搜索方法并设计了基于图的深度优先搜索算法,以得出符合现实的有效路径集合,并给出求解配流模型的连续平均算法。最后通过北京市轨道交通网络的数据对模型和算法进行验证。     

客流数据在城市轨道交通网络化运营组织中的应用

客流数据作为运营工作的基础,是安排运力、组织列车和评价运营效果的依据。研究客流数据在城市轨道交通网络化运营组织中的应用,是提高路网乘客服务水平、降低运营成本的前提条件。结合北京城市轨道交通运营管理实际情况,针对网络化运营条件下的客流特性,分析了客流数据在路网列车运行计划编制、网络化运营组织协调、应急指挥工作中的应用,为网络化列车运行的合理组织提供了理论依据。     

城市轨道交通换乘站位置对乘客换乘路径选择的影响

[目的]城市轨道交通乘客实际出行中存在一些不宜量化的因素(如换乘站在线网中的位置等)。这些因素难以量化折算为城市轨道交通多路径概率选择模型中的出行路径阻抗,需要研究这些因素对乘客路径选择的影响。[方法]根据换乘站在城市轨道交通路径中的位置将换乘站划分为居路径前段、居路径中间、居路径后段三类。基于手机信令获取得到的上海轨道交通线网乘客出行数据,选取其中的典型OD(起讫点)对及符合研究要求的换乘站,将多路径概率选择模型计算得到的选择比例与路径实际选择比例进行对比,分析得到不同换乘站类型对乘客换乘路径选择的影响规律。[结果及结论]与居路径中间换乘站相比,乘客更趋于选择在居路径前段、居路径后段的换乘站进行换乘,其路径实际选择比例较模型计算选择比例约高10%。构建多路径概率选择模型时,不能简单地将换乘因素量化折算为阻抗,应对各换乘因素进行综合考虑。     

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。     

城市轨道交通过轨开行方案编制技术

提出了城市轨道交通网络过轨运营开行方案编制算法,采用固定停站方案和编组方案,研究最优的列车交路和开行频率。首先提出了使城市轨道交通运营成本和乘客出行成本最小的优化目标,提出了基于遗传算法的开行方案编制算法。以OD(起讫点)客流数据为基础,每代染色体目标函数值计算以开行方案生成、服务网络构建、有效路径搜索和客流分配为基本步骤,最后选择最优染色体为优化结果。为证明算法的有效性,开发相应的计算软件,以一"田"字形中型路网为算例,优化后的开行方案目标值比简单的单线独立开行方式降低了12.7%。     

基于网络可控性的城市轨道交通客流网络限流优化控制方法

城市轨道交通客流网络的可控性决定客流状态密度在时间空间上是否达到均衡。建立城市轨道交通客流网络模型,提出限流车站备选集评价指标。基于系统可控判定理论,将客流分布转化为系统状态方程,提出城市轨道交通客流网可控性判定方法,建立基于驱动节点匹配的路网限流车站优化方法,实现对城市轨道交通客流网络限流车站的优化控制。以北京城市轨道交通客流网络进行实证分析。结果表明,当限流车站达到车站总数25.3%以上时路网达到可控状态,并计算出早高峰时的路网可控状态下的最小限流车站集合。     

面向城市轨道交通网络规划的多粒度仿真建模

研究目的:目前,仿真技术开始在城市轨道交通网络规划方案的分析与评估中发挥重要作用。在网络化运营条件下,城市轨道交通路网规模和复杂性增加,使得系统建模和仿真评估的难度加大。为了高效、灵活地构建仿真系统,实现城市轨道交通路网规划方案的综合分析与评估,有必要研究城市轨道交通网络系统的多粒度建模与仿真方法。研究结论:(1)本文结合城市轨道交通各车站的地理分布特点,采用不同粒度的路网拓扑设施仿真模型和乘客仿真模型作为基本单元,通过集成的方式来构建多粒度的城市轨道交通路网仿真系统;(2)构建分层路网拓扑模型,可解决不同粒度仿真模型的空间一致性问题;(3)采用聚合建模的方法可解决多粒度车站模型的对象状态一致性的问题;(4)运用代理技术可实现多粒度模型间信息交互的管理,能够在系统集成中满足可扩展性与运行灵活性的要求;(5)运用本文构建的仿真模型,可对城市轨道交通新线接入后的路网客流分布与能力负荷状况进行仿真,以实现新线规划方案的分析与评估。     

基于空间加权的LS-SVM城市轨道交通车站客流量预测

为提高城市轨道交通车站客流预测模型精度,简化模型数据需求规模,提出基于空间加权的LS-SVM城市轨道交通车站客流预测模型。基于交通网络距离重新划分车站的影响范围,提出分距离影响带的线型和指数型空间权重系数方程,结合空间权重系数,输入区域特征变量和车站属性变量构建城市轨道交通车站客流LSSVM预测模型,运用动态改变惯性权重自适应粒子群优化算法(DCW-APSO)对模型参数进行优化选取。应用模型预测2011年成都市地铁1号线部分车站客流,并与其他模型进行比较,结果表明:模型明显提高客流预测精度,简化数据需求量,作为城市轨道交通客流预测的补充模型可以进一步提高系统的可靠性。     

轨道交通快慢线平行运营条件下乘客路径选择行为研究

基于快慢线票价一致的研究背景,分析城市轨道交通快慢车分线运营条件下乘客路径选择行为,按照乘客出行起讫点车站类型进行客流分类,考虑换乘时间和换乘次数对广义出行费用函数进行刻画,采用正态概率分布模型对案例中各类客流的路径选择概率进行求解。得出结论:快慢线列车开行比例较高情况下,当AB-AB类、AB-B类乘客乘坐慢车出行时间在21min和41min以上时,乘客将全部选择快车出行;而B-B类乘客在出行时间不低于52 min时才会考虑两次换乘方案。说明短距离出行时乘客倾向于选择直达方案;长距离出行时则更加倾向于选择能够实现快速出行的路径方案,尽管此种路径会牺牲一定的换乘次数,乘客会权衡换乘对总体出行时间的影响并选择最优路径出行。     

基于巢式Logit模型的城市轨道交通客流分配问题研究

传统的城市轨道交通网络客流分配方法使用了基于离散选择理论的多项Logit模型,与其相比,巢式Logit模型消除了影响因素的相关性,具有更好的解释能力。介绍了巢式Logit模型的原理及公式,以城市轨道交通网络中乘客的出行行为为研究对象,将乘客选择过程分为换乘次数选择和换乘路径选择两个层次,并以此为构架建立了城市轨道交通客流分配巢式Logit模型。通过实例,利用SAS软件对模型进行求解和分析,从概率角度用定量方法分析出行个体的出行选择行为和轨道交通网络流量分配,对于提高城市轨道交通网络化运营组织水平、进行合理的运能配置和构建城市轨道交通票务清分系统意义重大。     

城市轨道交通大客流等车时间计算模型

城市轨道交通的运营在早、晚高峰或突发大客流情况下,客流量超过列车最大承载能力,乘客将排队等待后继车辆而延长等车时间。乘客等车时间是评价交通服务水平和优化列车开行方案的关键因素。提出一种基于列车时刻表,利用排队论方法,准确计算严重拥挤情况下乘客等待时间的模型。针对乘客等车时间计算模糊的问题,在考虑乘客实时到达规律、OD(起讫点)分布、发车间隔和列车运能的基础上,创新地提出可用于城市轨道交通网络和双向的大客流和常规客流的等车时间累计计算方法,可为大客流的时刻表优化策略提供理论依据,并通过累计输入-输出算法计算大客流等车时间的实例,分析多参数变化趋势。实证表明,模型可用于城市轨道交通网络和双向的大客流和常规客流的等车时间实时计算。     

面向数据驱动的城市轨道交通短时客流预测模型

考虑城市轨道交通客流的时空交互关系,提出一种融合循环门控单元和图卷积神经网络的城市轨道交通客流预测模型(GCGRU)。首先,分析短时客流在城市轨道交通网络中的空间关系,建立图卷积神经网络提取不同车站客流的空间交互关系;其次,分析路网各车站客流的时间演化关系,并利用循环门控单元刻画各车站客流数据的时间特征,进而形成面向数据驱动的城市轨道交通路网短时客流预测模型。与传统方法相比,该模型能较好地刻画路网各车站客流的时空相关性,可以深度挖掘路网各车站客流变化的内在机理;同时与既有的图卷积神经网络相比,该模型提出了面向旅行时间的邻接矩阵,能够挖掘客流数据与运行图数据的内在关系,具有较高的精度和可解释性。最后,以广州地铁典型车站的出站量预测为例,验证该模型的有效性。结果表明:该模型在整体预测性能和各车站的预测性能上都优于现有模型,能较好地处理城市轨道交通客流的时空关系,精准地预测路网各车站客流变化。此外,通过邻接矩阵对预测精度影响的分析,进一步验证该模型的性能。