基于IC卡刷卡数据的深圳市轨道交通站点活力研究

基于深圳市IC卡刷卡数据,分析深圳市轨道交通网络客流分布的特征规律,探讨轨道交通的客流模式,并提出一种基于客流强度和客流时间持续性的综合评估指标,定量分析深圳轨道交通站点的客流活力分布特征,而后对轨道交通站点进行分类分析。研究结果表明：深圳轨道交通网络的客流分布极不均衡,少数站点占据了大量的轨道交通客流量,前10的站点客流比重为19.64%;不同类型的站点客流模式存在显著差异,工作日和非工作日客流模式也有所不同。深圳轨道交通网络活力相对匮乏的站点比重较大,超过60%,非工作日轨道交通网络的客流活力明显优于工作日。     

城市轨道交通市郊线快慢车开行比例优化研究

轨道交通市郊线连接了郊区与中心城区,乘客出行具有比较明显的时空分布不均的特征。对市郊线快慢车的开行比例进行优化研究可以有效解决乘客滞留,节约运营成本。以灰色预测模型为基础,通过历史客流数据预测未来短期各时段内的客流量。根据预测的客流值,建立市郊线某工作日各时段开行比例的优化模型,并使用分支定界法进行求解,并以上海轨道交通16号线为例进行了线路开行比例的优化研究。可以为市郊线快慢车开行比例的确定提供参考。     

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.     

西安地铁3号线客流趋势预测研究

在目前我国城市已运营的轨道交通线路中,实际客流与设计客流偏差较大的问题普遍存在。以西安地铁3号线为例,研究其现状客流特征,并与原设计客流对比,分析主要客流预测指标与实际值的偏差及原因。在综合考虑客流影响因素的基础上,提出3号线研究年度内各年客流预测推荐值,对其原客流预测进行校正。最后,结合3号线客流发展规律,对城市轨道交通规划设计及运营提出相关建议。在线路运营初期对客流趋势进行预测,为合理增购车辆、制定运营计划提供依据,为其他线路进行客流趋势预测提供参考。     

苏州地铁客流波动特性分析

为研究轨道交通客流的波动性,提出使用SARIMA+GARCH这一随机结构作为轨道交通客流的综合时间序列模型。在这个随机结构中,SARIMA模型描述客流时间序列的一阶状态,即均值特征;GARCH模型获得客流时间序列的二阶状态,即条件异方差特征。采用苏州地铁全网客流数据作为分析实例,对5 min、15 min和1 h汇集度的工作日和休息日客流共6组客流数据进行波动性建模、预测与分析,结果表明,SARIMA+GARCH模型具有较好的预测性能。基于各组客流数据的分析结果,分别对工作日与休息日以及不同时间汇集度之间的客流波动特性进行对比,结果表明:休息日客流的波动性强于工作日客流;时间汇集度小的情况下,客流的波动性会更强。     

新线开通后深圳地铁线网客流成长特征分析

分析深圳市轨道交通网络化发展过程中的客流变化特征,重点针对深圳地铁三期工程7、9、11号线开通后运营实际,从"网、线、点"3个层面综合分析轨道交通客流发展规律和时空分布特性,尤其是新建线路对原有网络的影响。网络层面重点分析网络客流规模、强度与地铁建设的关系;线路层面着重研究不同性质线路高峰断面、客运量增长特征的差异性;车站层面分析进出站客流、换乘客流、接驳客流的特征。通过对客流特征的分析,进一步针对未来深圳轨道交通规划设计及运营提出几点建议。     

深圳市轨道交通客流预测的新探索

客流预测工作是轨道交通规划设计和建设工作的重要环节和支撑,尤其是随着我国城市轨道交通进入新的发展阶段,灵活的投融资模式、运营管理的创新、线路功能的多样化对轨道交通客流预测工作提出了新的要求。深圳市基于多年轨道客流预测经验积累,在预测方法、研究范围和精度等方面深入探索和创新,在传统的规划、工程设计客流预测基础上,开展了一系列针对投融资方案研究、线路开通初期客流特征分析、旅游景区轨道客流分析等的客流预测工作,支撑具体项目推进,完善和补充客流预测工作体系。     

西安地铁2号线南段运营初期客流预测

以西安地铁2号线南延段开通日期为预测年限,通过设计、实施客流调查及AFC(自动售检票)系统数据分析,深入探讨2号线南段现状客流出行特征及既有线上的客流规律,运用在既有客流规律基础上的趋势推演法,通过标定车站客流与土地利用、到离站交通距离与地铁车站选择、合理轨道乘距等数学模型,从客运量与断面客流量两方面完成其开通初期的客流预测,为2号线南段开通的运输计划编制提供依据,为后期新线开通的客流预测积累经验。     

基于广义动态模糊神经网络的轨道交通车站进站量预测1

针对轨道交通车站短时进站客流的不均衡性、高度非线性和时变性特点，结合逻辑推理能力强的模糊技术与自学习能力强的神经网络，提出一种基于广义动态模糊神经网络（GD-FNN）的短时进站量预测方法。以北京轨道交通各车站的进站客流量数据为例，分析轨道交通车站的进站客流特征，确定影响短时客流分布的主要因素；然后采用GD-FNN方法构建车站短时进站量的预测模型，实现北京轨道交通系统若干车站进站量的预测，预测结果表明，该方法与传统的神经网络相比，预测效果更准确（最大相对误差小于8%），稳定性好。     

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。     

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。     

郑州地铁1号线客流时空分布特征分析

以实际运营客流统计数据为依据,从周客流、日客流、时客流等时间分布角度,以及从客流流向、区段客流等空间分布角度描述并分析了郑州地铁1号线客流的时空分布特征,并在此基础上提出地铁行车运营策略的改进建议。     

基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

广州地铁原2号线拆解后的车务组织回顾

广州地铁原2号线于2010年9月拆解,连同新开通的26.7 km,20座车站一起,形成新的2号线和8号线.由于原2号线停运工程拆解时间短,拆解后要立即按2条线来运营,故拆解前不具备条件进行运营演练.这就要求车务部门在拆解前做好车务组织工作.介绍了原2号线拆解前的运营车务组织工作,包括新2,8号线开通前,确定设备故障演练...     

上海地铁1号线车辆空调系统的部分负荷特性分析

基于上海地铁1号线车辆客流量的实时统计数据,对上海地铁1号线车辆空调系统在制冷季的实时负荷进行了计算,并分析了地铁车辆空调系统的部分负荷特性.分析结果表明,上海地铁1号线车辆空调系统的负荷在额定值的25％、50％和75％以内的累计出现时间分别占整个制冷季车辆空调系统运行时间的35％、71％和92％;在24℃～34℃的环境温度范围内,车辆空调系统负荷的累计出现时间约占整个制冷季车辆空调系统运行时间的79％.因此,如果地铁车辆空调系统能在部分负荷工况下以较高的能效比长时间运行,将节省较多的空调系统能耗.     

新建车站盖挖逆作法施工对既有车站的变形影响分析

以深圳市新建轨道交通7号线福民站工程为例,研究采用盖挖逆作法进行新建车站施工对既有4号线福民站结构变形的影响规律。通过三维数值模拟分析,揭示了既有4号线福民站受新建7号线福民站施工全过程影响的动态变形规律,为施工过程中既有车站结构变形发展预测和设计方案实时调整提供理论支撑;结合施工过程中实时动态监测资料,结果表明,数值模拟分析的既有车站沉降与实际监测成果吻合,也验证了盖挖逆作法施工的合理性,并为优化地层加固方案的决策提供了依据。