基于AFC数据的城市轨道交通短期客流预测实时修正研究

短期客流预测数据一般在预测日前1周或1月内生成，但突发疫情、恶劣天气等非预知情况会引起预测量与实际量有较大偏差，因此需要根据AFC数据对预测趋势及预测指标进行实时修正。首先建立基于AFC数据的客流实时清分推演模型，预测当前时刻前已进站但未出站乘客的出站车站、出站时间，出行路径及所乘车次；然后提出趋势修正策略，根据实时AFC刷卡数据及下一时段的预测OD客流量，采用自下而上的策略对下一时段各车站的预测OD客流量及预测出行记录进行修正；进而采用指标修正策略，将趋势修正与实时清分推演结果结合，生成下一时段全维度修正指标；最后以突发疫情为例，通过实验验证实时修正系统的应用效果。短期客流预测的实时修正能够进一步增强路网运营全貌监视能力及实时调度辅助决策支撑力度。     

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。     

基于列车满载率的城市轨道交通进站客流量控制

基于新冠肺炎疫情的防控要求，2020年初北京轨道交通将列车满载率作为客流控制指标，严格控制城市轨道交通的进站客流量。为此，亟需量化各车站的进站客流控制阈值，用以作为现场客流管控的依据。提出了基于列车满载率的进站客流控制模型及相关客流控制方案。首先根据线网的客流特征对控流日客流的OD(起讫点)信息进行预测，再结合列车运行图精确推演出乘客进站—上车—换乘—下车的全过程出行链信息，计算得到乘客出行所乘坐的各计划运行车次的列车满载率数据；然后结合列车满载率控制指标进行逆向推演及反算，得到该计划列次在各站上车的客流控制阈值，再根据车站客流分布特征计算得到各站10 min粒度的进站客流控制阈值；最后，举例说明了该客流控制模型在北京轨道交通线网进站客流控制管理中的科学性及有效性。     

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。     

基于出行时间匹配的ACC清分模型的研究

北京市轨道交通自动售检票系统清算管理中心(ACC)系统采用"两阶段、双比例"清分模型,在实践中取得了较好的效果,但此清分模型的关键参数即正态分布标准差的选择比较困难,影响了模型的使用。为此,提出了基于出行时间匹配的ACC清分模型,通过对乘客完成一次OD(起讫)出行的实际出行时间与所属时段的标准出行时间进行匹配,以此确定乘客的实际出行路径,最终完成票款清分和客流清分。     

基于上海轨道交通刷卡数据的乘客出行模式研究

乘客出行模式研究是深入认识城市交通的基础性工作,也是交通规划的重要技术支撑。基于上海轨道交通刷卡数据分析网络客流特征,以轨道交通出行全过程出行链视角对进出站客流量、站间客流量、乘距等出行要素的空间模式开展研究,发现上海轨道交通进站和出站客流量分布均呈现对数正态分布特征,乘客乘距服从负二项分布特征。研究同时发现,相比于幂律分布,上海站间客流量分布更加适合采用对数正态分布拟合。此外,工作日客流和周末客流在空间分布总体形态上较为接近,工作日客流分布更为集聚,周末客流分布则更为离散。     

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。     

基于客流大数据分析和支持向量回归的地铁乘客出行时间预测研究

随着地铁线网规模的扩大,地铁客流大数据不断产生并积累,其中包含大量信息。地铁乘客出行时间是反映地铁系统运行状况和乘客满意度的重要指标。传统的地铁乘客出行时间预测没有充分利用客流大数据,因此有进一步提升空间。文章基于地铁客流大数据,整理了大量乘客出行属性和实际出行时间的数据集,并采用多种回归模型建立地铁乘客出行时间预测模型。结果表明:使用径向基核函数的支持向量回归模型预测效果最好,可较好应用于乘客出行时间预测,为乘客出行规划及运营公司调度提供参考。     

苏州轨道交通初步成网阶段客流特征分析及启示

概述了苏州轨道交通的3个发展阶段(一条线运营阶段、两条线运营阶段和初步成网阶段),重点分析了线网客流的发展特征，主要包括高峰小时客流最大断面的客流特征、进出站客流特征及乘客出行OD(起讫点)特征等，总结了苏州轨道交通客流发展的4个规律。在此基础上，分析了目前苏州轨道交通线网存在的主要问题，为苏州轨道交通的进一步发展提出建议。     

基于深度Q网络的轨道交通客流控制

针对高峰时期城市轨道交通因有限运能,不足以满足乘客出行需求而引发的安全问题,需要采取客流 控制策略来调节进入车站的客流量,以缓解车站拥挤。提出一种基于强化学习深度 Q 网络的多站协同控制模 型,用来优化每个车站在一定时间内的进站量,以最小化地铁车站乘客的站台超限量、平均等待时间,提高 客流控制强度的综合效益。以北京地铁八通线为例进行仿真实验,验证该方法的有效性。仿真结果表明,所 提出的模型可以在客流控制强度较低的条件下有效地降低乘客等待时间,提高乘客出行效率,有助于缓解车 站的乘客拥堵。     

基于手机数据的地铁线网清分模型验证与优化

如何高效准确地验证并优化地铁线网票款清分清算模型是地铁行业一直以来的研究重点。地铁票款清分清算模型大多是基于概率分布的出行路径选择模型。该类模型应用出行时间对应选择概率的正态分布得到乘客对不同出行路径的选择概率,结合不同出行路径上各个线路运营商的运营里程比,即可计算得到所谓的"清分因子"。为验证现有清分模型的准确性,提出使用手机数据重建乘客出行轨迹的方法。通过在地铁线网换乘节点安装无线探测装置,获取乘客智能手机唯一的MAC地址,将乘客出现的时间、地点信息实时发送到数据处理后台,按照时间先后排列捕获乘客出现的地点,以此重建出行轨迹。目前只有开启Wi Fi功能的智能手机可以被捕获。通过这一方法,不仅可以验证地铁票款清分清算模型,还可以进一步对模型参数进行修正。本研究在杭州市地铁线网中进行实验,通过重建当地乘客实际出行路径,对票款清分清算模型进行验证和修正。     

网络清分模型的验证与修正方法

由于客流调查的局限性、网络乘客出行行为的差异性等因素的影响,需要进一步研究清分模型及客流分布计算结果的准确性及模型中的相关参数.介绍了城市轨道交通现有客票收入清分模型.依托上海轨道交通AFC(自动售检票)系统提供的基础数据,对清分模型参数进行灵敏度分析,提出了提高现有清分准确度的方法和手段.     

基于出行调查的轨道交通清分清算模型对比研究

在保证整个地铁系统一体化运营的同时,为了公平、公正地分配各运营商的利益,需要制订合理的清分算法模型,从而确保整个城市轨道交通系统的可持续发展。通过乘客出行调查问卷分析了城市轨道交通乘客的出行特征,根据轨道交通运营的相关参数筛选有效路径集,结合乘客出行的影响因素建立了2种多路径清分模型,基于实际调查数据进行参数估计,最后通过测算比较选出相对合理精确的模型。     

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。     

基于多路径的城市轨道交通网络客流分布模型及算法研究

城市轨道交通网络形成之后,为实施"一票换乘"需建立轨道交通自动售检票清算管理中心,进行客流信息统计和票务收入清分,而清分的核心在于解决客流在网络上的分布问题.本文结合城市轨道交通系统的基本特性,提出一种考虑乘客多路径出行选择的客流概率分布模型,并设计基于深度优先的路径搜索算法.该模型既体现了乘客出行阻抗最小化的选择心理,又反映了路径多样化的实际情况,具有较强的实用性.最后通过北京轨道交通网络实际客流数据验证模型和算法的有效性.     

城市轨道交通新站开通初期实时进出站客流量预测

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。     

考虑乘客旅行时间价值的市域轨道交通列车开行方案

[目的]鉴于市域铁路的功能定位,以及当前经济社会发展下乘客对出行快捷性、舒适性和经济性需求不一致的特性,需对考虑乘客旅行时间价值的市域铁路列车开行方案进行研究。[方法]构建了考虑乘客旅行时间价值的列车开行方案模型。该模型以乘客出行成本和列车开行成本为目标函数,以列车定员、站间客流及列车开行数量等为主要约束条件,同时采用帕累托模型对不同乘客的时间价值和不同编组列车的开行成本进行标定。以上海市域轨道交通机场联络线为研究背景,考虑了4节与8节两种列车编组形式,对虹桥站至上海东站站单方向高峰小时的列车开行方案进行了计算分析及评价。[结果及结论]考虑乘客旅行时间价值的列车开行方案能最大限度地减少乘客出行成本,更好地满足不同乘客的出行时间需求;增加乘客旅行时间价值较低的乘客旅行时间,缩短乘客旅行时间价值较高的乘客旅行时间,能更好地发挥列车开行方案的经济效益。     

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。     

东京轨道交通乘客平均出行距离特征分析

城市轨道交通乘客平均出行距离是城市轨道交通线路运营的一个重要指标。为研究城市轨道交通乘客平均出行距离,选取了东京轨道交通线路截至2006年的客流数据,针对不同年份的线路长度、乘客平均出行距离及其占线路全长比例等指标进行分析,总结了东京轨道交通乘客平均出行距离特征。