信息化——城市轨道交通安全和应急管理的利器

现代信息系统与城市轨道交通系统最大的相似之处就是都扮演着"搬运工"的角色:前者搬运信息流,后者运送客流.二者最大的价值也是因为这种相似.前者搬运的对象是社会运转的衍生品:社会生产和生活产生了客流、物流和资金流,与之相伴相生的信息流.     

基于客流变化的行车组织分析

阐明客流变化时的行车调整策略,即在地铁运营过程中产生突发客流时,行车人员运用抽线、加开列车以及在信号系统中加入设备干预等措施进行相应的行车调整,并针对性地提出数据分析、客流曲线生成软件的开发以及时刻表编制分析等方面的问题和建议。     

城市轨道交通客流增长滞后性与预测方法研究

城市轨道交通客流是确定城市轨道交通建设规模及投资决策的主要依据,然而客流增长速度并不与城市轨道交通建设同步.考虑到城市轨道交通客流增长的滞后性,利用上海城市轨道交通1996-2010年客流与建设数据,基于协整理论建立了向量自回归模型进行城市轨道交通客流预测.研究结果表明:城市轨道交通客流与城市轨道交通网络长度以及连接度存在协整关系;在城市轨道交通建设初期,客流增长对于网络长度具有显著滞后性,随着城市轨道交通系统的完善客流滞后性减弱;2011年上海城市轨道客流预测误差为9.3％.     

关于城市轨道交通线网规划的探讨

阐明城市轨道交通线网规划的目的就是要实行规划控制。规划研究的方法有经验分析法、客流预测法、公交增长法和多模块网络层次分析法等。规划主要解决的问题包括轨道交通在城市交通中的地位、作用及其网络层次、规模等。辩证理解“线网形态”、“轨道交通制式与敷设方式”、“客流预测”和“换乘形式”等概念？     

地铁双向同站台换乘线路方案研究

双向同站台换乘车站在国外和香港的地铁线路中多有应用,但在国内地铁设计中尚属首次。提出双向同站台换乘的概念并阐述其换乘原理,指出同向同站台换乘站和反向同站台换乘站的确定是实现双向同站台换乘的首要问题,并以杭州地铁1号线工程为实例,对实现双向同站台的换乘、需重点考虑的因素和存在的问题进行分析。     

基于Zigbee技术的城市轨道交通客流检测系统的设计

对城市轨道交通车辆空气弹簧的工作原理进行了研究,分析了列车载客量的计算方法,并提出城市轨道交通客流检测系统的设计方案.通过采集空气弹簧的内压值来计算列车的载客量,采用Zigbee技术实现车地数据传输,最终由以太网传输到客流分析服务器,实现对城市轨道交通客流的实时检测.     

长沙地铁2号线运营初期客流特征分析

开展客流特征研究对科学合理地设计轨道交通系统、优化运营组织设计具有重要意义。以长沙地铁2号线的地铁刷卡数据为研究对象,运用数理统计方法对其开通初期三年的运营客流进行分析,着重分析断面不均衡系数、车站进出站高峰系数与车站周边土地利用性质的相关性,线路客运量高峰系数与该线功能定位的关系,以及乘降量和换乘量的客流特征。针对上述结论对设计和运营提出建议,可为轨道交通的设计、建设、运营提供参考,也可为大城市轨道交通客流预测结果的合理性判断提供依据。     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.     

轨道交通线网多站连续换乘客流 组织研究

为研究轨道交通线网多站连续换乘下的客流组织,将连续换乘站客流分为本线同源客流和邻线同源客流,通过Pearson 相关系数判断连续换乘站的相关性,将相关性高的连续换乘站组团,作为大客流情况下客流线控、网控的研究对象以制订相应的方案。最后以广州市轨道交通网络为例,对满足条件的各组团本线、邻线同源客流相关系数进行计算,当同源客流相关系数 大于0.6即具有高相关性时,可制订客流线控、网控方案;以地铁3号线体育西路—珠江新城组 团试点制订线控、网控方案,得出两种方案下各关联站点的限流值,并提出线控、网控方案的启动时机。结果表明,采用线控、网控方案可以有效提高连续换乘站的客流控制效果和客流疏散效率。     

城市轨道交通常态与非常态短期客流预测方法研究

城市轨道交通客流特征除表现为常态的周期性、季节性及高峰性外,还会因节假日、体育赛事、城市大型活动、突发事件、特殊天气等因素表现出差异性和特殊性,本文对较为成熟的常态及研究较少的非常态客流预测方法进行了实验.首先利用通用的ARIMA时间序列预测算法分析样本历史数据实现常态日客流预测;其次针对客流特殊因素提出时间序列及回归分析的组合模型,同时引进虚拟变量和结合相似日样本数据进一步改进,实现非常态预测问题的高精度求解.仿真计算结果表明,本文方法对解决短期客流预测具有良好的适用度,尤其同样本同预测周期条件下的非常态组合改进模型和常用单一时间序列模型的对比,证明改进模型可以很好地应用在客流特征既包括随时间固有不变的性质又表现出特殊因素的研究中,具有较强的自适应性和更好的预测精度.