2010年上海世博会客流预测分析

一、2010上海世博会客流总数的预测分析 根据往届世博会客流的统计数据，以1970年日本大阪世博会客流数据为主要参照指标，绘制2010年上海世博会客流的大致分布曲线——日均客流在40万人次左右。同时，考虑上海世博会的会期为184天，认为上海世博会的客流总数大致为7300万人次。     

广州地铁海珠广场站换乘设计与实施

由于线网完善和城市规划调整,地铁建设无预留换乘节点的改造换乘站数量在增加。如何解决深埋、编组不匹配,无预留节点等改造换乘问题,成为地铁建设新的挑战。广州地铁6号线海珠广场站存在深埋、编组不匹配,无预留节点和周边环境复杂等问题,通过对不同换乘形式进行分析,在建筑设计上采用了L型平面换乘方式、单循环换乘的客流组织模式、台-台加厅-厅组合通道换乘形式;在结构设计上,通过采用明暗结合法满足了古树保护、历史建筑保护以及既有运营线安全等多项建设控制条件,成功实现了城市中心区复杂条件下的地铁换乘设计和建设问题。设计方法和实施经验对该类型的换乘车站具有借鉴意义。     

综合交通枢纽一体化规划建设要求

综合客运枢纽,综合客运枢纽内各种运输方式间换乘便捷、公共换乘设施完备,客流量大的客运枢纽应考虑安全缓冲。加强干线铁路、城际铁路、市域(郊)铁路、城市轨道交通规划与机场布局规划的衔接,国际航空枢纽基本实现2条以上轨道交通衔接。全国性铁路综合客运枢纽基本实现2条以上市域(郊)铁路或城市轨道衔接。国际性和全国性综合交通枢纽城市内轨道交通规划建设优先衔接贯通所在城市的综合客运枢纽,不同综合客运枢纽间换乘次数不超过2次。铁路综合客运枢纽与城市轨道交通站点应一体设计、同步建设、同期运营。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

地铁换乘车站火灾报警系统的资源共享

对北京地铁各种换乘车站进行分析,着重从换乘形式、运营管理、开通时序等角度,对换乘车站火灾自动报警系统的设置方案进行阐述;借鉴上海、广州的调研结果,通过对北京地铁实际工程方案的对比,得出适合北京地铁换乘车站火灾自动报警系统资源共享的最优建议方案.     

北京与伦敦地铁基于自动售检票数据的客流出行规律对比分析

基于地铁自动售检票系统连续一周的数据,从多粒度、多层次、多角度对比分析了北京与伦敦地铁乘客的出行规律。结果显示:北京与伦敦地铁乘客的出行频次分布相似,但伦敦地铁的高频出行乘客更多,而北京地铁的低频出行乘客更多;伦敦地铁的总体换乘比例略低于北京,更便捷,且伦敦的短距离出行比例远高于北京;北京地铁周末的通勤出行更多,而伦敦市民从周五至周日的夜晚出行更多。地铁乘客的出现规律不仅与城市结构,居民的工作生活状态有关,对城市轨道交通的网络结构及运营管理也有重要的参考价值。     

寒地城市地铁客流特性及网络失效研究

为分析寒地城市地铁客流与网络特性，挖掘客流与寒地气候的相关性，本文利用《寒区城市多模式公交协同运营技术与示范工程》2013—2020 年共 8 年 11 万余条地铁客流数据进行研究。提出效用阻抗Space L-Space P模型建立地铁抽象网络，将时间维度细分为周、月和年这3类， 研究地铁客流特性与扰动因素，并建立寒地城市地铁网络失效模型，分析扰动后地铁站点与线路的客流分布。进一步选取哈尔滨市与南京市地铁数据，运用转移熵因果关系分析地铁网络客流分布与气候的相关性，得到寒地气候对地铁客流的影响。研究表明：所采集的地铁客流数据能够充分展现客流的状态与变化趋势，能够满足客流数据分析的精度与质量要求。近8年，哈尔滨市地铁客流呈现明显的增长趋势，地铁客流分布呈现2月为客流低峰，3月客流逐步回升，3~12月客 流较平稳且具有轻微波幅；换乘客流中夏季呈现8月大于7月大于6月的趋势，冬季则2月换乘客流最低，大多在周一与周五达到周换乘客流量极值。由地铁网络失效模型识别出关键站点，得到 哈尔滨市冬季客流略高于其余3季，冬季地铁网络较脆弱，结合实际数据的模拟分析表明，温度与地铁客流具有一定相关性，且哈尔滨市的相关性大于南京市。     

弱客流地区公交线路选择与运营模式分析

针对农村地区弱客流特性和地形分布复杂的特点,以及存在的公交线路运营模式体系不健全等问题,选择树状路网为研究对象。在假定车辆运营信息和需求信息已知的情况下,建立以公交运营成本与收益之差最小和乘客出行时间成本最小为目标的线路选择模型;通过仿真分析,得出在不同决策目标下的最优公交车辆发车间隔和适合弱客流地区的运营模式。结果表明,选择绕行线路模式会使得系统效用值降低。     

关于公交大数据的思考

<正>大数据(big data),或称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。1数据的采集挖掘(1)营运方面:可采集营运车辆数、客流、营收、里程等。各车队将本单位实际营运的车辆人工输入系统,以汽车云卫士的车辆信息为基础信息,从而与营运统计等原有系统对接,可实时对车辆变