城市轨道交通商业业态配置研究

分析城市轨道交通商业业态配置过程中存在的问题,包括无法将客流转化为商流、商业业态同质化、商业业态种类单一。结合商业业态的配置原则、配置手段及配置目标,提出影响商业业态配置的主要因素,包括对消费客流结构、消费需求及其消费心理行为进行分析,据此提出合理的政策建议,即营造良好的地铁商业环境,引导消费者改变观念;引进多种商业业态,满足消费者多样化需求;制定合理的营销策略,引导地铁客流转化为商流;建立地铁商业品牌,实现地铁商业特色化发展等,以促进城市轨道交通商业的发展。     

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％.     

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.     

客流仿真模拟在城市轨道交通车站改造中的应用简

通过在重庆轨道交通3号线观音桥站改造设计过程中引入客流仿真模拟技术,对车站改造前后的客流密度分布、出入口疏散时间等进行仿真模拟,论证了观音桥站增建1个小站厅及2个出入口后,站内客流拥挤程度降低,出入口整体疏散时间减少,车站疏散能力明显提高。     

城市轨道交通客流预测主体数据的简化模型构建

文章深入、系统地解析城市轨道交通客流预测主体数据的全部数理关系,展示了实用、简化数据模型的构建方法,通过该方法可得到城市轨道交通工程设计所需的主体客流预测数据。     

影响城轨网络客流效果的关键问题探讨

城市轨道交通只有具备一定客流效果才能形成良性发展,针对国内部分城市轨道交通运营网络客流效果不佳的现实问题,基于轨道交通规划设计体系的梳理,指出影响客流效果的主要因素包括城市发展与轨道交通规划预期的一致性、相关规划体系的协调性、轨道交通自身服务水平及交通衔接的配合性,并基于此,从加强轨道交通规划建设与城市发展及交通需求适配性、沿线用地开发同步性、轨道交通设计及实施的人性化、交通衔接一体化以及完善机制等方面提出工作改进建议。     

城市轨道交通标准车站公共区布局模式研究

首先对研究对象进行定义和界定,通过分析占比较大的标准车站公共区常规布置模式存在问题,从客流特征和人类行为心理影响因素出发,得出影响公共区布局优劣的关键因素,在于增加有效进站点选择和提高服务水平,并提出针对较大客流、较小客流及较大进站客流这3种客流特征所对应的车站空间布局模式解决方案,从规模、空间、功能、结构等方面分析其主要布局特征和优劣。尤其是针对目前国内地铁愈加普遍的安检要求,从运营安全出发,分析应具有的公共区布局特征。通过分析,明确地铁标准车站通用标准设计应具有的基本属性。     

城市轨道交通换乘站站台宽度计算中客流取值的修正方法

针对现有城市轨道交通换乘站站台宽度计算中客流取值存在的问题,基于换乘站客流冲击性特征,给出城市轨道交通换乘站的换乘客流冲击系数的定义。在此基础上,根据换乘站的不同换乘线路行车间隔的差异性,提出城市轨道交通两线或多线换乘站的换乘客流冲击系数计算方法;并结合原始客流预测值,提出城市轨道交通换乘站站台宽度计算中客流取值的修正方法。最后,以已运营换乘站为对象进行案例研究,说明修正方法的合理性。     

地铁枢纽站三线同厅换乘设计

以大连站轨道交通枢纽换乘设计为例,通过对枢纽站客流特性分析,研究匹配大客流车站建筑布置,提出适合三线同厅换乘的设计原则,以此探究交叉干扰最小的单循环流线,进而优化换乘路径上空间组织方式,有效地控制三线之间的换乘距离,在满足高效便捷乘降的同时,保证换乘大厅的安全疏散。结合静态功能评价方法,分析站内设施服务能力,从而优化其布置形式,力求使地铁枢纽站能体现大客流公共交通建筑的特点,提高轨道交通枢纽站的服务水平。     

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。