Vissim在城市轨道交通车站客流仿真中的应用

利用Vissim 5.10软件中的行人模块,选取北京地铁崇文门站早高峰客流进行模拟仿真。对仿真结果进行分析,找出了崇文门站的瓶颈部位,提出了优化措施。通过对比优化前后乘客在通行设施内走行速度和走行时间的变化,验证了优化措施的有效性。     

北京地铁4号线客流特征分析

对北京轨道AFC数据库(交通卡刷卡原始数据)进行提炼分析,并进行模型分配。以轨道交通4号线为例进行客流特征分析,论述客流在时间、空间、断面以及站点上的不均衡特征,以及换乘站的换乘客流特征,为轨道运营管理及客流疏导提供支持。     

客货分线条件下的铁路客运营销

随着铁路客运专线的建设,客货分线运输成为可能。面对铁路运输逐步客货分线后铁路潜在运能释放的重大契机,改变传统的铁路运输经营理念,优化铁路营销策略,谋求与客户建立长期稳定的关系,在发展中通过提供个性化的产品和服务,不断提高客户的满意度,才能在激烈的市场竞争中取得相应的市场份额。运用市场营销理论,依据客流调查,提出客货分线条件下铁路客货运营销的产品策略、定价策略、分销渠道策略、促销策略及相关的保障措施与策略。     

辩证分析城市快速轨道交通 TOD功能

根据在国内十几座城市轨道交通规划工作中遇到的问题,通过“把复杂问题简单化”的原则,从分析轨道交通方式、特点和城市结构发展规律入手,辩证分析在不同城市结构中轨道交通TOD功能和一般规律。     

成都轨道交通环线客流特征分析及运营模式研究

针对轨道交通环线大多采用的"鱼刺图"客流断面表达形式及内外环对称开行的运营模式存在的问题,通过运用国内首创的环形客流断面图对环线客流特征进行直观表达,在此基础上对其运营组织模式进行研究并提出不同的运营模式供灵活选择,以期对后续其他城市环线的设计提供参考。研究结论:(1)环线有别于放射性线路具有明显的客流特征差异,运用环形客流断面图方式,可读性和直观性更强。(2)根据环线的不同客流特征提出内外环对称、内外环不对称、大小交路、单向收发车4种运营模式。4种运营模式各有自身的适应性,在具体项目应用时应结合实际线路沿线站点情况及客流特征进行进一步研究比选。     

广州三条城际铁路线的客流特征分析

城际铁路是珠三角城市群内部互联互通的重要通道,实现了广州与周边城市的快速联系。通过对比研究了广深、广珠和广佛肇等3条城际铁路线的客运总量、空间分布、时间分布及客流成长等特征,为国内其他城市群发展城际铁路提供借鉴。     

城市轨道交通客流预测宏观指标统计分析这篇中文摘要写得很空泛，不太容易看出论文要点

城市轨道交通客流预测作为需求分析的有效技术手段,其预测结果的可信度和有效性将直接影响决策的精准度,重要性不言而喻。通过对北京、上海、广州、深圳、成都、南京等20余座城市的轨道交通现状运营数据进行全面整理与归纳,系统阐述网络客流、线路客流、车站客流的诸多特征,从负荷强度、网络平均乘距、线路平均运距、换乘系数、断面高峰小时系数、断面不均衡性、换乘客流量级分布、车站超高峰系数等客流预测关键技术指标进行特征探讨与规律总结,以期协助模型工作者更好地把握预测结果的合理性。     

城市轨道交通精细化客流预测系统设计与实现

针对大部分客流预测系统存在预测客流指标不全,时空粒度较粗,多场景的适用性不足等问题,以大规模网络化运营的城市轨道交通精细化客流预测需求为研究对象,分析适应多场景铁路网客流预测实现方法,利用Hadoop、Spark&Hive、Redis、微服务、H5等先进技术搭建客流预测大数据平台,实现铁路网交通出行量(OD,Origin Destination)的精细化客流功能,为调度指挥和客运管理提供进站、出站、换乘、断面客流量等全指标、精细化时空粒度的客流预测数据支持,提升轨道交通调度指挥针对性、客流组织合理性和客运服务水平。     

成都地铁13号线客流特征及速度目标值选择分析

随着城市化进程的快速发展,市域快速轨道交通系统将成为联系城市中心区、外围组团和卫星城,解决市域范围交通拥挤的重要交通方式,确定合理的速度目标值是市域快速轨道交通系统项目设计的基础。速度目标值与线路长度、客流特征、站间距离以及服务水平密切相关,直接影响土建工程规模及设备系统的选择。以成都地铁13号线工程为依托,分析了13号线的客流特征,根据其功能定位确定了合理的时间目标值,并从站间距离、线路条件、时间目标值、经济成本以及社会效益等多方面,对13号线速度目标值方案进行综合比选,进而确定13号线合理的速度目标值为140 km/h,并提出在总体速度目标值基础上,在中心城区范围内限速运行。     

基于周期时变特点的城市轨道交通短期客流预测研究

分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。