城市轨道交通换乘站位置对乘客换乘路径选择的影响

[目的]城市轨道交通乘客实际出行中存在一些不宜量化的因素(如换乘站在线网中的位置等)。这些因素难以量化折算为城市轨道交通多路径概率选择模型中的出行路径阻抗,需要研究这些因素对乘客路径选择的影响。[方法]根据换乘站在城市轨道交通路径中的位置将换乘站划分为居路径前段、居路径中间、居路径后段三类。基于手机信令获取得到的上海轨道交通线网乘客出行数据,选取其中的典型OD(起讫点)对及符合研究要求的换乘站,将多路径概率选择模型计算得到的选择比例与路径实际选择比例进行对比,分析得到不同换乘站类型对乘客换乘路径选择的影响规律。[结果及结论]与居路径中间换乘站相比,乘客更趋于选择在居路径前段、居路径后段的换乘站进行换乘,其路径实际选择比例较模型计算选择比例约高10%。构建多路径概率选择模型时,不能简单地将换乘因素量化折算为阻抗,应对各换乘因素进行综合考虑。     

基于AFC数据的南昌轨道交通车站精细化分类

为满足城市轨道交通车站精细化客运组织需求,对车站进出站客流特性进行有效的分类管理。结合自动售检票系统(auto fare collection,AFC)采集的进出站客流数据,从车站进出站客流总量及时序特性方面入手,提出一种基于K-means算法的双层规划聚类方法对全线所有车站进行聚类并划分车站类型。首先以车站进出站客运总量为特征指标进行上层聚类,得出不同客运规模的车站大类;然后考虑车站进出站客流的时变特征,根据不同时段内的客流变化特点构建特征向量进行下层聚类,识别车站客流的时序分布特性。研究结果表明：利用本算法得到的分类结果与实际高度吻合,不同类别车站在客运规模和时变特性上差异明显。双层K-means聚类分析算法通过把握客运规模和客流时变特征,对车站进行精细划分,为车站的客运组织提供依据。