上海举办世博会条件下的城市与城际轨道交通网络

分析了2010年上海举办世博会期间的上海城市和城际轨道网络的运输需求，分析了举办世博会条件下上海城市和城际轨道交通网络存在的问题，提出了举办世博会条件下上海城市和城际轨道交通网络建设的建议。     

苏州轨道交通线网指挥中心的网络化运营模式优化

线网指挥中心是各城市轨道交通网络化运营深入发展后的必然选择,是网络运营协调、信息互联互通和应急处置联动的核心机构。在借鉴中国各典型城市轨道交通网络运营管理经验的基础上,基于苏州轨道交通在运营安全的严峻性、设备制式的多元性、线网结构的复杂性、运行组织的多样性、网络客流的波动性、出行特征的异质性、交通衔接的多重性等方面的运营需求,对线网指挥中心的运营职能进行优化。最后以网络客流分析为例,梳理业务流程并提出优化建议,为网络客流的精细化管控提供支撑。     

常规道路公交与网络化运营的城市轨道交通协作模式

在城市轨道交通网络化运营不断发展的进程中,常规道路公交需要有新的协作模式.研究了常规道路公交在城市轨道交通运营的正常状态和突发状态下的协作模式.在正常状态的运营条件下,常规道路公交可以起到延伸轨道交通运营时间和提高网络连通性的作用,在突发状态的运营条件下,常规道路公交可以为城市轨道交通线路提供区段或全线的替代功能.     

城市轨道交通行车调度中存在的问题与对策

分析了我国城市轨道交通行车调度工作中目前存在的问题,提出了城市轨道交通行车调度人员需要具备的各类技能和素质,如计划、协调、风险控制、承担责任、心理受压、控制情绪、开放经验等。建议通过习惯训练、沟通训练、自信心训练、案例推演训练、激励训练、拓展训练、标准化训练等途径,培养和提升调度技能。     

城市轨道交通网络客流大数据可视化

客流分析是轨道交通运营组织的基础,传统的客流分析方法无法从海量的乘客历史出行大数据中提取与挖掘乘客出行规律和特征。大数据可视化为获得洞察大规模复杂客流数据能力提供支撑。基于城市轨道交通网络实际运营需求,从客流认知、可视化、人机交互的综合视角出发,基于GIS地图、网络迁徙图、日历图、散点图、弦图等可视化图形,研究大规模复杂网络OD客流、断面、进出站和换乘客流大数据可视化的运营需求关键技术与实现方法。对上海城市轨道交通网络客流大数据进行实例分析,可视化展示结果有利于运营管理人员掌握网络客流时空变化特征以及演变规律,为制定科学行车与客运组织方案提供决策依据。     

上海地铁二号线运输能力的提高措施研究

目前上海地铁二号线的运输能力已经无法满足客流增长的要求,本文首先详细分析了二号线运输能力的影响因素,指出了折返能力是目前所有因素中最主要的限制因素,然后本文研究了站前折返条件下不同折返模式的能力计算方法,得出了可以采用交替折返模式、增加列车编组等措施来提高二号线的运输能力的结论。     

信号被动优先条件下的有轨电车运行图编制优化

以半封闭路权和共享路权的有轨交通线路为背景, 基于交叉口信号被动优先控制策略, 在给定的不同路口信号周期和绿灯时长条件下, 以提高有轨电车的旅行速度为目标, 研究了交叉口拓扑结构的定义规则和交叉口运行图的表示方法, 构建了有轨电车时刻表与交叉口绿灯信号配时优化的整数规划模型, 以某城市的一段有轨电车线路为例, 应用运行图编制软件对模型进行验证。计算结果表明: 当绿灯时长为15 s时, 无绿灯信号配时优化的旅行时间增加了341 s, 而优化后旅行时间增加仅为56 s, 节省了285 s。绿灯信号配时优化对于提升有轨电车列车的旅行速度具有非常明显的效果, 基于模型的计算结果能够编制出综合旅行时间最优的有轨电车运行图。     

基于WiFi嗅探数据的地铁网络客流分析技术

对地铁网络中客流流量和流向的多方位全过程动态监测是提升网络运营安全和效率的关键,也一直是网络化运营中的难点问题。Wi Fi嗅探数据可以对携带Wi Fi设备的对象进行动态跟踪,实现乘客出行时空轨迹的精准化识别。在对Wi Fi嗅探数据的采集原理、采集方法、数据结构、预处理流程分析的基础上,对目前上海轨道交通Wi Fi采集的嗅探数据质量、数据特征以及数据分析模型进行了详细阐述,并以上海轨道交通网络为例,对Wi Fi嗅探数据获取和特征分析的有效性进行验证。结果表明,目前上海轨道交通网络的Wi Fi嗅探数据采集和挖掘的技术条件已经具备,采集的数据质量也能满足客流特征分析的要求。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.