不同类型的城市轨道交通车站客流时空分布特征

为明晰轨道交通车站功能类型，防范大客流风险和精细化城市管理，探究不同类型车站客流的时空分布特征，采用高斯混合模型(GMM)建立轨道交通车站类型识别方法，运用期望最大化(EM)算法进行求解，选择南京市轨道交通系统进行验证；从进出站时间分布和出行时间分布2个维度，探讨不同类型车站的客流时间分布规律；从车站间的客流起讫点(OD)分布，分析不同类型车站的客流空间分布规律。研究结果表明：南京市128个轨道交通车站可以划分为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型和枢纽综合型6类；不同类型车站的客流进出站时间分布差异显著，居住导向型和就业导向型车站呈现出典型的单峰形态，进出站客流比介于[0.23,5.59],具有明显的“早进晚出”或“早出晚进”客流高峰；职住错位型车站呈现出典型的双峰形态，进出站客流比分别为1.19和1.07,早晚高峰时段的进出客流较为均衡；错位偏居住型和错位偏就业型车站也呈现出双峰形态，但2个峰值大小不同；枢纽综合型车站没有显著的进出站客流早晚高峰，客流波动没有明显的规律性；不同类型车站的进出站早晚高峰时段不一致，其中早高峰时段出站时间的高峰比进站时间晚15...     

城市轨道交通网络客流协同控制模型

从线网层面构建城市轨道交通进站客流协同控制模型,为客流控制措施的制定提供理论依据。该模型以网络客流需求及分布特征为基础,建立客流需求与输送能力匹配度最大化和延误客流量最小化的多目标数学规划模型,计算控制目标条件下的车站最佳进站客流量,为限流车站选取、限流时段确定以及限流强度确定提供量化依据。模型具有计算简便、快速等特点,适用于大规模路网条件下客流控制策略的生成。最后,以北京市轨道交通网络为对象进行实证分析。研究结果表明:该方法能够指导车站限流措施制定,验证了模型的有效性和准确性。     

土地利用混合度对轨道交通车站客流的影响

针对土地利用混合程度如何影响轨道交通车站客流的问题,建立非线性回归方法对其进行量化研究.采用递远递减权重和相邻车站重叠区域人口分配权重来计算加权人口,并以车站客流/加权人口作为因变量,从而分析由土地利用混合程度引起的车站客流变化.构建最小二乘支持向量机模型来分析土地利用混合程度、岗位居住人口比以及车站客流间相互关系.最后,以日本东京都109个车站的实际数据进行案例分析,案例结果表明土地利用混合程度对车站客流影响较弱,而岗位居住人口比与车站出站客流呈现显著正相关.因此,客流预测过程中应以岗位居住人口比代替土地利用混合程度作为关键因素.     

空间异质性视角下常规公交客流影响因素

常规公交出行是城市客运体系重要的组成部分,其出行强度明显受城市建成环境的影响作用。以往建模方法未考虑影响因素之间的多尺度空间异质性问题,研究结果均存在一定局限性。以青岛市主城区为研究对象,首先基于公交GPS与IC卡数据提取常规公交客流为研究的因变量,并通过网络地图开放平台获取14个指标作为自变量;其次,通过探索性空间数据分析探究303个研究单元的常规公交客流空间演化特征;最后,分别构建地理加权回归与多尺度地理加权回归模型量化分析建成环境变量对常规公交客流影响的空间异质性。研究结果表明：与地理加权回归模型相比,多尺度地理加权回归模型的对回归结果的解释性更强;学校密度、医院密度、公交线路密度和停车场密度正向影响早晚高峰公交客流量,购物密度、土地利用混合度、距公交站点距离对早晚高峰的常规公交客流均有显著负向影响;公交线路密度、学校密度具有明显的空间异质性,对常规公交客流的影响程度整体上呈现由南向北扩散性递减的趋势。     

城市轨道交通网络突发事件影响客流量的计算

城市轨道交通网络发生突发事件而造成临时性中断后,因列车运行延误具有传递性和扩散性,此时各相关车站会形成延误客流、绕行客流及损失客流.引入图论的方法建立城市轨道交通网络局部中断评价模型;再结合轨道网络单位时段内各站点间的起讫点出行分布历史或预测矩阵,得到了在各个受影响站点的各种受影响客流的评价模型.根据这些模型可以得到网络节点破坏后各相关站点随着时间的推移而不断变化的受影响客流量、绕行客流量、拥堵客流量、延误客流量、损失客流量、损失时间等参数.通过对上海轨道交通的局部网络的分析计算,证明了该应急处置参考模型的有效性.     

基于LSTM的轨道交通进站客流短时预测研究

对轨道交通进站客流进行准确的预测有助于城市交通系统更好的管理,及时做出应对措施。使用Kmeans聚类方法对南京地铁113个站点进行聚类,得到5个不同类别的轨道站点,分析不同类型站点进站客流的时序特征以及天气与工作日因素对客流的影响,发现是否为工作日对进站客流影响最为明显。用长短时记忆网络将前35天的数据作为训练集预测后4天的客流量,将预测结果与循环神经网络和支持向量机做比较。结果表明:类别1和类别3站点的进站客流预测精度要优于其他类别,长短时记忆网络模型对居住型轨道站点进站客流的短时预测具有很好的适用性。     

城市轨道交通车站客流模态与控制策略

分析城市轨道交通车站系统内部设施客流的流动关系,建立车站内部设施客流演化模型,从系统行为的角度构建城市轨道交通车站客流状态模态集,从而刻画车站客流群体行为演化机理.基于系统动力学给出了客流模态的定义,利用车站系统的站厅客流、站台客流、中间设施拥挤度等关键变量,分析设施客流之间的非线性作用关系,建立车站内部设施客流演化数学模型.给出模型的解析解,分析并推导了平衡点的存在性和达到稳定的条件,同时给出了相对应模态的物理特征.以北京某典型地铁站为例,根据某工作日的进出站客流量以及满载率的变化情况,利用M atlab软件对模型求解并进行数值模拟,从而得到不同参数下车站客流随时间的变化曲线,并在此基础上给出了车站客流控制策略.     

考虑宏微观建成环境的共享单车骑行影响因素分析

针对共享单车骑行影响因素分析中对微观建成环境因素探讨的不足,以北京市五环内及附近街道为研究对象,基于城市多源数据,从公共交通设施、土地利用、人口经济属性、空间设计及道路环境5方面提取宏微观建成环境因素,并构建全局回归模型(global regression, GR)、地理加权回归模型(geographically weighted regression, GWR)及多尺度地理加权回归模型(multi-scale geographically weighted regression, MGWR),对共享单车骑行密度进行分析。研究结果表明：MGWR模型有更好的回归效果,调整拟合优度R²高达0.91;共享单车骑行密度空间上呈现“高-高”及“低-低”聚类两极分化现象;地铁站点密度为局部影响因素,公交线路密度及隔离护栏出现率为区域影响因素,其他建成环境变量为全局尺度;骑行密度显著影响因素的回归系数,在空间上较为平稳,单一变量的空间影响关系均为正向或负向影响;微观建成环境中,绿视率、交通信号出现率为正向影响,色彩丰富性及路灯出现率为负向影响。     

轨道交通换乘站换乘设施服务水平评价指标与标准研究

城市轨道交通换乘站作为轨道线网节点,其服务质量直接影响轨道交通线网整体服务水平以及运营效率。选取合理评价指标评价轨道交通换乘站换乘设施的服务水平,有利于提高轨道交通换乘站通行能力以及运营管理水平。在介绍轨道交通换乘站内部换乘设施及分析换乘设施服务水平影响因素的基础上,建立换乘设施服务水平评价指标体系;以苏州地铁广济南路站客流数据为基础,制定各换乘设施服务水平分级标准;考虑换乘客流方向不均衡性,运用加权法建立换乘设施整体服务水平评价模型,得出早高峰时段广济南路换乘站换乘设施整体服务水平为C级。     

城市轨道交通客运量影响因素与预测精度研究

城市规模不断扩大,我国城市轨道交通趋于高速发展,客流量是城市轨道交通建设规模的重要考量因素.为探究轨道交通客运量影响因素,以北京市为例,通过分析轨道交通客流的影响因素,探讨各影响因素与客流相关性;结合轨道交通发展规模,运用Matlab软件对客流量进行灰色预测,影响因子灰色关联度排序为:运营车辆数>运营线路数>运营公里数...     

基于不同时间粒度的城市轨道交通短时客流预测

为探究城市轨道交通进站客流量预测精度与时间粒度之间的关系,以西安地铁自动售检票(AFC)系统连续50 d进站客流量数据为研究依据,将地铁运营有效时间划分为5、15、30 min,1、2 h及1 d等不同时间粒度,并对不同时间粒度下客流量时间序列采用Pearson系数法进行相似性度量,然后利用差分整合移动平均自回归(ARIMA)模型对不同时间粒度下的全网进站量进行拟合。以Pearson系数等于0.95作为短时客流预测时间粒度的选取阈值,最终选取在30、60 min及1 d三种时间粒度下用ARIMA模型进行短时客流预测,并与自回归滑动平均(AR)模型、支持向量回归(SVR)模型和BP神经网络预测模型的预测结果进行比较分析。研究结果表明:时间粒度相关性系数变化呈现单波峰形态,在30、60 min及1 d时间粒度下,ARIMA模型预测结果平均相对误差分别为4.12%、3.54%、4.97%;在这4种模型中,ARIMA模型平均预测精度最高,在不同时间粒度下这4种模型的预测误差呈现相同的变化趋势,即平均预测误差由大到小的3种时间粒度分别为1 d,30、60 min。因此,时间粒度大小选取的极端化并不会带来短时客流预测效果的直接提升,优化后的时间序列模型在西安地铁全网进站客流量短期预测方面具有较高的精度,研究成果可为城市轨道交通行车组织优化提供技术支持。     

城市轨道交通客流预测结果的技术分析体系

针对目前城市轨道交通客流预测可信度较低的状况,建议通过对客流预测结果的评估分析来提高轨道交通系统的抗风险能力,提出了包含可信度分析、客流特性分析、风险性分析和敏感性分析在内的城市轨道交通客流预测结果分析的结构体系。从预测过程和预测结果两方面指出了城市轨道交通客流预测可信度分析的要点,以高峰小时单向最大断面客流量、时空分布特性为核心,建立了轨道交通客流特性分析指标;通过客流在成熟区域内的集中率和在某些车站的集中率,反映客流预测结果的风险性大小;提出了客流预测敏感性分析的技术路线,并进一步指出不同时期敏感性因素的选择,并对西安地铁3号线客流预测进行了全面分析。结果表明:其预测结果是可信的,但客流的时空分布很不均衡;客流预测存在较大的风险性,客流波动幅度较大。     

基于圈层人口变量的城市轨道交通车站客流预测

考虑城市轨道交通车站客流(指进出站客流)吸引范围内不同距离的人口对车站客流贡献率不同的情况,将人口按照距离车站的远近分为不同圈层,以不同圈层人口作为变量进行车站客流预测.通过偏相关分析验证圈层人口作为变量的合理性,同时获得影响车站客流的其他显著因素.针对线性多元回归预测模型的不合理性,建立了可反映车站客流与自变量高度非线性关系的BP(back propagation)神经网络预测模型.案例研究表明:基于圈层人口变量和BP神经网络的车站客流预测模型在减小误差方面明显优于其他模型,且具有很好的实时性.在上述模型的基础上,构建了已知任意车站背景变量,车站圈层人口对客流的贡献率模型.该模型验证的结果进一步说明基于圈层人口变量和BP神经网络的车站客流预测模型能够很好地反映圈层人口与其他影响车站客流的显著影响因素同车站客流之间的关系.     

基于Bi-LSTM网络的广珠城际短期客流预测方法

为提高城际铁路车站短时客流量预测的准确性,本文设计了一种基于双向长短期记忆网络(Bi-LSTM)的预测模型.首先分析了广珠城际铁路车站日客流量的时间分布规律,发现各车站日客流量存在着相似的分布特征,但工作日、周末和节假日客流量呈现出较大差异.以广州南站、珠海站以及小榄站3个车站的进站客流为例,选择时间窗步长为2和4分别...     

建成环境对网约车出行需求影响机制研究

【目的】研究建成环境对网约车出行需求的影响。【方法】以成都为例,采用不同尺度规则网格与交通分区两种方法,将研究范围划分为8种空间单元,针对每一种空间单元,利用多尺度地理加权回归（MGWR）模型进行回归分析,确定最优空间分析单元,根据最优带宽将建成环境影响因素划分为局部、区域和全局变量,分析各建成环境变量影响程度的空间异质性和尺度差异,探讨建成环境与网约车需求量之间的关系。【结果】1 100 m网格为最佳的空间单元划分尺度,在该划分尺度下,早晚高峰网约车需求回归模型决定系数R2分别为94.5%和96.7%;不同建成环境影响因素的空间尺度差异较大,且局部系数具有空间异质性,在早晚高峰不同时段变化较大。【结论】最佳空间分析单元可为预测网约车交通需求的交通分区提供参考,在针对不同区位进行客流需求调整时,空间异质性结果为制定更加合理的建成环境及更新策略提供决策依据。     

城市轨道交通开发利益影响范围研究

从理论上分析了城市轨道交通开发的受益对象,并通过案例分析了各受益主体的受益情况.在此基础上,以札幌市轨道交通线路以及上海地铁1号线莘庄站和莲花路站为对象,调查分析了城市轨道交通沿线房地产价格与车站距离的关系.同时,从城市轨道交通沿线区域可达性的角度,探讨了建立城市轨道交通开发利益影响范围理论计算模型的方法.研究结果表明城市轨道交通对沿线房地产价格的影响是有一定范围的;沿线房地产价格与车站的距离成反比关系;且车站离开市中心越远,对周边房价的直接影响范围就越大.     

基于充分可观控实验方法的城市轨道交通客流随机分配模型优化

城市轨道交通起讫点间路径客流分配直接影响各条线路断面客流量的大小,进行科学精准的网络客流分配是实施客流统计分析、客流预测、运输计划编制、客运组织等工作的重要基础。基于城市轨道交通客流在轨道交通线网内的时空分布是充分可观控的理论,辨析影响客流随机概率分配的主要因素,建立网络模型架构,基于随机效用理论优化乘客出行的微观路径选择行为和决策过程,将客流随机分配模型中的有效路径效益值函数优化为分段函数。通过对结果进行路径分配比例验证及分线断面客流量验证,说明优化方法达到预期目标,为实现规范化、科学化、系统化的城市轨道交通清分奠定了坚实的基础。     

基于SSA-LSTM组合模型的城市轨道交通短时客流预测

随着我国经济的快速增长及城市化水平的不断提高，轨道交通在居民出行中发挥着越来越重要的作用。作为影响城市轨道交通运营效益和服务水平的关键因素，客流精准预测受到运营管理者和研究者的日益重视。为提高城市轨道交通客流预测精度，提出了基于麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的SSA-LSTM组合模型。本文以杭州地铁一号线客流量数据为例，在选取轨道交通客流相关影响因素的基础上，利用建立的SSA-LSTM模型对相关站点进行短时客流预测，并与LSTM模型、遗传算法(GA)优化的LSTM模型(GA-LSTM)以及粒子群算法(PSO)优化的LSTM模型(PSO-LSTM)预测结果进行对比分析。结果表明，相比于前述参照模型，SSA-LSTM模型的预测精度分别提升了19.1%、9.7%和2.4%,并在均方根误差指标方面有更优异的表现。SSA-LSTM组合模型在城市轨道交通客流预测中具有一定的应用价值，具有协助运营管理者提高城市轨道交通运营管理效益和提高服务水平的潜力。     

基于双变量空间自相关的轨道与地面公交换乘服务水平分析：以北京市早高峰为例

轨道站点换乘服务水平分析有利于制定缩短换乘时间的规划策略和方案,而现有研究缺少利用公交IC卡的数据进行轨道交通站点换乘服务水平的分析﹒本文基于北京市公交IC卡的数据,对其轨道站点早高峰进出站客流量、轨道和地面公交线路间的平均换乘时间进行统计,并分别进行轨道站点进站客流量与公交换乘地铁的平均换乘时间、轨道站点出站客流量与地铁换乘公交的平均换乘时间的双变量空间自相关分析,以此探究轨道站点客流量与换乘时间之间的空间集聚关系,并将高-高、低-高集聚特征站点作为换乘服务水平较差站点﹒结果表明：公交-地铁换乘服务水平较差的站点有28个,地铁-公交换乘服务水平较差的站点有24个﹒最后,以国贸站为例,分析了其换乘服务水平差的主要原因,并提出了其地面公交运营的改善策略.     

高铁金华站乘客进站流线仿真分析与组织优化

为了提高高铁金华站新冠肺炎疫情期间乘客的进站效率，通过采用对实际客流量及设备进行调查统计等方法，研究了乘客进站过程中必须通过的设备优化配置问题，分析了高铁站进站流线与客流流线的评价指标.利用GPSS语言建立了高铁金华站乘客进站流线及其仿真模型，对金华站进站流线上的设备数量进行优化配置.研究结果表明：该方案可以提高工作效率，节省乘客进站乘车的服务时间，提高车站的综合效益.