西安地铁换乘站大客流组织研究

地铁换乘站客流组织是地铁运营管理的重点,当换乘站出现大客流、或某条线路发生延误、运能不足导致换乘站大客流事件时需要客流组织以及行车组织的相互配合,确保地铁安全运营与乘客人身安全。该文以北大街站为例,研究了大客流情况下线网联动,行车组织配合的措施。     

基于多智能体仿真的城市轨道交通限流策略

针对高峰时段城市轨道交通线路过饱和客流的运输效率问题,基于地铁线路的网络拓扑结构与客流需求矩阵,建立了以客运周转量最大为目标的城市轨道交通线网限流的多智能体仿真模型。该模型以Anylogic软件为建模基础,通过构建列车类、线路类、路网类、乘客类等4类智能体,实现了乘车限流、站台限流和闸机限流等客流控制手段,提出了针对单线多站地铁线路的全线协调的客流控制策略。规模为23个车站、122 933对OD（起讫点）的某条地铁线路的客流控制实验结果表明,限流提升了1.01%的总客运周转量。     

考虑安全的城市轨道交通三级客流控制模型

针对城市轨道交通高峰期车站内聚集大量乘客而导致的安全问题和运营管理不便的问题,对单线多站和车站内部建立客流控制模型,为高峰期实施客流控制提供理论依据。首先,依据车站内部的三级控制策略和单线多站协调客流控制影响因素,对乘客的乘车过程进行动态建模;然后,建立以乘客等待时间最小为目标函数的客流控制模型,根据计算精度选取单位计算时间t_0,将时间进行离散化,运用CPLEX求解器进行求解;最后,通过算例进行验证。研究结果表明:此模型能在高峰期通过控制线路各站及车站内各区域的客流人数,在均衡线路车站等待客流的基础上,将各车站等待乘客压力分至其各区域,避免站内乘客过度拥挤,从而保证车站的安全与运营管理的正常进行。     

基于乘客个体属性的地铁客流分配算法及实证研究

针对城市地铁网络,考虑了不同类型乘客在路径选择中对换乘费用的不同敏感程度,提出了基于乘客类别的广义路径费用模型,根据logit随机配流构造了考虑乘客分类的城市地铁网络客流分配模型,并提出了相应的计算方法.采用北京地铁网络为实证研究对象,根据SP调查数据,将乘客进行类别划分并对不同类型乘客进行了相应的参数估计,基于地铁实际数据分别采用不同配流方法进行了验算,并与实测数据进行了对比分析.结果表明,相对于不考虑乘客类型的地铁客流分配方法,基于乘客属性的地铁客流分配算法的计算结果更接近实际.     

广州地铁1、2号线AFC系统改造策划

广州轨道交通AFC系统是一个计程计时的全自动收费系统,系统使用非接触式IC卡等作为车票媒体。系统所有设备均具备处理非接触IC卡车票能力,包括羊城通及轨道交通专用非接触IC卡车票。设备的处理能力及存储容量至少满足工程远期设计客流的要求,并实现地铁已建及后续线路乘客付费区换乘的要求,并且与羊城通兼容。     

广交会期间地铁运营组织优化的分析与研究

随着“广交会”规模和展馆的不断扩大，参展国家和人员不断增加，客流分布也随之朝着更为集中的方向发展，带给广州地铁的客运压力也进一步加大。因此，针对“广交会”期间大客流组织的研究，有利于提高境外乘客的满意度，提升广州地铁的品牌价值，并有助于广州市国际形象的提高。     

地铁换乘站客流组织研究

本文介绍了地铁换乘站客流组织特点,对换乘方式以及站台组合形式展开了研究,通过分析影响地铁换采站客流组织的因素,提出了一些有助让乘客用最合理的方式进行换乘、有效缩短乘客换乘时间、促进车站客流组织合理性的措施。     

基于客流规律的地铁车站客流风险分析

地铁车站类型识别和客流风险识别对地铁安全运营管理有着重要的作用。基于深圳地铁AFC(automatic fare collection)系统数据,采用无关值和异常值清理、聚合、均值滤波、标准化、主成分分析等数据清洗步骤,提取不同时段客流比例、不同天数客流比例和换乘客流比例等特征。运用Gauss混合模型(GMM)对工作日和周末客流进行聚类,分析客流出行规律,辨识车站类型及其对应的客流风险时段,提出车站客流风险分析方法,通过大数据分析对车站类型和客流风险进行识别。分析结果对掌握车站大客流风险情况,避免大客流冲击造成的拥挤踩踏等群体性事件的发生,保障乘客安全具有指导意义。     

地铁服务管理模式分析与探讨

本文根据广州地铁乘客服务管理现状,综合分析和研究了广州地铁乘客服务管理业务模式与业务需求,尤其对乘客服务信息发布重点开展了的专题研究工作,为如何提高地铁乘客服务管理水平提供了参考。     

科技掠影

地铁 第一条地铁早在1863年就在英国伦敦建成了,但地铁直到本世纪才在世界上得到大发展。地铁是指在城市地面下隧道中修建的电力铁道,能大量、快速、安全地运送乘客,可缓解大城市严重的交通堵塞问题,战时还可掩蔽人员和物资,起防护作用。地铁主要由车站、区间隧道及出入口等组成。车站设在客流集散量较多的地点,如主要街道的交叉口、广场、火车站、体育场、公园附近及地铁线路交叉处,由地面站厅(或称简易出入口)和地     

短时事件下的地铁乘客路径选择行为研究

为研究轨道交通短时事件下出行者的择路行为,将在途出行者的择路行为分为3类,并引入前景理论描述其出行行为,考虑了行程时间、出行费用及换乘次数3类因素,以Logit模型为基础,建立流量加载模型。最后以广州塔地铁站为研究对象,分析地铁不经停情况下的乘客择路行为,比较了乘客对换乘次数敏感及线路换乘次数增加的影响。结果显示:当乘客对换乘次数敏感或线路换乘次数上升时,线路流量与换乘次数负相关;乘客的路径选择行为是3类因素的客观大小及乘客的主观偏好的共同结果。     

城市轨道交通换乘常规公交时间优化模型

为探究城市轨道交通换乘常规公交的时间优化模型,以上海市晚高峰时段地铁6号线金桥站换乘874线路公交车为例,利用统计分析软件,分析客流到站时间,得到对数正态分布;并在此基础上建立乘客候车时间模型,运用调查所得数据设置模型各参数值;最后以乘客候车时间最少为目标函数,利用遗传算法求解得到874线路公交车优化后的到站时间.结果表明:利用时间优化模型求得的874线路公交车发车时间与优化前的发车时间相比,乘客的候车时间平均每人节约约52.8 s,有效提高了人们的出行效率.     

上海地铁车站通行设施选择行为影响因素分析

乘客对自动扶梯、楼梯和厢式电梯等通行设施的选择在很大程度上决定着车站内地铁客流的状况,本文以上海地铁为研究对象,采用问卷调查法和走访法对乘客的出行行为特征进行调查,对获得数据和信息进行整理分析,反映乘客日常出行现状及对通行设施选择的情况,量化各种主观和客观因素对乘客选择行为的影响,总结主要影响因素,为地铁站内客流组织方案的设定和修改提供参考。     

地铁安全门

出门在外,但求行得顺心,走得舒心。地铁安全,有“门”把关—— 地铁安全门作为保障乘客在站台候车时的屏障,在世界所有新造地铁中都有所采纳。在中国,第一条带安全门的地铁线路是广州地铁二号线。     

里约“奥运地铁”开通

正为2016年夏季奥运会修建的里约奥运地铁4号线日前正式通车,巴西代总统特梅尔与国际奥委会主席巴赫成为第一批乘客,为地铁揭幕。据报道,由于该线路将里约市区及奥运会主场馆所在地之一巴哈奥林匹克公园连接起来,所以又有"奥运地铁"之称。这条线路的开通使得从里约市中心到奥林匹克公园所在的巴哈区用时缩短一小时。这条为奥运所开通的专线原计划于去年12月建成     

地铁运营中断下多目标应急公交调度模型研究

考虑地铁运营中断条件下应急公交站点泊车能力受限以及轨道交通折返站和换乘站客流压力较大的特征,在应急公交标准接驳线路的基础上设计了补充接驳线路,来降低乘客的出行延误和提高应急车辆的疏运效率.将线路规划与车辆调度集成一个模型,以应急公交站点的泊车能力、车辆运力、派车能力以及乘客容忍时间为约束条件,构建了多 目标应急公交调度优化模型.利用改进的NSGA-Ⅱ算法求得Pareto分布优化解集,同时采用隶属函数从Pareto前沿中挑选出最理想的折中解,并进行实例验证以及灵敏度分析.研究结果表明:应急车辆行驶的总时间与平均乘客延误之间存在Pareto优化,即决策者可以根据调度目的权衡应急车辆行驶时间与乘客延误的关系.     

广州地铁换乘车站节假日客流组织与管控研究

随着地铁成为市民出行首选交通工具,在节假日期间地铁客流增长更为明显,这对地铁车站客流组织带来巨大压力,特别是大城市的大型交通枢纽,该文以广州地铁广州火车站为例,通过对车站的结构、设备、设施、客流组成、运输能力现状进行分析,对地铁换乘车站节假日期间客流组织的方式、难点进行探讨,并提出相应的客流管理控制措施,确保了客流组织安全顺畅有序,提升了地铁运输企业的服务水平和管理水平。     

基于交通大数据的公交线路OD矩阵推断方法

随着交通大数据的普及与广泛应用,提出了一种推断多模式交通网络线路OD矩阵的方法。首先,通过匹配乘客的刷卡数据和公交车辆报站数据获得乘客的上车站点,其次结合地铁刷卡数据准确分析乘客的下车站点,最后根据乘客的出行信息获得线路OD矩阵。利用广州一天近800万刷卡数据和600万公交报站数据进行了上车站点、下车站点以及OD矩阵的推断,结果表明:早高峰与全日出行规律一致;广州交通方式呈现多样化等。提出的方法可以更为准确地获得线路OD矩阵,揭示城市交通特点,具有较高的实用价值。     

实时信息下共线公交线路发车时刻表的协同优化

为改善实时信息下共线公交线路的运营服务水平,提出了一种实时信息下的共线公交线路发车时刻表优化模型。首先,基于时变的客流需求和路况信息,考虑实时信息下乘客出行行为动态变化导致的共线线路客流分布变化,以乘客出行成本、公交企业运营成本为优化目标建立共线公交线路发车时刻表协同优化模型。然后,选择基于动态拓扑结构的改进粒子群优化算法(PSO-DT)对模型进行求解。最后,以大连市两条共线线路为例进行分析,给出了优化后的发车时刻表、车辆运行轨迹图,分析了有无实时信息下客流分布的差异。结果表明：与现有方案相比,文中方案可使乘客出行成本降低12.6%,公交公司运营成本降低8.3%,总成本降低12.3%,发车次数整体上减少3次,乘客平均承载量增加3人,瞬时最高承载量减少4人,各车次承载量标准差降低2.192人,优化后线路服务水平有所提升,各车次的载客量分布更加均衡,说明文中模型是有效的。     

基于公交数据挖掘的乘客上下站点识别

为制定符合客流的线路公交调度方案，增大公交出行吸引力，减少私家车出行碳排放，有必要提出精确的线路乘客上、下车站点识别方法，获取精确客流数据，为公交调度提供精细数据支撑。本文以福州市常规公交多源数据为基础，针对数据缺陷提出系统时间误差修正及站间缺失数据修复的数据预处理方法。在此基础上，提出乘客刷卡时间与公交到离站时间匹配的上车站点识别方法。将乘客出行行为按照是否具有出行规律，提出基于乘客出行规律的乘客下车站点识别方法及综合出行距离、换乘能力、出行吸引强度、周围土地利用性质等因素影响下的乘客站点下车概率识别方法。最后，以福州市125路公交数据为例，将识别数据与实际调查数据对比，验证识别方法的准确性。研究结果可为城市公交客流OD调查提供数据挖掘方法，减少传统调查产生的人力物力，以及为公交企业运营调度提供数据支撑。