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.     

基于组合优化算法下的校车发车时间问题研究

以校车调度为研究对象,采用非线性动态组合优化的方法,以包含校车运营成本和学生出行成本在内的社会总成本为优化目标,考察最优校车发车时间间隔。以海南大学校车调度为研究对象,在考虑学生客流的变化规律时,将学校校车站点量化并采用驻站调查的方式,对其断面客流量包括上、下车人数、留站人数以及承载人数进行调查工作,获得运营时间内各时段内不同站点的客流量。依照客流规律建立了发车时间间隔的模型,通过分析最佳的校车发车时间间隔,进一步求得了全天客流高峰和全天客流低谷下的最优发车时间间隔,从而制定出新的发车方案。     

考虑乘客选择行为的地铁车站承载能力瓶颈识别方法

乘客选择行为引起地铁车站客流量分布动态变化,并导致拥堵的传播,是承载能力瓶颈产生的关键因素之一.通过分析乘客在站服务事件链,构建地铁车站系统中设施设备关联网络.在分析乘客选择行为作用下的关联网络特性的基础上,建立了节点约束下的车站客流分配模型,并引入动态惩罚函数求解该模型,结合求解结果,提出通过节点受影响程度指标来识别能力瓶颈.以上海地铁陆家浜路站为例分析,与StaPass软件的仿真结果进行对比,验证了该方法的可行性和准确性,有助于快速分析不同客流条件下车站客流分布,并确定能力瓶颈.     

结合出租车轨迹数据的城市道路拥堵时空分析

为定性和定量分析城市道路拥堵情况,选用能够消除道路等级影响的INRIX指标,利用出租车轨迹数据计算道路拥堵指数,并提出道路拥堵指数异常的判定和基于区域连续性的拥堵指数修正方法. 利用福州市2015年5月份出租车轨迹数据计算道路的拥堵指数,研究了福州市工作日早高峰期间在量化指标下道路拥堵的时空分布,并尝试挖掘道路拥堵的关联规则为居民出行提供建议. 结果表明,在工作日早高峰时段,福州市道路拥堵在时间上的分布呈三段式,而在空间上分布不均.     

基于海量IC卡数据的公交客流时空分析

研究公交客流时空变化规律可以更深入地了解乘客的出行规律和出行需求,从而更好地为公交规划和调度提供服务。本文以厦门市2015年6月13日至26日的公交IC卡数据和车辆GPS数据为数据源研究公交客流的时空分布规律。论文运用Hadoop MapReduce分布式计算框架进行公交客流量的并行计算,从不同日期(工作日、双休日、节假日)和不同用户群体(老人,学生和成人)两个角度以小时为单位探索了公交客流的时间分布特征;在对公交站点的上车人数进行核密度分析的基础上,从站点客流量的总体空间分布及不同时段变化特征两个角度探索公交站点客流的空间分布特征,并以SM城市广场为例进行热点站点客流流向分析。研究发现:厦门市公交客流的时间分布规律呈现M状分布,但有别于北京市公交出行的M状分布,晚高峰的客流量约占早高峰客流量一半;站点客流空间分布规律呈现岛内连片聚集,岛外零星点状分布,岛内站点客流一日内早高峰呈现"入"状分布,随时间而演变为东北—西南走向的"一"状分布; SM城市广场、火车站和中山路商圈一直是全天的公交客流热点区域。     

基于路网客流模态的城市轨道交通网络拥堵演变机理

为描述客流负荷状态及拥堵演变规律,基于客流梯度概念提出了路网客流模态概念及其物理特征描述,包括自由模态、拥堵模态和拥堵消散模态.采用客流场强的计算公式来估算下车客流比例,将车站客流负荷指数和区段客流负荷指数作为点拥堵的关键参数,计算路网客流模态值.提出成网运营条件下的客流交换关键参数,并构建基于元胞自动机模型的客流拥堵动态演变模型,研究路网客流拥堵的动态传播与演变规律,分析路网客流群体行为演化机理.以北京市部分城市轨道交通路网为例,基于客流实际调查数据,通过调整上车客流比例,利用MATLAB软件对不同时刻的路网客流模态值进行仿真计算.结果表明,不同时段内路网客流处于不同模态,从而验证了路网客流模态的物理特征.     

基于流量数据分析的地铁站点分级研究

国内轨道交通站点分级方法的研究由来已久,但这些研究未考虑地铁站点与商圈一体化的现象,导致站点分级结果不准确。此外,轨道交通管理的复杂性对政府制定相应策略造成困扰。为协助政府提高策略制定效率,根据地铁站点功能设计了新的分级指标,并通过研究上海市轨道交通刷卡数据,提出了一种基于客流量、人群类别、站点特性以及轨道交通和商场一体化现象的站点分级方法。与基于客流量和地铁站点特征的分级方法相比,该分级方法可以获得更合理的分级结果。     

基于自动售检票数据的轨道车站客流识别模型

为探究城市轨道交通车站客流模式,采用轨道自动售检票(automatic fare collection,AFC)数据,构建客流指标,提出了一种基于K-means聚类算法的站点客流识别模型.以重庆轨道3号线连续1个月的AFC数据为例,探讨工作日、周末、节假日时期不同客流指标和综合多变量指标的聚类结果.结果表明:不同时期客流指标能够促进车站客流识别;将站点客流模式分为7类时,聚类效能最佳;通过连续1周和连续1个月聚类结果对比,验证了分类结果具有良好的稳定性.结合结果数据特征和站点实际情况对车站客流特点进行归纳总结.     

城轨交通换乘站结点换乘设施行人拥堵分析方法

以城市轨道交通换乘站内的"十"形结点换乘设施为研究对象,根据车门至站台梯组的走行距离确定了换乘客流到达时间分布,在考虑设施断面上下游的流密速基本关系及梯前区域、换乘平台、楼梯客流的相互影响关系的基础上,利用分时段客流迭代构建了结点换乘设施行人拥堵分析方法。算例表明,该方法能够在各车门下车换乘人数和站台行人设施布置方案已知的情况下快速分析多向客流的换乘客流量不同组合下"十"形结点换乘设施的行人拥堵情况。     

基于时空特征的城市轨道交通客流量预测方法

随着城市轨道交通网络运营里程的不断增长及网络承载客流量的不断提高,特定站点客流量极易发生急剧变化,这种变化引起整个网络客流量的不均匀分布,从而增加运营调度的难度和运营事故的发生概率.本文以城市轨道交通实际运营中采集的大量客流数据为基础,从时间和空间两个维度分析城市轨道交通客流分布的特点,并进一步提出基于贝叶斯网络的客流量预测方法,实现对特定站点的客流量预测.本实验完全基于实际数据,结果表明:预测客流量平均绝对百分比误差基本在0.1以下,预测准确程度较高.