基于云模型的城市轨道交通车站客流控制触发判别方法

根据车站三级客流控制的特点分析了城市轨道交通车站设施设备的类别及乘客聚集程度判断指标,研究了城市轨道交通车站各主要设施设备客流状态级别的划分.然后,基于云模型的合成理论,构建了车站主要设施设备不同客流状态级别对应的模板云模型和实测设施设备客流状态合成指标云模型,通过计算两者之间的相似程度,提出了一种基于云模型的城市轨道交通车站客流控制触发判别方法.最后,以一级客流控制触发判别的关键观测点——站台为例,验证所提方法的有效性.结果表明,利用该方法能够准确地判别当前客流状态,有助于管理者根据客流状态及时采取相应的客流控制措施.     

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.     

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.     

基于云模型-Markov链的城市轨道交通车站客流状态分析

在大客流条件下,城市轨道交通车站为缓解大客流的冲击,需要全面地分析和准确地预测车站客流状态,进而采取大客流组织措施.本文在明确车站结构设施设备布局的基础上,针对车站不同的设施设备进行了客流状态划分,确定了车站设施设备客流状态等级,基于此,构建了车站客流状态辨识模型,通过状态隶属关系结合马尔科夫状态转移理论分析了客流状态的动态变化情况,系统地实现了设施设备客流状态级别的判断与动态预测.通过实例分析,验证了该方法能够较准确地判别车站客流状态变化情况,为车站安全运营管理、客流控制、应急处置等方面提供决策支持,具有较强的应用价值.     

基于变点发掘的城市轨道交通客流预测模型

通过城市轨道交通发展过程阶段变化对其相应的客流变化特点进行分析;基于变点发掘的方法划分出轨道交通客流的不同变化模式,并分析导致客流模式变化的影响因素;通过权重变化有效地结合不同交通状态模式下的变参数自回归求和滑动平均(ARIMA)模型和全局BP神经网络模型,构建城市轨道交通客流组合预测模型;结合某大城市轨道交通线路的实际客流数据,对本文模型的适用性和准确性进行验证。研究结果表明:同一模式区间预测比全局搜索预测更容易获得较高精度预测值,组合模型预测结果相对优于单一模型预测结果。     

城市轨道交通车站接驳范围的计算模型

依据可达性一致原则,建立了基于广义出行费用的城市轨道交通车站接驳范围计算模型,并给出详细算法及案例分析.针对城市居民出行并非全部都以市中心为目的地这一现实情况,引入城市轨道交通可达点的概念并分别赋予权重,解决了既往研究中只取单一目的地的不足;根据车站周边每个交通小区的实际人口结构对出行时间价值进行细化处理;根据实际路网形态计算接驳距离,使之更加接近实际的走行距离;给出求取车站接驳范围的详细算法,并对算法优化进行讨论;最后,利用广东省某市的预测数据对模型进行计算验证.结果表明,接驳范围与车站周边的道路情况、出行分布以及竞争交通方式的服务水平相关,并不是简单的圆形区域.该模型可以为城市轨道交通已建或规划车站确定客流吸引范围提供计算方法,从而为客流预测及接驳交通设施衔接规划提供参考.     

基于 Jaya 优化标定的高精度数据采集方法

材料基因组工程融合高通量实验、高通量计算和数据库及人工智能技术, 能加速实现新材料的研发. 然而, 如何快速且可靠地从实验设备中采集数据是材料基因组工程的重要问题. 针对高精度数据采集系统标定数据时间不同步的问题, 以线性模型作为采集数据处理参数的模型, 以设备显示值作为数据采集真实值, 构建数据处理参数寻优的目标函数; 基于 Jaya 优化算法实现了模型参数优化搜索; 最后以设备温度数据采集为例, 构建了高精度数据采集系统并进行实验验证. 实验结果表明, 采用优化后的模型参数, 数据采集平均误差仅为 0.13 ${^\circ}$C, 精度可达 99.89%, 相比于非优化模型参数, 平均误差降低了 63.20%, 显著提高了数据采集精度.     

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...     

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CPLD的实时视频采集模块

设计实现了一个基于CPLD的实时视频采集模块.该模块采用SAA7111A增强型视频处理器、CPLD和FIFO芯片实现了视频的实时采集,为后续设备对视频的处理提供了有效数据.重点介绍视频模块接口的时序,并给出了相应的Verilog HDL代码.     

地铁车站客流疏导优化

为解决日常轨道交通站点拥堵问题,提高地铁车站客运效率,利用AnyLogic仿真软件对地铁站进行模拟仿真,得到地铁站行人密度图,分析地铁站拥堵瓶颈点,从行人流线和站内设施设备布局两个角度提出针对性优化措施。结果表明：地铁站站厅层安检区和站台层扶梯组通常为地铁站拥堵瓶颈区,改善安检区域与扶梯出口区域的拥堵是提升地铁站客运效率的关键。在安检口增设独立安检系统,适时安排工作人员引导拥堵区人流是既经济又高效的措施。采取措施后,拥堵区行人密度有所下降,验证了优化措施的有效性。该方法可为地铁站客流组织管理提供参考。     

某型海警舰艇电站自动化控制设计

为了提升某型海警舰艇在不同工况下电力负荷可靠有效分配的能力,依据舰艇电站系统结构,基于可编程逻辑控制器(programmable logic controlle,PLC)技术设计该型舰艇电站自动化控制系统.结合TPC人机界面完成舰艇电站自动化监控系统总体结构分析,给出控制系统I/O配置方案,设计包含电网参数采集和系统电源、系统运行操作和系统控制输出及系统状态指示、系统模拟量数据采集、系统控制输出等部分的电气原理图.此外,给出电站自动化监测控制系统程序流程图,采用程序结构模块化的设计思路编写了电网及柴油机数据监测、电网报警、电站合闸及并列检测等程序,完善了该型舰艇电站自动化的硬件及软件设计,为进一步开展工程应用奠定了基础.     

大型活动散场期间地铁车站短时进站客流预测

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求.基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站的短时客流预测模型.首先对历史客流数据进行了拆分及降噪处理,并分析了活动客流特征.之后,基于深度学习框架构建多层结构的卷积神经网络,拟合活动客流特征与客流时空分布的映射关系,并选取Adam(adaptive moment estimation)算法优化训练过程,以适用于活动散场时客流集中进站的情况.最后,以北京地铁奥林匹克公园站为例,利用实测数据验证了模型的准确性.预测结果表明:建立的Adam-CNN(convolution neural network)模型相对于常用时间序列方法自回归滑动平均和传统神经网络SGD-CNN模型具有更高的精度,能够为大型活动的组织提供更为有力的支持.     

城市建成区轨道站公交换乘设施规划方法

基于城市建成区大量轨道站点客流换乘特征调查数据,对轨道站公交换乘客流比例、客流空间分布、公交客流吸引范围进行分析,依托轨道网络提出轨道站点公交线路优化规划方法,给出轨道站点出入口始发公交线路、途经公交线路的公交换乘设施用地估算方法.     

老龄化背景下城轨换乘站客流组织仿真分析

针对人口老龄化背景下的城轨换乘站客流组织问题,从影响因素分析出发,量化老年乘客生理特征对乘客行动力影响的外在表现,并运用社会力模型描述换乘站内行人运动。借助AnyLogic仿真软件,以重庆市某换乘站为实验对象构建地铁换乘站仿真模型。通过设计多场景仿真实验,结果发现老年乘客比例对站内客流速度、进站时间、换乘时间都有明显影响,尤其是在站内客流瓶颈处和高差变化处的影响更为明显。最后,对适老背景下城轨车站设计和运营提出针对性建议。     

基于人工智能系统的地铁收益优化与分时定价理论研究

目前,地铁在高峰期存在车厢内客流量大、过度拥挤等问题,且城市地铁运营收益状态存在较大改善空间。为此,本文从收益管理和拥挤定价角度出发,采用SP调查和数据挖掘等研究方法,在对乘客心理和行为分析的基础上,研究构建基于人工智能系统（Agent）仿真模型的地铁分时定价机制。尝试将收益管理应用于地铁定价策略中,为实现提高地铁服务性和经济性的双赢目标提供建议和对策。结果表明：3种不同收入人群乘客Agent的转移率随时间而变化,转移率因票价上涨而增加;而且地铁票价涨幅过大会导致一部分乘客转移到地面公交系统。可见地铁的分时定价能有效分散客流,降低满载率。     

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.     

旅客列车垃圾投放量空间特性分析

铁路实行旅客列车垃圾的袋装收集和定点投放后,制定旅客列车垃圾指定投放站处理设施规划成为亟待解决的问题之一．本文运用数理统计学原理和抽样调查等方法,测定各类列车单位时间垃圾发生量;建立节点统计模型,测算全路垃圾指定投放站的垃圾投放量,分析垃圾投放量的空间特性;并在其基础上提出我国铁路旅客列车垃圾治理对策建议     

列车乘客信息系统远程配置维护研究及应用

研究了列车乘客信息系统多硬件平台、多软件层次背景下的远程配置维护问题,并设计相应的维护软件.该软件能够对系统中设备程序进行良好的维护,方便维护人员及时更新程序,使广播视频功能正常运行.分析了该维护软件的主要功能及其实现方法.该软件目前已在某地铁项目中应用.     

基于C/S架构的客流检测系统设计与实现

客流检测系统基于Windows平台,以C/S架构为基础,通过对采集视频进行一系列的处理来实现行人的检测跟踪,以及相关客流数据的实时计算与显示.对视频解码模块、检测跟踪处理模块和进程间交互模块的设计作了详细介绍,测试结果表明,系统各模块均达到使用要求,且具有较强的稳定性和可扩展性.