基于Anylogic的城市轨道交通客流仿真优化

轨道交通作为城市居民日常出行的主要交通方式之一,其车站的运营效率和服务水平对整个轨道交通线路网的顺畅运营起重要作用。针对我国地铁现存的问题,以轨道交通站点中的换乘站为研究对象,从乘客进站流畅性、优化方案的时效性、站内设施利用率3个方面对车站进行研究。利用Anylogic仿真软件建立济南地铁八涧堡换乘站的仿真模型,通过导入真实人流数据进行仿真模拟,针对各个瓶颈问题从站内设施布局和客流组织两方面提出科学合理的优化方案,并利用仿真实验对换乘方案进行检验。结果表明,通过研究站内人员、乘客、配套设施的集散状况,本文优化方案提高了车站面积和站内设施的利用率,消除了站内客流瓶颈,可有效缓解站内拥堵现象的产生并提高流线的流畅性,能为其他城市轨道交通换乘站优化提供决策性的支持。     

城市轨道交通短时OD客流预测实验教学系统设计

针对目前轨道交通运营管理实践教学中缺乏实验设备,学生缺少直观认知的问题,设计了基于地铁AFC数据的城市轨道交通短时OD客流预测实验教学系统。系统分为数据准备、客流预测、结果评价三个模块,采用数据隔离方式解耦客流预测中的三个阶段,使用B/S架构实现了多用户同时访问和实验。该教学系统为轨道交通专业学生进行客流预测实践提供了平台,已在深圳技术大学城市交通与物流学院实践课程中投入使用。     

城市轨道交通线路客流分布的实时预测方法

为准确计算轨道交通线路客流实时分布的各项参数,首先提出了各时段进站乘客的起讫点(OD)分布预测方法,然后在分析了站台与列车之间客流交换规律的基础上提出了站台—列车客流交互模型.最后,提出了轨道交通线路客流分布的实时算法,并通过实例验证了该算法的实用性.     

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。     

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。     

融合长短期记忆网络和图卷积网络的轨道交通短时客流起讫点预测

轨道交通客流起讫点(origin-destination,OD)矩阵存在时间相关性和空间相关性。根据客流OD的时空特征,提出长短期记忆(long short-term memory,LSTM)网络和图卷积网络(graph convolutional networks,GCN)的短时组合预测方法。预测方法主要利用LSTM网络来获取客流的时间相关性,利用GCN来获取客流的空间相关性,基于出站口建立客流OD矩阵,对整个路网的客流OD进行训练预测。实验表明:融合LSTM神经网络和GCN神经网络的短时预测模型能有效预测轨道交通客流OD。相较于单独的LSTM神经网络,组合模型在预测误差方面有所改善,更适用于短时客流OD的预测。     

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。     

城市轨道交通短期客流预测研究进展

为了全面了解城市轨道交通短期客流预测现有的研究进展,结合国内外相关的研究,梳理了近年来的研究状况,归纳了城市轨道交通短期客流预测的研究焦点并分类进行了讨论.重点从客流分析、预测方法、不同情况下预测方法和时间粒度选择3个方面总结归纳现有研究成果.研究结果表明:在客流分析方面,大多采用出行方式链、聚类分析等方法定量分析客流...     

天津地铁肿瘤医院站同台换乘客流组织研究

目前城市轨道交通行业发展迅速,随着城市轨道交通线网的日益成熟,换乘客流量随之增长,继而对换乘站造成一定的压力。换乘站是城市轨道交通各线路的交织点,换乘模式的选择对发挥轨道交通线网的整体功能具有重要意义。随着天津轨道交通技术的发展创新,新型换乘方式层出不穷,天津地铁6号线南段与5号线的换乘站采用同台换乘,以肿瘤医院站为例,对同台换乘的客流组织模式进行研究。     

西安地铁车站应急客流组织探讨

轨道交通庞大的客流和有限的空间已成为客流组织的难点,特别是当发生应急事件时,如何采取有效措施进行客流组织,确保来客安全,防止人员伤亡扩大和蔓延已成为工作重点,本文研究了不同应急情况下客流组织的有效措施,为应急处置客流组织提供借鉴.     

城市轨道交通车站客流状态采集范围

随着城市化进程的不断推进,迅猛增加的轨道交通客流对客运组织管理提出了更高的要求。目前,虽然多样化的视频采集设备已广泛应用于地铁客流监测中,但是对视频监测范围缺乏统一的标准规范导致监控设备布设随意性大、客流采集无法满足监测需求,鉴于此,课题开展对轨道交通车站客流状态数据采集范围的研究。首先,阐述了客流状态采集范围的概念和影响因素;其次,分析轨道交通车站不同功能区域的数据采集参数类型,以全面性及精度最优为目标,构建了不同功能区域的采集范围模型,并给出模型中参数权重的计算方法和模型求解方法;最后,以北京西直门地铁站为研究对象进行实例分析,给出其不同功能区客流状态数据的最优采集范围。本研究可为交通流数据的获取提供有效的技术支持和保障。     

基于AFC数据的大型活动期间城市轨道交通客流预测

准确预测大型活动期间城市轨道交通客流,是城市轨道交通管理与运营部门制定运输组织计划的重要依据,也是实现活动期间交通保障的关键.在分析大型活动期间城市轨道交通历史客流特征的基础上,针对活动期间的客流成分,分别构建活动客流与背景客流预测模型,以实现对未来大型活动期间城市轨道交通客流的预测.基于城市轨道交通自动检票系统(AFC)采集到的客流数据,分析大型活动期间的历史客流数据的变化规律,并依据其客流特征进行成分分解.针对活动客流,构建基于小波分解与重构的GM-ARIMA客流预测模型,针对背景客流则采用ARIMA模型与底特律法进行预测.基于广州地铁在2011—2014年广交会期间的历史AFC客流数据,对提出的方法进行验证.结果表明:该方法能够捕捉大型活动期间的客流特征,并可实现对大型活动期间城市轨道交通客流的预测.     

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。     

天津至保定铁路城际客流预测

基于对天津至保定铁路有关客运功能的定位与客流特征的分析,提出将津保铁路所在区域的客流通道进行整体研究的基本思想以及基于变化后的四阶段的客流预测技术路线。通过对津保铁路趋势、转移和诱增客流的预测,获得了城际线路的段面密度、通道公铁分担率以及全日客运量、平均运距和高峰小时最大断面流量等客流预测指标。     

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。     

迭代反馈约束下的城市轨道交通客流预测分析

在分析当前国内城市轨道交通客流预测存在问题的基础上,提出了基于迭代反馈约束的城市轨道交通客流预测模型框架和方法.在基础数据处理上,依据城市总体规划和轨道交通沿线控制性详细规划,通过协调总体与局部的开发强度,达到研究范围内城市人口和就业岗位的重新平衡.在模型方面,考虑到机动车车流对公交车运行的影响,对传统四阶段模型进行了...     

城市轨道交通的客流预测模型研究

在研究城市当前客流量特点和规模的基础上,进行城市客流量预l测是十分必要的。首先介绍影响客流发展的因素．然后研究已调查过交通情况时的客流预测情况,得出出行生成模型、出行分布模型、交通量吸引模型和交通量分配模型。通过客流量的预测,为准确或正确决策提供科学依据和前提。     

采用改进四阶段法的市域轨道线网客流需求预测

考虑中心城区与乡镇居民出行特征的差异,提出一种适用于市域范围的预测方法.该方法以传统四阶段法为基础,分别建立中心城区与市域客流预测模型.中心城区客流独立预测后作为市域客流的一部分参与市域客流分配,分配结果通过反馈机制作用于交通分布模型,循环迭代直至平衡收敛.利用福清市现状基础数据运用TransCAD软件标定模型参数并校验,结果表明,调查值与模拟值的相对误差满足预测精度要求.最后采用已标定模型对福清市域轨道线网进行客流预测,结果表明, 3个目标年客流预测结果符合迭代收敛判定标准,进一步说明该方法具有理论与实践应用价值.     

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.     

快速公交客流预测方法研究与应用

客流预测是交通项目建设、规划、决策的主要依据,起着非常重要的作用。文章明确了快速公交客流预测的要点、内容和原则,考虑到规划期城市规模、空间结构、出行特征等的变化以及城市的地形特征,探讨选择了一套适合河谷型带状城市地形特点的“四阶段法”客流预测模型,并应用于兰州市快速公交建设项目规划得出客流预测结果。