佛山市城市公共交通发展策略

通过对佛山市公共交通客流和公共交通设施现状的调查，掌握了居民出行规律和客运交通特征指标．采用定性和定量相结合的方法，综合评价了公共交通现状的水平．在分析佛山市未来社会经济、城市发展基本特征的基础上，根据客流分布特点、发展态势及客流交通的生成变化特征，采用经验加模型系统方法，科学地预测发展需求．结合佛山市的实际，分析了公共交通的优劣势，确定了优先发展公共交通的方针与目标．对公共交通政策进行了研究，并提出确保实施公共交通目标的对策和措施     

佛山市城市公共交通发展策略

通过对佛山市公共交通客流和公共交流设施现状的调查，掌握了居民出行规律和客运交通特征指标。采用定性和定量相结合的方法，综合评价了公共交通现状的水平。在分析佛山市未来社会经济，城市发展基本特征的基础上，根据客不充分布特点，发展态势及客流交通的生成变化特征，采用经验加模型系统方法，科学地预测发展需求。     

基于InfoWorks ICM模型的地铁场站内涝积水防控研究

选择郭公庄和宋家庄地铁场站为研究对象,采用InfoWorks ICM模型软件构建洪涝模型并开展内涝积水模拟分析.模拟结果表明:100a一遇长历时(24h)暴雨情景下郭公庄地铁场站最大积水深度为0.922m,宋家庄为0.607m;在重现期达50a一遇时宋家庄所有管网即达到满流状态.分析结果表明:郭公庄内涝积水主要是由于下游水位顶托;而宋家庄主要是由于管网排水能力不足.本研究基于模拟结果提出了内涝积水防控措施,经海绵城市改造措施后,10a一遇短历时(1h)暴雨情景下宋家庄地铁场站出水口洪峰相对未改造情景削减了22.2%;经管网改造后,1a一遇长历时(24h)暴雨情景下宋家庄内涝积水削减率为100.0%;郭公庄3台排水泵全运行状态下,郭公庄总积水量相对无泵情景削减了29.5%.     

城市群客运网络动态分配策略应急疏散仿真

研究负载分配策略有助于引导客流在面对突发事件时的有序疏散，降低突发事件对交通网络的破坏程度和影响范围。本文构建了城市群综合客运网络模型，对网络级联失效现象进行研究，提出了基于局部负载率的流量分配策略。使用MATSim仿真软件，研究呼包鄂榆城市群不同疏散策略下客流疏散和网络稳定情况。结果表明：城市群综合客运网络中突发事件对某一节点的破坏会对其他节点客流造成影响；基于局部负载率的动态分配策略能降低级联失效的发生强度与传播范围。     

配合城市轨道交通的常规公交起讫点的确定

为了配合城市快速轨道交通，应用交通分配的方法对城市公交客流O-D矩阵加以调整，除去快速轨道交通直达运送的客流，对换乘快速轨道交通的客流作O-D的变换，从而得到常规公交客流O-D矩阵，在此基础上，根据客流量大小原则确定常规公交起讫点。这种方法既考虑了直达客流，又考虑了换乘客流，所确定的常规公交起讫点更加符合实际，也更能体现常规公交与城市快速轨道交通的配合与衔接。     

京沪线客流和旅客快车开行方案的分析

客流是研究京沪高速客运专线运输组织模式的基础，在已有的研究报告中，一般都认为京沪线的跨线客流约占２／３，而本线客流占１／３左右。本文通过对京沪线实绩客流和现行旅客快车开行方案结构的深入分析，提出了＂跨线客流与本线客流各占５０％左右，而跨线旅客快车开行对数约占２／３，本线旅客快车开行对数占１／３左右＂的结论，它对研究京沪高速客运专线运输组织问题有重要参考价值。     

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.     

城市居民活动韧性——新冠肺炎疫情期间轨道客流恢复的实证

居民活动韧性是社会韧性的重要体现。文中从社会韧性概念出发，定性验证新冠肺炎疫情期间居民活动韧性的存在性，定量分析其演进机制。首先，收集了我国境内28个城市在新冠肺炎疫情发生前后近两年的轨道交通逐日客流数据，定义并测度了居民活动韧性，引入逻辑函数对客流恢复过程进行建模分析；其次，从政策调整与行为适应角度建构并分析政府、公众等多元主体的行动调节和学习适应过程。结果显示，轨道交通网络规模越大的城市，居民活动韧性越高；相较于人口小于500万的城市，人口超过1 000万的超大城市工作日客流恢复到50%、80%、90%和100%水平的时间分别提前7、15、47和95 d，越到恢复后期二者差异越大，周末也呈现出相似的规律。同时，工作日刚性出行相比周末弹性出行具有更强的活动韧性，工作日和周末客流恢复的逻辑函数拟合参数α分别为0.019和0.016,H分别为77.07和106.82 d。在首轮疫情之后的疫情再爆发期间，轨道交通客流下降幅度减小，客流日均恢复率是首轮疫情时的1～3倍，居民活动韧性显著提升。研究认为，科学防控所塑造的公信力提升了公众对管控政策的遵守，公众对风险的认知和学习能显著改善活动韧性。...     

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.     

基于信息扩散模型对城际铁路客流分担率的估计

采用信息扩散的模糊数学方法对城际铁路客流分担率进行估计,其结果同实际情况相当吻合,从而丰富了客流分担率估计的方法.     

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。     

基于客流转移的轨道交通换乘站客流分析

换乘站客流研究是城市轨道交通重要的研究方向,本文针对轨道交通换乘站客流分析预测存在的不足,提出了一种基于客流转移的换乘站客流分析方法。文章主要对比轨道交通信息运营前后两个阶段,获得换乘站准确的客流变化情况,为下一步进行客流预测建模提供坚实的理论与数据支撑。     

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.     

基于客流需求的城市轨道交通行车计划与列车时刻表优化

满足客流需求和提高运输效率对提高城市轨道交通的吸引力具有重要作用。为平衡城市轨道交通运力、客流需求以及运输效率，对城市轨道交通行车计划和列车时刻表的优化进行研究。首先根据客流需求制定行车计划，然后在此基础上以列车运行安全和运力为约束条件，建立以乘客在站台等待时间最小化为目标的优化模型，并设计遗传和声算法求解该模型。通过算例进行分析计算，得到了满足要求且合理的列车时刻表，该研究可以为匹配城市轨道交通运输资源和客流需求提供决策依据。     

韧性交通枢纽中突发大客流疏散优化研究

提升交通枢纽的韧性以应对突发大客流给交通运输系统带来的压力至关重要。基于交通枢纽的内部设施布局，将客流在其内的疏散备选路径抽象为由节点和路段构成的网络图。从改变客流疏散路径角度出发，当发生突发大客流时，考虑开启平时不开放的应急通道用于疏散客流。在已知各起讫点之间的客流量以及客流疏散备选路径的条件下，以最小化客流疏散时间与开启应急通道的广义成本为优化目标，建立客流疏散优化模型，并设计混沌蚁群算法对模型进行求解，得到客流疏散的优化方案。最后以北京南站为案例验证模型与算法，结果显示，在发生突发大客流时，开启合适位置和数量的应急通道可以有效缩短客流疏散时间。该研究从交通枢纽内部的规划布局与客流疏散优化角度，为城市交通枢纽的韧性提升提供了理论支撑。     

新建地铁车站深基坑紧贴既有地铁站变形分析

以新建北京地铁10号线二期宋家庄站和7号线双井站为例,对新建地铁车站深基坑紧贴既有地铁车站特级风险采用FLAC3D和Midas-GTS两种有限元软件进行分析,并结合10号线二期宋家庄站现场变形监测结果对比研究,总结降水、基坑开挖等不同阶段引起既有车站的水平、竖向变形规律,并提出风险预警及施工加固措施.     

发挥铁路优势吸引短途客流

从铁路短途客流现状、影响铁路短途客流的因素、短途客流下降的原因等方面分析了城市短途旅游运输的几个相关问题，并提出了在既有铁路短途客流密集区段开行“公交化”列车的建议和措施。     

北京地铁宋家庄枢纽站设计特点、难点、亮点（科技突破点）分析

北京地铁宋家庄枢纽站位于北京宋家庄路和规划中的石榴庄路的交汇处,地处北京战略规划东南发展轴的腹地,北京市城市规划南北中轴线从车站辐射区穿过。车站辐射区是城市轴线上的“南部城市新区”,将来将带动周边和整个北京南部地区文化、商贸、工业、科技、旅游等事业发展。