动态多用户类型和多模式拥挤收费模型

为了确定一般排队网络在高峰时段随时间变化的最优拥挤收费,将描述时变交通流的时空拓展网络(STEN)与传统的网络平衡模型技术相结合,建立了多类型、多模式动态拥挤收费模型.考虑不同类型的出行者有不同的时间价值(VOT),同时,对单车种出行方式进行延拓,建立了包含公交车与私家车在内的多模式交通网络拥挤收费模型,该模型是一个带有路段容量限制下的多类型、多模式网络平衡问题,可以采用内惩罚函数法求解.通过算例分析表明,该模型可以提供动态拥挤收费策略,分析拥挤收费下不同时间价值的用户对于出行方式、出发时间以及出行路径的不同选择,相比于传统的基于瓶颈的静态单模式拥挤收费模型有一定的进步.     

城市轨道交通高峰时段站间起讫点矩阵预测模型

高峰小时单向最大断面客流量是城市轨道交通规划与设计阶段的重要参考依据.为了确定这一参数,需对高峰时段内出发的乘客选择的出发时刻与路径进行预测.高峰时段站间起讫点(OD)矩阵反映了城市轨道交通乘客的出行需求,是整个预测的基础.在全天站间OD矩阵已知的前提下,以中国重庆市为研究对象,首先分析传统的重力模型在预测城市轨道交通高峰时段站间OD矩阵时的优、缺点,并在此基础上进一步提出站间客流高峰时段系数模型.比较结果表明,在同一数据源下,站间客流高峰时段系数模型能有效改善传统的重力模型所存在的缺陷,预测结果明显更优.该模型预测结果的标准误差为12.90人次,相较于重力模型的29.33人次降低了56.02%.     

北京地铁客流引导管理方案的探索

近几年来,随着北京地铁路网的完善,客流量日益增加,运行压力不断提高,拥挤、环境等问题时刻影响着铁路运营.该文通过对北京地铁8号线永泰庄站一周内每天各时段客流量的分析,采用统计学方法,将数据分布在面上,得出每天各时段客流分布规律,找到客流高峰时段与平峰时段.在此基础上,针对客流分布状态,提出分别适合于客流高峰期与平峰期的引导管理方案,以期达到减小高峰,缓解拥挤的目的,为北京地铁更好的运营管理,服务大众提供支持.     

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.     

考虑拥挤费用条件下的轨道交通客流分配模型

以往的轨道交通网络客流分析常以乘车时间、换乘时间为主要影响因素,但在实际调查中除上述影响因素外,乘车拥挤延误时间和换乘排队时间也是乘客在路径选择时的重要考虑因素.以改进后的广义费用模型为基础提出城市轨道交通随机均衡配流(SUE)模型,并给出相应的MSA算法步骤进行求解.     

The Rail Transit Passenger Flow Assignment Model Under the Condition of Crowded Costs

以往的轨道交通网络客流分析常以乘车时间、换乘时间为主要影响因素,但在实际调查中除上述影响因素外,乘车拥挤延误时间和换乘排队时间也是乘客在路径选择时的重要考虑因素.以改进后的广义费用模型为基础提出城市轨道交通随机均衡配流(SUE)模型,并给出相应的MSA算法步骤进行求解.     

基于旅行时间分析的城轨乘客路径集验证方法

城市轨道交通乘客出行路径集是否正确,是乘客路径选择估计以及网络客流分布计算的前提和基础.从现有客流分布模型中有效路径选择集问题及OD实际旅行时间聚类特征出发,引入Rodriguez-Laio快速聚类算法,提出基于旅行时间聚类分析的城市轨道交通乘客路径集验证方法.以北京地铁网络为例进行算例分析,结果表明,该方法可以在全网络范围内对路径选择集问题OD作出快速识别及滚动验证,并为以原因分析为导向的现场客流调查与模型修正工作提供重要参考.     

城市轨道交通客流预测方法

为了提高城市轨道交通客流预测的可靠性,对目前中国采用的预测方法进行了分析,建立了通勤出行的生成-分布共生模型来预测高峰小时的出行发生(吸引)及分布,并基于综合交通网络提出了方式划分与分配组合模型,以西安地铁3号线为例,进行了方式划分与路径分配的联合应用。结果表明:改进后的模型能有效地进行轨道交通客流预测;西安地铁3号线初、近、远期的全日客运量分别为39.00 104人次、74.76 104人次、106.08 104人次;初、近、远期的高峰小时单向最高断面流量分别为1.69 104人次、3.08 104人次、3.75 104人次。     

大小交路套跑行车组织模式下的客运组织研究

目前各大城市地铁进入全面网络化运营时代,随着新线的不断开通,客流量与日俱增,有些线路出现客流不均、断面客流差异过大等情况。为解决因断面客流差异过大导致的客流较少区段能力浪费而客流量大的区段服务水平降低现状,各城市陆续实行大小交路套跑行车组织模式。为保障大小交路套跑模式下车站正常运营秩序,营造安全舒适便捷的乘车环境,客运组织工作尤为重要。以天津地铁为例,论述了大小交路套跑下客运组织的重要性及相关工作。     

基于人群分类的城市公交走廊客流分配模型

在随机用户均衡理论基础上,在静态均衡模型中引入时间变量及人群属性分类,建立基于人群分类的城市公交走廊动态客流分析模型,描述了走廊内出行者对于出发时刻和路径的选择问题,并分析不同人群的行为差异.给出了模型的基本假设及求解算法.研究结果表明,模型的动态化及人群分类特征,不仅能够真实反映走廊内不同属性客流的时空分布情况,还能够仿真不同交通措施的作用及效果.算例通过采取错峰上班及调整票价,使高峰时刻走廊断面客流下降24%;选择轨道交通的客流由82%下降71%,选择巴士交通的客流由11%提升至20%,有效降低了公交走廊的交通负荷,并使各方式分担率更加均匀.此动态客流分析模型为城市公交走廊的功能优化提供了有力工具.     

太原市轨道一号线站间OD及沿线区段空间分布研究

客流预测是轨道交通网络规划的一个重要组成部分,结合轨道交通客流预测结果,基于重力模型,可以分析得到轨道线路上沿线各站点间OD分布,在此基础上,将轨道沿线按土地利用进行区段划分,可以得到轨道沿线各区段的空间分布。站间OD分布与沿线区段空间分布结果可以很好地反应出轨道沿线各站点及各区段用地的人口出行特性,结合轨道线路沿线土地利用规划,可以实现客流预测与土地利用的互动反馈。本文以太原市轨道一号线为例,对其站间OD分布及沿线区段空间分布进行研究。     

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。     

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.     

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。     

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.     

基于超网络的多模式交通的随机网络加载问题

基于超网络理论构建了城市多模式出行网络模型,同时考虑路径出行时间、换乘次数以及拥挤等影响因素,建立路径的广义费用函数。在此基础之上,重新定义了有效路径的含义。结合图论中深度优先遍历算法与回溯法的思想,提出有效路径的搜索算法,并通过改进的Dial算法实现对城市多模式出行网络上交通流的随机网络加载。最后,利用本文建立的多模式出行网络对算法的可行性和有效性进行验证。结果表明,该算法适用于求解城市多模式出行网络上交通流的随机网络加载问题,并且可以避免原始Dial算法在求解交通分配问题中可能出现的不合理结果。     

基于仿真的深埋地铁车站疏散时间研究

随着地铁车站的埋深深度日益增加,车站的安全疏散风险增大。本文从站型结构、疏散安全区、车站疏散设施、客流规模和疏散引导等方面,分析了影响深埋地铁车站人员疏散时间的因素。针对紧急疏散场景,构建深埋地铁车站网络模型和疏散行为模型。以北京某在建深埋地铁车站为例,通过模型校验,利用轨道交通乘客集散仿真系统对该站疏散时间进行测算,并将测算结果与理论计算疏散时间对比,结果显示所有乘客能够在5.5 min内从站台疏散至安全区域,符合规范要求。本文研究结果表明采用的系统能够用于深埋地铁车站的疏散时间研究。     

基于双层规划的公航联运旅游交通网络规划研究

为了满足旅客多样化的出行需求,规划旅游交通网络,本文基于旅客联运出行视角,提出一种新的公路-通用航空短途运输联运（公航联运）方式,构建了公航联运旅游交通网络双层规划模型。上层以旅客出行总时间最短和交通网络线路运营总成本最小为目标,设计交通线路方案,下层模型以单个旅客出行时间最小为目标,对线路进行客流量分配。采用遗传算法求解模型,通过实例分析表明,构建的公航联运交通网络模型具有科学性,合理性和可行性。     

基于智能交通卡数据的城市轨道交通乘客个体路径选择模型

在分析城市轨道交通乘客旅行时间组成要素的基础上,提出了一种基于智能交通卡数据的乘客个体路径选择模型,克服了传统路径选择模型只考虑群体路径选择的弊端。通过分析轨道交通刷卡出行的特点,建立了乘客旅行时间模型,确立了各旅行时间要素并分析了其独立性。对出行要素进行了估计,计算出路径旅行时间,提出了乘客个体的出行路径选择模型。以北京地铁网络为案例,分析了乘客个体的路径选择,并用实际数据验证了模型的有效性。