考虑效率与公平的城轨网络客流协同控制优化模型

为了解决城市轨道交通高峰期供需不匹配与延误不均衡问题,从效率与公平层面优化网络客流协同控制方案.在考虑乘客到达分布及满载率上限的基础上,提出了涵盖候车、乘车、换乘等出行环节的流量守恒约束,以全网列车平均运能利用率最大化和站台乘客滞留比差异最小化为目标函数,构建了网络客流协同控制多目标优化模型.以适宜上车人数为决策变量,生成最优客流控制方案.结果表明,在广州地铁的最优控制实例中,最高断面满载率由126.6%降至98.6%,满载率的Gini系数由0.301降至0.292.该模型通过调节客流分布,实现了对有限运能的充分利用,缓解了瓶颈区间高负载和部分乘客超长滞留的问题,为成网条件下的客流控制提供方法指导.     

考虑路径尺度的城市轨道交通客流分配

城市轨道交通客流分配是进行轨道交通线网规划、评估和运营管理的关键技术之一。考虑有效路径之间重叠对路径选择概率的影响,在效用函数中加入路径尺度调整效用值,提出基于路径尺度的Logit客流分配方法。以北京地铁线网为例,构建乘客出行广义费用函数,搜索有效路径,清洗自动售检票系统(automatic fare collection, AFC)刷卡数据,通过MATLAB软件进行客流分配计算。结果表明:与既有模型相比,路径尺度Logit模型路径选择概率误差降低了24.32%,提高了客流分配精度。提出的路径尺度Logit模型具有较好的适用性、有效性,对于提升城市轨道交通线网科学规划水平、降低运营安全风险具有重要意义。     

高峰时段城市轨道交通线路客流协调控制

应用数学规划方法构建线路层车站间及时段间协调控制模型,以乘客延误损失最小化和客运周转量最大化为优化目标,利用所求解的控流率为限流措施制定提供量化依据.以北京市轨道交通5号线为例,对输送能力利用率、滞留率、滞留人次三个指标进行控制效果分析,结果表明该方法能够提高能力利用率,减少滞留人次,有效缓解客流需求与运输能力间矛盾.     

对城市轨道交通客流特征的分析与预测

城市轨道交通是缓解城市道路交通压力的有效途径,客流预测是城市轨道交通建设与设计的基础环节。本文主要对城市轨道交通客流模型展开探讨,并从其特征、机理上提出预测方法。     

基于乘客等待时间的城市轨道交通列车运行调整模型

研究突发事件导致列车晚点情况下城市轨道交通列车运行调整问题.从乘客角度出发,提出了“首站控制”和“多站协调控制”两类列车运行调整策略.考虑列车能力约束和列车区间运行时间、追踪间隔时间等运行条件约束,以受突发事件影响的全部乘客等待时间最小为优化目标,建立了基于两类调整策略的列车运行调整模型,采用Lingo软件进行求解.以某简化线路为算例,与不采取控制策略相比,两类策略下乘客等待时间均节省约9％,结果表明了模型的有效性,能够为轨道交通列车运行调整提供辅助支持.     

ARIMA-RBF模型在城市轨道交通客流预测中的应用

客流量预测是城市轨道交通规划设计和运营管理的基本依据,已成为城市轨道交通建设过程中的重要环节。本文通过分析平常日客流变化的周规律、非平稳性等时序特征以及ARIMA模型和RBF模型的作用机理,将适合进行线性时间序列预测的ARIMA模型和适合处理非线性问题的RBF神经网络组合,建立了ARIMA RBF预测模型,并用该模型对北京市城市轨道交通平常日客流量进行预测,该模型充分考虑到城市轨道交通客流变化的线性及非线性特征,取得了较好的预测效果。     

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。     

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。     

基于多智能体仿真的城市轨道交通限流策略

针对高峰时段城市轨道交通线路过饱和客流的运输效率问题,基于地铁线路的网络拓扑结构与客流需求矩阵,建立了以客运周转量最大为目标的城市轨道交通线网限流的多智能体仿真模型。该模型以Anylogic软件为建模基础,通过构建列车类、线路类、路网类、乘客类等4类智能体,实现了乘车限流、站台限流和闸机限流等客流控制手段,提出了针对单线多站地铁线路的全线协调的客流控制策略。规模为23个车站、122 933对OD（起讫点）的某条地铁线路的客流控制实验结果表明,限流提升了1.01%的总客运周转量。     

基于改进灰色组合模型的城市轨道交通客流预测 ——以西安地铁2号线为例

针对城市轨道客流培育发展大致呈S形曲线的特点,首先以灰色Verhulst模型对西安地铁2号线客流进行预测.为提高预测结果的精度,对原始数据形成的序列数据通过对数变换处理来减少其波动性.由于所研究轨道线路尚未到达客流饱和阶段,为了规避单一模型较大的风险性,针对不同模型的特点,从处理过的原数据列选取西安地铁1号线开通年度(2014年1月)之后的西安地铁2号线数列,此数据列数据量较少,波动性小,采用灰色GM(1,1)模型对处理过的西安市地铁2号线数列进行预测.通过将灰色GM(1,1)模型预测结果与改进Verhulst模型预测结果进行线性组合,之后将采用不同预测模型的预测结果与实际值进行对比分析,发现组合模型的预测精度更高.     

基于数据仓库的城市轨道交通客流分析

针对城市轨道交通客流数据量大、数据结构复杂、数据具有突发性强等特点,设计了专门用于城市轨道交通客流分析的数据仓库系统.详述了该系统的体系结构、关键指标;进行了联机分析处理,给出了NML客流预测模型,采用了Logit模型对收入进行了预测分析.该项目已应用于深圳地铁交通运营企业中,为优化轨道交通企业的运营组织提供决策支持.     

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,开展了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...     

城市轨道交通客流加权复杂网络分析

本文以上海轨道交通网络为例,使用复杂网络理论构建拓扑网络并以断面客流为权重分析了节点强度、加权最短路径等指标及其分布规律,定量计算各个站点对于蓄意攻击的脆弱性,以鉴定对网络连通度影响最大的关键站点.仿真结果表明,上海轨道交通网络节点强度服从幂律分布,网络加权平均最短路径长度较大,连通性有待提高.面对蓄意攻击时,上海火车站、曹杨路和镇坪路作为关键节点对网络效率和网络最大连通子图的影响都较大,应在运营中加强保护.     

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.     

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.     

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.     

城市轨道交通运营中断条件下乘客路径选择模型

为研究城市轨道交通运营中断条件下乘客的路径选择行为,首先依据运营中断事件对乘客的不同影响对乘客进行分类,并给出对应的路径选择策略。其次基于出行时间和出行费用2个因素确定了广义时间费用的计算方法。然后分析中断时长对乘客的影响,构建了中断下的乘客参考点的取值原则。最后利用累积前景理论和Nested Logit模型构造了乘客路径选择模型。算例结果表明：模型计算的乘客路径选择概率结果与实际统计结果相对误差不超过10%,具有良好适用性;乘客路径选择行为随中断时长的改变呈现动态变化,短时间中断下乘客路径选择行为变化剧烈,长时间中断下乘客路径选择行为相对稳定;乘客对出行费用的接受度越高,越倾向选择出行时间短的路径;乘客对中断忍耐程度越低,对路径综合价值越敏感。