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。     

城市轨道交通列车运行图编制相关问题探讨

城市轨道交通的客流在时间和空间上存在不均衡性,笔者对工作日、周末、节假日、重大突发情况期间的客流特点进行了分析,并对行车组织方式、运用车数量、区间运行时分进行了探讨,提出了高峰期、平峰期采用不同行车间隔、上下行不成对行车组织、换乘站列车接续方法、特殊情况期间行车计划动态调整等措施,来满足不同客流需求下的列车运行图的编制...     

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。     

自动喷水灭火系统在公路隧道火灾的应用模拟研究

自动喷水灭火系统是目前在隧道消防应用中存在较大争议的灭火系统。通过FDS+EVAC软件模拟了公路隧道分别在有安装自动喷水灭火系统和没有安装自动喷水灭火系统的情况下发生火灾,对两种工况隧道内的烟气运动、温度分布、CO浓度分布进行了分析;并对人员的疏散进行了模拟。考虑了在不同的位置下不同的温度与一氧化碳浓度对人员的影响,并与相关的现实实验结果对比。结果表明安装自动喷水灭火系统可以有效降低隧道温度,安装此系统为隧道火灾发生的疏散救援提供了有利条件。     

基于动态异质性参照点的地铁应急疏散出口选择行为

鉴于地铁应急疏散中决策者的有限理性、决策者的异质性以及所面临决策环境的差异性,本研究通过将决策者的个人属性和备选方案的方案属性引入参照点,建立了基于动态异质性参照点的地铁应急疏散出口选择模型。通过将该模型应用到上海世纪大道地铁站的调查数据,并将不同情景和不同决策者类别的模型结果分别与基于静态同质性参照点的模型结果进行对比,表明基于动态异质性参照点的模型预测结果与实际选择结果之间的误差更小,能更准确的描述决策者的决策行为。     

铁路客运需求分析与短期客流预测研究

旅客对于铁路客运的需求直接决定了铁路自身的运输生产,对历史旅客需求规律的准确分析以及对未来短期需求的准确预测对旅客运输组织的优化极为重要。为此,提出了基于Prophet模型的铁路客运量需求分析方法和基于Seq2Seq-Attention与Prophet非线性组合模型的短期客流预测方法。前者可以从长期的历史数据中分解出普适整个数据的客流时间分布特征,从而对过去的客运需求规律做出分析;后者利用神经网络进行非线性组合,以求在不同规模的数据集上充分发挥Seq2Seq-Attention网络与Prophet模型各自的优势,做出更精准的客流需求预测。通过实例验证表明,使用Prophet模型将客流历史数据分解成多种时间分布类型数据后在整个数据集上的误差仅有6.68%,同时Seq2Seq-Prophet模型在数据集上的预测效果好于组成它的单模型和其余既有方法。     

建筑工程施工现场疏散路径优化模型

针对多工种交叉作业频繁、环境时常变化、场地狭窄、明火作业多的建筑工程施工现场,本研究以疏散时间为目标函数建立其人员疏散时间模型,基于疏散时间模型以疏散时间最短为目的提出疏散路径优化模型,并利用修正的 迪杰斯特拉（Dijkstra）算法求解模型,同时结合BIM(building information model)4D模型和Anylogic软件以及某在建楼房案例对模型进行仿真模拟验证分析。由仿真模拟结果可知,疏散时间模型计算出的疏散时长与模拟疏散时长吻合度较高,使用经优化后的疏散路径疏散,能够在一定程度上较大幅度节约紧急情况下建筑工程施工现场劳务人员的疏散时间,提高施工阶段的安全管理效率,且在一定疏散人数范围内,优化程度随疏散人数增加而增长。     

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.     

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.     

地铁检票闸机对安全疏散的影响研究

本文运用Pathfinder2018,以天津地铁西青道站为研究对象分析地铁自动检票闸机对人员安全疏散影响,对闸机设置引导栏杆后的疏散实效性进行分析,优化调整,得出最有效的闸机引导栏杆设置方式。结果表明:地铁自动检票闸机对人员疏散有阻碍作用,在闸机前设置引导栏杆能够有效提高疏散效率,闸机前引导栏杆设置方向及长度均对疏散效率存在影响,闸机引导栏杆设置成不等长形式疏散效果最好,比等长栏杆疏散时间少很多,闸机前无引导栏杆的疏散时间少了71.2 s,减少了18.2%,仅比无闸机自主疏散模式多1.3 s,优化效果明显。