面向换乘行为的城市公交客流分配及应用

随着大城市"城外居住、城内上班"这种生活-工作模式的普及,居民出行距离延长引起公交半径的增加,换乘就不可避免。针对这一现实需求与公交网络的特性,提出了符合乘客路径选择行为的广义公交路径定义,重点分析了乘客出行行为符合马氏决策过程的"无后效性",详细给出了出行过程中涉及的状态-行动空间及状态转移概率,建立了基于马尔科夫链的非平衡公交客流分配模型,设计了相应的算法。最后,以成都市部分公交网络的实际运营数据为例,对模型和算法进行实例验证,并根据配流结果对参数进行了敏感性分析。     

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。     

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。     

旅游客流季节性波动的研究——以苏州市为例

利用统计数据对从苏州市场旅游客源结构及客流时空分布特征进行研究,通过对客流的年内季节变化的分析以及1990年至2005年苏州入境客流年季波动的季节性的研究,总结苏州旅游客流变化的规律性.进而探讨季节性波动对苏州旅游市场的影响,提出了相应的解决对策.     

城轨站行人流线网络客流分配算法与软件实现

为实现符合城市轨道交通车站行人流线网络特点的行人设施客流分配,首先将分方向实结点时间阻抗与结点客流方向引入最短路径识别,将其嵌入连续平均法,建立了适用于城市轨道交通车站行人流线网络的客流分配算法.然后,利用C#和Matlab语言在AutoCAD环境下开发了相应的客流分配软件,并在此过程中提出了结点客流方向获取方法.算例表明,该算法能够实现考虑分方向实结点时间阻抗的城轨站行人设施客流分配;与TransCAD、VISUM相比,软件符合行人流线网络特点,操作简便.     

考虑时间及路径约束的地铁断面客流构成推定方法

为缓解高峰时段地铁局部网络客流拥挤,更有效地对拥挤区段客流实施路径诱导,从而优化控制网络客流分布,首先通过计算不同时间粒度断面满载率,设置筛选阈值识别高峰时段网络能力限制区段;然后建立考虑时间及路径双重约束的地铁网络断面客流构成反推模型和设计迭代算法推定网络中限制区段的断面客流构成,并归类排序.以上海地铁网络限制区段曹杨路-隆德路为研究对象,推定得到早高峰8:30~9:00时段该区段的断面客流构成,验证了模型及算法的可行性.     

浅谈地铁车站大客流应对措施探讨

本文对地铁车站客流组织影响的因素进行分析,期述了客流激增对地铁运营、设备设施、乘车安全等带来的影响和压力.针对深圳地铁车站的客流组织方法,简析了地铁车站应对大客流时应采取的组织措施.     

考虑客流约束的出租车服务台多目标优化模型

为提高客运枢纽场站服务水平,归纳总结出租车蓄车场上客区服务台布局类型,引入排队论方法,构建了考虑旅客体验(旅客排队长度、时间、最大走行距离)及组织方管理难易程度(上客区面积)的多阶段多目标整数优化模型.以南京南站为例的数值仿真结果表明:多目标优化模型能够使综合指标优化42％.此外,相较单一布局下的优化,综合考虑多种布局的方案优化效果更加显著.     

基于S-Catboost算法的短时公交客流预测及影响因子分析

针对城市公交实时客流数据多样化和特征复杂的状况,提出一种基于S-Catboost模型的客流特征提取及短时客流预测方法和影响因子分析流程.首先,通过爬虫技术获取公交客流数据的环境和时变特征,扩充客流数据的特征维度.其次,通过对客流数据进行时间和精度加权并采用LSTM和随机森林2种基模型对客流数据进行堆叠(Stacking...     

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.