基于实际拓扑结构的交通网络客运流量的理论研究

针对de Moura等人提出因特网信息流的费米-狄拉克统计模型,我们提出用玻色-爱因斯坦统计模型来研究一般交通客运网络中的客流分布问题.将交通客运网络抽象成一个与外界有粒子和能量交换的热力学系统,其中粒子代表乘客,适当地定义能级,分析得出交通网络中的每个站点平均客流的解析表述.然后以中国铁路客运网络实际拓扑为基础,用随机行走模型模拟分析交通网络中的客流分布情况,模拟结果显示,无论初态如何,经过足够长时间后,各站点的客流分布趋于平衡,平衡时各站点的客流量与其点权正相关,模拟客流分布曲线与理论结果基本一致.     

天津至保定铁路城际客流预测

基于对天津至保定铁路有关客运功能的定位与客流特征的分析,提出将津保铁路所在区域的客流通道进行整体研究的基本思想以及基于变化后的四阶段的客流预测技术路线。通过对津保铁路趋势、转移和诱增客流的预测,获得了城际线路的段面密度、通道公铁分担率以及全日客运量、平均运距和高峰小时最大断面流量等客流预测指标。     

随机行程时间下公交发车正点评价

公交运行过程受到外部行驶环境制约,服务可靠性评价需要考虑行程时间的波动.本研究建立了随机行程时间作用下始发站点发车偏差传播模型,发现了三个特征阈值,方向性累积站点停靠时间偏差阈值α,发车偏差不可修复阈值β,发车偏差恶化阈值γ,刻画了不同程度的发车偏差对下游站点服务可靠性退化程度的影响作用.从理论模型角度,证明任意站点n处三个阈值之间始终存在关系:α_n<β_n<γ_n;因此,随着始发站点发车偏差的加剧,下游站点位置首先产生方向性累积站点停靠时间偏差,进而造成发车偏差不可修复,最终导致发车偏差进一步恶化.从数值分析角度,发现在公交线路常规运营区域内(客流服务强度为0.20以内,线路长度为30 km以内),任意站点位置三个阈值之间始终存在关系:α_n<β_n 客流服务强度敏感性更低,选择α作为评价依据能增强在不同线路条件下的普适性.为了充分利用随机行程时...     

基于客流时间序列的城市轨道交通车站分类

针对不同类型的车站在城市中的区域特征、交通功能、用地功能等方面差异,进行科学合理的车站分类,了解城市功能分区、解读居民出行特征、理解城市格局和演化以及评价轨道交通基础设施建设情况.采用主成分分析(PCA)方法对轨道交通进出站客流进行特征提取,采用Hopkins统计量分析聚类趋势并探讨聚类数量确定方法,采用CH系数、轮廓...     

地铁车站客流疏导优化

为解决日常轨道交通站点拥堵问题,提高地铁车站客运效率,利用AnyLogic仿真软件对地铁站进行模拟仿真,得到地铁站行人密度图,分析地铁站拥堵瓶颈点,从行人流线和站内设施设备布局两个角度提出针对性优化措施。结果表明：地铁站站厅层安检区和站台层扶梯组通常为地铁站拥堵瓶颈区,改善安检区域与扶梯出口区域的拥堵是提升地铁站客运效率的关键。在安检口增设独立安检系统,适时安排工作人员引导拥堵区人流是既经济又高效的措施。采取措施后,拥堵区行人密度有所下降,验证了优化措施的有效性。该方法可为地铁站客流组织管理提供参考。     

地下两层标准车站疏散时间灵敏度仿真分析

城市轨道交通系统中,地下两层岛式站台车站分布广泛.为研究疏散总时间与进站客流量的关系以及作用机理,分析了车站主要疏散设施能力和疏散瓶颈,设计多组别灵敏度仿算分析实验,通过对比同组和组间各仿真模型输出结果,分析仿真疏散过程的差异性.仿真结朱表明:随高峰遗站人数增加,车站疏散时间会在一定限度内增加,车站疏散总时间与疏散开始...     

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.     

基于人工智能系统的地铁收益优化与分时定价理论研究

目前,地铁在高峰期存在车厢内客流量大、过度拥挤等问题,且城市地铁运营收益状态存在较大改善空间。为此,本文从收益管理和拥挤定价角度出发,采用SP调查和数据挖掘等研究方法,在对乘客心理和行为分析的基础上,研究构建基于人工智能系统（Agent）仿真模型的地铁分时定价机制。尝试将收益管理应用于地铁定价策略中,为实现提高地铁服务性和经济性的双赢目标提供建议和对策。结果表明：3种不同收入人群乘客Agent的转移率随时间而变化,转移率因票价上涨而增加;而且地铁票价涨幅过大会导致一部分乘客转移到地面公交系统。可见地铁的分时定价能有效分散客流,降低满载率。     

基于自动售检票数据的城市轨道交通通勤客流辨识

城市轨道交通具有明显的通勤客流主体特征,把握通勤客流出行规律对运营管理具有重要意义.本文以海量自动售检票数据潜在包含的时空关系为基础,从时间、空间、个体属性、出行规律四方面构建基于规则的出行目的辨识算法,重点针对通勤(上下班及上下学)客流进行辨识.以2014年北京市轨道交通售检票数据进行实证分析,结果显示:该方法能有效辨识上班、上学、下班回家、放学回家、其他回家和其他6类客流,其中上班占比26.77%,上学占0.44%,回家占44.49%(包含下班回家、放学回家及其他回家),其他占28.30%.结合2014年北京市公共交通出行调查结果,验证了辨识结果的准确性.该研究扩展了售检票数据应用范围,为精细化客流特征研究提供了一种低成本、高效的分析方法.     

土地利用混合度对轨道交通车站客流的影响

针对土地利用混合程度如何影响轨道交通车站客流的问题,建立非线性回归方法对其进行量化研究.采用递远递减权重和相邻车站重叠区域人口分配权重来计算加权人口,并以车站客流/加权人口作为因变量,从而分析由土地利用混合程度引起的车站客流变化.构建最小二乘支持向量机模型来分析土地利用混合程度、岗位居住人口比以及车站客流间相互关系.最后,以日本东京都109个车站的实际数据进行案例分析,案例结果表明土地利用混合程度对车站客流影响较弱,而岗位居住人口比与车站出站客流呈现显著正相关.因此,客流预测过程中应以岗位居住人口比代替土地利用混合程度作为关键因素.