基于多层次综合评价的公交运行瓶颈诊断

运行瓶颈诊断对公交发车时刻表调整和车辆调度优化具有重要意义。从公交乘客和公交运营企业的不同关切点出发,结合公交GPS和IC卡等实时运营数据,提出一种公交运行瓶颈诊断方法。在公交企业运营效益、公交乘客出行效率等因素分析的基础上,分别从站点层面提出公交车头时距、车辆延误度等运行评价方法,在线路层面构建公交行程时间与运输效益评价方法,以及基于站点、线路评价结果的线网层面综合分析方法。最后,利用案例获取的公交车位置、行驶速度、公交乘客数量等实时数据,以及公交站点、线路、线网和调度方案等静态数据,对所提方法进行检验。结果表明,公交运行瓶颈诊断结果与公交实际运行状况具有较高符合度,能够实时、有效反应公交运行状态,具有较好的工程实用价值。     

基于非集计模型的中长途客运旅客选择方式

近年来,随着我国高铁的快速发展,给公路客运产生了巨大的冲击。为了提高公路客运企业竞争力,结合中长旅客出行需求和发展态势,笔者从旅客特性、出行特征、运输方式特性等角度,分析了旅客出行行为偏好影响因素,构建了基于非集计的多元Logistic旅客选择方式回归模型。论文依据北京公路客运数据,对0～400km和400～800km的中短途和中长途旅客出行选择行为进行了敏感度分析实验。实验表明,0～400km中短途出行的旅客对便捷性和准时性的敏感度高,而400～800km中长途出行的旅客对出行费用、出行时间、舒适性和安全性的敏感度高。     

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。     

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...     

Occupant evacuation model based on cellular automata in fire

By applying the rules set in traffic flow and pedestrian flow models, a basic cellular automata model is presented to simulate occupant evacuation in fire. Some extended models are introduced to study the special phenomena of evacuation from the fire room. The key of the models is the introduction of the danger grade which makes the route choice convenient and reasonable. Fire not only influences the emotional and behavioral characteristics of an individual but also affects his physical constitution, which reduces his maximal possible velocity. The models consider these influence factors by applying a set of simple but effective rules. It is needed to emphasize that all rules are established according to the essential phenomenon in fire evacuation, that is, all the occupants would try to move to the safest place as fast as possible. Some simulation examples are also presented to validate the applicability of the models.     

客运专线轨道不平顺功率谱分析

轨道不平顺是车辆振动的主要激扰源,也是限制列车最高运行速度的主要因素之一,直接关系到列车运行的平稳性、安全性和舒适性。文章以秦沈客运专线轨检车实测轨道不平顺数据为统计样本,基于样本平稳性检验,采用FFT方法进行样本空间的谱估计,并由MATLAB编程得到轨道不平顺谱密度。基于轨道不平顺样本的总体平均,得出了谱密度频率平滑曲线和谱密度曲线拟合表达式,并与我国重载提速干线的谱密度曲线进行了对比分析。在此基础上,对秦沈客运专线的轨道状态进行了评估。     

基于声环境评价的公共交通优先设置形式比选

根据各类公共交通优先设置形式的声环境特性,选择道路公交专用道(BUS)、道路交通快速公交系统(BRT)、高架地铁(MR)、高架轻轨(LR)和高架低速磁悬浮(LM)进行声环境评价比选研究.首先分析了上述5种公交优先设置形式的噪声影响因素;然后选择了道路交通与轨道交通公交优先客运走廊的噪声计算方法,并确定了相关参数;在此基础上,进行了5种公共交通优先设置形式的噪声情景设置、噪声计算与对比分析.研究结果表明,在城市公交优先客运走廊上,公交优先设置形式对声环境的影响比客运量变化的影响大;在高峰小时客运量2.0～5.0万客运走廊上,轻轨具有声环境优势;在高峰小时客运量5.0万以上客运走廊上,地铁具有声环境优势;在声环境特别敏感区域,宜采用低速磁悬浮.     

基于事故树方法的城市轨道交通乘客坠落站台分析

以系统工程学为视角,结合北京市2004-2008年地铁运营异常记事信息,运用事故树分析法对城市轨道交通乘客坠落站台事件进行分析。通过分析得出,在现有无屏蔽门的条件下,除去乘客自身原因,乘客坠落站台事件发生的概率主要取决于站台管理措施和引导服务设施设置是否合理。本研究有助于城市轨道交通运营公司对引起该事故发生的各个因素提高警惕意识,也为运营安全管理工作提供理论依据。     

基于时空数据挖掘的铁路客流预测方法

提出了一种新的基于时空数据挖掘的铁路客流预测方法,该方法一方面采用统计学原理对目标对象本身的时序进行预测,另一方面通过神经网络解算相邻对象的空间影响,最后使用线性回归得到综合预测结果.采用该方法对某铁路直通区段2004年春运期间旅客总发送量进行预测,与不考虑空间影响的预测方法相比,预测精度有所改善.     

地下车库通风设计体会

以孝义地下车库建设为例,简要介绍了地下车库及设备用房的排风排烟量计算和系统设计,总结了设计中的一些体会。