为科学分析地铁对客流的疏解能力并制定合理的运营调度计划,基于自动售检票系统(Automatic Fare Collection,AFC)和地铁运营数据,提出了一种地铁乘客候车时间和滞留次数的计算方法。首先研究了未换乘乘客和换乘乘客乘坐地铁出行的全过程...为科学分析地铁对客流的疏解能力并制定合理的运营调度计划,基于自动售检票系统(Automatic Fare Collection,AFC)和地铁运营数据,提出了一种地铁乘客候车时间和滞留次数的计算方法。首先研究了未换乘乘客和换乘乘客乘坐地铁出行的全过程,细分为进站阶段、候车阶段、乘车阶段、换乘阶段、出站阶段共5个阶段;接着基于数据驱动和判别分析法提出了乘客候车时间和滞留次数的计算方法;最后从乘客和站点两个层面分析了北京市地铁的候车特征和滞留特征。结果表明:乘客的候车时间呈现出正偏态分布,9成以上的乘客可以在6.5min内上车;各小时平均候车时间与客流量成反比,各小时滞留人数与客流量成正比,各小时滞留比例基本维持在5%左右。因此,在大城市地铁运行管理过程中,建议着重关注高峰时段大客流站点乘客的候车时间和滞留次数,避免拥挤踩踏事件发生。展开更多
文摘为科学分析地铁对客流的疏解能力并制定合理的运营调度计划,基于自动售检票系统(Automatic Fare Collection,AFC)和地铁运营数据,提出了一种地铁乘客候车时间和滞留次数的计算方法。首先研究了未换乘乘客和换乘乘客乘坐地铁出行的全过程,细分为进站阶段、候车阶段、乘车阶段、换乘阶段、出站阶段共5个阶段;接着基于数据驱动和判别分析法提出了乘客候车时间和滞留次数的计算方法;最后从乘客和站点两个层面分析了北京市地铁的候车特征和滞留特征。结果表明:乘客的候车时间呈现出正偏态分布,9成以上的乘客可以在6.5min内上车;各小时平均候车时间与客流量成反比,各小时滞留人数与客流量成正比,各小时滞留比例基本维持在5%左右。因此,在大城市地铁运行管理过程中,建议着重关注高峰时段大客流站点乘客的候车时间和滞留次数,避免拥挤踩踏事件发生。