提出1种融合乘客个体出行特征及站点土地利用特征识别地铁站点功能的方法。首先,借助AFC(Automatic Fare Collection)数据提取乘客个体出行指标,通过K-means++方法对乘客出行类型进行聚类并识别,将其全天分布特征作为乘客个体出行数据;...提出1种融合乘客个体出行特征及站点土地利用特征识别地铁站点功能的方法。首先,借助AFC(Automatic Fare Collection)数据提取乘客个体出行指标,通过K-means++方法对乘客出行类型进行聚类并识别,将其全天分布特征作为乘客个体出行数据;之后,利用站域POI(Point of Interest)数据表征站点周边土地利用特性,对上述两类数据进行特征提取得到乘客出行特征及站点土地利用特征,并将两类特征合并为站点功能向量;最后,基于功能向量对站点聚类,将北京地铁站点分为6类,分别是弱居住主导型车站、就业主导型车站、旅游及休闲车站、居住主导型车站、职住结合型车站、弱就业主导型车站。站点聚类结果与实际情况较为吻合,验证了本文所提方法的有效性,其结果能为不同用地类别站点周边发展规划提供针对性参考。展开更多
轨道交通客流量影响因素是轨道交通方面研究的一个关注点,不同站点客流量的时空非平稳性被认为与站域建成环境有关。通过构建时空地理加权(geographically and temporally weighted regression,GTWR)模型,揭示了土地多样性、密度、站点...轨道交通客流量影响因素是轨道交通方面研究的一个关注点,不同站点客流量的时空非平稳性被认为与站域建成环境有关。通过构建时空地理加权(geographically and temporally weighted regression,GTWR)模型,揭示了土地多样性、密度、站点属性3个方面因素在时间和空间维度上对天津市轨道交通客流量的影响。结果表明:相较于传统的地理加权(geographically weighted regression,GWR)模型和最小二乘法(ordinary least squares,OLS)模型,GTWR具有更好的拟合优度;公交站点密度对轨道交通客流产生促进作用,尤其在工作日的早晚高峰时段和中心城区位置;市中心的商业设施在工作日晚高峰吸引更多的地铁乘客,而在近郊区它们在早高峰吸引更多的地铁乘客;人口密度促进轨道交通的客流量;充足的停车场设施数量可以吸引更多的轨道交通乘客。展开更多
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
文摘提出1种融合乘客个体出行特征及站点土地利用特征识别地铁站点功能的方法。首先,借助AFC(Automatic Fare Collection)数据提取乘客个体出行指标,通过K-means++方法对乘客出行类型进行聚类并识别,将其全天分布特征作为乘客个体出行数据;之后,利用站域POI(Point of Interest)数据表征站点周边土地利用特性,对上述两类数据进行特征提取得到乘客出行特征及站点土地利用特征,并将两类特征合并为站点功能向量;最后,基于功能向量对站点聚类,将北京地铁站点分为6类,分别是弱居住主导型车站、就业主导型车站、旅游及休闲车站、居住主导型车站、职住结合型车站、弱就业主导型车站。站点聚类结果与实际情况较为吻合,验证了本文所提方法的有效性,其结果能为不同用地类别站点周边发展规划提供针对性参考。
文摘轨道交通客流量影响因素是轨道交通方面研究的一个关注点,不同站点客流量的时空非平稳性被认为与站域建成环境有关。通过构建时空地理加权(geographically and temporally weighted regression,GTWR)模型,揭示了土地多样性、密度、站点属性3个方面因素在时间和空间维度上对天津市轨道交通客流量的影响。结果表明:相较于传统的地理加权(geographically weighted regression,GWR)模型和最小二乘法(ordinary least squares,OLS)模型,GTWR具有更好的拟合优度;公交站点密度对轨道交通客流产生促进作用,尤其在工作日的早晚高峰时段和中心城区位置;市中心的商业设施在工作日晚高峰吸引更多的地铁乘客,而在近郊区它们在早高峰吸引更多的地铁乘客;人口密度促进轨道交通的客流量;充足的停车场设施数量可以吸引更多的轨道交通乘客。
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。
