基于乘客OD间路径旅行时间的城市轨道交通客流分布计算模型的适用性研究

[目的]针对目前城市轨道交通(以下简称“城轨”)线网客流分布计算模型的客流计算结果与实际客流存在偏差的现象,需基于OD间路径的实际旅行时间,对基于多路径概率分配的客流分布计算模型的适用性展开研究。[方法]基于乘客OD间路径的实际旅行时间,分析揭示了现有城轨客流分布计算模型存在的主要问题;融合AFC(自动售检票)系统和ATS(列车自动监控)系统两类数据,构建并标定了基于乘客OD间路径旅行时间的城轨客流分布计算模型;对目前国内城轨系统广泛采用的基于多路径概率分配的城轨客流分布计算模型的适用性进行了分析与评价。[结果及结论]现有城轨客流分布计算模型在路径选择集和路径选择比例上存在主要问题。通过基于多路径概率分配的城轨客流分布计算模型获取的路径分配比例,得到的旅行时间分布模拟结果均为单峰,无法重现从AFC票卡提取的实际旅行时间分布的多峰情况。当城轨线网较为简单时,基于多路径概率分配的城轨客流分布计算模型基本适用;当线网规模不断增加,线网结构进一步复杂,列车运行方式的多样性、乘客出行行为的差异性等不断加大的条件下,该模型对于路径阻抗差异小的OD可能适用,而对于路径阻抗差异大的OD不适用。

一种基于集散系数修正的乘客OD推算方法——以哈尔滨市某公交线路为例

单纯以出行距离的概率分布推算公交乘客的OD矩阵,往往会与实际情况产生比较大的误差。本文综合考虑不同站点附近土地利用、换乘等差异对乘客出行分布规律的影响,建立以站点集散系数为修正参量的乘客OD矩阵计算模型。经过哈尔滨市某公交线路的实际调查检验,与单纯概率法相比,站点集散系数修正模型大幅度提高推算准确度,相对误差显著降低,更贴近实际情况。

基于海量IC卡数据的公交客流时空分析

研究公交客流时空变化规律可以更深入地了解乘客的出行规律和出行需求,从而更好地为公交规划和调度提供服务。本文以厦门市2015年6月13日至26日的公交IC卡数据和车辆GPS数据为数据源研究公交客流的时空分布规律。论文运用Hadoop MapReduce分布式计算框架进行公交客流量的并行计算,从不同日期(工作日、双休日、节假日)和不同用户群体(老人,学生和成人)两个角度以小时为单位探索了公交客流的时间分布特征;在对公交站点的上车人数进行核密度分析的基础上,从站点客流量的总体空间分布及不同时段变化特征两个角度探索公交站点客流的空间分布特征,并以SM城市广场为例进行热点站点客流流向分析。研究发现:厦门市公交客流的时间分布规律呈现M状分布,但有别于北京市公交出行的M状分布,晚高峰的客流量约占早高峰客流量一半;站点客流空间分布规律呈现岛内连片聚集,岛外零星点状分布,岛内站点客流一日内早高峰呈现"入"状分布,随时间而演变为东北—西南走向的"一"状分布; SM城市广场、火车站和中山路商圈一直是全天的公交客流热点区域。

顾及空间异质性的出租载客与公交客流回归分析

出租车一直以来被看作公共交通的补充,但是以往研究多侧重于出租客流与公交客流的独立研究,对于二者的关联关系分析没有足够得到关注。预测出租车载客热点区域不仅能够实时的了解城市交通热点区域,还能够很好地指引出租车司机,帮助出租车司机快速寻客。出租车载客热点常发生在人流密集并且交通出行需求较高的区域,公交乘客IC卡数据能够实时的反映城市中的交通需求。因此,本文使用厦门岛出租车GPS轨迹数据与公共交通运输系统运营数据,利用核密度估计法和地理加权回归模型分析了早晚高峰时段出租车载客与公交上下车(OD)客流之间的时空分布关系。研究发现,出租乘客O点的核密度值在空间上存在分布不均衡性,聚集特征明显。在同一区域,公交乘客O点和公交乘客D点对出租乘客O点所产生的影响刚好相反;在不同区域,城市功能类型复杂的地区公交乘客O点对出租乘客O点产生负的影响,在城市功能类型单一的地区公交乘客O点对出租乘客O点产生正的影响,公交乘客D点则刚好相反。与普通线性回归模型相比,地理加权回归模型的拟合效果显著提高,早晚高峰拟合优度分别从0.13和0.11提升到了0.59和0.53。研究结果可为出租车载客数量的预测提供相关依据。