考虑乘客候车时间均衡性的灵活编组方案优化

灵活编组模式通过运力供给和客流需求的高度匹配,为提高城轨运营服务质量提供了新的解决方案。在系统分析影响灵活编组方案编制的限制因素基础上,从提高乘客候车时间均衡性的角度,针对大小交路运营模式下小交路外围区段乘客候车时间过长等问题,提出考虑灵活编组方案下的编组数量优化方法,并从不同灵活编组方案中确定乘客候车时间均衡性的最优方案。算例验证结果表明:在组织灵活编组运营模式时,最优方案能在提高列车满载率的情况下减少乘客候车时间248.45 h,大小交路乘客平均候车时间同比差异率降低至41%,且能减少车辆走行公里数197.6 km,有效提升了乘客候车时间的均衡性。

通勤出行公交候车时间的服务等级划分和度量

候车时间是决定通勤出行中公交系统吸引力的关键因素之一,合理的划分通勤出行公交候车时间服务等级有助于提高公交服务质量.通过乘客访谈,掌握乘客候车过程中的心理变化历程,按照乘客心理变化特征将其分为Ⅰ、Ⅱ、Ⅲ、Ⅳ等四个服务等级,构建隶属度函数,并基于隶属度最大原则划分每一等级的候车时间区间;通过SP调查,应用非集计理论建立不同候车服务等级下候车时间价值模型,基于乘客的支付意愿,利用候车时间价值度量乘客感知候车时间,研究在不同服务等级下乘客感知候车时间的差异及随收入和候车服务等级的变化规律.结果表明,Ⅱ、Ⅲ和Ⅳ级服务水平乘客感知候车时间比Ⅰ级服务水平分别增加50%、近300%和540%;且在Ⅰ级和Ⅳ级服务水平下不同收入群体感知候车时间差异不明显;但Ⅱ级和Ⅲ级正好相反.从而为制定面向乘客的候车时间服务质量标准和优化运营调度方案、提高公交系统的吸引力提供科学依据.

铁路客运站旅客候车时间研究

通过实际查验旅客车票并同时记录该旅客的进站时间,基于灰色动态理论,建立旅客的候车时间模型。该模型在对旅客候车时间原始数据处理的基础上,经过Gauss拟合,建立与实际调查结果相符合的灰色动态模型,并与对数正态分布模型进行比较,发现灰色模型更具真实性和准确性。理论分析和实际计算结果表明:旅客候车时间所占比例最大的为38 min,平均值为63.98 min,候车20 min^60 min的旅客占53%。

轨道交通换乘常规公交平均候车时间模型

乘客平均候车时间建模在公交网络协调优化研究、公共交通效益分析等诸多研究领域起着至关重要的作用.本文首先将轨道换乘常规公交的客流分为固定客流和随机客流,并进行客流到站时间分布曲线拟合,结果表明固定客流到站时间的对数正态分布拟合效果最好,而随机客流到站时间的伽马分布拟合效果最好;在此研究的基础上,建立了基于客流分类的换乘客流晚高峰平均候车时间模型;最后,对北京市13号线龙泽站519路公交线路进行了模型应用,以检验模型的准确性.检验结果表明:模型能够准确地估计晚高峰换乘乘客的平均候车时间,相对误差在2.05%以内.

基于几何概型的出租车合乘候车时间分析

出租车合乘平均候车时间是合乘效益评价的主要参数,随着合乘的逐渐兴起,对其求解模型进行研究具有重要的现实意义.经过等候合乘者的任一辆出租车仅存在合乘成功与合乘不成功两种情况,本文在此前提下建立模型,先根据出租车车流载客数分布及方向修正系数建立合乘成功率分布模型,再结合出租车到达时间分布运用几何分布原理建立出租车合乘候车时间计算模型.文中通过对大连市主干道黄河路与西安路商业中心的实地调查得到具体数据标定模型参数,并设计试验对模型的准确性进行了检验,检验结果表明模型能够准确地估算出租车合乘候车时间,相对误差在3%以内.

基于乘客感知的常规公交候车时间可靠性研究

为了使更多乘客选择公交出行,结合哈尔滨市公交站点乘客感知问卷调查数据,建立乘客感知等待时间多元线性回归模型;利用风险函数的方法推导出乘客感知候车时间概率密度函数,据此推导出基于乘客感知的常规公交站点等待时间可靠性模型;采用实际算例进行验证。结果表明:模型计算结果与实际调查结果相差范围均在2%以内,具有较高的准确度。

公交候车时间容忍阈值的分布特征及影响因素

公交候车时间容忍阈值反映的是出行者能够容忍的最长候车时间.研究公交候车时间容忍阈值有助于我们更好地理解出行者对候车时间的感知和态度,从而采取针对性的对策提高公交吸引力和分担率,并可以为公交运营组织提供参考.本文采用昆明市的调查数据,对候车时间容忍阈值进行了实证研究.首先,对候车时间容忍阈值的分布特征进行了统计分析,并采用秩和检验法对不同群体的候车时间容忍阈值的分布差异进行了检验.进一步,基于序次Logit模型识别了候车时间容忍阈值的影响因素,发现年龄、受教育程度、年龄和受教育程度的交互项、职业、家庭年收入、公交出行频率对候车时间容忍阈值有显著影响.

基于IC卡数据的轨道站点候车时间特征分析

城市轨道在面对高峰时刻大量的通勤客流时,有可能因地铁已满负荷行驶乘客而等待下一车辆,由此产生轨道站点候车时间。基于此,提出了一种基于地铁IC卡数据来计算高峰时期乘客真实候车时间的方法。其特点是针对特定OD,通过高峰时刻乘客出行时间与非高峰时刻乘客的出行时间的关系来计算乘客站内高峰候车时间。基于IC卡数据可计算出真实准确的候车时间,并使用北京市地铁IC卡数据计算了北京市278个轨道站点站内候车时间,并对其候车时间特征进行了分析。

城市公交站点乘客候车时间可靠度分析

候车时间的可靠度可直接反映公交运输系统的运营状态和服务水平,是影响公交运输竞争力的一个重要因素。文中通过建立公交站点乘客候车时间的可靠度模型,计算出公交线路中各个站点乘客的候车时间可靠度,为公交站点布置和发车频率制定提供参考;并以成都市某公交线路为例,运用该模型对其站点早高峰乘客候车时间可靠度进行了分析。

基于公交GPS和IC卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分,而候车时间是决定公交系统吸引力的关键因素,也是评价城市公交服务水平的指标之一.目前,获取乘客候车时间的主要途径为问卷调查法和视频采集法.但是这些方法费时费力,仅能实现小范围典型站点的候车时间的调查,无法快速完成线路甚至线网级别的候车时间采集.为解决上述问题,本文基于北京公交GPS和IC卡刷卡数据,采用非时齐泊松过程理论构建了乘客到站模型,并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法,该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间.基于此方法本文计算了1 d内北京公交606路全线的人均候车时间变化情况,计算结果表明,606路早晚高峰和中午乘客人均候车时间最短大约在200 s左右,下午乘客的候车时间较长.

基于多项Logit模型的候车时间价值估计

候车时间是影响公共交通吸引力的重要因素之一,候车时间价值作为候车时间与出行成本间的转化媒介往往对公共交通组织优化结果产生较大影响。通过调研访问及SP调查法获取出行者在不同条件下为减少候车时间的支付意愿数据,应用非集计理论建立基于多项Logit模型的支付行为预测模型;基于出行者支付意愿,利用预测结果测算出行者在不同条件下的候车时间价值;研究候车时间价值在不同条件下的差异及随候车时长变化的规律。结果表明:候车时间价值受候车时长、收入水平、出行目的及天气条件影响显著,且与候车时长和收入水平均呈正相关;工作出行的候车时间价值要高于娱乐出行,恶劣天气条件下的候车时间价值要高于舒适天气;Logistic曲线能够较好地解析候车时间价值与候车时长的关系,拟合决定系数接近于1。

地铁列车延误情况下乘客可容忍候车时间预测模型

为预测地铁列车延误发生后不同类型乘客可容忍候车时间以深化非正常运营情况下地铁乘客出行行为方面研究,引入生存分析理论并建模。首先明确乘客可容忍候车时间的定义并分析其特征,在此基础上选择参数模型及Weibull分布构建考虑影响因素的乘客可容忍候车时间预测模型,最后通过行为(RP)和意向(SP)混合问卷调查获得的数据标定并检验模型。结果表明:乘客放弃等待而选择出站的意愿会随候车时间增加而增加;乘客可容忍候车时间与每周地铁使用频率、日常出行地铁全程耗时、整个行程预留时间、本次出行地铁全程耗时显著正相关;乘客上下班、上下学时可容忍候车时间小于购物娱乐等其他出行目的;日常地铁上下班乘客可容忍候车时间在5.4 min以上的概率高于80%,但超过14.3 min的概率低于50%。

两种典型公交站点候车时间模型对比研究

乘客候车时间可直接反映公交运输系统的运营状态和服务水平.将常规公交站点分类为是否与轨道交通有衔接,对27路、111路白石桥东站,以及运通105路和87路城铁西直门站进行实地调研,获取各线路晚高峰的乘客候车时间数据,对数据进行拟合与分析.结果表明,客流到站时间分别服从对数正态分布和伽马分布.基于客流到站时间分布函数,反推出乘客候车时间模型,同时对模型进行对比分析,并得出相应结论.

站点乘客总候车时间计算方法优化研究

站点乘客总候车时间是公交公司进行车辆运营调度优化的重要指标,能够反映公交运输系统的运营状态和服务水平。为提高站点乘客总候车时间计算模型的精度与适用范围,采用代数学方法建立候车时间计算模型。使用分段三次埃尔米特插值法拟合站点累计到站乘客数量与时间的函数曲线,根据拟合函数表达式求解累计到站乘客数量变化时对应的时刻,作为各乘客估计到站时刻,并进一步计算站点乘客总候车时间。以佛山公交309路清晖园站点为例,利用改进方法计算晚高峰时段乘客总候车时间,所得总候车时间为131.12 min。将结果与均匀分布、泊松分布进行比较,泊松分布结果差异较大,对差异原因进行分析并优化该方法。采用假设案例对本文方法及优化后的泊松分布计算方法进行有效性检验,误差为7.45%和1.50%,验证了研究方法的有效性和适用条件广泛性。

高铁客运枢纽乘客候车时间预测模型研究

为了对高铁客运枢纽乘客候车时间分析预测提供理论支撑,从探寻高铁乘客候车时间的分布特性入手,在对高铁枢纽内乘客候车时间实地调查的基础上,进行了乘客候车时间分布拟合。基于方差分析方法,对高铁枢纽内乘客候车时间影响因素进行了显著性分析,并对乘客候车时间显著性影响因素与候车时间的关系进行了探讨。利用改进的BP神经网络,构建了高铁枢纽内乘客候车时间预测模型,并利用调查数据验证了模型的有效性。分析结果表明,高铁枢纽提前购票乘客候车时间服从对数正态分布;市内出行时间、对外出行距离、对枢纽的熟悉程度、受教育水平、市内交通方式均对候车时间造成显著影响;所构建的候车时间预测模型的计算值与调查值的平均相对预测误差为11.2%,预测误差基本控制在20 min以内。

基于乘客候车时间的行车考核指标研究

乘客候车时间是乘客时间成本的重要组成部分,反映城市轨道交通运营企业的服务水平。相比行车正点率,乘客候车时间能够更好地作为城市轨道交通企业服务水平和自身运行状况的最主要考核指标。本文在已知站间客流分布和列车到站时刻基础上,提出乘客候车时间的计算方法,并分析了乘客候车时间指标的应用。该研究对城市轨道交通运营企业优化考核指标体系具有重要意义,并为乘客候车时间计算提供参考。

武汉地铁客运量重回百万级 候车时间缩短

日前,武汉轨道交通线网日均客流量约103万人次,重回"百万级"。从5月18日起,武汉地铁将第四次增加运力,缩短乘客候车时间。调整行车组织方案后,武汉地铁1号线、2号线、4号线工作日早高峰最小行车间隔缩短至4分钟,其中2号线、4号线大交路行车间隔缩短至8分钟。

城市公交平均候车时间估计模型

城市公交系统中包含海量的IC卡刷卡数据与公交智能调度数据,这些数据是对城市公交的运营状况和服务水平进行全面、客观、科学评价的基础。公交候车时间可以直接反映公交系统的运营和服务水平,是影响公交运输竞争力的一个重要因素。该文分别针对普通公交站点和快速公交(BRT)站点建立平均候车时间估计模型。其中对于普通站点,通过泊松分布、伽马分布等概率模型来估计乘客到达车站的时间,结合公交车的报站信息获取公交车辆的到达间隔,以此进行平均候车时间的计算;而对于BRT站点,通过上下车信息推断算法,估计乘客的上车时间,再结合乘客刷卡进站的时间来进行平均候车时间的计算。通过对公交站点的实地调查,验证了该模型估计的准确性。最后将其应用于广州市公交系统全网的分析计算,实现线路—班次—站点的层面对平均候车时间进行估计。

轨道交通枢纽地铁换乘接运公交乘客平均候车时间研究

在分析4个主要影响因素的基础上,基于换乘乘客到站时间符合正态分布,建立换乘乘客平均候车时间模型,由此确定的平均候车时间与Welding公式计算的结果有很大的差异。应用微分理论,绘出平均候车时间变化曲线,发现接运公交发车时刻是影响平均候车时间的关键因素,且存在最小平均候车时间的发车时刻;通过敏感性分析发现平均候车时间受换乘乘客到站时间均值影响很小,但随方差变化较大;平均候车时间增大倍数超过接运公交发车间隔的增大倍数的2倍;并随着接运公交运营可靠度的降低而急剧增加。

旅客在始发候车与中转换乘时间消耗的分析

旅客始发候车与中转换乘时间是构造列车运行网络和进行网络配流的重要参数。采用定性分析的方法,在列车均匀分布情况下,对旅客固定车次和不固定车次出行时的候车时间、中转换乘时间进行研究,为采用网络优化的方法和技术优化旅客列车开行方案提供重要参数,确保网络配流和网络优化最终适用的实现。