基于异构数据特征的城市轨道交通OD客流短时预测方法

城市轨道交通起讫点(origin-destination,OD)客流短时预测在智能交通系统中意义重大,它为交通管控策略实施以及出行者出行选择提供了重要的决策依据。卷积神经网络被广泛用于交通数据空间相关性提取,但其平移不变性与局部敏感性导致该方法更重视局部特征而忽视全局特征。本研究构建了基于注意力机制的异构数据特征提取机模型(heterogeneous data feature extraction machine,HDFEM)以实现OD矩阵空间相关性的全局感知。该模型从时空特征和用地属性特征出发,构造异构数据OD时空张量与地理信息张量,依托模型张量编码层对异构数据张量进行分割与编码,通过注意力机制连接各张量块特征,提取OD矩阵中各个部分间的空间相关性。该方法不仅实现了异构数据与OD客流数据的融合,还兼顾了卷积神经网络模型未能处理的OD矩阵远距离特征,进而帮助模型更全面地学习OD客流的空间特征。对于OD时序特性,该模型使用了长短时记忆网络来处理。在杭州地铁自动售检票系统(auto fare collection,AFC)数据集上的实验结果表明:HDFEM模型相对于基于卷积神经网络的预测模型,其均方误差、平均绝对误差与标准均方根误差分别下降了4.1%,2.5%,2%,验证了全局OD特征感知对于城市轨道交通OD客流预测的重要性。

基于分形理论的城市轨道交通客流动态特征研究

随着城市轨道交通的发展,其站点与线路设施将逐渐完善,并引发客流的变化。为评价轨道交通客流的动态特征,针对轨道交通客流时空不确定的特点,采用半径-面积法,分析轨道交通客流进/出站维数与其分枝维数,探究轨道交通建设过程中客流分维的短时与长期变化特征。为研究轨道客流的自仿射特性,采用功率谱分析法,计算自仿射记录维数。以苏州市轨道交通为例,发现客流的全天变化趋势可用分形维数量化分析。采用功率谱分析方法逐一求解不同时间段下的自仿射记录维数,发现平峰期的客流空间衰减率更高,同质性更低。研究成果可为进一步解析与优化轨道交通的利用效率与服务能力提供理论指导。

城市轨道交通客流与站点特征分析

交通客流与站点特征的精准分析,对缓解城市交通拥堵,促进轨道交通的良好运营起着至关重要的作用。文中以成都市轨道交通为例,基于AFC数据完成客流特征分析,并采用改进的k-means算法对成都地铁1、2、3号线104个站点进行聚类,最终分为居住导向型、就业导向型、职住交错型、职住交错偏居住型、职住交错偏就业型和综合型6类站点。望为后续车站发展规划及周边土地利用等提供参考依据。

西安城市轨道交通客流时空分布特征研究

为了解决城市轨道交通运营中大客流问题,笔者采用进出站客流空间分布、区间客流空间分布、换乘客流空间分布等指标,研究线路网络复杂化前后的乘客分流效果和对部分换乘量集中车站的缓解作用。笔者采用西安市地铁客流数据进行实证分析,经过研究发现,轨道交通网络复杂化后,西安地铁线网总客流进一步增长,原有线路客流均表现为增长;新开通站点对临近站点高峰小时进出站客流的分流作用明显;各车站间高峰小时系数的极差增大;地铁线网换乘系数有所提升,线网总体换乘客流分布更加均匀。

考虑动态随机客流的城市轨道交通列车时刻表仿真优化

为更加精准刻画动态随机客流与列车时刻表编制间的复杂匹配过程,综合考虑乘客动态随机到达过程、列车容量限制、车内拥挤度对乘客上下车速率影响、停站时间动态调整和列车运行安全防护等重要运营特征,构建城市轨道交通列车运行离散仿真模型。在此基础上,建立以最小化乘客平均候车时间为目标的随机非线性优化模型,并设计一种基于仿真的有限差分随机逼近算法,用于优化城市轨道交通发车方案。以国内某条线路的实际运营数据为例验证仿真模型及优化方法,结果表明所构建模型及算法具有较好的优化效果和计算效率,优化后的列车实绩运行时刻能更好地适应客流需求的动态随机性,且在不增加发车频次的前提下有效降低乘客平均候车时间,提升城市轨道交通运营管理水平。

城市轨道交通线网客流管控系统设计及实现

为提高轨道交通运营企业抵御大客流风险的能力,设计研发城市轨道交通线网客流管控系统。面向客流调度员的实际业务需求,设计管控方案管理、方案智能编制、方案预评估、方案后评估等4项核心功能,通过动态客流分配、客流控制算法等技术,对线网级客流进行科学化、智能化、全流程管理。该系统已在北京地铁试点应用,应用表明,该系统弥补了既有经验式管理的不足,提高了客流安全风险防控水平,能够为智能化运营管理提供技术支持。

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。

基于可预知大客流的城市轨道交通列车加开计划调整模型与算法

[目的]节假日、大型文体活动等事件会导致城市轨道交通线路产生可预知大客流,需在确保列车运行安全的前提下,根据客流预测情况在已有列车运行图中加开列车,以期在运营成本、运营组织复杂度和乘客服务水平之间取得平衡。[方法]采用事件-活动网络,对列车运行过程进行了形式化描述,建立了3个目标函数及相关的约束条件,进而构建了独立运用策略下列车加开计划调整模型、套跑混合运用策略下列车加开计划调整模型。在此基础上,提出了基于混合遗传禁忌的搜索算法。结合深圳地铁11号线的实际运营数据,在高峰时段和非高峰时段分别建立了不同的算例场景,以验证所建模型和算法的有效性。[结果及结论]所建模型支持不同运营时段、不同运行交路、不同车底接续策略下列车加开需求,在可预知大客流的运营调整上具有适用性。在车辆资源相对有限的情况下,为有效缓解高峰时段的客流压力,可灵活采用大小交路套跑混合运用策略,使线路的运输能力最大化。

中国海外城市轨道交通市场分布与演化特征研究

随着全球范围内人口的快速增加及城市化进程的加速推进,城市轨道交通产品的海外市场需求不断增长,为我国城市轨道交通产品及相关产业“走出去”提供契机。文章聚焦于“一带一路”倡议提出的10年间(2014年—2023年)我国开工建设的海外城市轨道交通建设项目,通过统计梳理此间我国企业在海外承建的城市轨道交通项目建设里程,并将其与“一带一路”倡议提出前的2007年—2013年间数据进行对比,分析出我国海外城市轨道交通市场分布规律、演化特征及所面临的挑战,然后以此为据,从市场定位与进入、产业链延伸及技术输出3方面提出相应的市场开发策略,以期为我国城市轨道交通企业更好地开拓海外市场提供借鉴和参考。

基于VISUM软件的城市轨道交通线网客流分配自动化计算程序开发

[目的]针对目前城市轨道交通(以下简称“城轨”)线网客流分配计算过程重复性工作较多的问题,基于对城轨线网客流分配过程的研究,开发了城轨线网客流分配自动化计算程序。[方法]梳理了城轨线网客流分配自动化计算程序的开发需求。介绍了基于VISUM软件的城轨线网客流分配自动化计算程序的主要技术流程。基于需求分析,将该程序划分为线网供给方案建模、线网需求方案建模、交通分配计算及数据输出等4个主要功能模块。阐述了该程序中4个模块的操作内容以及参数传递过程。重点介绍了线网供给方案建模模块的计算过程与实现方法。[结果及结论]经实例验证,采用该程序进行城轨线网客流分配的计算,不仅可以满足客流分配所需的复杂的分析计算要求,亦能提高客流分配工作的效率。

基于Anylogic的城市轨道交通客流仿真优化

轨道交通作为城市居民日常出行的主要交通方式之一,其车站的运营效率和服务水平对整个轨道交通线路网的顺畅运营起重要作用。针对我国地铁现存的问题,以轨道交通站点中的换乘站为研究对象,从乘客进站流畅性、优化方案的时效性、站内设施利用率3个方面对车站进行研究。利用Anylogic仿真软件建立济南地铁八涧堡换乘站的仿真模型,通过导入真实人流数据进行仿真模拟,针对各个瓶颈问题从站内设施布局和客流组织两方面提出科学合理的优化方案,并利用仿真实验对换乘方案进行检验。结果表明,通过研究站内人员、乘客、配套设施的集散状况,本文优化方案提高了车站面积和站内设施的利用率,消除了站内客流瓶颈,可有效缓解站内拥堵现象的产生并提高流线的流畅性,能为其他城市轨道交通换乘站优化提供决策性的支持。

基于时空特征的城市轨道交通客流量预测方法

随着城市轨道交通网络运营里程的不断增长及网络承载客流量的不断提高,特定站点客流量极易发生急剧变化,这种变化引起整个网络客流量的不均匀分布,从而增加运营调度的难度和运营事故的发生概率.本文以城市轨道交通实际运营中采集的大量客流数据为基础,从时间和空间两个维度分析城市轨道交通客流分布的特点,并进一步提出基于贝叶斯网络的客流量预测方法,实现对特定站点的客流量预测.本实验完全基于实际数据,结果表明:预测客流量平均绝对百分比误差基本在0.1以下,预测准确程度较高.

基于时空关联的时空图卷积神经网络城市轨道交通进站客流预测

[目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。[方法]首先,通过切比雪夫图卷积网络捕捉超大规模城市轨道交通网络的空间相关性,借助门控循环单元挖掘多时空关联特征下客流的时间相关性;然后,分析待预测车站历史客流数据相关性及OD(起讫点)客流数据相关性,以深入提取时空相关性;最后,结合客流时空关联特征建立STGCN模型。[结果及结论]以上海地铁江苏路站为例,进行短时进站客流预测,结果表明采用时空关联特征参数的预测结果较未加入特征参数的预测精度提高了16%,预测效果较优。

基于时空特征的城市轨道交通短时OD估计方法

精准的短时出行地和目的地(OD)估计技术是城市轨道交通运营组织方案制定的主要依据,同时也是城轨断面客流预测的基础。为同时考虑时空双维特征,且快速实现全网OD的高精度估计,该文基于时间、空间2个维度分析了城轨客流OD分布特征,提出多维度下的最优输入因子筛选方法,构建了基于多元线性回归模型的多层级嵌套OD估计方法。以2019年工作日的南京地铁线网为例进行模型验证,结果表明,时间粒度为15 min以及60 min下,全网OD的平均绝对百分比误差(MAPE)分别为37%、24%,部分OD对在高峰时段的MAPE值小于5%;15 min粒度的均方根误差(RMSE)约为1.3。相比于现有短时OD估计方法,该文提出的方法在高峰时段预测效果更好,能够高效实现全网、全时段的OD估计。

基于监控视频数据的城市轨道交通车站闸机设施处行人停滞行为谱特征研究

[目的]为科学设置闸机,改善其实际通行能力,以及减少行人异常停滞行为带来的拥挤风险,需对城市轨道交通车站闸机设施处行人停滞行为谱特征进行研究。[方法]利用视频轨迹追踪技术,采集城市轨道交通车站闸机设施处监控视频中的行人运动参数;确定行人停滞行为表征指标,从闸机类型、行人流及个体停滞行为三类要素构建了城市轨道交通车站闸机设施处行人停滞行为谱,并采用四分位差法确定行人停滞行为谱表征指标上下限阈值;对行人停滞行为起点至闸翼/闸杆中心的纵向距离和横向距离,以及行人停滞范围和停滞时间等4个表征指标的差异性进行了分析,并全面解析了不同闸机类型和不同行人流率下的行人停滞行为谱特征。[结果及结论]行人易在闸机设施正前方停滞,行人停滞行为起点至闸翼/闸杆中心的纵向距离远大于其横向距离;当行人流率为>5~10人次/min时,行人停滞范围波动性最大;随着行人流量的增加,行人可用空间、停滞范围及停滞时间均减小。

城市轨道交通环线客流特征分析及启示

轨道交通环线在轨道交通网络中具有特殊的地位和作用。首先,通过对比分析北京市、上海市轨道交通环线与非环线路的客流特征,总结出环线具有可达性较强、客运量高、断面客流量波动性较小、平均运距较短、换乘量较大等特征。其次,分析北京市第二条环线成环前后轨道交通线路客流特征变化、外环线路开通对内环线路的影响以及环线对于放射线路的分流作用,总结双环结构中内外环之间的关系及对放射线路的影响。最后,从轨道交通环线在线网中的功能、位置选择和建设时机等方面提出探索性建议。

城市轨道交通网络化客流特征及成长规律——基于京沪穗深城市轨道交通网络客流数据分析

中国各大城市轨道交通将陆续进入网络化运营阶段,然而对于网络化进程中客流特征及成长规律尚缺乏深入细致的分析与研究。对北京、上海、广州、深圳4个城市轨道交通网络化进程中的客流特征及成长规律进行系统总结,涉及客运量及客运强度、断面客流量分布、线网换乘系数、乘距与运距、客流时间分布等。同时,针对轨道交通沿线土地利用、线网规模、服务水平、票制票价等影响客流特征变化的主要因素进行分析。在此基础上,对当前中国城市轨道交通规划、建设、运营组织的若干关键问题提出建议。

基于时序特征的城市轨道交通客流预测

通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10%以下,小于单个神经网络的预测误差,提高了预测精度.

城市轨道交通客流特征与规律分析

通过对国内外既有线路的客流统计,阐述轨道交通客流的特征,为我国大城市轨道交通客流预测结果的合理性判断提供依据。从全网客流、客流时空分布、平均运距、换乘客流等方面,分析轨道交通的客流特征。结果表明,由于沿线土地利用的差异性,线路各个断面的客流存在不均衡现象;轨道交通运量高峰小时系数基本呈下降趋势,断面客流高峰小时系数值明显大于运量高峰小时系数值;通常轨道交通市区线的平均运距为线路全长的1/4~1/3,郊区线的平均运距为线路全长的1/2~1/1.5;随着网络规模的扩大,换乘客流大幅增加,基本占全网客运量的30%~40%甚至更高,其中郊区线的换乘比例大于市区线,环线的换乘比例明显较高。

基于非线性卡尔曼滤波的城市轨道交通客流密度短时预测方法

[目的]为应对大客流事件,需准确识别城市轨道交通对大客流时空分布状态及演化规律,有必要基于EKF(扩展卡尔曼滤波)和UKF(无迹卡尔曼滤波),对城市轨道交通客流密度进行短时预测。[方法]从车站和断面两个层面,介绍了自动售检票设备数据的处理方法,并划分了城市轨道交通车站及断面的舒适度等级。通过定义客流密度状态方程和量测方程,分别介绍了EKF模型和UKF模型的城市轨道交通客流密度短时预测计算方法。以国内某城市轨道交通网络化运营城市某条线路为案例,比较了EKF模型及UKF模型的预测精度。[结果及结论]算例结果表明,EKF模型及UKF模型均能通过实时采集当前时段车站自动售检票设备数据来预测下一时段的车站客流密度和断面客流密度,适用于城市轨道交通客流密度短时预测场景。相比于EKF模型,UKF模型全天分时段预测值更接近真实变化趋势,UKF模型预测值与真实值的散点分布更趋集中收敛;UKF模型的均方根误差、平均绝对误差及平均绝对百分比误差均相对更低,说明UKF模型预测精度相对更高。