基于AFC数据的耦合时空特征下地铁高峰客流预测研究

高峰客流拥挤是大城市轨道交通面临的主要问题,表现为客运服务水平降低,存在客流安全问题。高峰客流中主要客流为以工作出行的客流,这类客流具有出行稳定、强度高等特征,从而出现高峰客流拥挤问题。本文利用自动售检票数据所包含的乘客出行内在关系,构建基于规则的乘客工作出行客流辨识算法;从不同方面挖掘工作出行客流特征,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,发现当高峰客流拥挤时,其呈周期性重复特征因素包含产生位置、时间及持续时间等,从而提取了影响地铁客流变化主要因素,包括节日、非节日、时间段、站点和天气,从而提高地铁客流预测的准确性。