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。

考虑乘客旅行时间价值的市域轨道交通列车开行方案

[目的]鉴于市域铁路的功能定位,以及当前经济社会发展下乘客对出行快捷性、舒适性和经济性需求不一致的特性,需对考虑乘客旅行时间价值的市域铁路列车开行方案进行研究。[方法]构建了考虑乘客旅行时间价值的列车开行方案模型。该模型以乘客出行成本和列车开行成本为目标函数,以列车定员、站间客流及列车开行数量等为主要约束条件,同时采用帕累托模型对不同乘客的时间价值和不同编组列车的开行成本进行标定。以上海市域轨道交通机场联络线为研究背景,考虑了4节与8节两种列车编组形式,对虹桥站至上海东站站单方向高峰小时的列车开行方案进行了计算分析及评价。[结果及结论]考虑乘客旅行时间价值的列车开行方案能最大限度地减少乘客出行成本,更好地满足不同乘客的出行时间需求;增加乘客旅行时间价值较低的乘客旅行时间,缩短乘客旅行时间价值较高的乘客旅行时间,能更好地发挥列车开行方案的经济效益。

考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题(STT‒VRPSPD),建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索(HSTS)算法,并采用C‒W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。

城市轨道交通网络OD间路径旅行时间可靠性研究

在大规模复杂城市轨道交通网络条件下,同一OD间不同路径旅行时间的可靠性差异加大,进而对乘客出行选择产生影响。将乘客一次出行的路径旅行时间划分为走行时间(包括进站、换乘和出站走行时间)、候车时间(包括起始站和换乘站的候车时间)和乘车时间,运用概率密度函数对各分段时间进行定量解析与拟合。界定OD间路径旅行时间可靠性的内涵,提出以标准差和缓冲指数作为可靠性评价指标并给出计算方法。以北京地铁网络为例进行计算与分析,证明了评价指标能够较好地反映OD间路径旅行时间可靠性,并从实证角度说明了城市轨道交通系统在平峰时段具有较高的可靠性。由于高峰时段列车运行延误与乘客走行差异是影响OD间路径旅行时间的重要因素,以上海地铁网络中某一OD为研究实例,结果表明高峰时段不同路径旅行时间可靠性对乘客实际出行路径选择产生影响。

长大下坡道区段限速对有轨电车旅行时间影响的计算与仿真研究

目的:我国西南地区的有轨电车线路大多存在长大坡道。为了保证长大下坡道上有轨电车的运行安全,有轨电车需限速运行,进而影响旅行时间。对此,需要研究长大下坡道区段限速对有轨电车旅行时间影响。方法:基于有轨电车牵引计算及区间运行时间计算,通过Opentrack软件构建区间运行仿真模型。以丽江有轨电车1号线为例,使用优化求解器计算得到长大下坡道区段在不同限速方案下的有轨电车最小运行时间。基于区间运行仿真模型进行线路仿真试验,核算区间通过能力,进而定量分析不同限速对列车通过旅行时间的影响。结果及结论:由仿真试验结果,若长大下坡道的列车限速减小50%,则线路通过能力降低约17%。长大下坡道的限速越小,则列车通过旅行时间越长,区间的通过能力越小。

基于车牌识别数据的城市道路旅行时间分布规律及估计方法研究

利用北京市道路交叉口的车牌识别数据,应用假设检验的方法研究城市快速路及主干道的旅行时间及其可靠性的分布与估计方法.首先使用四分位数据筛选法对原始数据进行了筛选,获得分析所用数据集.其次对旅行时间的分布进行了研究,提出了与旅行时间有关的分布假设并进行了相应的检验分析,随后研究了旅行时间分布与路段道路运行状况的关系.基于对北京市的数据分析可以看出,道路拥堵时旅行时间分布多接近Weibull分布,通畅时接近对数正态分布.最后,本文进一步探讨直接利用正态分布进行数据拟合以及参数估计的可行性.案例分析显示,使用正态分布估计旅行时间平均值误差较小,但对旅行时间可靠性的估计则误差较大.

基于收费数据的高速公路站间旅行时间预测

针对高速公路断面检测数据密度不足现状,采用收费数据预测收费站间车辆旅行时间.研究收费数据实时修正处理方法,改进平均旅行时间计算模型;引入分段线性插值方法构建卡尔曼滤波模型,以减小卡尔曼滤波线性化产生的模型误差问题;依据旅行时间预测业务逻辑开发应用系统,实时主动预测高速公路站间旅行时间.示范路段应用表明,插值后预测算法在正常、事故、小长假3种交通流状态下所有周期平均相对误差控制在10%内,事故周期平均相对误差控制在13%内.插值后算法预测精度有效提高,可为高速公路公众出行提供时间参考.

不确定需求和旅行时间下的车辆路径问题

针对一类不确定需求和旅行时间下的随机车辆路径问题,建立了一个随机规划模型,提出了一种带有自适应机制的改进遗传算法。该算法引入自适应选择机制,采用了新的交叉算子。选取两种不同规模的随机车辆调度问题,分别采用该算法和基于边重组的改进遗传算法进行求解,并通过对计算结果进行对比分析,分别针对自适应选择机制和新的交叉算子做了讨论。结果表明,所提算法不仅取得了更好的优化结果,而且具有更快的收敛速度。

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测.首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器数据对3种融合模型进行了验证,对比工作日及非工作日2种交通流状态下3种模型的性能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2种模型,预测精度及稳定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.

含有旅行时间的水平反射界面上P-SV转换波转换点坐标的唯一解析解

转换波转换点位置的求取一直是一个引人关注的问题.Schneider(2002)从一个关于转换点的三次方程中推导出了P-SV转换波转换点位置的一种解析解,这种解是偏移距、横纵波速度和P-SV转换波旅行时的函数.我们严格地论证了Schneider(2002)给出的解析解的唯一性.这个解析解可以被看作为水平反射层P-SV转换波叠前偏移的精确算子.

考虑旅客旅行时间的高速铁路票额分配

针对列车间相互替代性、差异性及旅客选择行为对票额分配的影响,利用旅客疲劳恢复时间对列车舒适度进行定量化研究,在考虑列车运行时间、舒适度、停站方式差异性的基础上,以铁路部门和旅客的系统效益最大化为目标,构建考虑旅客旅行时间的高速铁路多列车票额分配随机非线性整数规划模型,并设计模拟退火求解算法.以京沪高铁列车为对象进行实例分析,并与只考虑铁路收益下的票额分配方案对比,结果表明:考虑旅客旅行时间的票额分配方案能在保证铁路收益提升约2.3%的前提下,使得旅客旅行时间和旅行成本均降低约3.6%,铁路部门和旅客的系统效益提高约7.1%,并且能够更好地满足长途旅客的出行需求.所构建模型能够为高速铁路多列车的票额分配提供优化方法.

高速公路旅行时间的自适应插值卡尔曼滤波预测

为解决高速公路收费站间非平稳交通流状态下因卡尔曼滤波算法自适应性能差而导致的旅行时间预测精度不稳定的问题,提出等间距插值和Sage-Husa自适应卡尔曼滤波相结合的预测算法。融合人工半自动收费和电子不停车收费数据计算平均旅行时间;引入等间距插值方法重构实时与历史旅行时间之间的时间序列;利用最小二乘法原理构建Sage-Husa自适应预测模型;开发旅行时间预测应用系统,实时主动预测高速公路站间旅行时间。在某示范路段的应用表明:在正常、事故、小长假3种交通流状态下,所提方法的所有周期平均相对误差均在7.5%内,事故周期平均相对误差均在10%内.

基于旅行时间分析的城轨乘客路径集验证方法

城市轨道交通乘客出行路径集是否正确,是乘客路径选择估计以及网络客流分布计算的前提和基础.从现有客流分布模型中有效路径选择集问题及OD实际旅行时间聚类特征出发,引入Rodriguez-Laio快速聚类算法,提出基于旅行时间聚类分析的城市轨道交通乘客路径集验证方法.以北京地铁网络为例进行算例分析,结果表明,该方法可以在全网络范围内对路径选择集问题OD作出快速识别及滚动验证,并为以原因分析为导向的现场客流调查与模型修正工作提供重要参考.

海量车牌识别数据集上基于时空划分的旅行时间计算方法

城市路段旅行时间计算是智能交通领域的一个研究热点.车牌识别数据作为近年来新兴的一种针对城市道路行驶车辆的实时监测数据,具有持续生成且数据量大、时间空间相关等特性.为了利用车牌识别数据集进行高效、准确的旅行时间计算,给出了基于车牌识别数据集的旅行时间计算定义,在此基础上提出一种基于时空划分的流水线式并行计算模型,并给出了该模型基于实时MapReduce的实现.通过一组基于海量真实车牌识别数据集的实验表明,本文方法在亿级车牌识别数据集上的旅行时间计算性能方面相对于直接基于Hadoop的实现可以提高3倍以上,同时具有适合细粒度划分及受路网规模影响小的特点.

基于模糊旅行时间的动态交通分配模型

提出了一种新的模糊动态交通分配(FDTA)模型,采用模糊集合理论描述动态旅行时间,应用模糊h截集的最短路径方法找出模糊最短路径集合,计算各条路径的隶属函数,并采用C-LOGIT模型实现网络加载,最后比较了FDTA模型和经典的随机动态交通分配(SDTA)模型.仿真结果显示:在正常交通状况下FDTA模型能够获得与SDTA模型非常接近的分配结果,并更加符合实际的交通状况;当有交通拥堵、事故、施工/管制等动态交通状况发生时,FDTA模型能够解决动态交通状况的建模问题;当交通网络结构复杂时,通过改变h值可以有效减少模糊最短路径的数量,提高计算效率.

随机旅行时间局内车辆路径问题的模型及其算法

人们在生活中会经常遇到随机旅行时间的局内车辆路径问题,如现实物流配送中的交通堵塞现象。文章在Laporte等的研究基础上,提出了一个考虑堵塞点动态产生、一个个遇到,堵塞时间为随机变量的模型,并构造了求解该模型的算法。

随机旅行时间车辆路径问题的模型及其算法

随机旅行时间的车辆路径问题在实际中经常会出现,然而由于问题本身的难度以及人们重视不足,目前对该问题的研究还很少.文章在Laporte等的研究基础上,提出了一个考虑车辆容量的机会约束模型,并构造了求解该模型的遗传算法.

交通网络旅行时间可靠度估计

为了更精确地估计交通网络路段旅行时间可靠度,借助于Greenshilds速度密度模型和交通流三要素关系模型,假设路段故障率与交通流波动成正比关系而与时间无关,考虑影响路段可靠度3个方面因素:交通流波动、道路条件、出行者心理期望,通过理论推导,得到一个新的路段旅行时间可靠度估计模型。用matlab软件对模型进行模拟,分别得到可靠度与饱和度、道路故障率、出行者心理期望因子之间关系曲线。试验结果与真实情况较为吻合,模型较好地反映了3个因素对路段可靠度的影响。以路段可靠度为基础,计算OD对可靠度,并对其进行敏感性分析,提出路段单元可靠度对于OD对可靠度的敏感性可以归结为独立的两部分:本路径内其他路段影响和平行路径影响。在银川中心城区网络上对可靠度模型进行验证,讨论了其在交通运营管理和路网瓶颈识别中的应用。

基于车牌识别数据的旅行时间可靠性研究

车牌识别数据是一种城市道路行驶车辆的实时监测数据,具有数据量大且持续生成、时间空间相关等特性。针对当前基于车牌识别数据进行智能交通的相关研究较少,本研究利用车牌识别数据进行旅行时间可靠性的研究,首先进行旅行时间数据的获取及处理,然后利用处理后的数据,选取缓冲指数作为旅行时间可靠性主要评价指标,标准差与拥挤频率为辅助指标,对青岛市某路段车辆的旅行时间可靠性进行评价分析,证明了方法的有效性。

基于旅行时间检测系统的交通应用研究

由于旅行时间的采集日趋精确,在交通领域被广泛地应用。首先介绍了一种基于精确车牌识别技术的旅行时间检测系统,然后重点阐述了检测数据的决策信息分析和处理,最后提出了一种以旅行时间为目标参数,以元胞自动机模型为基础的短时交通预测模型,并对其关键技术和难点进行了讨论和分析。