Exploring the Evolution of Passenger Flow and Travel Time Reliability with the Expanding Process of Metro System Using Smartcard Data

Metro system has experienced the global rapid rise over the past decades. However,few studies have paid attention to the evolution in system usage with the network expanding. The paper's main objectives are to analyze passenger flow characteristics and evaluate travel time reliability for the Nanjing Metro network by visualizing the smart card data of April 2014,April 2015 and April 2016. We performed visualization techniques and comparative analyses to examine the changes in system usage between before and after the system expansion. Specifically,workdays,holidays and weekends were specially segmented for analysis.Results showed that workdays had obvious morning and evening peak hours due to daily commuting,while no obvious peak hours existed in weekends and holidays and the daily traffic was evenly distributed. Besides,some metro stations had a serious directional imbalance,especially during the morning and evening peak hours of workdays. Serious unreliability occurred in morning peaks on workdays and the reliability of new lines was relatively low,meanwhile,new stations had negative effects on exiting stations in terms of reliability. Monitoring the evolution of system usage over years enables the identification of system performance and can serve as an input for improving the metro system quality.

突发大客流下地铁客流控制优化模型

为及时响应和缓解地铁线路突发大客流,避免出现过度拥挤现象,提出地铁客流控制优化模型。首先以最小化乘客总等待时间与最大化区间通过客流量为目标,以允许进站客流量为决策变量,考虑供给侧、需求侧与客流控制强度等约束,构建精细化的确定型模型(RDM)。在此基础上,分析客流需求的波动性,结合鲁棒优化理论建立鲁棒模型(RM)。其次,利用鲁棒对等转换理论,线性化处理RM中的非线性约束,并借助Lingo优化求解器进行求解。最后,以某地铁线路为例进行分析验证。结果表明:在RDM模型中,利用运力平衡系数来决策允许进站客流量,可以有效缓解客流拥挤压力,提高区间运输效率;在应对不确定客流需求时,通过RM模型引入鲁棒系数来调节客流需求的波动区间,从而降低客流聚集风险,提高客流控制方案的可靠性。

富水砂层地铁盾构隧道渣土混合改良的流塑性与渗透性

[目的]盾构在富水砂层中掘进时,易产生刀盘扭矩过高、磨损严重以及螺旋运输机喷涌等问题。为了保证施工的安全性,需对渣土进行改良。[方法]以西安地铁16号线某盾构区间工程为依托,根据砂土地层自稳性差、摩擦性高、渗透率高的特点选取渣土改良剂。通过渣土坍落度试验、渗透试验、现场试验相结合的方式,采用泡沫单独改良、泡沫及膨润土泥浆混合改良两种方案开展富水砂层渣土改良试验研究。[结果及结论]实际盾构掘进施工中,在考虑安全、高效、经济的前提下,结合室内试验所得数据,确定采用膨润土泥浆、泡沫混合改良的方案。当膨润土与水质量比为1/8,发泡液质量分数为3%时,改良剂性能满足施工要求;泡沫单独改良渣土受含水率影响大,含水率越高,泡沫最佳注入率越小。中砂的最佳改良方案是BIR(膨润土泥浆注入比)为10%,FIR(泡沫注入率)为20%~25%;砾砂的最佳改良方案是BIR为10%,FIR为35%~40%。工程实践表明,渣土混合改良效果良好,盾构掘进参数平稳。

进出站客流特征驱动的地铁车站画像构建及风险识别

基于地铁刷卡数据,采用K-means时间序列聚类算法对北京市40个换乘站及157个中间站和首末站的进出站客流进行画像分析及客流风险识别。考虑地铁车站在轨道交通运营网络中的位置属性,分别提取高峰时段的大客流特征和换乘客流的时空分布特征,将地铁换乘站分为4类,中间站分为6类,首末站分为2类。聚类结果表明:各类型车站的进出站客流和换乘客流在高峰时段的时间不均衡性较为突出,考虑不同周边用地性质,地铁客流的空间不均衡性较为显著。通过辨识不同地铁车站类型及其对应的客流时空特性规律,提出基于特征值数据的客流风险等级评价方法,分析了典型的换乘站客流风险状态。结果表明:不同类型的换乘站客流风险时段有所区别、客流风险等级不同,其中B类型换乘车站客流风险最高。本研究能为地铁客流精细化诱导和地铁运营风险防控提供支持。

面向地铁客流分析场景的弹性集群云平台架构设计及部署方案

[目的]在数字化技术迅速发展的当下,云技术被广泛应用在包括地铁系统在内的各行各业。出于对乘客出行安全的保障,实现大规模客流数据的实时获取和高效分析,需要提出面向客流分析场景的弹性集群云平台方案。[方法]分析了弹性集群云平台的核心功能需求,提出了弹性集群云平台的架构,阐述了弹性集群云平台的独特能力。针对不同发展阶段的地铁系统提出了2个弹性集群云平台部署方案,分析了各部署方案的优劣。以上海地铁为例,基于能力需求对比了部署方案的投资成本。分析了弹性集群云平台架构与地铁客流分析业务特征的匹配性。[结果及结论]地铁客流分析场景具有多系统并发、实时性高、数据量大等特点。弹性集群云平台能满足客流分析业务的多种需求。

基于乘客行为探讨大客流地铁车站站台宽度计算方法

[目的]根据GB 50157—2013《地铁设计规范》计算出的大客流地铁车站站台宽度偏小,难以消化巨量的客流压力,基于乘客在站台的行为特征提出一种新的站台宽度计算方法。[方法]介绍了现行站台宽度计算方法,并对其与大客流车站站台实际客流进行偏差分析;设置列车未到站和列车进站后两种工况,提出大客流车站站台宽度计算方法;以西安某大客流地铁车站为例,对所提站台宽度计算方法进行实例测算。[结果及结论]鉴于部分车站高峰时段与城市高峰时段不一致,站台宽度计算公式引入车站偏差系数,以车站高峰小时作为确定站台宽度的计算时段。若车站为换乘站,两股分支客流之间存在对向干扰,引入对向干扰系数。站台客流在列车到站后经历了4个阶段,第2阶段对站台占用需求最大,并呈“块”状静止和“线”形移动两种客流特征。与现行规范的站台宽度计算方法相比,所提站台宽度计算方法对大客流车站具有更好的适应性。

大客流场景下地铁电扶梯故障的乘客疏散

地铁车站客流量大、疏散路线复杂、地下空间有限,一旦发生突发事件而乘客未得到及时疏导,易造成人员恐慌,引发严重安全事故和财产损失.因此,基于安全疏散的地铁车站客流调控,对确保乘客安全出行,维持地铁系统运营具有重要作用.基于社会力模型,以深圳地铁1号线车公庙站为例,运用仿真软件AnyLogic建立地铁车站大客流场景下的疏散模型,从微观角度模拟分析了叠加电扶梯故障突发事件对客流疏散的影响,对比实际调查的高峰期站台容纳量数据,突出大客流场景研究的重要性.通过仿真实验证明突发事件发生时平均分配疏散客流措施效果更佳,将原目的地为拥挤处电扶梯的乘客引导至其他电扶梯虽然会造成部分乘客走行距离的增加,但疏散速率会提升,高峰时期能够提升46.51%,大客流场景下能够提升93.26%.在大客流疏散背景下,叠加不同位置的电扶梯故障假设情景,分类讨论具体的客流平均分配方案,通过仿真实验定量确定各情景下的最佳客流分配方案,为地铁运营部门制定疏散预案提供参考.

地铁潮汐客流下变编组列车不成对运行图优化

方向不均衡分布的潮汐客流在大城市的地铁系统中较为常见,新兴的变编组技术为应对潮汐客流提供了新方法。为解决潮汐客流下客流需求与运力难以匹配的问题,针对布置双端车辆段的双向线路,考虑车底在线路两端折返线进行在线解编联挂作业,协调列车时刻表、编组方案与车底周转计划,编制变编组下列车不成对运行图。从列车到发时刻、客流、车底周转和折返线占用4个方面设置约束,以最小化乘客和企业总成本与出入段作业接续占比加权和为目标,构建变编组下的不成对运行图优化模型。综合运用变邻域搜索算法和贪心算法对模型进行求解,前者更新运行图中的车次到发时刻和车底编组,后者求解对应的车底周转计划。为验证模型有效性,对具有潮汐客流特征的北京地铁八通线一期工程线路进行案例分析。研究结果表明:早高峰时段列车解编、联挂作业分别主要发生在大、小客流方向终点站;变编组较单一大编组和多编组分别降低了8.28%和4.82%的乘客和企业双方总成本,在保证服务质量的同时节约了走行车公里和运用车数;变编组较多编组减少了26.02%的出入段作业接续占比和20.51%的车底出入段作业次数,通过在线解编联挂作业有效减少了编组类型对车底接续的影响,提高了车辆利用率。研究成果可为列车编组方案的选择和变编组的运营组织提供依据。

自适应多视图融合图神经网络地铁客流预测模型

针对传统方法对地铁车站的多视角空间交互建模不足的问题,本文提出自适应多视图融合图神经网络模型(Adaptive Multi-view Fusion Graph Neural Network Model, AMFGNN)进行地铁车站短时客流预测。在空间维度,模型包括了物理拓扑图、线路可达性图、空间距离图等多个局部视图,并使用图注意力网络(Graph Attention Networks, GAT)学习每个视图内车站间的动态空间交互;以单视图车站为中心节点,结合其他视图中该车站作为邻居节点构建融合视图,并使用GAT学习多视图间动态交互;在时间维度,使用门控循环单元神经网络学习车站客流的时变特征。以重庆市地铁网络为例,全网出站客流的预测实验结果表明:相较于基线中的物理虚拟结合图网络模型(PVCGN),AMFGNN的平均绝对误差和均方根误差分别降低3.06%和2.49%。多视图内节点间注意力分数可视化结果表明,基于GAT的多视图建模思路能够自适应地融合不同视图中提取到的车站空间信息。此外,AMFGNN模型性能影响因素分析结果表明,以物理拓扑、线路可达性等结构稳定的视图作为中心节点构建融合视图能够获得更准确、稳定的预测模型。

基于工作日与休息日对比的昆明地铁站点建成环境对客流的影响机制

[目的]为了研究地铁站点建成环境对站点客流的影响机制,以昆明市地铁站点为例,分析建成环境对工作日与休息日不同客源客流的影响机理。[方法]利用昆明市轨道交通AFC(自动售检票)刷卡数据和POI(多系统接入平台)数据,将站点客流细分为发生客流与吸引客流两类。在此基础上进行日变特征及空间可视化分析,建立不同性质客流的工作日、休息日影响机理模型。[结果及结论]研究结果表明,客流高吸引型站点集中于主城及新城中心,客流高发生型站点分布于城市近、远郊区。站点建成环境对客流影响机制与客流特征显著相关,土地利用优势度对发生客流起抑制作用,对吸引客流起促进作用;约束型设施、公交线网密度仅对吸引客流产生显著影响;路网密度和休闲型设施对发生、吸引客流的影响程度不同。随着工作日到休息日的时间变化,土地利用优势度对发生客流的影响消失,而公交线网密度对吸引客流的影响开始显现。

地铁车站客流预测方法比较研究

为了更加合理地进行地铁车辆调度和制定人员配置方案,并在满足人们出行需求的基础上实现资源利用最大化,对地铁客流量进行准确地短时预测是非常必要的,同时客流预测对地铁站厅空调系统的运行调节也具有重要作用。文章通过对郑州某地铁车站2014年6—7月的进站小时客流量数据进行统计分析,构建季节性差分自回归滑动平均(SARIMA)模型、非线性自回归神经网络(NAR)模型和长短期记忆网络(LSTM)模型,用统计数据进行模型训练并实施预测。通过在工作日客流预测中,发现LSTM模型在MAE、RMSE和R2上均优于其他模型,拟合系数R2达到0.9814,MAE为55.84,均方根误差为88.56;在非工作日客流预测中,LSTM模型同样表现出最好的效果,R2达到0.9817;SARIMA模型精度接近LSTM模型。这说明在对具有明显周期性数据预测时,无论是经典的时间序列方法还是先进的深度学习方法预测结果都很好,传统的神经网络因为无法捕捉周期性所以预测效果较差,预测精度相对较低。

考虑公交换乘的地铁常态化限流站点识别方法研究

目前地铁常态化限流站点选择的研究,未考虑线路运输能力限制以及客流损失问题,脱离实际运营而难以推广使用。为平衡地铁公司和车站的决策标准,减少常态化限流站点的数量,提出一种考虑公交换乘疏散客流的地铁常态化限流站点识别方法。首先构建由地铁-公交耦合网络拓扑模型,并分别从地铁网络化运营和公交换乘减少客流损失2个角度设计7个地铁站关键程度量化指标;验证系统的线性时不变特性,基于子网生成策略设计站点识别算法;最后以2018年1月某工作日北京市的乘客出行链数据为例,验证指标和算法设计的合理性,研究每10 min时变客流分布规律,对比2018年的实际方案,结果表明:初始网络可控性为0.057 5,识别准确度趋近于80%,准确率高且误判率低的限流站数量分别为67,70,73,78。将常态化限流站分为固定和备选2类,并提出了结合公交换乘引导、分批次限流的措施,从而为大城市地铁车站高峰时段的常态化限流方案决策提供参考。

城市轨道交通初期运营客流预测技术研究

城市轨道交通新开通线路初期运营客流预测是开展初期运营安全评估和运营组织筹备的基础性工作。分析初期运营客流预测在预测期、研究对象、基础数据和预测模型方面的特点,总结该类预测工作开展的技术难点。在此基础上提出一套适用于初期运营客流预测的技术路线,阐述其中基础资料收集、交通调查、交通运行特征分析、出行需求预测、评估分析及敏感性分析的研究要点,并概括总结客流预测指标、对既有线的影响评估、需要重点关注的车站等研究内容。研究结果表明,初期运营客流预测重点在于准确把握城市及交通发展现状,而解读城市及交通发展现状资料并掌握其运行现状特点,研判其短期发展趋势是初期运营客流预测的基础性工作;针对宏观交通需求分析模型对微观客流指标预测的精度不足问题,可在城市宏观交通需求预测的基础上,通过开展各类交通调查建立城轨系统出行需求分析专题模型。本研究成果以期为初期运营客流预测的技术方法、研究内容等提供借鉴。

地铁车辆空调风道内气动噪声数值仿真分析

为了研究地铁车辆空调系统辐射噪声的变化规律,提升地铁车内声品质,以空调机组和送风风道的组合模型为基础,采用有限体积法和基于声学有限元的自动匹配层技术,构建设计风量条件下的计算域网格。通过建立地铁列车空调风道系统气动噪声的仿真模型,分析了风道的流场、气动噪声源性能以及辐射噪声性能,研究了风道内流场分布特征及其声学规律。仿真结果表明:风道内用于调节送风均匀性的孔板,同时具有消声作用,可进一步降低风道内流场扰动引起的噪声;对于空调机组的噪声,风道具有较大的降噪效果;在客室和司机室连接处,贯通道处声压较高,需要采取有针对性的减振降噪措施。文章对地铁车辆空调送风风道内气动噪声特性的研究为地铁车型车内声学优化设计提供了参考。

广州地铁车站进站客流超高峰系数实证分析

[目的]超高峰客流量是设计城市轨道交通车站内各部位通过能力所需的重要参数,由高峰小时客流量乘以超高峰系数得到。而超高峰系数目前还没有合理的确定方法,在实际设计中通常基于《地铁设计规范》给出的建议值并结合设计者的经验进行取值,需研究其分布规律和取值方法。[方法]基于广州地铁现状客流数据,按照全日进站量和所在区位对车站进行分类,基于此,分析了不同类型车站进站客流超高峰系数分布范围的差异,探讨了进站客流超高峰系数的分布规律和确定思路。[结果及结论]周边以岗位用地为主的车站,其晚高峰进站客流超高峰系数宜在《地铁设计规范》中建议值的低限附近取值;周边以居住用地为主的车站,其早高峰进站客流超高峰系数,可根据车站早高峰进站客流的出行距离分布集中程度来取值,如果出行距离分布集中程度高,则宜在《地铁设计规范》中建议值的高限附近取值。

城市轨道站点及出入口科学规划研究——以深圳龙华区为例

城市轨道交通客流效益与轨道交通站点及出入口布局有关,以深圳龙华区为例,深入分析轨道交通发展现状,识别大客流轨道交通站点的特征,并探讨客流量偏低的原因。研究借鉴香港地区成功经验,从规划设计阶段、轨道交通运营阶段及轨道交通-公交-慢行三网融合等方面提出轨道交通站点及出入口规划的建议,旨在为城市轨道交通站点的合理布局和高效运营提供参考。

连续运动与超链接机制——基于重庆地面及地铁交通流量数据的大尺度范围空间句法实证分析

本文基于重庆市2010-2013年地面机动车流量数据及2014年地铁各站客流量数据,应用空间句法分析软件,分析了重庆城市大区域尺度范围内地面及地铁流量与空间线段地图分析结果的关联,验证了空间句法工具对城市大尺度范围流量分析的适用性。另外,基于地铁流量的实证数据,本研究重点对比测试了用空间句法分析地铁的两种建模方式:将地铁线路独立处理的"分离式"模型和将地铁线路纳入线段地图分析的"一体化"模型,发现"一体化"模型在分析站间截面流量时效果明显更好,但在分析进出站客流量时仅比"分离式"模型略好。作为结论,本文对地面和地铁两个问题的研究分别引出了连续运动和超链接两种空间机制,二者的共同作用使空间句法得以在超出视线和步行范围的大区域尺度上对城市进行有效分析。

基于客流数据的区域出行特征聚类

区域功能发现对完善城市规划有着重要的指导意义.区域居民的出行特征提取与发掘可以作为建立模型分析区域功能的数据支撑.随着智能交通技术在轨道交通系统的应用,大量蕴含行人移动性和出行目的地信息的客流数据被采集得到,发现客流数据与地铁站相关区域功能有紧密联系.从地铁客流数据中提取出乘客出行模式和地铁站客流模式,并以此为基础建立概率图模型,实现了区域出行特征聚类.首先,以地铁客流数据为基础提取了乘客出行模式和地铁站客流模式,发现地铁站客流集中性和潮汐性的特性,能在一定程度上反映地铁的区域功能.然后,采用了文本分析领域经典的概率图模型,建立基于潜在狄利克雷分配(latent Dirichlet allocation,LDA)主题模型的地铁客流出行特征聚类模型,将具有出行规律相似性的地铁站聚类在一起.最后,通过分析聚类实验结果,发现在不同客流峰段内的区域功能和相互客流关系.

地铁车站突发客流疏运能力的理论计算与分析

针对车站OB应对亚运会期间大规模突发客流疏导问题,利用理论分析的方法计算不同车站设计方案,包括车站一岛一侧站台设计和一岛站台设计及不同通道设计时的最大疏运能力。计算考虑了车站建筑结构、出入口、闸机口和边门、楼扶梯等通道的数量及通过能力、站台面的容纳能力、列车的装载量、售检票方式、行车交路组织等诸多因素。通过对影响客流疏导的主要控制因素进行能力核算,分别得到了两种站台形式设计方案时的最大疏运能力的理论值。研究结论将有利于解决该车站应对亚运会期间大规模突发客流疏导问题,同时理论分析方法可为其他类似的车站能力设计提供参考。

某地铁车站热烟实验研究

在某地铁车站站厅和站台开展热烟实验,研究烟气流动情况,测量火灾时羽流及距离地面2 m高度处顶棚温度变化情况,在此基础上评价其排烟系统性能。结果表明,该车站内烟控系统能达到排烟目标;采用人员疏散出入口作为自然补风口,可避免烟气对疏散出入口的侵袭;在已建成建筑内采用受控的火源和烟源,用热烟实验方法可模拟真实火灾场景并测试排烟系统性能,也可以作为验证和评估大型复杂建筑内防排烟设计的手段。