预约在城市交通中的应用——北京市回龙观地区的预约出行实践

城市交通系统中居民出行需求时空分布高度不均衡,为合理调节交通供需带来巨大挑战。供需不均衡是引发高峰时段交通拥堵的重要原因,造成大量的时间及资源损耗。预约出行的意义在于提前掌握出行需求,调整供给策略,并在需求集中时段,对存在弹性空间的出行需求进行调节,促进交通供需动态平衡,从而改善拥堵现象。北京市回龙观地区的预约实践验证了调节个体出发时刻对缓解交通拥堵的效果。即使在参与用户比例不高的情况下,高峰时段的出行者调整出发时刻也会对缓解拥堵产生一定正向效应。预约出行为城市交通治理提供了新思路,将成为未来城市交通发展的新模式。

基于K-Means聚类方法的北京市公共交通通勤乘客特征挖掘

北京市公共交通系统在满足居民出行需求的同时,产生海量的出行数据,为客流分析奠定数据基础,而地理信息技术、机器学习为数据处理与分析提供新的思路。基于2021年10月北京1周公共交通票务数据,通过多种清洗手段和补全算法对源数据进行处理,通过时间阈值和空间阈值提取出行链,从时间、空间、频次3个维度分析客流特性并构建聚类变量。采用K-Means算法将常乘客分为5类,分析各类别乘客特征规律,提取出稳态常乘客类别,为常乘客的分析提供新的思路,有助于界定公交的主要客流来源出行特征,为改善公交运营,提升公交服务水平提供支撑。

城市公共交通用地综合开发若干问题的思考——以北京市为例

为推进城市用地与交通的融合发展,提高城市公共交通用地综合开发效率,促进城市公共交通用地综合开发更好地适应城市交通发展需求,采用文献检索法、专家咨询法及实地调研法等开展研究。首先,对北京市客运交通枢纽综合开发、车辆段上盖物业、轨道交通站点综合开发及公交场站用地综合开发四大类城市公共交通用地综合开发项目发展现状进行了剖析。然后,结合规划、建设及投融资等方面存在的主要问题,分析了城市公共交通用地综合开发项目推进困难的症结所在。最后,提出了相关政策建议:推出城市公共交通用地综合开发统一指导意见;优化土地出让政策,最大化利用公共交通用地;创新投融资机制,减轻政府及企业投资压力;搭建市级平台,统筹协调相关工作。

北京市轨道交通车站预约出行实践与思考

高峰时段过度集中的通勤客流是城市轨道交通运营管理工作中的一大挑战。北京市部分轨道交通车站依据同时段历史客流状态,采取站外限流的措施防止进站人数过多。在2020年新冠肺炎疫情防控期间,客流量不确定性高,客流管理难度加剧。为提前掌控客流情况,有效调控客流量,减少乘客聚集风险,创新性地在北京市轨道交通大客流车站开展预约实践,减少传统限流措施造成的站外排队和人员聚集,并保障轨道交通满载率控制和精准溯源的要求。首批选取的两座实践车站,每日早高峰预约用户约6000人,总计可为乘客节省约240 h站外排队等待时间。实践证实预约出行的有效性,也为探索预约模式下新型交通组织方式积累了经验。

北京市公共交通票制票价评估方法研究

公共交通票制票价评估可作为票制票价动态调整机制的补充步骤,对已实施的票制票价方案评估,及时反馈到方案制定、执行过程中,可帮助完善北京市票制票价系统.首先从政府、运营企业、乘客3个角度出发,构建了包含客流特征、出行特征、运营状况、支出优惠的公共交通票制票价评估指标体系;然后基于双层物元可拓模型提出了公共交通票制票价综合评估方法,该方法综合考量各指标的优劣及贡献度、不同时期的评价特点,全面直观地得出评估结果、方案短板、方案调整方向;最后应用该方法对北京市2014年票制票价改革效果进行评估,提出未来票制票价调整应重点关注的方向.

2020年新冠肺炎疫情期间北京市道路运行特征研究

根据北京市2020年新冠肺炎疫情的发展变化,全年可分为4个阶段,疫情初期、疫情稳定期、新发地市场聚集性疫情期(二次疫情期)、全面复工复产期,本文应用道路交通指数、道路交通运行速度、拥堵持续时间等道路运行评价主要指标,对2020年4个不同阶段分别进行道路运交通运行状况评价,进一步对2020年2个时期的典型不限行工作日进行交通运行状态对比,总结分析各阶段的道路交通运行规律特征.

北京市定制商务班车乘客支付意愿研究

生活水平的极大提升导致居民对出行品质期望更高,因此对出行疲劳缓解和在途时间有效利用的考虑在交通服务质量改善的研究及措施中愈加不可回避。基于北京市定制商务班车乘客支付意愿调查,首先分析定制商务班车的线路特征和客流特征。其次,对比研究出行者选乘定制商务班车前后服务特性的差距,特别关注长距离出行者对出行疲劳、无效在途时间减少的支付意愿。结果表明,乘客放弃原有出行方式选择定制商务班车与这一服务所带来的体能消耗、无效在途时间节省呈现较高相关性,乘客愿意支付远高于当前公交票价的费用用于上述两方面的改善。最后指出,如能对当前服务模式稍作调整,接受一定比例的非预订座位乘客,高水平公交服务的受众群体将更为广泛。

服务导向型公共交通快速通勤系统发展——以以北北京京市市为例

快速城镇化背景下中长距离通勤矛盾日渐突出,如何用集约化的客运方式解决这一问题是现阶段的主要挑战。首先指出北京市现状公共交通系统存在服务级配结构失衡、线路空间组织方式与需求分布适配性差等问题。结合公共交通快速通勤系统的服务对象和概念,从时间感知、出行舒适度、在途时间使用等角度分析实现快速的途径。对潜在的多样化需求进行细分,从全出行链的角度出发探讨差异化的应对策略。最后,以服务导向为基本思路,提出公共汽(电)车骨干快线网络概念方案,从完善制度建设、打造服务级配、构建无缝换乘和高水平接驳体系等方面提出公共交通快速通勤系统建设的关键策略和建议。

基于车载OBD数据的小汽车出行特征分析--以北京市为例

小汽车出行特征是城市道路网运行的重要影响因素之一。采集小汽车出行数据并深入分析其出行行为特征,是引导小汽车出行方式转变、降低机动车使用强度的重要条件,能够为交通精细化管理和政策制定提供支持。基于车载OBD可采集到的小汽车出行数据和轨迹数据,提出小汽车出行特征分析方法,得到出车率、出行次数、出行距离等量化指标,分析不同阶段、不同区域、不同政策下的出行指标变化特征。利用大数据分析方法对出行规律深层挖掘,进一步获得用户画像、路网非直线系数等交通特征。分析结果表明,车载OBD数据能够较好地反映小汽车出行行为特征,并对交通需求管理政策的实施效果做出定量评价。

北京市实时浮动车系统架构改造实践研究

随着物联网的发展,海量传感数据的涌入,关系型数据库日益出现功能、性能和稳定性上的瓶颈问题,业界领先的IT公司纷纷开始抛弃单关系型数据库的技术架构,交通运输行业信息系统对处理与存储数据量激增的现有系统进行软硬件架构升级改造与迁移也已是当务之急。本文以北京市实时浮动车系统的升级改造工程为例,阐述了城市交通核心业务系统的传统架构面临的实时计算与存储管理困境、新架构的解决方案,以及升级改造后的提升效果。

城市交通大脑的内涵与顶层设计

我国各城市在互联网企业的带动下纷纷着手搭建城市交通大脑,但城市交通大脑的含义与特征界定尚不明确,"大脑"的建设方法也尚无系统、全面的顶层设计研究.为支撑开展北京市的城市交通大脑建设工作,明确提出了城市交通大脑内涵与外延、核心特征,提出城市交通大脑的分阶段建设路径,并指出重点建设任务,为分阶段的城市交通大脑建设指明方向;为智能交通系统向更为安全有序、边界畅通、智能高效、绿色环保、服务优质的方向发展奠定坚实的基础.

北京市紫竹院路中央潮汐车道实施效果评价

潮汐车道能有效增加高峰时段道路通行能力,缓解交通拥堵问题,应用广泛。基于国内外文献综述,概括潮汐车道的分类、设置位置及设置长度等发展情况。以北京市紫竹院路车道沟桥四季青桥段潮汐车道为例,利用浮动车系统统计数据及现场GPS跟车调查等多源数据,对紫竹院路及周边道路在潮汐车道实施前后的交通量、速度等变化情况进行全面评价。潮汐车道开通以后,紫竹院路早高峰进城和晚高峰出城方向车速较之前均有提升,晚高峰速度提高更为显著,交通量基本持平。其平行道路和相交道路的车速和交通量基本保持稳定,上下游道路交通量也变化不大。但由于设置潮汐车道取消中间隔离护栏、改变道路交叉口交通组织后,路段上存在一些行人与车辆的安全隐患以及道路资源利用不均衡的情况,需要对道路交叉口的交通组织、公交专用车道设置、交通管理、交通引导及标志设置等方面进行合理调整。

市域(郊)铁路客流预测及需求分析方法应用研究——以北京市为例

市域(郊)铁路是近年来发展起来的新模式,针对我国客流分析及预测工作仍处于起步阶段,尚未形成客流分析及预测的技术标准.结合北京市域(郊)铁路线路客流预测分析工作经验,明确了市域(郊)铁路客流分析及预测的内容方法与技术路线、对比分析市域(郊)铁路和城市轨道交通特点,对预测模型参数提出更新要求,以供相关工作参考.

基于变点发掘的城市轨道交通客流预测模型

通过城市轨道交通发展过程阶段变化对其相应的客流变化特点进行分析;基于变点发掘的方法划分出轨道交通客流的不同变化模式,并分析导致客流模式变化的影响因素;通过权重变化有效地结合不同交通状态模式下的变参数自回归求和滑动平均(ARIMA)模型和全局BP神经网络模型,构建城市轨道交通客流组合预测模型;结合某大城市轨道交通线路的实际客流数据,对本文模型的适用性和准确性进行验证。研究结果表明:同一模式区间预测比全局搜索预测更容易获得较高精度预测值,组合模型预测结果相对优于单一模型预测结果。

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性,本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先,经过对车辆运行轨迹数据的分析发现,不同道路类型和平均速度条件会显著影响驾驶行为的集计特征;其次,提出改进的驾驶员特征聚类方法,第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法,从而稳定提取典型交通条件下的驾驶行为特征参数,第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明,在相同的道路类型和平均速度条件下,驾驶员类型越激进,其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明,改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好,能有效提升驾驶员聚类的适用性与可靠性。

网络约租车对出行方式选择及交通运行的影响

网络约租车为居民提供一种便捷的出行选择。但是,作为以小汽车为运输工具的非集约化出行方式,网络约租车应当在与城市规模、功能布局等相适配的前提下适度、有序发展。结合2015年7月和11月组织的两次北京市网约车用户问卷调查结果,量化计算网约车发展后居民出行方式选择的变化,以及由此带来的道路资源分配变化。数据扩样测算结果显示:北京市网络约租车出行规模已极为庞大,日出行量高达352.6万人次,约占全市出行总量的11%,其中转移自公共交通和自行车交通的比例高达58%。道路交通运行跟踪监测结果显示:网络约租车每日增加小汽车出行量33.0万车次,占六环内小汽车出行总量的2.7%,与北京市2015年前三季度交通指数较2014年同期增长20%有较高相关性。最后,针对促进网络约租车有序发展提出相关建议。

大数据时代城市智能交通系统发展方向

伴随大数据时代的到来,新技术与新思维必将引发城市交通学科的重大变革,首先是城市智能交通领域。从交通系统的基本属性、交通大数据发展特征、城市交通发展的基本理念和战略出发,深入剖析中国智能交通系统研发与应用存在的隐忧和倾向:高端智能决策支持欠缺、车联网技术研发泛化、理论创新匮乏、系统建设依旧各自为政未形成合力等。强调城市智能交通系统的发展必须服从城市交通发展战略的需要,充分利用大数据技术。最后,提出未来智能交通系统的发展方向和系统建设任务。

基于行程时间比指数的街道级交通运行特征研究

为了满足北京市交通治理精细化的工作需求,需要建立面向街道的交通指数计算模型和分析方法.本文首先对比了不同交通指数计算模型在不同区域范围的适用性,确立了采用行程时间比计算街道交通指数的方法;其次,采用系统聚类的方法,对北京市东城区、西城区共32个街道的交通指数进行了聚类,得出5种具有代表性的典型特征的街道指数模式曲线,并从出行特征、交通需求和用地类型的角度,对每种模型曲线进行了分析,总结其运行特征.

基于手机信令数据的通勤与交通运行关系模型

通勤是导致城市早晚高峰交通拥堵的主要原因。为探究通勤与交通运行的关系及其机理,分析了北京市通勤、非通勤出行距离、出行结构等基本特征,识别了通勤出行与路网速度分时间段的特征关系,基于此构建了通勤出行对交通运行贡献度六段模型,并通过逐段拟合标定模型参数。由模型分析可知:路网速度与通勤出行高度线性相关,且在早高峰形成及晚高峰消散阶段随通勤出行变化最为显著;晚高峰阶段路网速度是通勤、非通勤出行的混合熵函数;晚高峰较早高峰更拥堵、周五晚高峰拥堵水平加剧,均是由于晚高峰较早高峰、周五晚高峰较其他工作日晚高峰出行混合熵增加,进而导致整个交通系统熵增所致。因此,除了错峰通勤等措施外,减少非通勤弹性出行也是缓解早晚高峰拥堵的重要手段。

城市轨道交通初步设计阶段接驳客流预测方法研究

对轨道交通初步设计阶段客流预测工作进行梳理,以工程可行性研究阶段的客流预测结果为基础,根据沿线城市规划、建设和交通枢纽的调整变化(如线路车站位置、出口分布等的调整)以接驳客流的预测方法研究为重点,对轨道交通客流进行修正预测,为车站出入口、换乘通道宽度、售/检票机、楼/扶梯等设施规模和布局提供计算依据.