城市轨道客流调查分析

城市轨道客流调查分析（精选8篇）

城市轨道客流调查分析 第1篇

数据仓库[3]技术作为数据库领域的分支,数据仓库中数据的组织采用多维立方体的结构,增加了旋转、切片和切块、下钻和上翻的操作,能够对复杂查询功能提供很好的支持。目前已广泛应用于金融、电信、保险等数据处理密集型行业。目前数据仓库技术在城市轨道交通客流分析方面的应用还不成熟。由于城市轨道交通数据数据源不一致,存储结构复杂,高峰低谷数据容量差异显著的特点,不能将用于其它行业的经验和技术简单地移植到城市轨道交通行业中来。需要设计专门用于城市轨道交通客流分析的数据仓库系统。

1 系统体系结构

基于数据仓库技术的客流分析系统对轨道交通运营企业多年积累的交易数据进行清洗、抽取、转换,将以往不同的数据源进行整合,按照选定的主题进行数据分析,提炼出综合、有用的数据。其总体处理结构图如图1所示。

2 数据抽取和转换

城市轨道交通AFC(AutomaticFareCollection System自动售检票系统)搭建时间跨度较大,数据源可能来源于不同的数据库,导致数据结构和存储上的不一致,包括变量名称、日期格式、数据表编码方式等不同,所以要对源数据进行ETL(Extract、Transformation、Loading,抽取、转换和加载)[4],它是建立数据仓库的重要步骤。根据调查统计,建立数据仓库有60%的精力花费在数据ETL上[5]。其数据采集如图2所示。

根据深圳地铁AFC客流数据源的复杂性,结合运营企业的需求,定义两次规则不同的ETL过程,通过两次ETL过程来生成需要的数据仓库模块。

具体功能如下:

(1)ETL1过程:把临时交换区中数据转换、装载到ODS(OperationalDataStore操作数据存储)中。系统对ETL1规则进行管理,并对ETL过程进行监控,保证ETL1过程的完整性和有效性

()ETL过程:(此处主要是转换和集成),将ODS中数据装载到DW(DataWarehouse数据仓库)中,系统对ETL2规则进行管理,对ETL2规则进行调度。

3 关键指标分析

经过清洗、转换的数据之后就消除不同数据源的数据差异,就可以进行数据分析。KPI(KeyPerformanceIndication关键业绩指标)体现了轨道交通运营企业关心的关键指标,可以对其进行分析和监控。前期经过与轨道交通运营企业大量的沟通和调研,客流分析采用的关键指标如下。

3.1 总客运量

该指标是指轨道交通线的各个车站,在某个时间段内上客量(或者下客量)的总和。它是城市出行总量在该线上分配的使用频次,反映了其客流吸引力。这一指标也是计算运营票务收入和进行经济评价的主要参数。

计算方法:客运量=∑各站上客量。

3.2 平均乘距量

该指标是指该线上所有乘客的平均乘车距离,在一定程度上反映线路走向是否符合城市客流的主流向。平均乘距越大,相应的每乘客公里的平均运输成本越低。平均乘距一般不应小于线路长度的1/4,随着轨道交通网络规模的扩大及其可达性的提高,轨道交通出行方式的平均乘距会有所增加。

3.3 客运负荷强度

是总客运量与线路长度之比,即单位线路长度所承担的客运量,是一个客运负荷的评价指标。

根据以上KPI,可以对客流进行统计。深圳地铁AFC客流分析使用的数据仓库平台软件是OracleWarehouseBuilder 10.2版本[6],用于实验分析的数据来自前面导入的深圳地铁自动售票机售票数据。采用上述KPI计算出深圳地铁1号线和4号线各出站客流量及所占比重结果如表1。

通过客流比对得出[出站量]前名的分别为:[罗湖]、[华强路]、[世界之窗],占总量的37.52%;而[出站量]后3名的分别为:[市民中心]、[少年宫]、[会展中心],占总量的1.92%。

4 客流OLAP分析

4.1 客流时间分布分析

经过研究分析发现,深圳地铁每小时客流量随城市生活的节奏变化在一日之内呈起伏态分布,夜间客流量稀少,黎明前后渐增,上班上学时间达到高峰,以后客流渐减,至下班或放学时间又出现第二个高峰,进入晚间客流又逐渐减少。

针对客流分布的这些特点,采用线路单向分时客流不均衡系数来描述其全日客流分布状况,计算公式如下:

式中a1单向分时客流不均衡系数;pt单向分时最大断面客流量(人);H全日营业小时数(小时);pmax单向最大断面客流量(人)。

该公式说明了a1越趋向于零,则单向分时最大断面客流不均衡程度越大。

当线路客流时间单向分时客流不均衡系数a1<0.5时,平均配备运营车辆就会造成在全日非高峰运营时段,列车空载的情况比较严重。

为了避免上述情况的发生,采用下面两种方案来解决这种不平衡:

(1)在非高峰小时时段减少列车开行对数,加大列车的间隔时间。但这种方案会增加乘客的候车时间,不能一味地要求比较高的车辆满载率而延长列车间隔时间,降低了整个运营系统的服务质量。

(2)在非高峰运营时段可以开行小编组列车,既可以保证列车的最大间隔时间不超过合理的时间,确保整个系统的服务质量,又不至于空载率过高,可以节约运营成本。

4.2 客流空间分布分析

由于深圳地铁线路行经区域的各个站点附近用地开发性质不同所覆盖的客流集散点的规模和数量不同,出现了线路各个车站乘降人数不同,线路各个断面的客流存在不均衡现象是难免的。线路各个断面客流不均衡系数可按下式计算。

式中a2断面客流不均衡系数;pi断面客流量(人);K全线断面数(个)。

(1)对于a2越趋向于零,则线路最大断面客流不均衡程度越大。在a2较小,即在线路最大断面客流不均衡程度较大的情况下,可采用在客流量较大的区段加开区段列车的措施。

(2)为使行车组织适应客流的断面不均衡性,可以实施在长短交路混跑,客运量较大的区段开行短交路列车,在客运量较小的区段开行长交路的列车,这样可满足该区段的客运需求,而不会出现大客运量区段的能力不足、小客运量区段能力过剩的情况。

5 客流预测模型分析

目前国内城市轨道交通客流预测基本上都是采用交通规划的常规方法:在城市客运总量的基础上,通过区分不同的交通方式划分预测城市轨道交通的客流量。鉴于轨道交通的特性,根据各种交通方式与轨道交通之间的关系引入竞争合作的方式划分策略。具有代表性的模型是MNL模型[7]。MNL模型是在以下四个假设条件下得出的:

(1)所有乘客具有相同形式的效用函数;

(2)每个出行者对于不同选择交通工具的效用函数的随机部分各分量是相互独立的;

(3)效用函数随机部分的各分量服从相同的Gumbel分布,其分布函数为:

(4)乘客选择效用函数值最大的交通工具方式。

基于以上的假设条件,可得到MNL模型的基本方程式如下

Vim为个人m对选择出行方式i的效用函数;Cm为选择出行方式的集合。

NML模型具有以下的一些优点:

(1)用较少的样本标定出模型的系数,对所求得的参数采用统计学方法进行检验;

(2)选用许多与个人决策相关的因素作为自变量,可以对多种交通规划、交通政策进行效果评价;

(3)模型具有较好的时间转移性和地区转移性。

可是该模型对于深圳地铁AFC客流分析的特定环境还是存在一些问题:

(1)城市规划年限与轨道交通客流预测年限不一致,造成规划基础资料与规划目标年限的不协调,是造成客流预测误差的重要原因;

(2)模型中的参数标定困难,受理论和资料积累的限制,许多参数还没有研究出相应的计算公式;

(3)车站吸引范围与小区交通强度不一致,有些客流较多的区域却因为地质条件限制而无法就近建立车站,这就造成了车站乘降量的误差。

6 收入预测分析

针对深圳地铁客流各站之间呈现客流差别很大的情况,客流量前4名客流量基本占据整个的48.5%,而后四名仅占3.89%。各个断面客流不均衡程度很大,所以采用多路径选择区分公交因子方式的Logit模型[8],由该模型,乘客选择轨道交通出行的概率为:

Tr和Tb分别为对于一定的出行目的地(即距离为L)轨道交通和其它公交工具出行的时间(包括在乘和非在乘时间);

Cr和Cb分别为轨道交通和其它公交工具出行距离为L时的票价。

若运营企业发行的票卡或者乘车套餐顾客感觉到在非高峰时段的优惠票价为C′r(C′rPr),则轨道交通分担客流的概率增加■P=P′r-Pr。

当此区间内轨道交通与其它公交工具的总客流量为Q时,轨道交通可能增加的客流量:

■Q=■PQ。

根据目前国内的轨道交通运行状况,轨道交通每个区间的长度一般在68km;取Tr=Tb=0.4小时(假定轨道交通途中时间节省与其它公交工具到离站时间节省相等);Cr和C′r假设每五站的票价分别为2元每人次(正常票价)和1.5元每人次(优惠票价);Cb取1元/人次,a=6元/h(采用公交方式出行者的时间价值)。

利用上面的Logit公式计算出:

正常票价下的Pr=0.268 9;优惠票价下的P′r=0.377 5

■P=P′r-Pr=0.108 6;即按上述优惠票价方案(1.5元每五站)可以使客流量增加10.86%,可以为轨道交通运营企业增加一定的收入。

7 结论

基于数据仓库的分析系统是一项综合性技术和解决方案,集成了数据仓库、联机分析处理等多种数据处理技术。文中介绍的城市轨道交通客流分析数据仓库系统能够很好地解决城市轨道交通运营企业多数据源、数据突发性强等问题。使得分析效率、分析能力大大提高,在一定程度上提高了数据分析的运作效率,成为城市轨道交通运营企业决策支持的有力工具。本项目已经成功应用于深圳地铁的一期和三期项目,为地铁运营企业的决策人员和管理人员在客流统计,列车运行图的制定,发行优惠票种等提供了重要的数据支持和决策依据。

摘要：针对城市轨道交通客流数据量大、数据结构复杂、数据具有突发性强等特点,设计了专门用于城市轨道交通客流分析的数据仓库系统。详述了该系统的体系结构、关键指标;进行了联机分析处理,给出了NML客流预测模型,采用了Logit模型对收入进行了预测分析。该项目已应用于深圳地铁交通运营企业中,为优化轨道交通企业的运营组织提供决策支持。

关键词：数据仓库,轨道交通,联机分析处理

参考文献

[1]中国投资咨询网.2008年中国城市轨道交通与设备行业分析及投资咨询报告.计算机与信息技术,2007;(13):79—80

[2]杜学东,高自友.铁路旅客列车开行效益分析与决策支持系统.铁道学报,2003;25(3):135—141

[3]Inmon W H.Building the data warehouse,Fourth Edition.John Wiley&Sons Inc,2005:21

[4]樊涓筑,张凡.数据仓库技术在地铁交通系统中的应用.贵州工业大学学报(自然科学版),2006;35(2):83—87

[5]缪嘉嘉,邓苏,刘青宝.ETL综述.计算机工程,2004;30(3):14—21

[6]Oracle Warehouse Builder Release Notes10g Release2(10.2)for Windows and UNIX.http://www.oracle.com/technology/documen-tation.2006

[7]张成.城市轨道交通客流特征分析.成都:西南交通大学硕士毕业论文,2006:26

轨道交通客流分析论文 第2篇

1.引言

城市轨道交通工程是城市一项百年大计的工程，因此必须要预知轨道交通未来年的客流规模，并对轨道交通工程规模充分预留，而不能仅仅是用来缓解现状的交通压力，因此客流预测就显得尤为重要。

毫无疑问，客流预测是城市轨道交通项目前期研究中最重要的专项，它决定了轨道交通设置规模、设施形式以及投融资等方方面面。然而，客流预测不像其它的研究专项，可以分析出对与错，它是对未来城市若干年后的预测，城市发展的复杂性和不确定性增加了客流预测的风险性。

目前，国内部分轨道交通方面的研究学者对客流预测并不重视(认为其技术性不高，误差很大)，设计方案也往往根据其经验而定，然而，如此重要的专项研究太缺少我们的反思，到底客流预测为什么不准，是客流预测研究者出了问题，还是基础资料方面出了问题，或者还是我们的研究方法论(交通模型)出了问题。

2.国内外客流预测研究历程

2.1 国内外客流预测研究历程

1962 年美国芝加哥市发表的《Chicago Area Transportation Study》为标志，交通规划理论和方法得以诞生，并首次提出了四阶段预测理论。1962 年美国制订的联邦公路法规定凡 5万人口以上城市，必须制订以城市综合交通调查为基础的都市圈交通规划，方可得到联邦政府的公路建设财政补贴。

目前，欧美主要发达国家非常重视交通预测模型的建立与维护，部分地方政府甚至通过颁布地方法规的形式对交通预测模型的地位、重要性，以及交通模型师的收入等进行了规定，主要城市均已建立一套适合本地区的成熟的交通模型，随着城市发展不断稳定与成熟，预测精度逐步提高。

2.2 国内外客流预测研究对比分析

从国内外客流预测研究发展历程来看，国内外客流预测研究均有一个由简单、误差较大到一个逐步完善、成熟的交通预测体系发展趋势。

国外客流预测研究初期误差仍然较大，简单分析可以由以下几个方面的因素：

(1)城市发展较快，基础资料特别是城市规划以及相关政策仍然存在不确定性;

(2)交通预测理论尚不成熟，处于探索阶段;

(3)交通模型师对城市现状及未来客流发展趋势认识不足，对适合于本城市的交通模型参数修改及调整经验不足。

随着国外城市发展逐步稳定，城市规划的稳定，交通模型理论的成熟以及交通模型师的经验成熟均为客流预测带来了可信度，预测结果误差越来越小。这也给地方主管部门带来了信心，甚至出台相关政策规定交通规划以及交通设施建设研究阶段必须要使用交通模型。

3.客流预测的复杂性分析

从国内外客流预测发展历程来看，影响客流预测的因素主要可分为三个方面：客流预测基础资料、交通预测理论、交通模型师。三者组成客流预测复杂的系统，每一项都是影响客流预测精度的关键要素。

3.1 客流预测基础资料

客流预测基础资料是交通模型的输入源，很明显，如果把交通模型作为一个黑箱，那么如果输入源本身就有误差，那么客流预测结果也必然会产生误差。客流预测基础资料收集也相当复杂，主要分为四大类：

3.1.1 基础信息类

基础信息类主要包括城市人口、就业以及社会经济等方面的数据信息。基础信息类数据有助于交通模型师研判历史变化趋势，并对未来年作出合理预测。主要包括未来年就业率、时间价值等。

3.1.2 交通调查类

交通调查类主要包括居民出行调查、流动人口出行调查，城市对外出入调查等等，交通调查的目的，不仅仅可以用于分析现状城市的客流分布特征，以便于模型师判断城市未来客流发展特征及变化趋势，同时，有助于交通模型参数的标定，为建立适合本城市的交通模型。

3.1.3 城市规划类

城市规划类主要包括城市总体规划、综合交通规划以及专项规划等等，这些规划主要对城市未来年的发展规模，城市空间结构、基础设施分布及规模进行了详细的论证和规划。

应该说，城市规划类的相关资料对未来年的交通模型的建立发挥举足轻重的作用，其规划的稳定性以及合理、可信性非常关键，决定了对未来年预测结果的误差。举个简单的例子，规划一个新区未来人口是 50 万人，然而规划年仅仅容纳了 30 万，这样必然导致客流预测结果的误差。

3.2 客流预测理论

从国内外采用的预测方法来看，可以大致分为趋势外延法、吸引范围法和交通规划的四阶段法等三种形式(趋势外延法、吸引范围法、四阶段法)。

前两种方法仅考虑了轨道线路及其吸引范围内客流的变化，没有考虑轨道交通系统作为整个城市交通骨干建成后，将导致整个城市客流在城市路网上分布状态的变化。在客流预测研究初期采用较多，目前已经很少使用。

3.3 交通模型师

交通模型师不能游离于客流预测系统之外，因为他是交通数据分析、交通模型建立者，直接决定了客流预测的精度。事实上，不同的交通模型师，在同样的基础资料的前提条件下，客流预测结果必然会有差别，因此，交通模型师也是产生客流预测结果误差的主要原因。

4.客流预测的可控性分析

尽管客流预测系统非常复杂，涉及到方方面面，使得客流预测存在风险，存在不确定性，但是其风险是否可控值得进一步探讨。

在客流预测系统中，三大因素决定其客流预测精度，其中交通预测理论目前已经较为成熟，这方面的风险与误差是可以度量的，目前还没有更好的、更先进的预测理论出现。

因此，只要控制了输入端(基础资料)以及使用端(交通模型师)所带来的误差就能够较好地控制风险，事实上，这方面的风险是可控的。

在这里以南京地铁一号线南延线、二号线开通期客流预测为例说明风险的可控性。

5.结语

城市轨道客流调查分析 第3篇

【关键词】轨道交通  大客流  APP  Floyd算法  换乘

【中图分类号】U12 【文献标识码】A 【文章编号】2095-3089（2016）35-0212-01

一、研究背景

由于城市轨道交通运量大，在超大客流情况下，车站处于极不稳定的状态，安全运营受到极大挑战：乘客的极度拥挤使得各类紧急事故的发生概率增大。基于上述背景，本课题根据客流发展趋势，提出了“互联网+城市轨道交通换乘客流诱导反馈系統”此APP。

二、基本原理与技术路线

通过本系统可以通过改进的Floyd算法为广大乘客提供有效避开故障点的最优路径。通过乘客端反馈的数据，及时反馈给地铁运营方，由地铁运营方组织、疏导乘客有序乘降，及时疏散积压客流，加快事故处理进程，以达到快速恢复地铁安全准点运行的目的。

三、Floyd-Warshall算法在城市轨道交通线网中的改进

首先拿上海轨道交通网络中以龙阳路站为中心的一小部分作为案例来介绍对Floyd算法在城市轨道交通换乘系统中的改进。

这部分由2号线世纪公园站、张江高科站，7号线芳华路站、花木路站、16号线华夏西路站以及三线换乘车站龙阳路站所组成。

根据上海地铁官方数据，可以得到邻接矩阵A：

A=

观察邻接矩阵A，发现乘客在龙阳路站换乘时不需要换乘时间，这在实际应用中是极为不合理的。因此对现有的Floyd算法中的邻接矩阵进行了改造。

根据调查得龙阳路站的换乘时间（见矩阵B）：

把邻接矩阵A中龙阳路所在的行和列拆成3行和3列，分别为“龙阳路2”表示龙阳路2号线站台、“龙阳路7”表示龙阳路7号线站台、“龙阳路16”表示龙阳路16号线站台。得到新的邻接矩阵B：

由于上海轨道交通系统高峰期的大客流对换乘时间的影响较为明显，所以框内换乘子阵T可以与路阻函数相结合：换乘阵T中的元素（即为换乘时间）用路阻函数代替，当客流较大或站点发生故障时，可以人为或自动地调整路阻函数中的参数，将换乘时间放大，甚至可以将换乘时间放大至无穷，表示为此换乘路径不通。

四、系统界面介绍及使用说明

图1查询界面

如图1所示，可通过PickerView选择器来选择起点站或终点站所在线路及具体车站，之后单击确认按钮，即可获得从起点站至终点站所需时间与换乘路径。

此外，在APP的下方还提供了大客流延误信息，当乘客看到时，将能动性地回避大客流延误点，用户还可以点击大客流延误信息栏右上角的分享按钮将大客流延误信息分享至微博，告知亲朋好友当前轨道交通网络的拥堵点或故障点。达到疏散大客流，有利客运组织，防止安全隐患的目的。

五、前景与展望

由于受种种客观因素限制，其中最大的约束力就是缺少服务器的支持，因而系统在交互性上比较欠缺，APP用户端与后台系统终端通过网络数据传输，方能实现交互，完成数据互通与数据处理功能。相信在今后客观科研环境不断改善的情况下，在服务器设备与网络通信知识的支持下，能够实现城市轨道交通换乘客流诱导反馈系统的全部完备的“互联网+”功能。 参考文献：

[1]张朝峰，段进宇，地铁换乘站行人换成时间模型研究[R]. 2013中国城市规划年会，2013.

[2]张国生，Visual Basic程序设计教程（第2版）[M].北京：清华大学出社，2015.

作者简介：

城市轨道客流调查分析 第4篇

关键词：城市轨道,地铁客流,疏导

0 引言

地铁作为一种重要的城市轨道交通工具, 其承载着沉重的客流集散任务。地铁通常要将客流集散点连接起来, 例如商业中心、主干道、火车站和汽车站等等。随着城市规模的不断扩大和城市人口的不断增加, 城市轨道交通将面临越来越重的客流压力, 在特殊时期客流量甚至会超过地铁设施的承受限度。因此, 要提高城市轨道交通的运营效率和质量, 就必须对客流进行有效的疏导, 减少客流量对地铁运营的影响, 保障地铁运营的安全、正点、舒适和快捷。

1 客流及其相关概念

1.1 客流的概念

所谓的客流, 指的是在一个单位的时间里, 城市轨道交通线路上的乘客数量, 这就包括了乘客的流动人数和方向。客流是对乘客的数量和空间位移的一个表现, 可以是实际客流也可以是预测客流。

1.2 客流疏导的概念

由于地铁的客流量通常都比较大, 特别是在客流高峰阶段, 而地铁又要保证其运营的快速和准时, 因此需要对客流量进行合理的疏导。所谓的客流疏导是通过对地铁相关设备和设施的合理布置, 开分流或者引导客流, 对客流运送进行疏导。

在城市轨道交通中, 对客流疏导的主要形式是分析地铁车站的设施、设备和空间, 对客流量进行预测, 然后再制定相应的方案, 包括对乘客从进站到换乘, 再到下车和出站整个过程的疏导。方案中还要对地铁的人员组织、车站的行车和票务设备以及导向标识等进行安排[1]。

2 城市轨道交通客流疏导的原则和影响因素

2.1 客流疏导的原则

城市轨道交通中客流疏导的根本原则就是保证乘客的安全运送, 尽量使客流运送过程安全、便利、舒适, 并且能够及时疏散客流高峰。此外, 还要考虑城市轨道交通的运行效益, 尽量使客流量达到地铁承受能力的最佳状态, 并不断降低运送和服务成本。如果出现客流高峰, 要能够有效的控制车站的人流量。

2.2 客流疏导的影响因素

影响地铁车站的客流疏导的因素包括以下几个:车站的出入口及通道通过能力, 一般来说这二者都要由客流量来决定, 为了保障运输安全, 便于进行消防疏散, 每个地铁车站的出入口通道都不能少于两个。站厅和站台的容纳率要能够符合客流通过的需要, 乘降设备要有足够的通过能力, 自动售票及检票设备都要具备一定的通过能力。最重要的是地铁列车要有足够的输送能力[2]。

3 城市轨道交通客流疏导的具体措施

3.1 采取科学合理的客流运营调整程序

现在大客流在城市轨道交通当中出现的越来越频繁, 要提高城市轨道交通的运营效率和质量, 就必须对客流进行有效的疏导, 减少客流量对地铁运营的影响, 在这个过程中可以采取科学合理的客流运营调整程序进行疏导。

首先当城市轨道交通中出现大客流的时候, 有关部门应该将相关信息通过短信等平台进行及时的发布, 向全程各站进行及时的通知, 同时还要采取积极有效的措施向车站的乘客及时的发布轨道运营部门了解到的运行信息, 与轨道公安局取得及时的联系, 从而将车站客流疏导工作做好[3]。

如果遇到非常紧急的情况, 就必须要向公司的监督站进行汇报, 并且还要以实际的运行情况作为根据, 适时的下达AFC系统降低模式以及封站处理等命令。如果在轨道交通乘换车的时候出现客流高峰, 邻线调度员必须要进行相互之间的配合工作, 从而保证对客流高峰的有效疏导。如果车站的客流数量仍然在不断的增长当中, 就必须要对相邻的换乘站进行及时的通知, 开始准备执行“换乘站客流组织应急预案”。如果车站的客流出现较高的比例, 而且无法在短时间内实施有效疏导的时候, 必须要马上对“换乘站客流组织应急预案”进行下达, 并予以严格执行[4]。

3.2 采取科学合理的行车组织对策

城市轨道交通部门必须要对自身的运输潜力进行不断的挖掘, 不断的促进上限运能的增加;除此之外, 各个线路的控制中心还应采取灵活的处理方式, 对列车资源进行充分的利用, 采用灵活科学的调度方式, 从而使客流高峰时期的客运压力能够得到有效的缓解, 其中主要包括以下几个方面的行车组织措施。

1) 对备用车进行及时的使用。控制中心应该以现场的客流状况作为根据, 对高峰时段的备用车上限运输进行灵活的安排。需要综合考虑是否是换乘站、站台大小以及车站客流等各种情况, 最终对备用车的投入服务站点进行确定;

2) 针对空客车进行合理的组织。由于备用车受到数量方面的限制, 因此针对换乘站等具有较大的高峰时段客流与运能矛盾的地区采取对空客车进行合理组织的方式进行缓解。

3) 对行车交路进行灵活的调整。在一些线路当中可能会存在着不均匀的各区段客流, 因此控制中心可以利用对部分列车行车交路方式进行灵活的调整, 将部分列车经中间折返站折返小交路运行。这样就能够促进高峰区段行车密度方式的加大, 从而对高峰区段客流进行有效的疏导。

4) 对列车的越站运行进行有效的组织。如果有对乘客人身安全造成危害的不可控的局面出现在换乘车站的时候, 控制中心就必须要对列车的越站运行进行有效的组织, 防止车站站台在乘客下车的时候受到较大冲击的现象出现。由于乘客服务会受到列车越站运行的较大影响, 而且采取列车越站运行的方式无法对站台乘客进行实际运输, 因此除非遇到紧急的情况, 否则不能够轻易采取这种措施[5]。

3.3 城市轨道交通客流疏导方式的组合运用

将单个区域中对地铁客流疏导的方式进行组合运用, 就可以建立起一个完整的客流疏导方案。地铁客流疏导方案首先要对出入口扶梯进行设置, 采用上下全开的方法来对进出站客流进行梳理, 并在进站前缓冲进站客流。其次, 在闸机前放置必要的分离设施, 使进出站的客流分离, 从而形成专门的进站客流和出站客流。在TVM前方设置伸缩栏杆, 将进站客流和购票客流分离开来。对于站厅通往站台的扶梯的方向要合理设置, 以免进出站客流的交叉。客流很容易在站厅的非付费区进行交叉, 此时可以在此配备一个向导人员。可以在站外平台位置设置预制票点, 以满足部分乘客的购票需求[6]。

3.4 对城市轨道交通车站客流的疏导方法

车站是客流的一个集散点, 地铁要加强与其他城市交通方式的连接, 以提高对车站客流的疏散能力。与地铁车站进行连接的交通方式还有很多, 只要对这些方式利用得当, 就可以减少客流在地铁车站的滞留时间, 从而促进整个地铁客流的疏散。要尽量使乘客的流动线路简单明确, 地铁与其他交通工具之间能够顺利的连接, 降低换乘冲突, 并将车辆流动线与乘客流动线分离开来, 以提高安全性。在具体的实施过程中, 需要对具有动态性的车流组织以及人流组织进行充分的考虑, 合理的布置设计静态的停车场地, 同时还要采取有效的控制性管理措施, 最终使城市轨道客流得到有效的疏导[7]。

4 结论

地铁作为一种重要的城市轨道交通工具, 在人们的生活当中发挥着越来越重要的作用, 在地铁的日常运行过程中, 大客流出现的越来越频繁, 因此如何对客流进行疏导, 是城市轨道交通继续发展的一个关键性问题。面对着轨道交通当中出现的客流高峰, 可以通过采取科学合理的客流运营调整程序、采取有效的行车组织对策、对城市轨道交通客流疏导方式进行组合运用以及有效疏导城市轨道交通车站客流的措施, 从而全面对城市轨道交通中的客流进行有效的疏导, 最终保障地铁运营的安全、正点、舒适、快捷。

参考文献

[1]薛亮, 刘小玲.城市轨道交通客流灰色预测法应用[J].交通科技与经济, 2011 (2) .

[2]施泉, 吴中, 毛荣昌.轨道交通客流预测四阶段法的改进[J].城市轨道交通研究, 2012 (9) .

[3]Brian L.Smith, Michael J.Demetsky.Traffic Flow Forecasting:Comparison of Modeling Approaches[J].Journal of Transportation Engineering, 2013 (4)

[4]史晟, 杨超.基于出行方式链的城市轨道交通客流分析方法[J].城市轨道交通研究, 2011 (1) .

[5]梁青槐.城市轨道交通客流预测问题分析及建议[J].都市快轨交通, 2011 (1) .

[6]裴剑平, 范东涛.基于拓展四阶段法的城市轨道交通客流预测[J].都市快轨交通, 2011 (5) .

城市轨道客流调查分析 第5篇

节点:轨道交通线网上每个车站视为一个节点。

区间:相邻节点间的一段线路称为区间。

单支客流量:具有相同始发节点和终到节点的所有乘客人数。单位:人次/h。

断面客流量:单位时间内通过一个区间 (任一断面)的乘客人 数,上下行分 别统计。 单位:人次/h。

1常见断面客流量计算方法

客流量计算的方法在各类教材及参考书中均 有介绍,主要有:列举法、客流图法、铸锻推算法,各有优点,也存在不足之处。断面客流量计算一般先查定各站的上下车人数,由此进行计算,本文以一条轨道交通线路为例阐述计算方法。

已知某轨道交通线路车站布置如图1所示,A站到E站为下行方向。本文截取A-E区段作为研究对象,A-E区段各站上下车人数如表1所示, 计算各区间下行断面客流量。

人次/h

1.1列举法

将所有的单支客流用箭头表示画在线路示意图1上,找到通过某一区间的全部单支客流,加总即得该区间的断面客流量。

1.1.1抽象数学符号

设U = {A,B,C,D,E}为五个车 站的集合,(A-B)表示节点A和节点B之间的区间,mAB表示节点A到节点B的单支客流(量),nBA表示 (AB)区间的断面客流量。

1.1.2单支容流图

将所有单支客流画图表示出来,如图2所示。

1.1.3计算区间客流量

以 (A -B)区间为例,该区间的客流由mAB, mAC,mAD,mAE等4支客流组成。则有nBA= mAB+ mAC+mAD+mAE=7 019+6 098+7 554+4 878= 25 549。

其他区间依此类推,各区间断面客流量结果汇总如表2所示。

人次/h

1.2客流图计算法

1.2.1方法步骤

根据客流斜表1将各站始发的客流按一定的格式和比例,绘制成客流图,再利用客流图计算区间客流量。具体步骤如下:

1)将区段客流分组,每个车站始发的客流分为一组(一个集合);

2)计算每组客流在各区间的客流量;

3)将每组客流在各区间的客流量用方框表示 绘制到区间上方,客流量数字填在方框内,各组客流的方框用不同的颜色(纹理)填充;

4)将各区间上方对应方框内的数字求和即得 区间客流量。

1.2.2算例

以上例进行计算

1)先进行客 流分组。A站出发的mAB,mAC, mAD,mAE4支客流为第一组,B站出发的mBC,mBD, mBE3支客流为第二组,C站出发的mCD,mCE2支客流为第三组,D站出发的mDE为第四组。

2)A站下行始发客流总计71 396人,他们将全部通过 (A-B)区间,则第一组客流在 (A-B)区间客流量即为71 396人次。到达B站后第一组客流中单支客流mAB(7 019人)已到达终点,这些乘客将在B站下车(消失),其余三支客流继续前行进入BC区间。则第一组客流在BC区间的客流量即为25 549-7 019=18 530人次。同理可得第一组客流在CD区间的客流量为12 432,在DE区间的客流量为4 878人次。

3)将第一组客流在各区间的客流量用斜纹方 框绘制在线路示意图上,第二组、第三组、第四组客流在各区间的客流量用不同的方框画在线路示意图上如图3所示。

4)从客流图上即可方便的计算各区间的断面 客流量,每个区间的客流量即等于其上各方块数字的和(单位:人次/小时)。得出nBA=25 549,nCB= 10 307+18 530=28 837,nCD=1 402+8 582+ 12 432=22 416,nED=458+842+3 962+4 878=10 410。其结果与表2一致。

1.3逐段推算法

1.3.1计算方法

1)计算各站的上下车人数,mP上表示P站上车人数,mP下表示P站下车人数,显然mA上即为A站始发客流量,mA下=0。

2)计算区间断面客流量,第一个区间的客流量即为始发站上车人数,即

其他区间的客流量应该等于其前一客流量减去中间车站的下车人数,加上中间车上车人数。即

1.3.2算例

仍以上例进行计算。

首先计算下行各站上下车人数如表3所示。

人次/h

然后可计算下行各区间客流量如下 (单位:人次/h):

计算结果与表2一致。

上述四种方法各有优缺点,穷举法简单,容易理解,适合于线路短、车站少的线路;客流图法直观易懂,但需要画图,仍显繁琐;逐段推算 法容易理 解,计算量少,但不易实现程序化。四种方法共同的缺点是当线路较长,车站较多时计算量大,容易出错,无规律可循,难以实现程序化。笔者通过分析总结出一种计算简便、直观性强的数学分析法, 具体如下。

2数学分析法

通过研究可以发现,区间客流由若干个单支客流组成,这些客流具有一定的规律。利用这些规律就可以提炼出具有普遍意义的计算方法,而且该方法既可以利用公式计算,又可以直接在表上计算。

2.1公式计算

如节点集合为Z = (A,B,…,X),以 (P-Q)区间为例,通过该区间的单支客流有一个共同的特点,它们的起始节点都在P及其以前,终到节点都在Q及其之后。也就是说这些客流的起始节点在集合 (A,B,C…P)中,终到节点 都在集合 (Q,R, S,…,X)中。(P-Q)区间客流量应该是满足上述条件的所有单支客流的总和。由此可以得到区间客流量计算式

该式很容易实现编程计算,也可以运用数学软件计算。以此式计算前文例题,以B-C断面为例 (单位:人次/h):

计算结果与前文中各方法一致。

2.2图表计算

该方法较适宜于长线路,故以某市轨道交通二号线为例,该线设有A,B,C,D,E,F,G,H共8个车站,已知各站上下车人数如表4所示。

计算该线路各区间断面客流量既可以运用上述算式,编程计算,也可以直接在表上作业,具体步骤如下:

计算下行方向 (P,P+1)区间的客流量,首先在客流斜 表上找到mpp+1,由上述分 析可知,组成 (P,P+1)区间的客流的单支客流出发节点都在P及以前,而它们在客流斜表上都位于mpp+1以上的行内,以nCB为例,则为表4中红色方框所画的范围。 又知这些单支客流的终到节点都在Q及以后,而它们在客流斜表上都位于mpp+1右侧的列内,即表4中蓝色方框所画的范围。所以组成 (P,P+1)区间客流的单支客流就在表4中红色方框和蓝色虚线方框重合的范围内,将这些数字加总即为 (P,P +1)断面客流量。

实际运用中可以将上述方法简化如下:

计算 (P,P +1)区间客流量,以mpp+1为左下角,以顶角数字为右上角画长方形,将长方形内的数字加总求和即为 (P,P+1)区间的断面客流量。

如计算 (B,C)区间客流量,先找到nCB(1 725), 再找到顶角数字nEA(23 798),以这两个数字为对角画长方形,长方形内的数字求和即为 (B,C)区间客流量(人次/h)。

经检验,计算结果与1.2中各方法一致。

3结论

城市轨道客流调查分析 第6篇

在全社会倡导“以人为本”的今天, 为了在城市轨道交通系统中更好地贯彻和体现这种理念, 有必要对其客流特性进行认识和把握, 以期对系统的设计和运营能够有一些指导意义, 避免系统建设的盲目性。

1 城市轨道交通客流形成机理

一般而言, 新建轨道交通的客流包括两部分:转移客流量和诱增客流量。其中转移客流量指的是由于轨道交通所具有的快速、准时、安全、方便、票价不贵等优点, 而从其它交通方式转移过来的客流量, 这部分流量通常被称为是模式竞争而后的流量。转移流量最大的可能来源于那部分本来选择常规公交以及自行车出行的出行者;而且, 相对于小汽车的出行, 轨道交通的出行成本较低 (含出行时间) , 出行距离越大, 这种优势尤为明显, 因此, 还有一部分客流量会从小汽车方式 (主要以出租车为主) 转移过来。对于诱增客流量则主要指的是快速轨道交通线路的建设促进沿线土地的开发、人口的集聚, 使区域之间的可达性提高, 服务水平提高, 居民的出行强度增加而诱增的客流量, 最直接的体现是居民可能会选择“住在郊区, 工作休闲在市中心”的生活方式。

城市客流主要取决于城市土地利用的空间布局和城市经济的发展水平, 在供应满足的条件下, 当一个城市的土地利用布局规划确定以后, 从某种意义上讲, 城市客流的产生和分布就客观存在了 (当然不能否认交通政策在其中的作用) 。同时, 由于轨道交通作为一种大运量、快速的城市客运工具, 它的存在直接的改变了轨道线路沿线的可达性, 缩小了出行者出行时间 (相对) , 因此居民也愿意居住在轨道线路经过的区域, 从而导致该区域房价会上涨。但是, 这种影响是相互的, 反过来, 轨道交通对城市的土地利用空间布局产生一定的影响, 如加快城市郊区化进程和提高轨道线路沿线土地的开发强度等, 从而影响轨道客流的产生与分布。

城市的客运交通结构和城市客流的流量流向是由城市的规模大小、平均出行距离、城市所能提供的交通设施的服务水平、出行者的时间价值以及相关的交通政策等因素综合决定的。对轨道交通而言, 它的客流量要上去, 就必须要求其它交通方式尤其是常规公交要与它做好配合, 使其换乘方便, 这是一种协调与竞争的关系。当然, 在人们选择城市交通方式时, 往往会考虑各种交通方式的属性 (出行时间、安全、实际运价、速度、舒适、服务、环境影响) , 然后做出合理的选择。

2 城市轨道交通客流的时空的分布特性

2.1 城市轨道交通客流的时间分布特性

轨道交通客流的时间分布, 是和城市居民出行时间的规律性分不开的。随着城市生活节奏的变化, 轨道交通小时客流量在一天内呈驼峰形分布, 有两个高峰期, 上午上班上学形成早高峰, 下午下班放学形成晚高峰, 其他时间段则是客流平峰期。轨道交通分时断面客流量的一系列数据, 就反映了小时客流量在一天内的分布变化规律。

在不同的轨道交通线路上, 或者一条线路上不同的路段和集散点, 其客流高峰比率是有所差异的, 一般市中心商业区和对外交通枢纽的高峰比率较低, 因为通勤和通学客流比例较低, 客流在时间分布上相对比较均衡;而郊区线路、通往市区外围的居住区和工业区路段, 主要服务于上下班客流, 因此其客流高峰比率较高。

由于客流量在一天之内起伏变化, 从运能运量合理匹配和运营经济性考虑, 就要求轨道交通在一天内的不同时段配置不同的运输能力, 即根据分时断面客流量确定合理的全日行车计划和车辆配备计划。

轨道交通一般以调整行车密度的方式来配置不同运能, 从而适应客流量在一天之内的起伏变化, 匹配高峰和平峰的客流需求差异。因此, 当客流随时间起伏变化比较大时, 采用“列车短编组”和“行车高密度”的系统配置方式, 更能体现运营经济性和服务至上的宗旨;高峰时以较小的行车间隔、较高的行车密度, 来满足高峰客流的需求;由于采用短编组, 平峰时的行车间隔较短, 缩短乘客候车时间, 保证系统的服务水平, 同时还可以提高列车平均满载率, 降低单位乘客的平均运输成本。

从轨道交通系统对客流时间特性的适应性来看, “小编组、高密度”非常具有现实意义。同时“小编组、高密度”也符合轨道交通发展趋势, 它体现了管理出效益、科技是第一生产力的思想, 修编的地铁设计新规范, 就反映了这一思想。

车站的乘降客流量, 高峰时段与平峰时段同样存在比较大的差异。位于市中心区和商业区的车站, 其乘降客流的性质决定了其高峰与平峰的差异比较小, 相对于市区外围的车站来说, 乘降客流量在一天内的分布比较均衡。

在车站周边土地开发利用属于综合性质的情况下, 车站在高峰时段的上客量和下客量差异不大, 而且上客量和下客量都呈现两个比较对称的高峰 (早高峰和晚高峰) 。

2.2 城市轨道交通客流的空间分布特性

2.2.1 区间断面客流在全线上的分布

各区间的断面客流量, 是根据车站在一个方向的上下车人数累计计算而来的, 是站间客流量在各个区间的叠加。

对于穿越城市中心区的轨道交通直径线, 在列车运行方向的起始段, 一般各车站的上车人数大于下车人数, 因此各区间的断面客流量逐渐加大, 在中心区达到最大, 此后在列车运行方向的末尾段, 各车站上车人数小于下车人数, 各区间断面客流量逐渐减小。因此一般直径线各区间的断面客流量, 在全线上呈中间大、两端小的“橄榄形”分布。

对于由城市中心区通往市区外围的轨道交通半径线, 相当于直径线的一部分, 一般中心区一段的区间断面客流量比较大, 而外围区一段的区间断面客流量比较小, 呈“水滴形”分布。

对于城市轨道交通环行线, 由于沿线土地开发程度和性质相对比较均衡, 因此一般各区间的断面客流量在全线的分布也比较均衡。

当各区间断面客流量在全线分布不均衡时, 为了使系统运输能力与不同路段的运量需求相适应, 提高小断面路段的列车满载率, 需要采用长短交路结合的行车组织方式, 长短交路的设置应考虑以下因素: (1) 短交路折返站应设在区间断面客流量落差比较大的车站, 并应具备设置折返配线的工程条件, 配线形式应满足折返能力的需要; (2) 短交路不宜太短,

因为短途乘客会选择长交路列车, 而长途乘客不愿选择短交路列车, 因此短交路过短会造成长交路负荷过重, 而短交路列车满载率较低, 或者造成乘客不必要的换车, 增加在站台的滞留时间; (3) 长短交路的列车比例要考虑列车满载率的均衡性, 同时要避免短交路范围以外的行车间隔过大, 一般高峰时不应超过6min, 平峰时不应超过10min。

2.2.2 车站乘降客流在方向上的分布

1) 上下行方向

在车站乘降客流的潮汐现象中, 也会表现出客流在上下行方向分布的不均衡性。一般情况下, 城市中心区工作岗位数大于居住人口数, 客流以吸引为主;二市区外围的居住人口大于工作岗位数, 客流以产生为主。因此, 在市区外围路段的一些车站上, 进城方向的乘降客流量在早高峰时比较大, 出城方向的乘降客流量在晚高峰时比较大。

2) 进出站方向

进站乘客会就近选择出入口进站乘车, 出站乘客会根据导向标识选择最便捷的路径去往各自的目的地。因此, 车站所处的位置、以及与公交站点和交叉路口的相对位置关系等, 决定了车站乘降客流量在不同出入口方向上的分布数量。

3 结束语

总之, 随着大城市人口的增长, 城市必然从城市中心地区向郊区卫星城镇发展。如何在轨道交通规划中预测其客流规模和选择最为合适的轨道交通类型作为城市交通干线也成为值得讨论的问题。

参考文献

[1]杨超, 杨耀.城市轨道交通诱增客流量预测分析[J].城市轨道交通研究, 2006 (4) .

城市轨道客流调查分析 第7篇

1 城市轨道交通断面客流特征

城市轨道交通断面客流是指同线路相邻的2个车站之间的客流, 由于国内城市轨道交通一般都是双线运行, 同一断面的客流有上、下行2个方向。断面客流的获取对于城市轨道交通运营组织意义重大, 针对一条特定的线路, 其某个小时内某个方向列车的开行数量, 按下式计算[3]:

对轨道交通分时断面客流数据进行分析, 可知在城市轨道交通网络结构相对稳定的城市, 轨道交通线路断面某天的客流变化情况与该断面上周的情况类似, 以北京地铁8号线某断面全天客流数据为例 (见图1) 。图1中, 8号线某断面分时分方向每5 min客流与上周同期客流整体趋势相似, 仅在个别时段有所出入但相对稳定。这个规律为轨道交通短期客流预测提供了理论支持:利用历史同期客流对未来客流进行预测。

2 基于Elman神经网络的客流预测模型

Elman神经网络是Jeffrey.L.Elman在1900年提出的一种反馈式神经网络, 相比于传统的BP等前馈神经网络, 反馈式网络由于存在着实时动态的反馈输出, 使该种网络在训练动态时间模型的数据等问题上能够更加真实地反映数据间变化的连续性[4]。其训练过程如图2所示:输入层从外部接受信号传输给隐含层, 隐含层接受信号并将信号传输给承接层, 承接层将信号延迟处理后再作为输入传给隐含层, 隐含层将数据处理最后传给输出层, 输出层输出信号。

Elman神经网络结构的数学模型[5,6]如下:

式中:k为时刻参数;y为网络输出向量;u为网络输入向量;x为隐含层输出向量;xc为承接层输出向量;~1, ~2, ~3分别是输入层到隐含层、隐含层到承接层、隐含层到输出层的连接权值;f (·) 和g (·) 分别为隐含层神经元和输出神经元的传递函数;b1、b2分别为输入层和隐含层的阈值。

由 (1) ~ (3) 式可知, Elman神经网络的特点是隐含层的输出通过承接层反馈到隐含层的输入, 从而保留了对历史状态的记录, 完成动态建模过程。从城市轨道交通断面历史客流的数据中, 确定Elman神经网络的输入输出节点, 来反映城市轨道交通断面客流的内在规律, 从而达到预测未来时段客流的目的:, 其中pi是第i组有序数据, 是神经网络训练目标指向, 也即通过前面连续3组连续的城市轨道交通断面客流数据, 为Elman神经网络的输入, 第4组数据为神经网络的训练目标。由于训练目标与训练数据之间有着动态连续的关系, 也使得训练得到的网络具有这样的特性。

神经网络结构的确定对预测结果的影响较大, 但是目前有没有一个完整的理论来确定合理的网络结构[7], 特备是隐含层神经元数量的确定, 其经验公式如下:

式中:i、o分别为为输入、输出节点数;ym为最大隐含层节点数。确定了最大节点数可以通过试算的方法确定隐含层合理节点。

3 实例应用

早晚高峰是成网轨道交通典型的客流形态, 对于高峰时期的列车组织是考验运营部门能否合理运用车辆、缓解客流压力的重要手段。高峰时期客流预测是预测工作中的重点, 如果能准确预测高峰时期的客流, 就能对列车的运用做到运筹帷幄, 合理高效地运用车辆。

现在以北京地铁1号线2011-08-09某断面周四早高峰 (7∶00~9∶00) 客流为例, 运用Elman神经网络对高峰时期客流进行预测。此处选择周四客流是因为城市轨道交通相同工作日的客流有较高的一致性, 所以选取相同工作日能够提高预测精度。在早高峰2 h客流中每15 min选取1组数据 (见表1) , 共9组。此处需要说明的是选取15 min客流是为了方便计算, 实际应用中, 时间刻度越小其精度会相应提高。

在网络的输入层选取3组数据作为输入层神经元, 1组数据作为输出层神经元, 得到了5组训练数据, 见表2。

通过上面的5组数据, 来训练Elman神经网络, 将09-29的这组数据用来对训练好的网络进行检测, 即通过09-08、09-15、09-22的数据来预测09-29的数据, 并将预测结果和真实结果进行对比, 得到其误差范围。

本文通过Matlab软件编写程序, 并使用软件自带工具箱中的模型结构对基于Elman神经网络的短期客流进行预测。隐含层单元的传递函数取sigmoid函数tansig, 输出层单元的传递函数为线性函数purelin, 反向传播训练函数选择traingdx函数。根据经验公式, 隐含层神经元最大数为ym=17, 选择8、11、14、17作为隐含层节点行试算, 分别进行2 500次迭代, 并作出其误差图, 见图3。图中横坐标表示7∶00~9∶00每15 min共8个数据, 纵坐标是训练值与目标值的归一化差值。由图可知, 当隐含层节点为11∶00, 预测结果的相对误差最小且较稳定, 此时的网络相对误差平均值为0.18, 网络训练效果最好, 于是确定该Elman神经网络的隐含层神经元个数为11个。通过训练好的基于Elman神经网络的短期客流预测模型, 预测09-29的高峰客流数。网络输出的预测客流值与真实值比较见图4。

由图4可知, 模型合理地预测了29日早高峰客流的变化趋势, 每个时段的客流预测数据也与真实数据基本吻合, 并没有因为数据量的问题产生神经网络过拟合的现象。

为了检验所构建模型的预测精度, 本文将原始数据用于ARIMA模型, 即将08-04~09-22的客流数据作为模型构建的输入, 通过不同的时间段分别构建ARIMA模型来预测09-29的客流。由于短期客流预测不涉及季节性变化, 所以不定义季节性参数。

由于8天的时间序列不连续, 所以将数据按照时间段进行分组, 分组观察数据没有明显趋势与波动, 所以无需进行平稳化处理。分别对8组时间序列数据计算其自相关函数与偏自相关函数, 其数据表现都与图5所示的第1组数据类似, 发现其符合自相关函数拖尾且偏相关函数截尾的特点, 所以建立AR模型对数据进行预测[8]。

分别对所构建的2个模型进行预测计算, 预测结果指标统计见表3, 其中E代表Elman神经网络模型, A代表ARIMA模型。

由表3可知, 通过构建Elman神经网络得到的预测城市轨道交通未来短期的断面客流量基本与真实数据误差较小, 相对误差的平均值仅为0.024, 满足运营管理部门进行计划编制、客流组织等工作的需要。与传统时间序列预测模型相比, 动态反馈神经网络的短期客流预测有着较好的预测精度。值得注意的是, 动态反馈预测数据中8∶00~8∶15的这一组数据相对误差达到了6.69%, 可能与天气等特殊的影响因素有关, 这说明仅仅通过数据驱动来对城市轨道交通未来客流的预测是不全面的。

4 结语

本文从时间序列的角度出发, 采用典型的动态神经网络对未来客流进行预测, 在有历史数据的前提下, 短期客流模型可以对任意一天的短期客流进行预测。实例证明, 预测的精度能够满足正常运营管理部门决策的需要。由于城市轨道交通客流组成的复杂性, 短期客流预测一直是该领域的一个难点, 除了时间因素, 实际上天气、大型活动和节假日等因素都会对未来客流的变化造成影响, 笔者将对这个问题在今后做进一步研究。

参考文献

[1]王奕, 徐瑞华.基于周期时变特点的城市轨道交通短期客流预测研究[J].城市轨道交通研究, 2010 (1) :46-49.

[2]李晓俊, 吕晓艳, 刘军.基于径向基神经网络的铁路短期客流预测[J].铁道运输与经济, 2011, 33 (6) :86-89.

[3]张国宝.城市轨道交通运营组织[M].上海:上海科学技术出版社, 2006.

[4]任丽娜.基于Elman神经网络的中期电力负荷预测模型研究[D].兰州:兰州理工大学, 2007.

[5]Hagan M T, Demuth H B, Beale M H.Neural network design[M].Boston:Pws Pub., 1996.

[6]姜平, 石琴, 陈无畏, 等.基于Elman型回归神经网络的公交客流预测[J].合肥工业大学学报:自然科学版, 2008, 31 (3) :340-342.

[7]周妍, 周磊山, 乐逸祥.基于组合模型的城市轨道交通短时客流预测研究[C].Proceedings of International Conference on Engineering and Business Management (EBM2010) , 2010:4.

城市轨道客流调查分析 第8篇

1 轨道交通新线运营前客流分析

换乘站是一个集合了多种交通方式的综合交通体, 换乘站的客流主要有本地吸引客流和换乘客流两部分, 在这两部分中按不同交通方式分析出客流构成, 得出轨道交通新线运营前的客流构成分析 (如图1所示) 。其中, 按照客流走向, 将地面公交客流分为两个集合, 平行于轨道交通新线的公交客流集合称为E1, 其他不平行的的客流集合称为E2。

(1) 地面公交客流。

通过公交公司的刷卡数据与人工统计可精确得出本地吸引客流。换乘客流按交通方式主要是地面公交与轨道交通、其他方式之间的流量。其中公交换乘E 1-E1’、E2-E2’、既有轨道与E2之间的换乘都属同方向换乘客流, 这部分流量较小基本可以忽略。其他交通方式主要指出租车、私家车和其他非机动车, 根据生活经验判断公交与其他交通方式之间的客流转移量很少, 所以这部分客流也可忽略不计。

(2) 既有轨道客流。

既有轨道的本地客流可以通过AFC (自身售检票系统) 统计得出。而换乘客流同样也可以简化。E2客流方向与既有轨道线路方向平行, 流量可以忽略。由于轨道交通准点、高效、运能大的优势, 既有轨道的换乘主体客流为E1-轨道和其他方式-轨道换乘。

(3) 其他交通方式。

其他交通方式客流构成中, 非机动车出行距离短的特性决定了非机动车与轨道交通的客流转移量较少可以忽略, 而新线开通会吸引部分私家车客流选择轨道交通进行出行;其他交通方式的换乘客流是主体, 但是客流分散, 统计难度较大, 一般可采取现场调查或进行出行意愿问卷调查来确定客流量。

2 轨道交通新线运营后客流分析

在轨道交通新线运营后, 换乘车站将包含至少有两条轨道交通线路, 客流构成主要由地面公交, 既有轨道, 新建轨道和其他交通方式四部分。对新线运营后换乘站的客流分析构成, 如图2所示。

(1) 地面公交客流。

公交客流相较于新线运营前, 主要有两个变化: (1) 本地吸引客流中的E1流量将有大幅度的减少, 这是由于E1流向与新线方向是平行的且轨道交通具备吸引客流的绝对优势; (2) 换乘客流中增加了公交与新运营线路之间的换乘:其中, 新建轨道-E1客流平行可以忽略, 新建轨道-E2是主体。

(2) 既有轨道客流。

既有轨道客流与新线运营前变化较小, 增加了新线与既有线之间换乘客流, 这一客流是所占比例很大。

(3) 新建轨道客流。

新建轨道客流分析同上, E1-新建轨道换乘客流量可忽略, 新建轨道本地吸引客流中, 新线由于设备新、服务质量高等优势会吸引部分既有线客流。

(4) 其他交通方式。

随着新线运营, 其他交通方式吸引的本地客流量会减少, 尤其是与新线运行方向平行的客流量。换乘客流较新线运营前, 新增了新建轨道-其他交通方式换乘客流。

3 运营前后客流对应关系分析

对比前面的分析, 在新线运营前后, 换乘站的客流构成有所区别, 主要是新线运营后的客流较运营前的构成更复杂。将二者分析对比, 简化删除客流量少的可忽略不计的分支, 合并相同来源的分支, 得出新线运营前后换乘站客流主要有一对一、一对多、多对一和多对多四种对应关系, 画出换乘站轨道交通新线运营前后客流转移图 (如图3所示) 。

本文所提出的换乘站客流分析方法是基于客流转移的, 具体分析是通过将换乘站的客流构成本地吸引客流和换乘客流与各种交通方式一一区别划分, 对比轨道交通信息运营前后两个阶段, 简化删除客流量少的可忽略不计的分支, 合并相同来源的分支, 获得换乘站准确的客流变化情况, 为下一步进行客流预测建模提供坚实的理论与数据支撑。

参考文献

[1]魏滟玲.重庆轨道交通换乘方式研究[J].铁道运营技术, 2013 (1) .

[2]汪波, 战明辉, 鲁放.城市轨道交通新线开通对既有线网运营的影响[J].都市快轨交通, 2012 (6) .

[3]吴友梅.城市轨道交通与地面常规公交换乘客流预测模型研究[J].城市公共交通, 2005 (6) .