CN103279669B - 一种城市轨道交通路网运输能力仿真计算方法和系统 - Google Patents
一种城市轨道交通路网运输能力仿真计算方法和系统 Download PDFInfo
- Publication number
- CN103279669B CN103279669B CN201310214090.XA CN201310214090A CN103279669B CN 103279669 B CN103279669 B CN 103279669B CN 201310214090 A CN201310214090 A CN 201310214090A CN 103279669 B CN103279669 B CN 103279669B
- Authority
- CN
- China
- Prior art keywords
- service level
- passenger
- station
- road network
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种城市轨道交通路网运输能力仿真计算方法和系统,包括以下设置仿真场景,该仿真场景包括路网特征、客流特征和运行图;将初始客流发生量加载到路网中;开始仿真;计算并输出各线路及各车站的服务水平;判断所述服务水平是否满足计算终止条件,若满足,则显示所述当前总客流量;若不满足,则向路网中增加增量客流,然后重复执行所述开始仿真。系统包括场景设置模块、初始化模块、服务水平计算模块、终止条件判断模块、压力增加模块、显示模块和仿真模块。本发明采用压力测试的思想,以计算机仿真为手段,考虑了路网服务水平这一因素,减小了计算量,提高了计算结果可靠性。
Description
技术领域
本发明涉及城市轨道交通的仿真计算方法。更具体地,本发明涉及一种城市轨道交通路网运输能力仿真计算方法和系统。
背景技术
目前,国内外计算城市轨道交通路网运输能力的方法较少,主要是以线路能力计算为背景,没有从路网整体角度考虑。
已有的计算方法中,路网运输能力计算以图解法和分析计算法为主,图解法是通过计算机或者手工模拟运输生产实际情况铺画列车运行图,从而确定路网运输能力的方法。该方法较直观,但是计算量大,计算过程繁琐,且计算结果因人而异。分析计算法是在对实际情况进行分析研究的基础上,通过建立数学模型,利用数学公式计算路网运输能力的方法。分析计算法计算简便易行,通用性强,但是对研究对象和影响因素都进行了一定的简化处理,并且其结果对模型的依赖性较大,当模型较为复杂时,使用分析计算法求解的结果可能与实际结果相差较大,准确性不高。
并且,客流特征作为路网运输能力的影响因素之一,在路网运输能力计算中起着重要的作用,但是图解法和分析计算法对客流的时间和空间特性都不能进行很好的刻画,而计算机仿真方法能够充分模拟行人在城市轨道交通网络中出行的情况,与实际情况比较接近。
另外,服务水平即乘客感知到的服务质量,该服务水平也影响着路网的运输能力。因为仅从客观的角度来看,路网系统还能再增加运输的乘客数量,但从乘客的主观角度来看,拥挤程度已经达到其容忍的极限,其他乘客不能再进入系统中。而已有其他方法在计算路网运输能力时,没有考虑服务水平的要求,因此计算结果可靠性偏低。
发明内容
本发明目的在于提供一种城市轨道交通路网运输能力仿真计算方法和系统,计算给定路网特征和客流特征时,一定服务水平条件下的城市轨道交通路网运输能力。
具体技术方案如下:
一种城市轨道交通路网运输能力仿真计算方法,包括以下步骤:
步骤1、设置仿真场景,该仿真场景包括路网特征、客流特征和运行图;
步骤2、将初始客流发生量加载到路网中;
步骤3、开始仿真,每位乘客按其出行特征出行;
步骤4、计算并输出各线路及各车站的服务水平;
步骤5、判断所述服务水平是否满足计算终止条件,若满足,则执行步骤7,若不满足,则执行步骤6;
步骤6、向路网中增加增量客流,然后执行步骤3;
步骤7、显示所述当前总客流量,仿真计算结束。
所述客流特征包括各od对一天内的客流量分布和每个od对的各时段客流量分布。
所述终止条件包括线路服务水平合格率超过第一预设比例以及车站服务水平合格率超过第二预设比例;
所述线路服务水平合格率用γL表示,为:
所述车站服务水平合格率用γs表示,为:
其中,nL为路网中线路服务水平达到线路服务水平标准等级及其以下等级的线路条数,NL为路网中的线路总条数;ns为路网中车站服务水平达到车站服务水平标准等级及其以下等级的线路条数的车站数量,Ns为路网中的车站总数量。
所述步骤4计算并输出各线路及各车站的服务水平进一步包括:
所述线路服务水平用线路一天内的满载率的加权平均值Lline衡量,依次通过以下公式获得:
其中,用Ik表示线路上的第k个区间,n为该线路上的车站数,n-1为该线路上的区间数,lfk为第k个区间一天内的满载率加权平均值,wk为lfk的权重,1≤k≤n-1。
进一步地,通过以下公式获得所述第k个区间一天内的满载率加权平均值lfk:
其中,将区间Ik一天内的运行分为t个时间段,Ps为区间Ik在第s个时段内列车的乘客总人数,Cs为区间Ik在第s个时段内列车的总定员人数,δs为第s个时段的满载率权重,s=1,2,……t。
进一步地,所述车站服务水平用站台容纳能力利用率和乘客集散时间动态系数来衡量,该站台容纳能力利用率和乘客集散时间动态系数通过以下公式获得:
以及
其中,α表示站台容纳能力利用率,β表示乘客集散时间动态系数,ρaverage为车站平均乘客密度,ρmax为最大车站乘客密度,Taverage为平均乘客集散时间,Tfree为乘客自由走行时的集散时间。
所述步骤6、向路网中增加增量客流进一步包括:
根据所述各od对一天内的客流量分布,将所述增量客流分配到各od对上,获得各od对的增量客流;
根据所述每个od对的各时段客流量分布,将所述od对的增量客流分配到该od对的各个时间段上,获得该od对每个时段的增量客流。
进一步地,所述当前总客流量是所述初始客流发生量和所有增量客流的加和。
本发明还提供一种城市轨道交通路网运输能力仿真计算系统,该系统包括:
场景设置模块,用于设置仿真场景,该仿真场景包括路网特征、客流特征和运行图;
初始化模块,用于将初始客流发生量加载到路网中;
仿真模块,用于仿真每位乘客按其出行特征出行;
服务水平计算模块,用于计算并输出各线路及各车站的服务水平;
终止条件判断模块,用于判断所述服务水平是否满足计算终止条件;
压力增加模块,用于向路网中增加增量客流;
显示模块,用于显示所述当前总客流量。
所述服务水平计算模块进一步用于根据以下公式计算线路服务水平:
其中,用Ik表示线路上的第k个区间,n为该线路上的车站数,n-1为该线路上的区间数,lfk为第k个区间一天内的满载率加权平均值,wk为lfk的权重,1≤k≤n-1,Lline为线路一天内的满载率的加权平均值;
所述服务水平计算模块进一步用于根据以下公式计算所述车站服务水平:
以及
其中,α表示站台容纳能力利用率,β表示乘客集散时间动态系数,ρaverage为车站平均乘客密度,ρmax为最大车站乘客密度,Taverage为平均乘客集散时间,Tfree为乘客自由走行时的集散时间;
以及,所述终止条件判断模块,进一步用于判断所述线路服务水平合格率是否超过第一预设比例以及所述车站服务水平合格率是否超过第二预设比例;
所述线路服务水平合格率用γL表示,为:
所述车站服务水平合格率用γs表示,为:
其中,nL为路网中线路服务水平达到线路服务水平标准等级及其以下等级的线路条数,NL为路网中的线路总条数;ns为路网中车站服务水平达到车站服务水平标准等级及其以下等级的线路条数的车站数量,Ns为路网中的车站总数量。
进一步地,所述场景设置模块中,所述客流特征包括各od对一天内的客流量分布和每个od对的各时段客流量分布。
进一步地,所述压力增加模块,进一步用于根据所述各od对一天内的客流量分布,将所述增量客流分配到各od对上,获得各od对的增量客流;以及,进一步用于根据所述每个od对的各时段客流量分布,将所述od对的增量客流分配到该od对的各个时间段上,获得该od对每个时段的增量客流。
进一步地,所述显示模块中,所述当前总客流量是所述初始客流发生量和所有增量客流的加和。
本发明的有益效果在于:
(1)本发明采用了压力测试的思想,与传统计算方法相比,减小了计算量,使得可操作性增强。
(2)本发明以计算机仿真为主要技术手段,很好地刻画了城市轨道交通客流的时间特征和空间特征。
(3)本发明考虑了路网服务水平这一因素,提高了计算结果可靠性。
附图说明
下面将参照附图并结合实施例对本发明进行具体说明。
图1为本发明的方法流程图;
图2为客流时间分布情况示意图。
具体实施方式
下面参照附图并借助本发明的实施例,对本发明的技术方案做详细描述。
本发明的城市轨道交通路网运输能力仿真计算方法和系统采用了压力测试的思想,以计算机仿真为主要技术手段,并在考虑了服务水平的条件下,计算给定路网特征和客流特征时的城市轨道交通路网运输能力。
所述系统包括场景设置模块、初始化模块、服务水平计算模块、终止条件判断模块、压力增加模块、显示模块和仿真模块。
如图1所示,本发明的方法包括如下步骤:
步骤1:由场景设置模块根据用户需求设置的仿真场景,该仿真场景主要包括路网拓扑结构、路网客流特征(包括时间特征和空间特征),以及路网一天内的运行图。
所述路网拓扑结构主要指路网中的线路条数、各线路长度、各条线路上包含的车站、各车站间的站间距等信息,路网拓扑结构反映了所述路网特征。
所述客流特征包括客流空间分布特征和客流时段分布特征,下面将分别进行说明。
客流空间分布是指城市轨道交通客流在城市轨道交通路网上的空间分布情况,即路网上的客流在路网中各个起始车站和终到车站之间的分布情况,该分布情况可以表示为如表1所示的路网各od对分布表。
表1路网各od对分布表
该表中,o表示起始车站,d表示终到车站,i、j分别表示起始和终到车站的编号,n表示车站的总数,oidj表示从起始车站i到终到车站j的客流量。当i=j时,oi=dj,即起始站和终到站为同一个车站,此时有oidj=0。
在进行仿真的过程中,为了便于在步骤6中将每次加载到路网中的增量客流分配到各个od对上,客流的od分布表可以变形为客流的od分布比例矩阵,如下:
假设该路网的总客流发生量为O,即
则有
其中,起始车站i到终到车站j为第v个od对,ωv表示该第v个od对的客流量比例。
客流时段分布是指路网客流在时段上的分布情况。表1中的oidj表示的是从车站i到车站j一天内的客流量,是一个静态的数值,不能反映一天内该od对上客流量分布的时段特征,该第v个od对在一天内的时段分布特征可表示为如图2所示。
将一天的总运行时段划分为不同的时段,图中t1、t2、…、tq、……、tm分别表示一天中的各个时段,m为划分的时段总数。表示tq时段的客流量占第v个od对一天内客流量oidj的比例,则表示该第v个od对在tq时段的客流量。图2中,各阴影部分的底边长度表示oidj,使阴影部分的底边相等,则各阴影部分的面积的变化情况反映了路网中od对oidj的客流的时段分布特征。
因此,在进行仿真场景设置的过程中,所述客流特征要分别输入客流的od分布比例矩阵和各个od对在一天内各时段上的分布比例。由于不同时期,如工作日和节假日,路网客流的od分布特征不同,因此输入的od分布比例矩阵和各个od对的时段分布比例也不同。某一时期的od分布比例矩阵可以通过统计该路网同期的历史数据计算得到,各个od对的时段分布比例也可通过统计路网上各个od对的客流时段分布特征得出,且不同的od对的时段分布比例可能不同。
所述运行图主要包括路网中各条线路的发车间隔、各列车的区间运行时分、停站时间等信息。
步骤2:由初始化模块将初始客流发生量加载到路网中。该初始客流发生量是路网中一开始加载的客流总量,是一个历史同期统计数据的平均值。所述初始化模块OD将该初始客流发生量乘以所述od分布比例矩阵中的各个数值,得出的结果矩阵就是加载后的初始客流od分布矩阵,该初始客流od分布矩阵表示每个od对上的初始客流发生量。
步骤3:在仿真模块中开始仿真,在该模块中,运用计算机仿真技术,模拟乘客实际出行的情况,每位乘客按照其出行特征在仿真系统中从o到d出行,该出行特征是指该乘客出行的起始点o、终到点d以及所选择的路径。并且,通过计算机仿真可充分模拟行人在城市轨道交通系统中的出行情况,包括行人的出行需求、出行od、出行路径选择行为等。对客流的时间和空间特征进行了很好的刻画。工作日和节假日的客流出行需求不同,在该客流出行的基础上,路网的运输能力也不相同。
步骤4、由服务水平计算模块计算并输出各线路及各车站的服务水平。
对于一条给定线路,其各个区间在一天内各个时段运输的乘客数量不同,因此其满载率在线路各个区间的各个时段也不相同,为了计算线路一天内的平均满载率,应该先计算线路各个区间在一天内各个时段的满载率平均值,再据此计算该线路在一天内的满载率平均值。为求得满载率的各个平均值,可采用加权平均的方法。
假设某条线路上车站总数为n,则线路上区间数为n-1,可用I1、I2、I3…Ik…In-1(1≤k≤n-1)表示线路上的各个区间。各个区间的满载率的值一天内各个时间段是不同的,时间段的划分也可以不固定,不同的区间可以有不同的时间段划分。因为各个区间的满载率变化情况不一定相同,例如,区间A的早高峰是7点到8点,而区间B的早高峰是7点半到8点半。比如对于区间Ik,将其一天内的运行分为t个时间段,可根据其满载率的值在一天内的变化情况确定某一时段s的满载率权重δs,则区间Ik在一天内的满载率加权平均值为:
式中,lfk即为区间Ik在一天内的满载率加权平均值,Ps为区间Ik在第s个时段内列车的乘客总人数,Cs区间Ik在第s个时段内列车的总定员人数。
确定了区间Ik在一天内的满载率加权平均值后,再根据各个区间的lfk值,确定各个区间的平均满载率在整条线路中所占的权重(该权重可以通过例如专家打分法确定),假设区间Ik的lfk值在线路上所占的权重为wk,则线路在一天内的满载率加权平均值为:
lline的值即可反映该线路一天内满载率的平均值。lline的值越大,即线路平均满载率越大,则车厢内的乘客越拥挤,线路的服务水平也越差;反之,线路的服务水平越好。
所述车站服务水平可以用两个指标来衡量,分别为站台容纳能力利用率α和乘客集散时间动态系数β,如下式所示:
其中,ρaverage为站台平均乘客密度,ρmax为最大站台乘客密度,Taverage为平均乘客集散时间,Tfree为乘客自由走行时的集散时间。该集散时间是指乘客从进站闸机处进站到上车,以及从下车到出站闸机处出站时所花费的时间。
步骤5、由终止条件判断模块判断所述服务水平是否满足计算终止条件,若满足,则执行步骤7,若不满足,则执行步骤6。
步骤6、由压力增加模块向路网中增加增量客流(用ΔO表示),然后执行步骤3。
步骤7、由显示模块显示所述当前总客流量,仿真计算结束。
所述终止条件包括线路服务水平合格率超过第一预设比例以及车站服务水平合格率超过第二预设比例。所述服务水平是否合格与用户所指定的服务水平标准等级有关。
线路服务水平的分级标准如表2所示,车站服务水平分级标准如表3所示。
表2线路服务水平分级标准
表3车站服务水平分级标准
表2和表3中,等级A表示服务水平最好,等级E表示服务水平最差。在不同的城市,la,lb,lc,ld,αa,αb,αc,αd,βa,βb,βc,βd的值可能不同。
在本发明中,比如用户指定了线路服务水平标准等级和车站服务水平标准等级都为B级,则合格的线路服务水平和车站服务水平应达到B级或以下。
所述线路服务水平合格率用γL表示,为:
所述车站服务水平合格率用γs表示,为:
其中,nL为路网中线路服务水平达到B级及其以下等级的线路条数,NL为路网中的线路总条数;ns为路网中车站服务水平达到B级及其以下等级的线路条数的车站数量,Ns为路网中的车站总数量。
比如,第一预设比例和第二预设比例都为80%,则所述终止条件为:
γL>80%&&γS>80%
在步骤5中,判断线路服务水平和车站服务水平是否满足上述终止条件,如果满足,则执行步骤7,显示所述当前总客流量,仿真计算结束。若不满足,则执行步骤6,向路网中增加增量客流,继续执行步骤3。
步骤6中的增量客流体现了压力测试的思想。压力测试一般多用于金融组织和计算机软件系统,在本发明中该思想原理在于:将轨道交通路网看作一个压力测试对象,将加载的增量客流作为压力,通过不断增加压力以测试该路网的最大承载能力,当路网达到承载能力的边缘(即终止条件)时,不能再增加压力,则此时的压力总量即当前客流总量就为该路网的运输能力。
具体地,首先按照od分布比例矩阵中的各数值ω1,ω2,ω3,…,ωv,…,分别将增量ΔO分配到各od对上,即第v个od对的增量客流为ωv·ΔO。
进一步地,根据各od对上客流时空分布的差异,可以将增量客流进一步分配到各od对一天内不同的时间段上。例如,第v个od对表示从西直门站—阜成门站,则其增量客流为ωv·ΔO,一天内可将其分为比如7个时间段,每个时间段的客流量占该od对总量的比例为则每个时段的发生量分别为
步骤7中的当前总客流量是指最后算法结束时候,路网中的总人数,即初始客流发生量和所有增量客流的加和。下面通过本发明的方法和系统来计算以下条件中的路网运输能力:
第一预设比例γL和第二预设比例γS都为70%,线路服务水平标准等级和车站服务水平标准等级都为B级
步骤1设置仿真场景
(1)od分布空间分布比例表;od时间分布,假设每个od的时段分布情况相同,mt=5,t1=t2=t3=t4=t5,
(2)路网特征,即北京地铁1、2、3、4、5、6、10、13、八通线,一共八条线;
(3)运行图(即时刻表)
步骤2初始客流发生量,按照统计数据设为1000000;
步骤3开始仿真;
步骤4输出各线路服务水平及车站服务水平;
步骤5判断所述服务水平是否满足计算终止条件,若满足,则执行步骤7,若不满足,则执行步骤6;
步骤6向路网中增加增量客流,增量客流ΔO=50000,然后执行步骤3
步骤7结束,输出当前总客流量为4150000
在一个工作日内,由北京地铁1、2、4、5、8、10、13、八通线一共八条线组成的路网,在给定服务水平等级都为B级,γL和γS都为70%时,其运输能力为4150000人。
应当理解,以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。本发明的保护范围仅由随附权利要求书限定。
Claims (8)
1.一种城市轨道交通路网运输能力仿真计算方法,其特征在于,包括以下步骤:
步骤1、设置仿真场景,该仿真场景包括路网特征、客流特征和运行图;
步骤2、将初始客流发生量加载到路网中;
步骤3、开始仿真,每位乘客按其出行特征出行;
步骤4、计算并输出各线路及各车站的服务水平;
步骤5、判断所述服务水平是否满足计算终止条件,若满足,则执行步骤7,若不满足,则执行步骤6;步骤5中,所述终止条件包括线路服务水平合格率超过第一预设比例以及车站服务水平合格率超过第二预设比例;
所述线路服务水平合格率用γL表示,为:
所述车站服务水平合格率用γs表示,为:
其中,nL为路网中线路服务水平达到线路服务水平标准等级及其以下等级的线路条数,NL为路网中的线路总条数;ns为路网中车站服务水平达到车站服务水平标准等级及其以下等级的线路条数的车站数量,Ns为路网中的车站总数量
步骤6、向路网中增加增量客流,然后执行步骤3;
步骤7、显示当前总客流量,仿真计算结束。
2.根据权利要求1所述的一种城市轨道交通路网运输能力仿真计算方法,其特征在于,
所述客流特征包括各od对一天内的客流量分布和每个od对的各时段客流量分布。
3.根据权利要求1所述的一种城市轨道交通路网运输能力仿真计算方法,其特征在于,所述步骤4计算并输出各线路及各车站的服务水平进一步包括:
所述线路服务水平用线路一天内的满载率的加权平均值Lline衡量,依次通过以下公式获得:
其中,用Ik表示线路上的第k个区间,n为该线路上的车站数,n-1为该线路上的区间数,lfk为第k个区间一天内的满载率加权平均值,wk为lfk的权重,1≤k≤n-1。
4.根据权利要求3所述的一种城市轨道交通路网运输能力仿真计算方法,其特征在于,
通过以下公式获得所述第k个区间一天内的满载率加权平均值lfk:
其中,将区间Ik一天内的运行分为t个时间段,Ps为区间Ik在第s个时段内列车的乘客总人数,Cs为区间Ik在第s个时段内列车的总定员人数,δs为第s个时段的满载率权重,s=1,2,……t。
5.根据权利要求1所述的一种城市轨道交通路网运输能力仿真计算方法,其特征在于,
所述车站服务水平用站台容纳能力利用率和乘客集散时间动态系数来衡量,该站台容纳能力利用率和乘客集散时间动态系数通过以下公式获得:
以及
其中,α表示站台容纳能力利用率,β表示乘客集散时间动态系数,ρaverage为车站平均乘客密度,ρmax为最大车站乘客密度,Taverage为平均乘客集散时间,Tfree为乘客自由走行时的集散时间。
6.根据权利要求2所述的一种城市轨道交通路网运输能力仿真计算方法,其特征在于,所述步骤6、向路网中增加增量客流进一步包括:
根据所述各od对一天内的客流量分布,将所述增量客流分配到各od对上,获得各od对的增量客流;
根据所述每个od对的各时段客流量分布,将所述od对的增量客流分配到该od对的各个时间段上,获得该od对每个时段的增量客流。
7.根据权利要求1所述的一种城市轨道交通路网运输能力仿真计算方法,其特征在于,
所述当前总客流量是所述初始客流发生量和所有增量客流的加和。
8.一种城市轨道交通路网运输能力仿真计算系统,其特征在于,该系统包括:
场景设置模块,用于设置仿真场景,该仿真场景包括路网特征、客流特征和运行图;
初始化模块,用于将初始客流发生量加载到路网中;
仿真模块,用于仿真每位乘客按其出行特征出行;
服务水平计算模块,用于计算并输出各线路及各车站的服务水平;所述服务水平计算模块进一步用于根据以下公式计算线路服务水平:
其中,用Ik表示线路上的第k个区间,n为该线路上的车站数,n-1为该线路上的区间数,lfk为第k个区间一天内的满载率加权平均值,wk为lfk的权重,1≤k≤n-1,Lline为线路一天内的满载率的加权平均值;
所述服务水平计算模块进一步用于根据以下公式计算所述车站服务水平:
以及
其中,α表示站台容纳能力利用率,β表示乘客集散时间动态系数,ρaverage为车站平均乘客密度,ρmax为最大车站乘客密度,Taverage为平均乘客集散时间,Tfree为乘客自由走行时的集散时间;
以及,
终止条件判断模块,进一步用于判断所述线路服务水平合格率是否超过第一预设比例以及所述车站服务水平合格率是否超过第二预设比例;
所述线路服务水平合格率用γL表示,为:
所述车站服务水平合格率用γs表示,为:
其中,nL为路网中线路服务水平达到线路服务水平标准等级及其以下等级的线路条数,NL为路网中的线路总条数;ns为路网中车站服务水平达到车站服务水平标准等级及其以下等级的线路条数的车站数量,Ns为路网中的车站总数量;
终止条件判断模块,用于判断所述服务水平是否满足计算终止条件;
压力增加模块,用于向路网中增加增量客流;
显示模块,用于显示当前总客流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310214090.XA CN103279669B (zh) | 2013-05-31 | 2013-05-31 | 一种城市轨道交通路网运输能力仿真计算方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310214090.XA CN103279669B (zh) | 2013-05-31 | 2013-05-31 | 一种城市轨道交通路网运输能力仿真计算方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103279669A CN103279669A (zh) | 2013-09-04 |
CN103279669B true CN103279669B (zh) | 2016-06-08 |
Family
ID=49062184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310214090.XA Active CN103279669B (zh) | 2013-05-31 | 2013-05-31 | 一种城市轨道交通路网运输能力仿真计算方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103279669B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019199766A1 (en) * | 2018-04-09 | 2019-10-17 | Via Transportation, Inc. | Systems and methods for planning transportation routes |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11574263B2 (en) | 2013-03-15 | 2023-02-07 | Via Transportation, Inc. | System and method for providing multiple transportation proposals to a user |
CN103729560B (zh) * | 2013-12-31 | 2017-11-14 | 中国科学院深圳先进技术研究院 | 一种基于时空特征的乘客检测分析方法及系统 |
CN104731853B (zh) * | 2014-12-18 | 2018-05-08 | 东南大学 | 一种基于个体活动链的公交客流时空分布仿真方法及仿真系统 |
US20180211541A1 (en) | 2017-01-25 | 2018-07-26 | Via Transportation, Inc. | Prepositioning Empty Vehicles Based on Predicted Future Demand |
WO2019023324A1 (en) | 2017-07-26 | 2019-01-31 | Via Transportation, Inc. | SYSTEMS AND METHODS FOR MANAGING AND ROUTING COOPERATING VEHICLES |
WO2019136341A1 (en) | 2018-01-08 | 2019-07-11 | Via Transportation, Inc. | Systems and methods for managing and scheduling ridesharing vehicles |
CN109003446B (zh) * | 2018-07-12 | 2020-06-26 | 重庆市城投金卡信息产业股份有限公司 | 一种基于rfid数据的城市错峰通行效果分析方法 |
CN109784530B (zh) * | 2018-12-10 | 2021-02-19 | 北京交通大学 | 基于中速磁浮线路通过能力的供电分区优化设置方法 |
CN111319657B (zh) * | 2018-12-13 | 2022-08-12 | 中车株洲电力机车研究所有限公司 | 城市轨道交通仿真系统 |
CN109767075B (zh) * | 2018-12-17 | 2023-07-07 | 同济大学 | 一种城市轨道交通网络列车运营可靠性评估方法 |
CN109711752B (zh) * | 2019-01-16 | 2020-08-18 | 北京交通大学 | 一种针对不同车型的地铁运输能力计算方法 |
CN110189168A (zh) * | 2019-05-21 | 2019-08-30 | 北京交通大学 | 一种基于多尺度统计特征的地铁车站客流仿真系统 |
CN110162931B (zh) * | 2019-06-21 | 2021-06-22 | 北京交通大学 | 城市轨道交通大规模路网快速仿真系统 |
CN111539118B (zh) * | 2020-04-29 | 2023-04-25 | 昆船智能技术股份有限公司 | 一种环行穿梭车系统的仿真计算方法及计算机程序产品 |
CN114912233B (zh) * | 2022-04-19 | 2023-04-18 | 华北科技学院(中国煤矿安全技术培训中心) | 路网运力下降的影响范围确定和协同管控的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793765A (en) * | 1993-09-07 | 1998-08-11 | Koninklijke Ptt Nederland N.V. | Method for selecting links in networks |
CN101201982A (zh) * | 2006-12-15 | 2008-06-18 | 中国神华能源股份有限公司 | 铁路综合培训仿真系统 |
CN101916423A (zh) * | 2010-08-18 | 2010-12-15 | 北京交通大学 | 轨道交通线路运输能力验证评估方法 |
CN102169606A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 一种城市轨道交通网络大客流影响的预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3699364B2 (ja) * | 2001-05-16 | 2005-09-28 | 政伸 新谷 | 地下鉄貨物輸送システムと多層式地下鉄貨物輸送システム |
-
2013
- 2013-05-31 CN CN201310214090.XA patent/CN103279669B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793765A (en) * | 1993-09-07 | 1998-08-11 | Koninklijke Ptt Nederland N.V. | Method for selecting links in networks |
CN101201982A (zh) * | 2006-12-15 | 2008-06-18 | 中国神华能源股份有限公司 | 铁路综合培训仿真系统 |
CN102169606A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 一种城市轨道交通网络大客流影响的预测方法 |
CN101916423A (zh) * | 2010-08-18 | 2010-12-15 | 北京交通大学 | 轨道交通线路运输能力验证评估方法 |
Non-Patent Citations (1)
Title |
---|
《A Urban Rail Transport Network Carrying Capacity Calculation Method Based on The Logit Model》;Hu Shuai,Li Haiying;《TMEE 2011》;20111218;第Ⅱ-Ⅳ节,图1-2 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019199766A1 (en) * | 2018-04-09 | 2019-10-17 | Via Transportation, Inc. | Systems and methods for planning transportation routes |
Also Published As
Publication number | Publication date |
---|---|
CN103279669A (zh) | 2013-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103279669B (zh) | 一种城市轨道交通路网运输能力仿真计算方法和系统 | |
CN109558988B (zh) | 一种基于大数据融合的电动汽车能耗预测方法及系统 | |
CN110264709A (zh) | 基于图卷积网络的道路的交通流量的预测方法 | |
CN104636828B (zh) | 基于马尔科夫链的公共自行车站点供需预测方法 | |
CN105719022A (zh) | 一种轨道交通客流实时预测及乘客引导系统 | |
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
CN106529754A (zh) | 基于大数据分析的出租车运营情况评估方法 | |
CN106779176A (zh) | 电动出租车快充站内充电设施配置及定容方法 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN108960476A (zh) | 基于ap-ti聚类的共享单车流量预测方法及装置 | |
CN110070718A (zh) | 高速公路服务区服务质量动态评估方法、系统及设备 | |
CN105389640A (zh) | 市郊铁路客流的预测方法 | |
CN114662984B (zh) | 一种车辆区域充电需求的分析方法、装置及介质 | |
CN109544967A (zh) | 一种基于低频avl数据的公交线网运行状态监控方法 | |
CN110443422B (zh) | 基于od吸引度的城市轨道交通od客流预测方法 | |
CN108876056A (zh) | 一种共享自行车需求量预测方法、装置、设备及存储介质 | |
CN106845705A (zh) | 地铁供电负荷预测系统的回声状态神经网络负荷预测模型 | |
CN107274000A (zh) | 一种突发事件下城市轨道交通断面客流预测方法 | |
CN104573972A (zh) | 一种基于车载gps数据的公交路线运营时段划分方法 | |
CN111898185A (zh) | 轨道交通设计方案评价方法、装置及可读存储介质 | |
CN109840640A (zh) | 一种电动汽车充电桩的选址方法和系统 | |
Lu et al. | Demand-responsive transport for students in rural areas: A case study in vulkaneifel, germany | |
CN103679300B (zh) | 一种时间预测方法及装置 | |
CN115129769A (zh) | 一种居民出行调查扩样方法、装置及存储介质 | |
CN111489039B (zh) | 共享单车总量预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |