CN104765974A - 城市轨道交通客流密集度指数计算方法 - Google Patents

Abstract

一种城市轨道交通客流密集度指数的计算方法，该算法通过从点、线、面三个层级构建了不同时间粒度的车站、线路、网络密集度指数计算方法。车站密集度指数模型综合考虑了影响车站密集度指数的关键区域的密度因素，采用不同时间段的各区域客流量占总客流量的比值作为权重，设定合理的阈值，以大于阈值的管理对象的加权与全部管理对象加权的比值得到车站密集度指数模型；线路级的密集度指数模型综合考虑了车站和区间的影响，采用车站和区间不同的权重进行加权求和得出，车站部分为该线路上所有大于设定阈值的车站的加权和与所有车站加权和的比值，区间部分为该线路上区间满载率的平均值；网络级的密集度指数计算模型由各线路的密集度指数加权得到，权重为线路客运量与网络客运量的比值。本发明方法能真实的反映城市轨道交通车站、线路和网络的拥挤状况。

Description

城市轨道交通客流密集度指数计算方法

技术领域

本发明属城市轨道交通领域，尤其涉及一种评价城市轨道交通客流拥堵指数的计算方法。

背景技术

随着智能交通系统的快速发展，道路交通拥堵指数已经成为国内外很多城市进行道路交通管理的重要手段，并在政府决策、行业管理中发挥越来越重要的角色。北京、上海、深圳等城市研究了不同定义、不同算法的道路交通拥堵指数，发布后取得了良好的效果。而反映城市轨道交通拥挤程度通常采用密集度的概念，国内外在这方面还未有很成熟的成果体系，城市轨道交通的密集度指数方面的研究还不多。

我国城市轨道交通发展经过前期的大发展后，有些城市已经进入网络化阶段，有些线路拥堵不堪，一些主要问题也逐步显现，大客流冲击给运营管理、安全防范、应急处置所带来的问题日益突显。目前缺乏对于地铁运营状态下客流拥挤状态的精确把握和实时界定，缺失应用于城市轨道交通客流运营组织情况的监测、预警、应急措施的评价及决策支持，继而引发安全和效率问题。政府、运营管理企业及公众均对动态获取线路拥挤状态非常迫切。增强网络化条件下的安全风险识别能力，已成为支撑城市轨道交通运营组织和突发事件下的客流应急疏散的重要手段，对于保障地铁安全运营有着极其重要的现实意义。

经统计分析，北京市城市轨道交通高峰期很多区间的满载率达到1.2以上，甚至有个别线路达到1.3以上，客流压力较大。目前，面对大客流的冲击，如何加强对突发大客流的监控及快速疏散能力，提高应对突发大客流的决策能力，提升对于整个线网的客流运营状态的把控水平是防止突发事件引起整个城市轨道交通瘫痪乃至演变成社会危机所面临的严峻挑战，是线网运营必须解决的难题。目前还缺乏一种运营安全和管理的宏观评价和分析方法，拥挤度指数成为适应这种发展需求的趋势。城市轨道交通客流密集度指数可为地铁安全运营预警及应急处置决策提供依据；有利于政府层面的应急管理及决策；同时能提高地铁客流安全管理和服务水平，改善地铁运营效率，为有效进行客流组织及合理安排行车计划提供数据支撑。城市轨道交通客流密集指数信息的发布，可有效保障乘客安全、便捷出行，充分发挥轨道网络的运力。

发明内容

为了解决现有技术中存在的上述问题，本发明的目的是提供一种城市轨道交通密集度指数的计算方法。

为达到上述目的，本发明的技术解决方案是：

一种城市轨道交通客流密集度指数的计算方法，步骤为：

先以各个车站为点，计算车站客流密集度指数：对影响车站客流密集度指数的关键区域的客流密度因素，采用不同时间段的各关键区域客流量占总客流量的比值作为权重，并设定权重阈值，以大于该阈值的客流监测设备的加权与全部客流监测设备加权的比值得到车站客流密集度指数；

再以车站所在的线路为线，计算线路客流密集度指数：采用车站的权重和区间的权重进行加权求和得到线路客流密集度指数；车站的权重为该线路上所有大于设定权重阈值的车站的加权和与所有车站加权和的比值，区间部分为该区间的满载率的平均值即区间平均满载率；这里的区间是指线路上的两个车站之间的部分线路；

最后以各个线路构成的城市轨道交通的网络为面，计算网络客流密集度指数：由各线路客流密集度指数加权得到，该权重为线路客运量与网络客运量的比值。

所述影响车站客流密集度指数的关键区域包括车站的出入口、车站的通道、站台以及所有被规定的区域。

车站客流密集度指数、线路客流密集度指数和网络客流密集度指数计算中的权重都具有动态的更新机制。

具体来说，本方法包括步骤：

a)先将城市轨道交通车站客流监测设备得到的监测数据作为输入数据，经计算得出基本时间粒度下车站密集度指数：

a-1)由公式(1)，将车站各关键区域的客流密度ρ换算成拥挤程度ψ，利用车站关键区域的客流密度ρ与各关键区域服务水平分级对应后，得出车站内各关键区域的拥挤程度值；

式(1)中，

i表示某区域的客流监测设备编号；j表示车站关键区域，j包括车站的出入口、通道、站台以及所有被规定的区域；

ψ_上限和ψ_下限分别表示车站关键区域的拥挤程度的上限和下限；

ψ_i表示客流检测设备i监测范围的拥挤程度值；

ρ_上限和ρ_下限分别表示客流密度值在分级水平里对应的上限和下限；

ρ_j表示关键区域j的客流密度值；

a-2)再将基本时间粒度下车站密集度指数作为输入，计算得到短时车站客流密集度指数：

根据不同关键区域的拥挤程度阈值ψ₀，以及设备和关键区域的对应关系，不同设施设备的权重α，通过公式(2)计算出短时车站客流密集度指数I^车站；

式(2)中：

表示关键区域j的客流检测设备i监测范围的拥挤程度值；

表示关键区域j的拥挤程度阈值；

表示关键区域j的客流检测设备i的权重，该权重是由该设备检测范围内的流量V_i ^j占该关键区域j内的所有设备范围内的客流量的比例得出；

用来表示关键区域j的客流检测设备i监测范围的拥挤程度值大于关键区域j的拥挤程度阈值时候的值用于公式(2)的计算统计；

b)将短时车站客流平均密集度指数和短时区间满载率作为输入，计算得出短时线路客流密集度指数：

b-1)首先计算短时区间满载率由公式(3)选择区间上下行的平均满载率作为短时区间满载率；

式(3)中，

为线路l上的区间m的断面满载率，k表示上行或者下行；

M为线路上车站个数；

为线路l上的区间满载率归一化参数；

b-2)再将短时车站客流密集度指数和车站的权重，以及车站客流密集度指数阈值作为输入，根据公式(4)计算短时车站客流平均密集度指数值；

式(4)中，

表示线路l上的车站密集度指数的阈值；

表示线路l的车站n的密集度指数；

表示线路l上车站n的权重，该权重是按照车站n的进站量和所在线路l的进线量的比值确定车站；

用来表示线路l的车站j的密集度指数大于线路l上的车站密集度指数的阈值时候的值用于公式(4)的计算统计；

b-3)最后将短时车站客流平均密集度指数与短时区间客流密集度指数作为输入，由公式(5)计算得出短时线路客流密集度指数；

式(5)中，λ表示区间的权重，λ<1；

c)将轨道交通网络中各条线路的短时线路客流密集度指数作为输入，计算出短时网络客流密集度指数：

将短时线路客流密集度指数和相应线路的权重作为输入，根据公式(6)计算得到短时网络客流密集度指数，该权重由式(7)计算得到；

${\mathrm{\&gamma;}}_l=\frac{P_l}{\underset{l}{\overset{M}{\mathrm{\&Sigma;}}}{P}_l}---\left(7\right)$

式(6)、(7)中，

γ_l表示线路l的权重，该权重是按照线路l的客运量P_l占全网客运量的比例计算得到；式中为线路l的短时线路客流密集度指数；

d)将短时车站客流密集度指数、短时线路客流密集度指数和短时网络客流密集度指数作为输入，分别计算其它时间粒度车站、线路和网络密集度指数；

小时车站、线路和网络客流密集度指数是分别由短时车站、线路和网络客流密集度指数取平均值得出；

全日车站、线路和网络客流密集度指数是分别由车站、线路和网络早高峰2小时和晚高峰2小时的客流密集度指数取平均值得出；

周车站、线路和网络客流密集度指数是分别由本周工作日的车站、线路和网络客流密集度指数的平均值得出；

月车站、线路和网络客流密集度指数是分别由该月工作日的车站、线路和网络客流密集度指数取平均值得出；

年车站、线路和网络的密集度指数是分别由月车站、线路和网络客流密集度指数取平均值计算得出。

本发明的城市轨道交通客流密集度指数的计算方法的设计思想为：通过从点、线、面三个层级构建了不同时间粒度的车站、线路、网络密集度指数(可以用PCI表示)计算方法。

车站密集度指数模型：综合考虑了影响车站密集度指数的关键区域(出入口、站台、楼扶梯、换乘通道等)的密度因素，采用不同时间段的各区域客流量占总客流量的比值作为权重，设定合理的阈值，以大于阈值的管理对象的加权与全部管理对象加权的比值得到车站密集度指数模型；

线路级的密集度指数模型：综合考虑了车站和区间的影响，采用车站和区间不同的权重进行加权求和得出，车站部分为该线路上所有大于设定阈值的车站的加权和与所有车站加权和的比值，区间部分为该线路上区间满载率的平均值；

网络级的密集度指数计算模型：由各线路的密集度指数加权得到，权重为线路客运量(进线量和换乘量之和)与网络客运量(总进网量)的比值。且所有权重具有动态的更新机制。

本发明方法能真实的反映城市轨道交通车站、线路和网络的拥挤状况。

附图说明：

图1为本发明的城市轨道交通客流密集度指数计算方法流程图。

图2为本发明其他时间粒度密集度指数计算过程图。

图3为本发明方法短时车站密集度指数计算结果图。

图4为本发明方法短时线路密集度指数计算结果图。

图5为本发明方法短时网络密集度指数计算结果图。

具体实施方式：

下面结合附图与具体实施方式对本技术方案进一步说明如下：

一种城市轨道交通客流密集度指数的计算方法，步骤包括：

1)将城市轨道交通车站客流监测设备的监测数据作为输入，经计算得出基本时间粒度车站密集度指数；

2)将基本时间粒度车站密集度指数作为输入，计算得到短时车站密集度指数；

3)将短时车站密集度指数和区间线路满载率作为输入，计算得出短时线路密集度指数；

4)将轨道交通网络中各条线路的短时线路密集度指数作为输入，计算出短时网络密集度指数；

5)将基本时间粒度车站密集度指数、短时线路密集度指数和短时网络密集度指数作为输入，分别计算其它时间粒度车站、线路和网络密集度指数；

所述步骤1)中，城市轨道交通车站密集度指数由车站各关键区域出入口、站台、通道、楼扶梯的拥挤程度和拥挤范围综合得出，根据公式(1)将各关键区域的客流密度ρ换算成拥挤程度ψ，利用车站关键区域客流密度ρ与各关键区域服务水平分级对应后得出站内不同关键区域的拥挤程度。后根据不同关键区域的拥挤程度阈值ψ₀，以及设备和关键区域的对应关系，不同设施设备的权重α，根据公式(2)计算出车站密集度指数I^车站；

具体公式如下：

其中，ψ_上限和ψ_下限表示车站关键区域聚类分析得出的拥挤程度的上限和下限；ρ_上限和ρ_下限分别表示计算出的密度值在分级水平里对应的上限和下限；ψ₀为不同关键区域的拥挤程度阈值，与ρ⁰相对应。ρ⁰为车站站台、出入口或通道的客流密度的阈值，是一个阈值的集合，分别表示不同拥挤程度或等级，即如果实际的客流密度超过了ρ⁰，则认定此时站台或通道处于某种拥挤状态，服务水平较差；ρ_t为车站某区域j的第t个30秒(基本时间粒度)的客流密度，j指站台、出入口或通道。为关键区域j不同设施设备i的权重，由该设施设备的流量V_i ^j占所有设施设备客流量的比例得出。

所述步骤3)中，短时线路密集度指数计算需首先计算短时区间满载率，而线路的区间、上下行没有等级区别，故可选择区间线路上下行的平均满载率作为区间线路满载率，见公式(3)。将短时车站密集度指数和车站的权重，以及车站的PCI阈值作为输入，根据公式(4)计算短时车站平均密集度指数值。后将短时车站平均密集度指数与短时区间密集度指数作为输入，根据公式(5)综合计算得出短时线路密集度指数。具体公式如下：

式中：为线路l区间j的断面满载率，k表示上行或者下行；M为线路上车站个数；为区间满载率归一化参数；表示线路l的车站密集度指数的阈值；表示线路l车站j的密集度指数；表示车站的权重，按照车站的进站量和本线进线量的比值确定车站的权重；λ表示区间的权重，λ<1。

所述步骤4)中，城市轨道交通网络是由每条单独的线路组成，故网络的密集度指数是由线路的密集度指数组成。按照线路计算的思路，将短时线路密集度指数PCI和线路的权重作为输入，根据公式(6)计算得到短时网络密集度指数PCI，式(7)为权重的计算公式。具体公式如下：

${\mathrm{\&gamma;}}_l=\frac{P_l}{\underset{l}{\overset{M}{\mathrm{\&Sigma;}}}{P}_l}---\left(7\right)$

式中，表示线路的权重，按照线路的客运量占全网客运量的比例计算。

所述步骤5)中，小时车站、线路和网络密集度指数是分别由短时车站、线路和网络密集度指数取平均值得出；全日车站、线路和网络密集度指数是由车站、线路和网络早高峰2小时和晚高峰2小时的密集度指数取平均值得出。周车站、线路和网络密集度指数是由本周工作日(周一至周五)的车站、线路和网络密集度指数的平均值得出。月车站、线路和网络客流密集度指数是由该月日(除休息日)车站、线路和网络的密集度指数取平均值得出；年车站、线路和网络的密集度指数是由月车站、线路和网络密集度指数取平均值计算得出，见图2。

具体使用例子：

如图3所示，为短时车站密集度指数计算结果示意图(2013年3月1日中关村站密集度指数)。首先读取物联网车站管理对象的密度数据，对于不同设施设备的权重由该设施设备的流量V_i ^j占所有设施设备客流量的比例计算得出；各关键区域的阈值利用聚类分析法进行标定。其次，根据管理对象的监测密度和计算得到的阈值ρ₀，选择大于阈值的管理对象按照下式计算，即为基本时间粒度车站密集度指数。

最后，将基本时间粒度车站客流密集度指数集计得到短时车站密集度指数

如图4所示，为短时线路密集度指数计算结果示意图(2013年3月1日13号线密集度指数)。首先，按照线路上下行、各区间读取区间满载率，作为线路密集度指数计算的输入。其次，据车站阈值和权重以及短时车站密集度指数值，得到短时线路密集度指数PCI中的车站部分；由于线路中的区间、上下行没有等级的区别，因此区间选择线路上下行的平均满载率作为区间满载率的参考。区间满载率的计算如下式所示，式中为线路l某区间的上行(下行)断面满载率，M为线路上车站数量，为区间满载率归一化参数，根据系统数据测试定为0.7-0.9。

最后，根据下式可计算出短时线路密集度指数λ为车站和区间的权重。

如图5所示，为短时网络密集度指数计算结果示意图(2013年3月1日全网密集度指数)。即根据计算出的短时线路密集度指数值和线路的权重，根据下式可以计算短时路网密集度指数值。式中为某线路短时密集度指数值，γ_l为线路l的权重。

Claims (4)

1.一种城市轨道交通客流密集度指数的计算方法，其特征是

先以各个车站为点，计算车站客流密集度指数：对影响车站客流密集度指数的关键区域的客流密度因素，采用不同时间段的各关键区域客流量占总客流量的比值作为权重，并设定权重阈值，以大于该阈值的客流监测设备的加权与全部客流监测设备加权的比值得到车站客流密集度指数；

再以车站所在的线路为线，计算线路客流密集度指数：采用车站的权重和区间的权重进行加权求和得到线路客流密集度指数；车站的权重为该线路上所有大于设定权重阈值的车站的加权和与所有车站加权和的比值，区间部分为该区间的满载率的平均值即区间平均满载率；这里的区间是指线路上的两个车站之间的部分线路；

最后以各个线路构成的城市轨道交通的网络为面，计算网络客流密集度指数：由各线路客流密集度指数加权得到，该权重为线路客运量与网络客运量的比值。

2.根据权利要求书1所述城市轨道交通客流密集度指数的计算方法，其特征是所述影响车站客流密集度指数的关键区域包括车站的出入口、车站的通道、站台以及所有被规定的区域。

3.根据权利要求书1所述城市轨道交通客流密集度指数的计算方法，其特征是车站客流密集度指数、线路客流密集度指数和网络客流密集度指数计算中的权重都具有动态的更新机制。

4.根据权利要求书1所述城市轨道交通客流密集度指数的计算方法，其特征是包括步骤：

a)先将城市轨道交通车站客流监测设备得到的监测数据作为输入数据，经计算得出基本时间粒度下车站密集度指数：

a-1)由公式(1)，将车站各关键区域的客流密度ρ换算成拥挤程度ψ，利用车站关键区域的客流密度ρ与各关键区域服务水平分级对应后，得出车站内各关键区域的拥挤程度值；

式(1)中，

i表示某区域的客流监测设备编号；j表示车站关键区域，j包括车站的出入口、通道、站台以及所有被规定的区域；

ψ_上限和ψ_下限分别表示车站关键区域的拥挤程度的上限和下限；

ψ_i表示客流检测设备i监测范围的拥挤程度值；

ρ_上限和ρ_下限分别表示客流密度值在分级水平里对应的上限和下限；

ρ_j表示关键区域j的客流密度值；

a-2)再将基本时间粒度下车站密集度指数作为输入，计算得到短时车站客流密集度指数：

根据不同关键区域的拥挤程度阈值ψ₀，以及设备和关键区域的对应关系，不同设施设备的权重α，通过公式(2)计算出短时车站客流密集度指数I^车站；

式(2)中：

表示关键区域j的客流检测设备i监测范围的拥挤程度值；

表示关键区域j的拥挤程度阈值；

表示关键区域j的客流检测设备i的权重，该权重是由该设备检测范围内的流量V_i ^j占该关键区域j内的所有设备范围内的客流量的比例得出；

用来表示关键区域j的客流检测设备i监测范围的拥挤程度值大于关键区域j的拥挤程度阈值时候的值用于公式(2)的计算统计；

b)将短时车站客流平均密集度指数和短时区间满载率作为输入，计算得出短时线路客流密集度指数：

b-1)首先计算短时区间满载率由公式(3)选择区间上下行的平均满载率作为短时区间满载率；

式(3)中，

为线路l上的区间m的断面满载率，k表示上行或者下行；

M为线路上车站个数；

为线路l上的区间满载率归一化参数；

b-2)再将短时车站客流密集度指数和车站的权重，以及车站客流密集度指数阈值作为输入，根据公式(4)计算短时车站客流平均密集度指数值；

式(4)中，

表示线路l上的车站密集度指数的阈值；

表示线路l的车站n的密集度指数；

表示线路l上车站n的权重，该权重是按照车站n的进站量和所在线路l的进线量的比值确定车站；

用来表示线路l的车站j的密集度指数大于线路l上的车站密集度指数的阈值时候的值用于公式(4)的计算统计；

b-3)最后将短时车站客流平均密集度指数与短时区间客流密集度指数作为输入，由公式(5)计算得出短时线路客流密集度指数；

式(5)中，λ表示区间的权重，λ<1；

c)将轨道交通网络中各条线路的短时线路客流密集度指数作为输入，计算出短时网络客流密集度指数：

将短时线路客流密集度指数和相应线路的权重作为输入，根据公式(6)计算得到短时网络客流密集度指数，该权重由式(7)计算得到；

${\mathrm{\&gamma;}}_l=\frac{P_l}{\underset{l}{\overset{M}{\mathrm{\&Sigma;}}}{P}_l}---\left(7\right)$

式(6)、(7)中，

γ_l表示线路l的权重，该权重是按照线路l的客运量P_l占全网客运量的比例计算得到；式中为线路l的短时线路客流密集度指数；

d)将短时车站客流密集度指数、短时线路客流密集度指数和短时网络客流密集度指数作为输入，分别计算其它时间粒度车站、线路和网络密集度指数；

小时车站、线路和网络客流密集度指数是分别由短时车站、线路和网络客流密集度指数取平均值得出；

全日车站、线路和网络客流密集度指数是分别由车站、线路和网络早高峰2小时和晚高峰2小时的客流密集度指数取平均值得出；

周车站、线路和网络客流密集度指数是分别由本周工作日的车站、线路和网络客流密集度指数的平均值得出；

月车站、线路和网络客流密集度指数是分别由该月工作日的车站、线路和网络客流密集度指数取平均值得出；

年车站、线路和网络的密集度指数是分别由月车站、线路和网络客流密集度指数取平均值计算得出。