CN106503315A - 轨道交通突发事件下进站乘客出行特征比例的确定方法 - Google Patents

轨道交通突发事件下进站乘客出行特征比例的确定方法 Download PDF

Info

Publication number
CN106503315A
CN106503315A CN201610885241.8A CN201610885241A CN106503315A CN 106503315 A CN106503315 A CN 106503315A CN 201610885241 A CN201610885241 A CN 201610885241A CN 106503315 A CN106503315 A CN 106503315A
Authority
CN
China
Prior art keywords
passenger
website
incident
path
ratio
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.)
Granted
Application number
CN201610885241.8A
Other languages
English (en)
Other versions
CN106503315B (zh
Inventor
鲍枫
汪波
黄建玲
白云云
秦焕美
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING TRAFFIC INFORMATION CENTER
Beijing University of Technology
Original Assignee
BEIJING TRAFFIC INFORMATION CENTER
Beijing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING TRAFFIC INFORMATION CENTER, Beijing University of Technology filed Critical BEIJING TRAFFIC INFORMATION CENTER
Priority to CN201610885241.8A priority Critical patent/CN106503315B/zh
Publication of CN106503315A publication Critical patent/CN106503315A/zh
Application granted granted Critical
Publication of CN106503315B publication Critical patent/CN106503315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • G06Q50/265Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种轨道交通突发事件下进站乘客出行特征比例的确定方法,能够对出行特征进行量化,提高结果的准确性。所述方法包括:在轨道交通突发事件发生之后,构建虚拟轨道交通网络;根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集;对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;按上述方法计算事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例。本发明适用于轨道交通技术领域。

Description

轨道交通突发事件下进站乘客出行特征比例的确定方法
技术领域
本发明涉及轨道交通技术领域,特别是指一种轨道交通突发事件下进站乘客出行特征比例的确定方法。
背景技术
城市轨道交通以其准点、快速等特点,吸引的客运量不断增长,使轨道交通出行比例出现大幅度增长,轨道交通的骨干地位已基本确立,其在城市综合交通客运体系中无可替代的支撑作用已逐步突出。
轨道交通工作日早晚高峰的客运量占全天的46%左右,轨道交通又是封闭的系统,一旦发生突发事件,会造成乘客聚集,带来安全隐患。并且随着轨道交通的发展,各城市逐渐由单一线路过渡到网络化运营模式,各条线路相关程度越来越高。所以迫切需要结合突发事件下列车开行方案对突发事件下乘客选择行为进行分析,掌握突发事件发生下乘客的时空分布,为客运组织及列车调度提供参考信息。
李伟、徐瑞华提出了突发事件下地铁网络乘客出行行为仿真模型用于分析突发事件下乘客出行选择及出行阻抗,并且利用多智能体仿真方法仿真突发事件下乘客的出行行为,但是该仿真方法是通过调查问卷得出每种出行方式的乘客比例,具有一定的主观性。
发明内容
本发明要解决的技术问题是提供一种轨道交通突发事件下进站乘客出行特征比例的确定方法,以解决现有技术所存在的轨道交通突发事件发生时,乘客选择的出行方式的比例具有一定的主观性的问题。
本发明实施例提供的一种轨道交通突发事件下进站乘客出行特征比例的确定方法,能够得到事发线路各车站(事发站点)进站乘客的出行特征比例及事发线路各车站到所有目的站点的乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,可直接用于系统仿真过程。
为解决上述技术问题,本发明实施例提供一种轨道交通突发事件下进站乘客出行特征比例的确定方法,包括:
S101,在轨道交通突发事件发生之后,构建虚拟轨道交通网络;
S102,根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集;
S103,对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;
S104,重复执行S101-S103,获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例。
进一步的,所述在轨道交通突发事件发生之后,构建虚拟轨道交通网络包括:
根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络。
进一步的,所述根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络包括:
在轨道交通突发事件发生之后,根据乘客从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通内的方式,及乘客直接从轨道交通的所述事发站点出站转乘其他公共交通直接到达目的地的方式,在正常的轨道交通路网上增加虚拟边,在轨道交通突发事件发生之后,构建虚拟轨道交通网络。
进一步的,所述根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集,其中,所述轨道交通突发事件发生的不同阶段包括:事故期或恢复期。
进一步的,所述根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
若当前阶段为轨道交通突发事件事故期,则根据构建的所述虚拟轨道交通网络及事故期阶段下的列车区间运行时分,获取事故期阶段下轨道交通的所述事发站点到目的站点的多种路径方式;
获取所述多种路径方式中每种路径方式的出行阻抗;
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集。
进一步的,所述根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
若当前阶段为轨道交通突发事件恢复期,则根据构建的所述虚拟轨道交通网络及恢复期阶段下的列车区间运行时分,获取恢复期阶段下轨道交通的所述事发站点到目的站点的多种路径方式;
获取所述多种路径方式中每种路径方式的出行阻抗;
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集。
进一步的,所述根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集包括:
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的第一绝对约束原则、第一相对约束原则、线路不重复原则或车站不重复原则的路径组成有效路径集。
进一步的,所述对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例包括:
按照预设的第二绝对约束原则或第二相对约束原则,对所述有效路径集中的有效路径进行筛选,得到n条有效路径;
根据得到的n条有效路径,得到n条有效路径中每条有效路径的选择比例,根据得到的n条有效路径中每条有效路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;
其中,所述乘客出行特征由乘客出行方式表征,所述乘客出行方式包括:乘客出站转乘其他公共交通、乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通及乘客留在轨道交通内。
进一步的,所述根据得到的n条有效路径,得到n条有效路径中每条有效路径的选择比例,根据得到的n条有效路径中每条有效路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例包括:
若n条有效路径中存在u条虚拟的从轨道交通的所述事发站点出站转乘其他公共交通的方式的线路,则获取乘客出站转乘其他公共交通的比例,其中,0≤u≤1;
若n条有效路径中,有v条虚拟的从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通的线路,则获取乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通的比例,其中,0≤v≤n;
通过1减去获取到的乘客出站转乘其他公共交通的比例及乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通的比例,得到乘客会留在轨道交通内的比例。
进一步的,所述获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例包括:
根据正常情况下的所述事发站点在仿真时间段内的进站量和OD比例分配,得到所述仿真时间段内所述事发站点和所有目的站点之间的客流量;
根据获取的所述事发站点到所有目的站点之间的乘客出行特征比例,及得到的所述仿真时间段内所述事发站点和所有目的站点之间的客流量,得到所述事发站点进站乘客出站转乘其他公共交通、再次从所述事发站点的邻近轨道交通站点进入轨道交通及留在轨道交通内部的乘客比例。
本发明的上述技术方案的有益效果如下:
上述方案中,通过在轨道交通突发事件发生之后,构建虚拟轨道交通网络;根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集;对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例。这样,根据构建的所述虚拟轨道交通网络,获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例,能够对进站乘客的出行特征比例进行量化,从而提高进站乘客的出行特征比例结果的准确性。
附图说明
图1为本发明实施例提供的轨道交通突发事件下进站乘客出行特征比例的确定方法的流程示意图;
图2为本发明实施例提供的某城市局部的虚拟轨道交通网络示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的轨道交通突发事件发生时,乘客选择的出行方式的比例具有一定的主观性的问题,提供一种轨道交通突发事件下进站乘客出行特征比例的确定方法。
参看图1所示,本发明实施例提供的轨道交通突发事件下进站乘客出行特征比例的确定方法,包括:
S101,在轨道交通突发事件发生之后,构建虚拟轨道交通网络;
S102,根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集;
S103,对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;
S104,重复执行S101-S103,获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例。
本发明实施例所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,通过在轨道交通突发事件发生之后,构建虚拟轨道交通网络;根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集;对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例。这样,根据构建的所述虚拟轨道交通网络,获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例,能够对进站乘客的出行特征比例进行量化,从而提高进站乘客的出行特征比例结果的准确性。
在前述轨道交通突发事件下进站乘客出行特征比例的确定方法的具体实施方式中,进一步地,所述在轨道交通突发事件发生之后,构建虚拟轨道交通网络包括:
根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络。
本实施例中,根据图论的相关理论,可以建立正常情况下的轨道交通路网(轨道交通路网也可以称为轨道交通网络),在正常的轨道交通路网的拓扑结构中,车站为路网中的节点,线路上下行为节点的有向边,与相应的节点对应,这样,可以得到正常情况下每个交通起止点(Origin Destination,OD)之间的最短出行阻抗在本实施例中,所述出行阻抗为从事发站点到目的站点之间所需的时间。
本实施例中,在发生突发事件时,可以根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络。
在前述轨道交通突发事件下进站乘客出行特征比例的确定方法的具体实施方式中,进一步地,所述根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络包括:
在轨道交通突发事件发生之后,根据乘客从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通内的方式,及乘客直接从轨道交通的所述事发站点出站转乘其他公共交通直接到达目的地的方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络。
本实施例中,在轨道交通突发事件发生之后,根据乘客从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通内及乘客直接从轨道交通的所述事发站点出站转乘其他公共交通的多种选择方式,在正常的轨道交通路网上增加虚拟边,以虚拟出乘客从事发站点出站又从邻近轨道交通站点进站及乘客直接转乘其他公共交通方式的这样两种虚拟轨道交通线路,从而构建虚拟轨道交通网络。
本实施例中,例如,线路l的i站发生了突发事件,乘客的下一目的站点为h站,发生时刻为t0,t为仿真周期,r为突发事件发生之后,第r个仿真周期,可以计算[t0+(r-1)t,t0+rt]时间段内i站和h站的有效路径集。在i站发生突发事件时,基于正常的轨道交通路网构建虚拟轨道交通路网的具体步骤可以包括:
A11,在正常的轨道交通路网上,增加i站(事发站点)与邻近站点之间的虚拟边,表示乘客由i站出站到邻近的站点j站(还可以包括:k站等其他站点)再次进入轨道交通内(i站和j站有可能不在一条线路上,但是一般认为i站到j站乘坐公交车的时间小于30分钟),虚拟边的出行阻抗Wij为i站到j站乘坐公交车的时间
A12,当计算i站和h站出行方式的比例的时候,还可以增加i站和h站之间一条直接相连的虚拟边,虚拟边的出行阻抗为i站到h站乘坐公交车的出行时间这时网络中有两种类型的虚拟边。
A13,i站发生的突发事件一般造成的结果为大间隔(超过预设的时间间隔,例如,10分钟)或者运营中断,在[t0+(r-1)t,t0+rt]时间段内,如果是运营中断,则设置和i站同一线路上邻近站点k的出行阻抗(列车区间运行时分)为无穷大,即这样大间隔或者运营中断的不同统一体现在列车区间运行时分的变化上,此方法弱化了中断和大间隔的区别,使计算流程更加简单化。
在前述轨道交通突发事件下进站乘客出行特征比例的确定方法的具体实施方式中,进一步地,所述根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集,其中,所述轨道交通突发事件发生的不同阶段包括:事故期或恢复期。
本实施中,在包含虚拟边的虚拟轨道交通网络下,对事发线路的每个站点到其他目的站点重新计算有效路径集;其中,所述有效路径集选取原则包括:第一绝对约束原则、第一相对约束原则、线路不重复原则或车站不重复原则;其中,所述第一绝对约束原则表示为:
式(1)中,表示在[t0+(r-1)t,t0+rt]时间段内,i站和h站的有效路径的出行阻抗;表示在[t0+(r-1)t,t0+rt]时间段内,i站和h站的最短出行阻抗;a表示最短出行阻抗;表示预设的绝对阈值。
所述第一相对约束原则表示为:
式(2)中,表示在[t0+(r-1)t,t0+rt]时间段内,i站和h站的有效路径的出行阻抗;表示在[t0+(r-1)t,t0+rt]时间段内,i站和h站的最短出行阻抗;a表示最短出行阻抗;表示预设的相对阈值。
本实施例中,根据预设的有效路径选取原则,得到i站和h站有效路径集的出行阻抗如下:
上述集合表明,根据i站和h站在[t0+(r-1)t,t0+rt]时间段内有m条有效路径,并且m条有效路径的出行阻抗按大小排列,其中,时间段[t0+(r-1)t,t0+rt]可以表示轨道交通突发事件发生的事故期或恢复期。
本实施例中,作为一可选实施例,所述根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
若当前阶段为轨道交通突发事件事故期,则根据构建的所述虚拟轨道交通网络及事故期阶段下的列车区间运行时分,获取事故期阶段下轨道交通的所述事发站点到目的站点的多种路径方式;
获取所述多种路径方式中每种路径方式的出行阻抗;
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集。
本实施例中,作为又一可选实施例,所述根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
若当前阶段为轨道交通突发事件恢复期,则根据构建的所述虚拟轨道交通网络及恢复期阶段下的列车区间运行时分,获取恢复期阶段下轨道交通的所述事发站点到目的站点的多种路径方式;
获取所述多种路径方式中每种路径方式的出行阻抗;
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集。
本实施例中,作为再一可选实施例,所述根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集包括:
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的第一绝对约束原则、第一相对约束原则、线路不重复原则或车站不重复原则的路径组成有效路径集。
在前述轨道交通突发事件下进站乘客出行特征比例的确定方法的具体实施方式中,进一步地,所述对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例包括:
按照预设的第二绝对约束原则或第二相对约束原则,对所述有效路径集中的有效路径进行筛选,得到n条有效路径,其中,所述n条有效路径为乘客能够接受的n条有效路径,也就是说,筛选得到的所述n条有效路径中的每条有效路径的出行阻抗在乘客能接受的时间范围内;
根据得到的n条有效路径,得到n条有效路径中每条有效路径的选择比例,根据得到的n条有效路径中每条有效路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;
其中,所述乘客出行特征由乘客出行方式表征,所述乘客出行方式包括:乘客出站转乘其他公共交通、乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通及乘客留在轨道交通内。
本实施例中,根据预设的乘客出行方式选择规则,对所述有效路径集中的有效路径进行筛选,得到乘客可能选择的有效路径,并根据乘客可能选择的有效路径,得到进站乘客出行方式的比例,所述乘客出行特征由乘客出行方式表征,所述乘客出行方式包括:乘客出站转乘其他公共交通、乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通及乘客会留在轨道交通内,从而量化了各种出行方式在事故期、恢复期的比例,这样得到的各种出行方式在事故期、恢复期的比例可直接作为突发事件发生后仿真的输入。
本实施例中,突发事件发生之后,乘客需要根据掌握的突发事件后的轨道交通的事发站点到目的站点之间的有效路径集和正常情况下的最短路径的比较结果,对有效路径集进行筛选,得到乘客能够接受的出行方式,其中,所述预设的乘客出行方式选择规则包括:第二绝对约束原则或第二相对约束原则;所述第二绝对约束原则表示为:
式(3)中:表示在[t0+(r-1)t,t0+rt]时间段内,i站和h站筛选出来的有效路径的出行阻抗;表示正常情况下,在[t0+(r-1)t,t0+rt]时间段内,i站和h站的最短出行阻抗;b表示正常情况下,i站和h站的最短出行阻抗;表示乘客能够忍受的增加的绝对阈值。
所述第二相对约束原则表示为:
式(4)中:表示在[t0+(r-1)t,t0+rt]时间段内,i站和h站的有效路径的出行阻抗;表示正常情况下,在[t0+(r-1)t,t0+rt]时间段内,i站和h站的最短出行阻抗;b表示正常情况下,i站和h站的最短出行阻抗;表示乘客能够忍受的增加的相对阈值。
本实施例中,根据预设的乘客出行方式选择规则,得到突发事件发生后,乘客能够接受的有效路径的出行阻抗如下:
上述集合表明:i站和h站在[t0+(r-1)t,t0+rt]时间段内乘客能够接受的有效路径有n条,并且n条有效路径的出行阻抗按大小排列,其中,n≤m。
本实施例中,根据[t0+(r-1)t,t0+rt]时间段内乘客能够接受的n条有效路径,可以得到[t0+(r-1)t,t0+rt]时间段内每条有效路径的选择比例。
本实施例中,所述进站乘客出行方式主要包括以下三种:
第一种、乘客出站转乘其他公共交通;
第二种、乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通;
第三种、乘客会留在轨道交通内。
接着,分别确定每种出行方式的比例。
本实施例中,若n条有效路径存在u条虚拟的i站出站转乘其他公共交通的方式到h站的线路,则发生突发事件的[t0+(r-1)t,t0+rt]时间段内,乘客出站转成其他公共交通的比例可以表示为
本实施例中,若n条有效路径中,有v条有效路径包括乘客出站到邻近站点再次进入轨道交通的虚拟线路,则发生突发事件的[t0+(r-1)t,t0+rt]时间段内,乘客出站再次从邻近站点进入轨道交通的公交的比例可以表示为
本实施例中,当确定第一种、第二种出行方式的比例后,可以通过确定第三种出行方式的比例,即乘客留在轨道交通内的比例。
本实施例中,作为一可选实施例,所述根据得到的n条有效路径,得到n条有效路径中每条有效路径的选择比例,根据得到的n条有效路径中每条有效路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例包括:
若n条有效路径中存在u条虚拟的从轨道交通的所述事发站点出站转乘其他公共交通的方式的线路,则获取乘客出站转乘其他公共交通的比例,其中,0≤u≤1;
若n条有效路径中,有v条虚拟的从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通的线路,则获取乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通的比例,其中,0≤v≤n;
通过1减去获取到的乘客出站转乘其他公共交通的比例及乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通的比例,得到乘客会留在轨道交通内的比例。
在前述轨道交通突发事件下进站乘客出行特征比例的确定方法的具体实施方式中,进一步地,所述获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例包括:
根据正常情况下的所述事发站点在仿真时间段内的进站量和OD比例分配,得到所述仿真时间段内所述事发站点和所有目的站点之间的客流量;
根据获取的所述事发站点到所有目的站点之间的乘客出行特征比例,及得到的所述仿真时间段内所述事发站点和所有目的站点之间的客流量,得到所述事发站点进站乘客出站转乘其他公共交通、再次从所述事发站点的邻近轨道交通站点进入轨道交通及留在轨道交通内部的乘客比例。
本实施例中,假设仿真时间段为[t0+(r-1)t,t0+rt],根据正常情况下的i站(事发站点)在[t0+(r-1)t,t0+rt]时间段的进站量和OD比例分配,可以得到[t0+(r-1)t,t0+rt]时间段内i站和h站(指所有的目的站点)之间的客流量,再根据获取的所述事发站点到所有目的站点之间的乘客出行特征比例,可以得到i站和h站之间出站转乘其他公共交通、再次从所述事发站点的邻近轨道交通站点进入轨道交通、留在轨道交通内部的乘客比例。
本实施例中,轨道交通线路上的客流分布情况主要由客流随时间到达规律、客流空间分布规律和列车运行图等三个因素决定。在突发事件发生时,客流分为两部分,包括:进站客流和在网客流,本实施例中,主要研究进站乘客的出行选择方式;客流空间分布规律,即OD矩阵,应结合具体轨道交通网络拓扑结构和列车运行图列车区间运行时分的变化进行分析;列车运行图需针对轨道交通突发事件的事故期、恢复期进行调整。
本实施例中,可以认为在t0时刻,如果没有突发事件发生(正常情况下),t0时刻的进站量近似等于连续四周与突发事件当天相同工作日相同时间段的进站量的平均值。
本实施例中,同理,还可计算i站到其他站点的乘客选择的每种出行方式的数量,把每项加和可得到i站总共的每种出行方式的选择数量,还可以得到i站总共的每种出行方式的比例。
本实施例中,主要研究突发事件发生后,进站乘客在每个仿真周期的各种出行方式的比例。假设[t0+(r-1)t,t0+rt]为事故期,则在t0+rt时刻,需继续判断事故期是否结束,若没有结束,在[t0+rt,t0+(r+1)t]时间段内,乘客选择各种出行方式的比例不变;若事故期结束,已转入恢复期,则按照调整后的列车区间运行时分重复上述流程,计算恢复期内的乘客选择的出行方式;若恢复期已结束,则按照正常的实时客流预测参数进行客流仿真。
本实施例中,如图2所示,以某城市局部的虚拟轨道交通网络为例进行分析。假设A点在工作日早高峰8点发生突发事件,造成运营中断(事故期)30分钟,恢复期为30分钟,仿真周期为15分钟,D为目的站点,以AD之间的路径选择为例计算乘客选择的出行方式的比例,具体步骤如下:
A21,根据轨道交通突发事件发生之后进站乘客的路径选择方式,虚拟三条轨道交通的边,见①、②、③,其中,①和②表示乘客由A站出站分别再次从B站、C站进入轨道交通内,③表示乘客由A站出站乘坐公共汽电车到达D站;
A22,计算8点到8点15之间AD之间的乘客可以选择的路径,8点到8点15之间AB、AC的出行阻抗为无穷大。AD之间可以乘客选择的路径有四条:
路径一:③所示路径,出行阻抗为60分钟;
路径二:A①BED,出行阻抗为45分钟;
路径三:A①BGD,出行阻抗为40分钟;
路径四:A②CFGD,出行阻抗为80分钟;
A23,根据预设的有效路径选取原则,得到路径一、路径二、路径三为有效路径,路径一、路径二、路径三构成有效路径集。
A24,AD之间正常情况下最短路径的出行阻抗为30分钟,根据预设的乘客出行方式选择规则,路径一是正常情况下最短路径的出行阻抗的两倍,所以认为路径一部是乘客不会选择的出行方式,即乘客不会由A站出站乘坐公共汽电车到达D站。
路径二、路径三为乘客在突发事件下,第一个15分钟会选择的路径,即在8点到8点15之间AD之间的乘客会出站然后再次从B站进入轨道交通内,进而得到每种出行方式的比例。
A25,计算8点15到8点30之间AD之间的乘客可以选择的路径。8点15的时候,事件还未处理完,仍处于事故期,所以每种出行方式的比例和8点到8点15之间一致。
A26,计算8点30到8点45之间AD之间的乘客可以选择的路径。8点30的时候,事件已处理完,进入事件恢复期。AD之间的乘客可以选择的路径有七条:
路径一:③所示路径,出行阻抗为60分钟;
路径二:A①BED,出行阻抗为40分钟;
路径三:A①BGD,出行阻抗为40分钟;
路径四:A②CFGD,出行阻抗为80分钟;
路径五:ABED,出行阻抗为35分钟;
路径六:ABGD,出行阻抗为37分钟;
路径七:ACFGD,出行阻抗为70分钟;
A27,根据预设的有效路径选取原则,路径一、路径二、路径三、路径五、路径六为有效路径。
A28,根据预设的乘客出行方式选择规则,路径二、路径三、路径五、路径六为乘客会选择的路径,即在恢复期,一部分乘客会选择留在轨道交通,另一部分乘客出站然后再次从B站进入轨道交通内,进而得到每种出行方式的比例。
A29,计算8点45到9点00之间AD之间的乘客选择比例,这时还处在恢复期,所以每种出行方式的比例和A28一致。
A30,计算9点之后的AD之间的乘客可以选择的路径。9点的时候,恢复期已经结束,所以和正常情况一致。
这样,通过具体的例子验证了所述轨道交通突发事件下进站乘客出行特征比例的确定方法的可操作性,此方法得到的结果可直接作为突发事件发生后仿真的输入,例如,用于得到事发站点和目的站点之间出站转乘其他公共交通、再次从所述事发站点的邻近轨道交通站点进入轨道交通、留在轨道交通内部的乘客数量。
综上,根据轨道交通突发事件发生之后乘客的多种路径选择方式,在轨道交通路网上增加虚拟边(弧形),根据虚拟后的轨道交通网络计算有效路径集,根据预设的乘客出行方式选择规则,对所述有效路径集中的有效路径进行筛选,得到乘客可能选择的有效路径,进而得到进站乘客在轨道交通突发事件发生的事故期或恢复期下的出行方式的比例,其中,进站乘客出行方式包括:乘客出站转乘其他公共交通、乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通及乘客会留在轨道交通内。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,包括:
S101,在轨道交通突发事件发生之后,构建虚拟轨道交通网络;
S102,根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集;
S103,对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;
S104,重复执行S101-S103,获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例。
2.根据权利要求1所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述在轨道交通突发事件发生之后,构建虚拟轨道交通网络包括:
根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络。
3.根据权利要求2所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述根据轨道交通突发事件发生之后进站乘客的路径选择方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络包括:
在轨道交通突发事件发生之后,根据乘客从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通内的方式,及乘客直接从轨道交通的所述事发站点出站转乘其他公共交通直接到达目的地的方式,在正常的轨道交通路网上增加虚拟边,构建虚拟轨道交通网络。
4.根据权利要求1所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述根据构建的所述虚拟轨道交通网络,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集,其中,所述轨道交通突发事件发生的不同阶段包括:事故期或恢复期。
5.根据权利要求4所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
若当前阶段为轨道交通突发事件事故期,则根据构建的所述虚拟轨道交通网络及事故期阶段下的列车区间运行时分,获取事故期阶段下轨道交通的所述事发站点到目的站点的多种路径方式;
获取所述多种路径方式中每种路径方式的出行阻抗;
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集。
6.根据权利要求4所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述根据构建的所述虚拟轨道交通网络及轨道交通突发事件发生的不同阶段的列车区间运行时分,获取轨道交通的事发站点到目的站点之间的有效路径集包括:
若当前阶段为轨道交通突发事件恢复期,则根据构建的所述虚拟轨道交通网络及恢复期阶段下的列车区间运行时分,获取恢复期阶段下轨道交通的所述事发站点到目的站点的多种路径方式;
获取所述多种路径方式中每种路径方式的出行阻抗;
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集。
7.根据权利要求5或6所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的有效路径选取原则的路径组成有效路径集包括:
根据所述多种路径方式中每种路径方式的出行阻抗,从所述多种路径方式中选取符合预设的第一绝对约束原则、第一相对约束原则、线路不重复原则或车站不重复原则的路径组成有效路径集。
8.根据权利要求1所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述对所述有效路径集中的有效路径进行筛选,根据筛选得到乘客在突发事件下将会选择的有效路径集及所述会选择的有效路径集中每条路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例包括:
按照预设的第二绝对约束原则或第二相对约束原则,对所述有效路径集中的有效路径进行筛选,得到n条有效路径;
根据得到的n条有效路径,得到n条有效路径中每条有效路径的选择比例,根据得到的n条有效路径中每条有效路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例;
其中,所述乘客出行特征由乘客出行方式表征,所述乘客出行方式包括:乘客出站转乘其他公共交通、乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通及乘客留在轨道交通内。
9.根据权利要求8所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述根据得到的n条有效路径,得到n条有效路径中每条有效路径的选择比例,根据得到的n条有效路径中每条有效路径的选择比例,得到事发站点到目的站点之间的乘客出行特征比例包括:
若n条有效路径中存在u条虚拟的从轨道交通的所述事发站点出站转乘其他公共交通的方式的线路,则获取乘客出站转乘其他公共交通的比例,其中,0≤u≤1;
若n条有效路径中,有v条虚拟的从轨道交通的事发站点出站再从所述事发站点的邻近轨道交通站点进入轨道交通的线路,则获取乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通的比例,其中,0≤v≤n;
通过1减去获取到的乘客出站转乘其他公共交通的比例及乘客出站再从所述事发站点的邻近轨道交通站点进入轨道交通的比例,得到乘客会留在轨道交通内的比例。
10.根据权利要求9所述的轨道交通突发事件下进站乘客出行特征比例的确定方法,其特征在于,所述获取所述事发站点到所有目的站点之间的乘客出行特征比例,结合正常情况下事发站点在仿真时间段内的进站量和OD比例分配,得到事发站点进站乘客的出行特征比例包括:
根据正常情况下的所述事发站点在仿真时间段内的进站量和OD比例分配,得到所述仿真时间段内所述事发站点和所有目的站点之间的客流量;
根据获取的所述事发站点到所有目的站点之间的乘客出行特征比例,及得到的所述仿真时间段内所述事发站点和所有目的站点之间的客流量,得到所述事发站点进站乘客出站转乘其他公共交通、再次从所述事发站点的邻近轨道交通站点进入轨道交通及留在轨道交通内部的乘客比例。
CN201610885241.8A 2016-10-10 2016-10-10 轨道交通突发事件下进站乘客出行特征比例的确定方法 Active CN106503315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610885241.8A CN106503315B (zh) 2016-10-10 2016-10-10 轨道交通突发事件下进站乘客出行特征比例的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610885241.8A CN106503315B (zh) 2016-10-10 2016-10-10 轨道交通突发事件下进站乘客出行特征比例的确定方法

Publications (2)

Publication Number Publication Date
CN106503315A true CN106503315A (zh) 2017-03-15
CN106503315B CN106503315B (zh) 2019-07-23

Family

ID=58293890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610885241.8A Active CN106503315B (zh) 2016-10-10 2016-10-10 轨道交通突发事件下进站乘客出行特征比例的确定方法

Country Status (1)

Country Link
CN (1) CN106503315B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273999A (zh) * 2017-04-27 2017-10-20 北京交通大学 一种突发事件下城市轨道交通客流预测方法
CN107886190A (zh) * 2017-10-20 2018-04-06 青岛海信网络科技股份有限公司 一种突发事件下乘客出行选择行为仿真方法及装置
CN108681806A (zh) * 2018-04-09 2018-10-19 东南大学 一种基于出行者活动的公交网络连通性评估方法
CN108717583A (zh) * 2018-05-11 2018-10-30 东南大学 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法
CN108846514A (zh) * 2018-06-07 2018-11-20 同济大学 一种突发事件下轨道交通客流疏散需求预测方法
CN112465334A (zh) * 2020-11-24 2021-03-09 北京交通大学 一种轨道交通事故快速预警方法及系统
CN112949078A (zh) * 2021-03-17 2021-06-11 北京交通大学 一种城市轨道交通客流-车流的匹配度计算方法
CN117649034A (zh) * 2023-12-08 2024-03-05 北京城建设计发展集团股份有限公司 一种运营中断事件下多阶段路网乘客出行仿真方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763612A (zh) * 2010-01-12 2010-06-30 北京轨道交通路网管理有限公司 一种轨道交通系统运费清分方法
CN102306243A (zh) * 2011-07-27 2012-01-04 高新现代智能系统股份有限公司 在轨道交通中的换乘客流清分方法
CN103020435A (zh) * 2012-12-03 2013-04-03 高新现代智能系统股份有限公司 轨道交通出行路径估算方法和系统
CN103310287A (zh) * 2013-07-02 2013-09-18 北京航空航天大学 基于svm预测乘客出行概率的轨道交通客流预测方法
CN104217129A (zh) * 2014-09-22 2014-12-17 北京交通大学 一种城轨路网客流估算方法
CN104239726A (zh) * 2014-09-22 2014-12-24 北京交通大学 一种城轨路网突发事件条件下客流估算系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763612A (zh) * 2010-01-12 2010-06-30 北京轨道交通路网管理有限公司 一种轨道交通系统运费清分方法
CN102306243A (zh) * 2011-07-27 2012-01-04 高新现代智能系统股份有限公司 在轨道交通中的换乘客流清分方法
CN103020435A (zh) * 2012-12-03 2013-04-03 高新现代智能系统股份有限公司 轨道交通出行路径估算方法和系统
CN103310287A (zh) * 2013-07-02 2013-09-18 北京航空航天大学 基于svm预测乘客出行概率的轨道交通客流预测方法
CN104217129A (zh) * 2014-09-22 2014-12-17 北京交通大学 一种城轨路网客流估算方法
CN104239726A (zh) * 2014-09-22 2014-12-24 北京交通大学 一种城轨路网突发事件条件下客流估算系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHIYING HE 等: "The prediction of passenger flow distribution for urban rail transit based on multi-factor model", 《2016 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION ENGINEERING (ICITE)》 *
刘万锋 等: "突发事件下的城市交通疏运路径选择模型", 《上海海事大学学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273999A (zh) * 2017-04-27 2017-10-20 北京交通大学 一种突发事件下城市轨道交通客流预测方法
CN107886190A (zh) * 2017-10-20 2018-04-06 青岛海信网络科技股份有限公司 一种突发事件下乘客出行选择行为仿真方法及装置
CN108681806A (zh) * 2018-04-09 2018-10-19 东南大学 一种基于出行者活动的公交网络连通性评估方法
CN108717583B (zh) * 2018-05-11 2021-08-03 东南大学 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法
CN108717583A (zh) * 2018-05-11 2018-10-30 东南大学 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法
CN108846514A (zh) * 2018-06-07 2018-11-20 同济大学 一种突发事件下轨道交通客流疏散需求预测方法
CN108846514B (zh) * 2018-06-07 2020-07-28 同济大学 一种突发事件下轨道交通客流疏散需求预测方法
CN112465334A (zh) * 2020-11-24 2021-03-09 北京交通大学 一种轨道交通事故快速预警方法及系统
CN112465334B (zh) * 2020-11-24 2023-11-24 北京交通大学 一种轨道交通事故快速预警方法及系统
CN112949078A (zh) * 2021-03-17 2021-06-11 北京交通大学 一种城市轨道交通客流-车流的匹配度计算方法
CN112949078B (zh) * 2021-03-17 2023-12-05 北京交通大学 一种城市轨道交通客流-车流的匹配度计算方法
CN117649034A (zh) * 2023-12-08 2024-03-05 北京城建设计发展集团股份有限公司 一种运营中断事件下多阶段路网乘客出行仿真方法及系统
CN117649034B (zh) * 2023-12-08 2024-04-30 北京城建设计发展集团股份有限公司 一种运营中断事件下多阶段路网乘客出行仿真方法及系统

Also Published As

Publication number Publication date
CN106503315B (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN106503315A (zh) 轨道交通突发事件下进站乘客出行特征比例的确定方法
CN107273999B (zh) 一种突发事件下城市轨道交通客流预测方法
CN104866931B (zh) 一种基于大站停车和多站协同限流的地铁客流组织方法
CN104217129A (zh) 一种城轨路网客流估算方法
CN104239726B (zh) 一种城轨路网突发事件条件下客流估算系统
CN107194497A (zh) 一种突发事件下城市轨道交通乘客出行路径规划方法
CN110245806A (zh) 一种城市轨道交通客流管控方法与系统
CN104637328B (zh) 一种车辆自组织网络中基于rsu的分布式实时导航方法
CN106779190A (zh) 一种城市轨道交通乘客出行路径建议方法及系统
CN106485359A (zh) 一种基于列车运行时刻表的城市轨道交通断面客流推测方法
CN105678410A (zh) 一种考虑网络连通性时变特征的公交系统时空可达性建模方法
CN104157132A (zh) 一种自适应式公交发车时刻表的动态优化方法
CN109543934A (zh) 城市公交线网的综合指标的评价方法
CN107240289A (zh) 一种公交车线路优化管理方法及系统
CN113635945B (zh) 列车运行图调整方法及装置
CN108537408A (zh) 一种融合进站和换乘控制的路网协同限流建模及评估方法
CN106934229A (zh) 考虑滞留乘客的城市轨道交通车站站台聚集人数计算方法
CN107274000A (zh) 一种突发事件下城市轨道交通断面客流预测方法
CN107609744A (zh) 一种针对轨道交通的城市公交应急联动系统
Li et al. Multimodal evacuation after subway breakdown: A modeling framework and mode choice behavior
Zhang et al. Coupling analysis of passenger and train flows for a large-scale urban rail transit system
CN109544927B (zh) 一种多层网络协同限行方法
Li et al. Modeling impact of transit operator fleet size under various market regimes with uncertainty in network
Hu et al. Statistical analysis of passenger-crowding in bus transport network of Harbin
Ceder et al. Detecting and improving public-transit connectivity with case studies of two world sport events

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant