CN106651182A - 基于熵权重的轨道客流拥塞风险评价方法 - Google Patents

Abstract

本发明公开了基于熵权重的轨道客流拥塞风险评价方法，获取不同时段轨道站点区间的进出站客流量、满载率两个特征指标的监测值；采用不同隶属度函数对正向指标和逆向指标分别进行无量纲化，将各个指标的评价值统一转化为[0,1]范围内的量化数值，消除异量纲性影响；根据统计时间内的指标极大值作为模型的输入值进行模型参数的标定；根据熵权法计算不同评价指标在模型中的权重，并对风险评价进行聚类，划分轨道网络化客流拥塞五级风险等级。本方法基于轨道站点区间的运进出站客流量和满载率，构建轨道客运网络化运行客流拥塞风险评价模型，定量评估整个轨道客运网络化运行客流拥塞风险。

Description

基于熵权重的轨道客流拥塞风险评价方法

技术领域

本发明涉及一种基于熵权重的轨道客流拥塞风险评价方法，属于公共交通数据应用和服务评价领域。

背景技术

当前，我国大中城市普遍存在着道路拥挤、车辆堵塞、交通秩序混乱的现象，已成为城市发展的“瓶颈”问题。随着我国城市规模和经济建设飞速的发展，城市化进程在逐步加快，城市人口在急剧增加，大量流动人口涌进城市，人员出行和物资交流频繁，交通需求急剧增长，城市交通供需矛盾日趋紧张。发展以轨道交通为骨干，以常规公交为主体的公共交通体系，为城市居民提供安全、快速、舒适的交通环境，引导城市居民使用公共交通系统是国外大城市解决城市交通问题的成功经验，也是我国大城市解决交通问题的惟一途径。

尽管城市轨道服务能力不断增强，但随着经济社会的发展，社会公众出行需求总量大幅增长，出行需求层次不断提升，在现有的城市系统环境下，城市轨道安全形势日趋严峻，安全事故不断。主要体现在如下几个方面：

(1)由于城市轨道交通具有客流集中、空间有限、封闭运行、通道狭窄等特点，使得轨道交通的火灾、信号失灵、脱轨、停电、乘客坠落等突发事故以及由于重大节假日与社会活动所带来的突发性、高强度客流都极易造成重大安全事故，带来较大的负面社会影响。

(2)随着城镇化进程的快速推进，我国轨道交通具有客流量大、密集，出行特征复杂，易受重大节假日、重大社会活动、突发自然灾害等造成城市大范围客流失稳情况所带来的城市轨道高客流拥塞风险隐患，并且发生频率越来越高。以北京为例：2012年4月28日，北京城市轨道交通中4条线路客流量均突破百万，其中1号线突破了160万人次，其承受能力已达到极限；2013年3月8日，北京城市轨道交通全网客运量再创历史新高,首次突破1000万人次。

由于城市轨道客流拥塞风险的发生具有随机性、传递性和扩散性等特征，其预防和处置工作难度极大，必须从轨道客运网络出发，通过分析导致客流拥塞风险形成的影响因素，针对主要风险因子，构建科学合理的城市轨道网络客流拥塞评价方法，实现对像北京这样的特大城市的轨道客流拥塞评价及分级，以适应国家对城市轨道系统安全应急新形势的要求，对提高城市轨道系统的安全服务水平，优化轨道线网及运营调度具有重要意义。

发明内容

本发明目的在于提出一种网络化运营条件下的轨道客流拥塞风险评价方法，通过分析导致客流拥塞风险形成的影响因素，针对主要风险因子，构建科学合理的城市轨道网络客流拥塞评价方法，实现对像北京这样的特大城市的轨道客流拥塞评价及分级。为今后开展轨道网络客流拥塞评价，轨道客运网络客流拥塞风险点识别及分级，以及轨道线网优化提供了支撑。

为了实现上述目的，本发明采用的技术方案为基于熵权重的轨道客流拥塞风险评价方法，其特征在于：该评价方法的指标计算与模型构建分为五个步骤，首先分析轨道客流拥塞风险的原因，结合数据基础，选取客流拥塞风险的关键评价指标；然后，通过收集各指标的指标值数据，将各指标的指标值数据进行无量纲化处理，并根据无量纲化的数据值，按分析的最小时间单元统计各指标的指标值数据最大值；最后，根据各评价指标与轨道客流拥风险的关系，构建评价模型，并基于熵权法确定评价模型中各指标的参数权重；

评价指标为轨道进出站客流量、满载率；

其特征在于，该方法包括以下步骤：

步骤1，评价指标选取；

在对城市客运网络客流拥塞风险进行评价时，需要考虑模型的复杂度及数据获取的难易程度，因此对需要对评价指标进行筛选；选取轨道进出站客流量、满载率作为评价指标，评价的维度包括站点区间及线路，因此，基于两个评价指标，两个维度构建评价模型；

步骤2，指标无量纲化；

轨道客流拥塞风险是指轨道客运交通网络由于客流拥塞导致某种损失发生的可能性；在客流拥塞风险评价即多指标综合评价中，涉及到两个基本变量：一是各评价指标的实际值，另一个是各指标的评价值；由于各指标所代表的物理涵义不同，因此存在着量纲上的差异；这种异量纲性是影响对事物整体评价的因素，所以在评价之前要将各指标的评价值统一转化为[0，1]范围内的量化数值；

由于网络化客流拥塞评价指标有评价值随指标值增大而增大的正指标，又有评价值随指标值增大而减小的逆指标，因此，分解为以下两个子集：

式中，U代表n个评价指标的总集合；U_i中，i＝1，2，分别代表两种类型即正向评价指标和逆向评价指标的评价指标集；

对于评价指标U_i∈U，根据指标值的不同类型，给出两种评价指标隶属函数：

(1)正向指标U_i∈U₁，采用半升梯形模糊隶属度函数进行量化，即：

(2)逆向指标U_i∈U₂，采用半降梯形模糊隶属度函数进行量化，即：

式中，x_i代表评价指标评价值；m_i代表评价指标的最小值；M_i代表评价指标的最大值；r_i代表评价指标x_i对应的无量纲化值；

步骤3，确定评价值；

对于客流拥塞风险来说，风险的发生往往是因为出现了极端情况，因此指标的评价值也会出现极值；从统计学分析可知，极值就是指某个时期的随机过程的最大值和最小值，通常位于分布数据的尾部；因此，在对评价指标值进行无量纲化后，以统计时间内的所有正向指标和逆向指标的极大值为模型的输入值进行风险评价；

步骤4，建立评价模型；

交通流或客流拥塞产生的本质为供需的不平衡，即需求大于交通系统的供给能力，结合轨道客运客流拥塞风险的特点，将客流拥塞风险的等级定为五级：

一级风险：低度风险，客流容纳能力远大于需求；

二级风险：较低风险，客流容纳能力较好满足需求；

三级风险：中度风险，客流容纳能力满足需求，在短时出现拥挤；

四级风险：较高风险，客流容纳能力基本满足需求，拥塞情况较为明显；

五级风险：高度风险，客流容纳需求接近饱和，能力难以满足，拥塞严重；

从各指标的定义来看，客流拥塞风险与各指标的评价值呈线性关系，假设所分析的对象受多个动态评价指标x_i的影响，假定各个评价指标与客流拥塞风险y的关系是线性的，则建立多元风险评价模型：

式中，f(y)代表风险分级函数；α代表标准化系数，取10；w_i代表指标i的熵权重系数；r_i代表评价指标x_i对应的无量纲化值；n代表评价指标的个数；

对客流拥塞风险的分级，本方法采用均值聚类算法进行风险等级的划分；

步骤5，确定评价指标权重；

利用熵权法，根据指标变异性的大小来确定客观权重；若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大；相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小；熵权法更加客观的反应各项指标，不需要涉及到任何主观信息，是一种完全意义上的客观赋值法；

设在选定的评价空间维度和时间维度评价指标为n个，评价空间维度为站点、线路、全网等，时间维度为1小时、1天、1个月，影响综合评价值的分目标为m个，用x_ij表示评价指标j的第i个分目标的数据值，则n个指标m个分目标值构成矩阵R＝(x_ij)_m×n

则其熵权为：

式中，g_j代表第j项指标的差异系数；e_j代表第j项指标的熵值；p_ij代表第i个分目标第j项指标的数据值比重，e_j∈[0，1]；w_j≥0，j＝1，2，3，...m，且

评价指标选取时，应结合数据情况，选取影响轨道客流拥塞的指标进行统计；权重的确定以一个月以上时间的数据训练，为保证指标的统计值真实可靠，评价值应在轨道上级管理部门采集后再进行误差处理。

对于整个轨道客流拥塞风险评价，将各指标值代入式(2)和式(3)确定评价值，同时代入式(6)中确定各指标权重，最后将评价值及权重代入式(4)中确定该时段该区域的客流拥塞风险等级。

差异系数g_j越大，指标越重要；标准化系数α取10，使风险值域在0-10范围内。

与现有技术相比，具有以下明显的优势和有益效果：

本方法较传统的轨道客流评价着重考虑轨道客流拥塞造成的风险程度及特征；本方法利用轨道进出站客流量、满载率两个核心指标对轨道客运网络的客流拥塞风险进行评价，考虑了内外因素的影响，较传统评价模型估算更易操作，具有更强的适用性；利用熵权法对模型中各指标的权重进行标定，区分不同指标对轨道客流拥塞风险的影响程度，定量评估不同时间维度和空间维度的轨道客运网络客流拥塞风险，本发明的评价结果更加实用。

附图说明

图1为本方法的实施流程图；

图2为风险评价八通线案例图。

具体实施方式

本实施例经过对北京市260多个轨道站点区间的进出站客流量、满载率的监测数据进行分析，构建轨道客流拥塞风险评价模型，然后运用熵权法分析各指标对轨道客运网络客流拥塞的影响，对模型中各指标的权重进行标定，最后，建立轨道客流拥塞风险模型，并对北京市的轨道客运风险进行分级，并分析其合理性。

本实施例包括以下步骤：

步骤1，评价指标选取及计算；

轨道网络客流拥塞风险由自身运送速度和外界客流的影响，因此评价指标主要有：进出站客流量(正向指标)、满载率(正向指标)，分别计算这两个指标的指标值。

(1)轨道进出站量

在统计周期内，以站点的进站量和出站量之和作为站点的进出站量，轨道线路则以各站的进出站量之和作为该线路的进出站量。

表1轨道站点区间运送速度计算结果(部分)

(2)满载率

首先计算在统计周期内，沿同一方向通过任意两站之间断面的所有轨道能运送的最大乘客数即所有车辆的额定载客量数值，然后统计车内的人数，计算在监测周期内，断面客流量与该断面运输能力的比值。

表2轨道站点区间满载率计算结果(部分)

线路	站点区间	满载率	时间
				八通线	八里桥-管庄	0.671369048	201605010600
八通线	八里桥-通州北苑	0.215502959	201605010630
				八通线	传媒大学-高碑店	0.937857143	201605010545
八通线	传媒大学-双桥	0.289107143	201605010615
				八通线	高碑店-传媒大学	0.315297619	201605010600
八通线	高碑店-四惠东	0.928333333	201605010630
				八通线	管庄-八里桥	0.221547619	201605010545
八通线	管庄-双桥	0.76702381	201605010545

步骤2，各指标值无量纲化；

根据需要评价的时间和维度，利用利用步骤1获取的轨道站点进出站量和满载率的指标值进行无量纲化，即将其转换为[0，1]区间的数值。

步骤3，确定评价值；

以各评价指标的无量纲化值为基础，以15分钟为基本时间单元，分析轨道站点进出站量和满载率在统计周期内的最大值MAX[r(x)]，统计周期可以是天、周、月、季、年等。

步骤4，构建评价模型；

在评价模型中，首先对各指标的权重w_i进行标定，以每15分钟的站点区间轨道站点进出站量和满载率为评价值。为了反映各指标对风险的影响情况，以天为评价周期。其中，n＝3。然后，利用熵权法计算模型中各评价指标的权重。

表3熵权重计算结果

轨道指标	差异系数	权重
			满载率	140.94	0.52
进出站客流量	131.14	0.48
			总和	272.09	1.00

从计算结果可以看出，各指标对客流拥塞风险的影响均很大，满载率对客流拥塞风险的影响最大，权重最高。为了使风险值域在0-10范围内，取α为10，因此轨道客流网络拥塞风险评价模型为：

f(y)＝10×{0.52×MAX[r(x₁)]+0.48×MAX[r(x₂)]}

其中，r为标准化函数，x₁为轨道站点满载率，x₂为轨道站点进出站客流量。

表4等级划分结果

风险等级	一级风险	二级风险	三级风险	四级风险	五级风险
						风险临界值	2以下	2-3	3-5	5-8.5	8.5以上

Claims (4)

1.基于熵权重的轨道客流拥塞风险评价方法，其特征在于：该评价方法的指标计算与模型构建分为五个步骤，首先分析轨道客流拥塞风险的原因，结合数据基础，选取客流拥塞风险的关键评价指标；然后，通过收集各指标的指标值数据，将各指标的指标值数据进行无量纲化处理，并根据无量纲化的数据值，按分析的最小时间单元统计各指标的指标值数据最大值；最后，根据各评价指标与轨道客流拥风险的关系，构建评价模型，并基于熵权法确定评价模型中各指标的参数权重；

评价指标为轨道进出站客流量、满载率；

其特征在于，该方法包括以下步骤：

步骤1，评价指标选取；

在对城市客运网络客流拥塞风险进行评价时，需要考虑模型的复杂度及数据获取的难易程度，因此对需要对评价指标进行筛选；选取轨道进出站客流量、满载率作为评价指标，评价的维度包括站点区间及线路，因此，基于两个评价指标，两个维度构建评价模型；

步骤2，指标无量纲化；

轨道客流拥塞风险是指轨道客运交通网络由于客流拥塞导致某种损失发生的可能性；在客流拥塞风险评价即多指标综合评价中，涉及到两个基本变量：一是各评价指标的实际值，另一个是各指标的评价值；由于各指标所代表的物理涵义不同，因此存在着量纲上的差异；这种异量纲性是影响对事物整体评价的因素，所以在评价之前要将各指标的评价值统一转化为[0，1]范围内的量化数值；

由于网络化客流拥塞评价指标有评价值随指标值增大而增大的正指标，又有评价值随指标值增大而减小的逆指标，因此，分解为以下两个子集：

式中，U代表n个评价指标的总集合；U_i中，i＝1，2，分别代表两种类型即正向评价指标和逆向评价指标的评价指标集；

对于评价指标U_i∈U，根据指标值的不同类型，给出两种评价指标隶属函数：

(1)正向指标U_i∈U₁，采用半升梯形模糊隶属度函数进行量化，即：

$r_i=\left\{\begin{array}{cc}1& x_i\≤m_i\\ \frac{x_i-m_i}{M_i-m_i}& m_i\≤x_i\≤M_i\\ 0& x_i\≥M_i\end{array}\right.,r_i\∈\[0,1\]---\left(2\right)$

(2)逆向指标U_i∈U₂，采用半降梯形模糊隶属度函数进行量化，即：

$r_i=\left\{\begin{array}{cc}0& x_i\≤m_i\\ \frac{M_i-x_i}{M_i-m_i}& m_i\≤x_i\≤M_i\\ 1& x_i\≥M_i\end{array}\right.,r_i\∈\[0,1\]---\left(3\right)$

式中，x_i代表评价指标评价值；m_i代表评价指标的最小值；M_i代表评价指标的最大值；r_i代表评价指标x_i对应的无量纲化值；

步骤3，确定评价值；

对于客流拥塞风险来说，风险的发生往往是因为出现了极端情况，因此指标的评价值也会出现极值；从统计学分析可知，极值就是指某个时期的随机过程的最大值和最小值，通常位于分布数据的尾部；因此，在对评价指标值进行无量纲化后，以统计时间内的所有正向指标和逆向指标的极大值为模型的输入值进行风险评价；

步骤4，建立评价模型；

交通流或客流拥塞产生的本质为供需的不平衡，即需求大于交通系统的供给能力，结合轨道客运客流拥塞风险的特点，将客流拥塞风险的等级定为五级：

一级风险：低度风险，客流容纳能力远大于需求；

二级风险：较低风险，客流容纳能力较好满足需求；

三级风险：中度风险，客流容纳能力满足需求，在短时出现拥挤；

四级风险：较高风险，客流容纳能力基本满足需求，拥塞情况较为明显；

五级风险：高度风险，客流容纳需求接近饱和，能力难以满足，拥塞严重；

从各指标的定义来看，客流拥塞风险与各指标的评价值呈线性关系，假设所分析的对象受多个动态评价指标x_i的影响，假定各个评价指标与客流拥塞风险y的关系是线性的，则建立多元风险评价模型：

$f\left(y\right)=f\left(\mathrm{\α}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i\max \right(r_i\left)\right)---\left(4\right)$

式中，f(y)代表风险分级函数；α代表标准化系数，取10；w_i代表指标i的熵权重系数；r_i代表评价指标x_i对应的无量纲化值；n代表评价指标的个数；

对客流拥塞风险的分级，本方法采用均值聚类算法进行风险等级的划分；

步骤5，确定评价指标权重；

利用熵权法，根据指标变异性的大小来确定客观权重；若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大；相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小；熵权法更加客观的反应各项指标，不需要涉及到任何主观信息，是一种完全意义上的客观赋值法；

设在选定的评价空间维度和时间维度评价指标为n个，评价空间维度为站点、线路、全网等，时间维度为1小时、1天、1个月，影响综合评价值的分目标为m个，用x_ij表示评价指标j的第i个分目标的数据值，则n个指标m个分目标值构成矩阵R＝(x_ij)_m×n

$R={\left[\begin{array}{ccc}{x}_{11}& \mathrm{...}& x_{1n}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}\\ x_{1m}& \mathrm{...}& x_{nm}\end{array}\right]}_{m\×n}---\left(5\right)$

则其熵权为：

$w_j=\frac{g_j}{{\mathrm{\Σ}}_{j=1}^n{g}_j}=\frac{1-e_j}{{\mathrm{\Σ}}_{j=1}^n(1-e_j)}=\frac{1+{\mathrm{k\Σ}}_{i=1}^m{p}_{ij}\ln p_{ij}}{{\mathrm{\Σ}}_{j=1}^n(1+{\mathrm{k\Σ}}_{i=1}^m{p}_{ij}\ln p_{ij})}---\left(6\right)$

式中，g_j代表第j项指标的差异系数；e_j代表第j项指标的熵值；p_ij代表第i个分目标第j项指标的数据值比重，e_j∈[0，1]；w_j≥0，j＝1，2，3，...m，且

2.根据权利要求1所述的基于熵权重的轨道客流拥塞风险评价方法，其特征在于：评价指标选取时，应结合数据情况，选取影响轨道客流拥塞的指标进行统计；权重的确定以一个月以上时间的数据训练，为保证指标的统计值真实可靠，评价值应在轨道上级管理部门采集后再进行误差处理。

3.根据权利要求1所述的基于熵权重的轨道客流拥塞风险评价方法，其特征在于：对于整个轨道客流拥塞风险评价，将各指标值代入式(2)和式(3)确定评价值，同时代入式(6)中确定各指标权重，最后将评价值及权重代入式(4)中确定该时段该区域的客流拥塞风险等级。

4.根据权利要求1所述的基于熵权重的轨道客流拥塞风险评价方法，其特征在于：差异系数g_j越大，指标越重要；标准化系数α取10，使风险值域在0-10范围内。