CN107273999A - 一种突发事件下城市轨道交通客流预测方法 - Google Patents
一种突发事件下城市轨道交通客流预测方法 Download PDFInfo
- Publication number
- CN107273999A CN107273999A CN201710285974.2A CN201710285974A CN107273999A CN 107273999 A CN107273999 A CN 107273999A CN 201710285974 A CN201710285974 A CN 201710285974A CN 107273999 A CN107273999 A CN 107273999A
- Authority
- CN
- China
- Prior art keywords
- mrow
- passenger
- trip
- traffic
- msup
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 30
- 238000012546 transfer Methods 0.000 claims description 27
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 230000006855 networking Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000736199 Paeonia Species 0.000 description 1
- 235000006484 Paeonia officinalis Nutrition 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种突发事件下城市轨道交通客流预测方法,所述方法包括:S1:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息,确定城市轨道交通客流分布以及受影响客流数据;S2:构建突发事件下乘客的备选出行方案集,更新乘客选择各备选出行方案后的受影响客流数据;S3:综合非受影响客流数据,计算城市轨道交通各站的客流量;本发明充分考虑突发事件对城市轨道交通运行的影响,考虑突发事件下乘客出行行为特性,提高了突发事件下城市轨道交通客流分布预测的准确度,为制定有效的应急预案和运营管理措施提供理论依据,可有效疏导因突发事件滞留的乘客,保障乘客出行安全,提高地铁运营部门的服务水平。
Description
技术领域
本发明涉及城市轨道交通技术领域。更具体地,涉及一种突发事件下城市轨道交通客流预测方法。
背景技术
随着社会经济的快速发展,城市轨道交通以其大运量、高效率、低能耗、调度指挥可控性强等特点已成为大城市交通出行的重要方式。近年来,我国城市轨道交通发展迅速,其中,部分大城市如北京、上海、广州等的轨道交通已进入成网运营阶段。在成网运营的背景下,城市轨道交通客运量持续增加。因城市轨道交通具有客流量大、网络结构复杂的特点,在成网条件下,一旦发生突发事件,由于缺少有效的客流预测,运营部门只能采取应急措施,造成轨道交通服务水平和运营效率的急剧下降,甚至会因应对不及时,严重影响乘客的出行乃至生命安全,网络化的运营组织的难度极大。目前,我国城市轨道交通网络化运营组织虽日趋完善,但由于城市轨道交通复杂多变的网络运营环境将引起各类突发事件,如地铁运营组织失误或地铁车辆、轨道、运营、通讯、信号设备设施故障等都有可能导致线路列车运营区间中断、线路停运甚至整个网络瘫痪。当城市轨道交通某条线路或者线路部分区间发生中断后,整个城市轨道交通网络拓扑结构发生变化,进而引起整个轨道交通网络客流分布的变化,可能造成大量乘客滞留以及相关站点的拥挤。
突发事件下城市轨道交通乘客的心理和出行选择行为产生不同于常态的变化,特别是在轨道交通网络化条件下,可能产生出行方式的转移、起讫点的重置、路径的重选以及短时间内大量的客流聚集等行为,导致客流需求在网络上的时空分布发生激变。现有轨道交通客流预测方法对突发事件下乘客出行选择进行粗犷式地处理,未能全面地考虑出行方案的多样性和可能性,未能从实际需求出发有效地进行客流预测。
因此,需要提供一种考虑突发事件下乘客出行行为特性的城市轨道交通客流预测方法,准确预测突发事件下城市轨道交通客流分布,为制定有效的应急预案和运营管理措施提供理论依据。
发明内容
本发明的目的在于提供一种突发事件下城市轨道交通客流预测方法,通过充分考虑突发事件对城市轨道交通运行的影响,考虑突发事件下乘客出行行为特性,提高突发事件下城市轨道交通客流分布预测的准确度,为制定有效的应急预案和运营管理措施提供理论依据,进而有效疏导因突发事件滞留的客流量,保障乘客出行安全,提高地铁运营部门的服务水平。
为解决上述技术问题,本发明采用下述技术方案:
本发明公开了一种突发事件下城市轨道交通客流预测方法,所述方法包括:
S1:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息,确定城市轨道交通客流分布以及受影响客流数据;
S2:构建突发事件下乘客的备选出行方案集,更新乘客选择各备选出行方案后的受影响客流数据;
S3:综合非受影响客流数据,计算城市轨道交通各站的客流量。
优选地,所述S1包括:
S11:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息;
S12:计算城市轨道交通所有起讫站间的有效路径,计算各有效路径的选择效用值,基于各有效路径的选择效用值计算各有效路径上的客流量;
S13:根据突发事件信息,确定受影响的有效路径,从而确定受影响客流数据。
优选地,所述S1中确定受影响客流数据的确定原则为乘客出行路线途经受突发事件影响的车站或线路、乘客到达出行路线上第一个受突发事件影响的车站的时刻在该车站受突发事件影响的时间范围内以及乘客出行路线的方向和运营中断方向一致。
优选地,所述受影响客流数据包括起点站、终点站、路径、客流量和进站时间。
优选地,所述S2包括:
S21:构建突发事件下乘客的备选出行方案集;
S22:计算各备选出行方案的选择效用,计算选择各备选出行方案的客流量;
S23:更新城市轨道交通网络的受影响客流数据。
优选地,所述备选出行方案集中的备选出行方案包括:
第一类:等待列车恢复通行后按照原计划出行方案路线出行或不改变出行路线起讫站的情况下若有其他路线,改乘其他路线方案出行;
第二类:改变出行路线起讫站情况下继续乘坐轨道交通到某站后再换乘地面交通或者选择地面交通到达某站后换乘轨道交通;
第三类:退出轨道交通,选择地面交通。
优选地,所述备选出行方案集为
D={B,G,S}
其中,B为突发事件下备选出行方案类别集,B={F1,F2,F3,F4,F5,F6},F1方案表示乘客选择等待原计划出行路径恢复运营后继续出行;F2方案表示乘客选择轨道交通内其他备选路径出行到达目的地,F3方案表示乘客直接退出轨道交通,选择公交方式出行;F4方案表示乘客直接退出轨道交通,选择出租车方式出行,F5方案表示乘客选择地铁和公交的组合交通方式出行;F6方案表示乘客选择地铁和出租车的组合交通方式出行;G为各备选出行方案的规则集,为起讫站一个备选出行方案在多路径情况下该方案属性值的确定原则、存在出行方式转换的备选出行方案中转换点的确定原则;S为各备选出行方案的属性值集,S是根据轨道交通内部任意两站点间公交、轨道、出租车出行的特性变量属性值,结合G确定的各备选出行方案的属性值集。
优选地,所述备选出行方案的选择效用模型为
Ci rs=aDLi rs-bTMi rs-cCTi rs-dTNi rs-eDYi rs,i=1,2,...,n
其中,n为备选出行方案的个数;DYi rs为起讫站r到s的第i种备选出行方案的固有哑元;DLi rs为起讫站r到s的第i种备选出行方案的延误时间;TMi rs为起讫站r到s的第i种备选出行方案的出行时间;TNi rs为起讫站r到s的第i种备选出行方案的换乘次数;CTi rs为起讫站r到s的第i种备选出行方案的出行费用;a、b、c、d、e为待标定参数;
继续选择轨道交通出行的客流量qls rs为
其中,qrs为起讫站r到s的客流量,C1 rs为起讫站r到s的乘客选择等待出行路径恢复运营后按出行路径继续出行的选择效用值;C2 rs为起讫站r到s的乘客选择轨道交通内其他备选路径出行到达目的地的选择效用值;Ci rs为起讫站r到s的乘客选择第i种备选路径出行到达目的地的选择效用值;
选择组合交通方式出行的客流量qld rs为
其中,C5 rs为起讫站r到s的乘客选择地铁和公交的组合交通方式出行的选择效用值,C6 rs为起讫站r到s的乘客选择地铁和出租车的组合交通方式出行的选择效用值;
选择地面交通出行的客流量qlz rs为
其中,C3 rs为起讫站r到s的乘客直接退出轨道交通,选择公交方式出行的选择效用值,C4 rs为起讫站r到s的乘客直接退出轨道交通,选择出租车方式出行的选择效用值。
优选地,所述S3包括:
S31:获取小于最小相邻列车时间时隔的时间窗内更新后的受影响客流数据;
S32:考虑列车容量限制因素,根据乘客实际到达先后分配乘客,计算受影响乘客到达各个车站的时间;
S33:综合非受影响客流数据,计算得到轨道交通网络客流分布。
优选地,所述S32包括:
若乘客选择等待列车恢复通行后按照原计划出行路线出行,根据突发事件发生后变化的列车运行时刻表确定乘客到达各个车站的时间;
若乘客选择不改变出行路线起讫站的情况下若有其他路线,改乘其他路线出行或改变出行路线终点站的情况下继续乘坐轨道交通到某站后再换乘地面交通,考虑乘客站内的步行时间和换乘站的换乘时间,考虑列车容量限制因素,按到达站台时间先后顺序分批次上车,根据列车运行时刻表确定乘客到达各个车站的时间;若改变出行路线起点站的情况下选择地面交通到达某站后再换乘轨道交通,考虑地面交通出行时间确定乘客进入轨道交通系统时间,并确定乘客到达各个车站的时间。
若乘客选择退出轨道交通,选择地面交通,则该部分乘客不再计入更新后的受影响客流量。
本发明的有益效果如下:
本发明针对突发事件下城市轨道交通网络客流预测方法进行设计,在预测流程中充分考虑突发事件下出行备选方案集构建和出行选择偏好。出行备选方案集构建是基于电子地图获取的网络特征信息,并考虑乘客接收到延误信息的位置,设定一定原则确定各备选出行方案集属性值、起讫点转变信息,保证了突发事件下乘客备选出行方案的全面性、合理性、实际性;出行选择偏好充分考虑了突发事件、备选出行方案等对乘客出行选择的影响,合理地描述了乘客在突发事件下的行为方式,从而准确预测突发事件下城市轨道交通网络客流分布,为城市轨道交通客流研究提供基础数据,为制定有效的应急预案和运营管理措施提供理论依据。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明一种突发事件下城市轨道交通客流预测方法的流程图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,本发明公开了一种突发事件下城市轨道交通客流预测方法,所述方法包括:
S1:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息,确定城市轨道交通客流分布以及受影响客流数据。所述S1可包括:
S11:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息。可从铁路运营相关系统中获取一定时间集计的包括乘客选择的原定轨道交通出行路径及对应的乘客人数的客流数据、城市轨道交通路网拓扑信息与站点信息、突发事件的详细信息以及列车运行的计划列车时刻表。突发事件可由外部不可预知的因素或者城市轨道交通系统内部故障、不当操作等引起的,造成城市轨道交通系统运营中断且影响列车开行。
S12:计算城市轨道交通所有起讫站的有效路径,计算各有效路径的选择效用值,基于各有效路径的选择效用值计算各有效路径上的客流量。有效路径为正常运营情况下乘客可能选择的所有路径,可通过基于K短路搜索算法中时间复杂度和空间复杂度相对较低、执行效率相对较高的Double-sweep算法筛选出每对起讫站间的多条最短路径,算法的输入为城市轨道交通的网络拓扑关系。
计算城市轨道交通中各有效路径上的客流量,首先计算多路径网络分布模型,所述多路径网络分布模型是基于历史统计数据在分析乘客路径选择偏好性的基础上,利用路径的服务水平属性信息计算各条路径的选择效用,计算起讫站间各有效路径的客流量分配。
多路径网络分布模型中起讫站间有效路径i的效用函数为
Vi=gi(VT,TN,TT,AC,SY)
其中,VT、TN、TT、AC、SY分别为有效路径i的乘车时间(h)、换乘次数(次)、换乘时间(h)、角度费用(m)、舒适程度(取值0-1);
基于选择效用的一对起讫站间有效路径i的选择概率为
基于路径选择概率的一对起讫站间的有效路径i的客流量为
Qo,d,i=Qo,d×Pi
其中,Qo,d为一对起讫站间的客流量(人次)。
S13:根据突发事件信息,确定受影响的有效路径,从而确定受影响客流数据。其中,所述受影响客流数据可包括起点站、终点站、路径、客流量和进站时间。确定所述受影响客流数据的原则为乘客出行路线途经受突发事件影响的车站或线路、乘客到达出行路线上第一个受突发事件影响的车站的时刻在该车站受突发事件影响的时间范围内以及乘客出行路线的方向和运营中断方向一致。确定受影响客流数据的原则算法可表示为
其中,Spass={s1,…,sk,…,sm,…,sn}、Tpass={t1,…,tk,…,tm,…,tn}分别为乘客从起点车站A到车站B经过车站的集合、时间,SInterrupt={sk,…,sm}为受突发事件影响的车站集合,tI,k为乘客到达线路I车站k的时刻。
S2:构建突发事件下乘客的备选出行方案集,更新乘客选择各备选出行方案后的受影响客流数据。所述S2可包括:
S21:基于突发事件下轨道交通运营网络、公交运营网络、出租车运营网络特征,构建突发事件下乘客的备选出行方案集。
备选出行方案可分为三类:第一类:等待列车恢复通行后按照原计划出行路线出行。此方案较适于在在原定路线受到影响的情况下,没有其余备选路径的情况。或者,不改变出行路线起讫站的情况下若有其他路线,改乘其他路线出行。此方案较适于在原定路线受到影响的情况下,轨道交通网络仍有其余的路径可供选择,会有部分乘客选择其余路径绕行,轨道交通其他备选路径来源于可供选择的备选路径集合,并根据效用大小选择各条备选路径;规定备选路径集合中最长路径总耗时不得超过最短路径总耗时的N倍。第二类:改变出行路线上起讫站情况下继续乘坐轨道交通到某站后再换乘地面交通或者选择地面交通到达某站后换乘轨道交通。此方案中,乘客可继续换乘城市轨道交通至某一站后换乘地面交通或乘客先选择地面交通到达某站后换乘轨道交通,乘客出行路径的起讫站发生变化,需根据更新后的起讫站统计客流数据。第三类:退出轨道交通,选择地面交通。此方案中,乘客出站退出轨道交通,在对客流数据统计中不必再统计选择该方案的乘客客流量。
所述备选出行方案集为
D={B,G,S}
其中,B为突发事件下备选出行方案类别集;G为各备选出行方案的规则集;S为各备选出行方案的属性值集。
突发事件下备选出行方案类别集B是按照乘客出行方式和起讫点的转变情况、不同交通方式属性值的显著差异进行不同类别划分。
B={F1,F2,F3,F4,F5,F6}
其中,F1方案表示乘客选择等待出行路径恢复运营后继续出行;F2方案表示乘客选择轨道交通内其他备选路径出行到达目的地,F3方案表示乘客直接退出轨道交通,选择公交方式出行;F4方案表示乘客直接退出轨道交通,选择出租车方式出行,F5方案表示乘客选择地铁和公交的组合交通方式出行;F6方案表示乘客选择地铁和出租车的组合交通方式出行。
各备选出行方案的规则集G包括一对起讫站一个备选出行方案在多路径情况下该方案属性值确定原则、存在方式转换的备选方案方式转换点的确定原则。
各出行方案的设定规则集G中存在方式转换的备选方案方式转换点的确定原则是针对上述六种方案中组合交通出行方式,原则的关键在于确定地铁和公交两种方式之间换乘点。组合交通方式构建规则包括以下子步骤:
(1)假设乘客原计划出行路径为受影响路径,此路径途经站点为
a(1)-a(2)...-a(i)...-a(n),乘客在第i个站点接收到延误信息,其中,a(i)...a(n)为乘客未完成出行路径。若未完成出行路径不需要换乘时,则无组合交通方式出行,组合交通方式属性值为,否则进入(2);
(2)若未完成出行路径上所有换乘站点都在中断区间后,则乘客坐公交/出租车到未完成出行路径上的第1个换乘站点后坐地铁到达目的地,否则进入(3);
(3)若未完成出行路径上所有换乘站点都在中断区间前,则乘客坐地铁到最后1个换乘站点后坐公交/出租车到达目的地,否则进入(4);
(4)考虑两种子方案:①i→p:坐地铁,p→终点:坐公交/出租车;②i→p+1:坐公交/出租车,p+1→终点:坐地铁。对比两种子方案的出行成本,选择成本较小的子方案作为地铁+公交/出租车的备选出行方案。
各备选出行方案的属性值集S是基于电子地图API接口利用网络爬虫程序抓取轨道交通内部任意两站点间公交、轨道、出租车出行特性变量属性值,并考虑乘客接收到延误信息的位置,结合设定规则集G中准则确定各备选出行方案集属性值。各出行方案的设定规则集G中一对起讫站间一方案存在多路径的情况下,该方案属性值准则是选择该方案所包含的所有路径中最短路径的变量属性值作为此方案的属性值。
S22:计算各备选出行方案的选择效用,计算选择各备选出行方案的客流量。突发事件下乘客出行方案选择模型是基于历史统计数据或意愿调查数据,在分析突发事件下乘客出行选择偏好基础上,利用突发事件信息、备选出行方案集出行属性信息计算出行方案效用。所述备选出行方案的选择效用模型为
Ci rs=aDLi rs-bTMi rs-cCTi rs-dTNi rs-eDYi rs,i=1,2,...,n
其中,n为备选出行方案的个数;DYi rs为起讫站r到s的第i种备选出行方案的固有哑元;DLi rs为起讫站r到s的第i种备选出行方案的延误时间;TMi rs为起讫站r到s的第i种备选出行方案的出行时间;TNi rs为起讫站r到s的第i种备选出行方案的换乘次数;CTi rs为起讫站r到s的第i种备选出行方案的出行费用;a、b、c、d、e为待标定参数;
继续选择轨道交通出行的客流量qls rs为
其中,qrs为起讫站r到s的客流量,C1 rs为起讫站r到s的乘客选择等待出行路径恢复运营后按出行路径继续出行的选择效用值;C2 rs为起讫站r到s的乘客选择轨道交通内其他备选路径出行到达目的地的选择效用值;Ci rs为起讫站r到s的乘客选择第i种备选路径出行到达目的地的选择效用值;
组合交通方式出行的客流量qld rs为
其中,C5 rs为起讫站r到s的乘客选择地铁和公交的组合交通方式出行的选择效用值,C6 rs为起讫站r到s的乘客选择地铁和出租车的组合交通方式出行的选择效用值;
选择地面交通出行的客流量qlz rs为
其中,C3 rs为起讫站r到s的乘客直接退出轨道交通,选择公交方式出行的选择效用值,C4 rs为起讫站r到s的乘客直接退出轨道交通,选择出租车方式出行的选择效用值。
本实施例中突发事件下r到s间各出行方案的效用函数为:
Ci rs=-0.0394DLi rs-0.1069TMi rs-0.2163CT1 rs-0.2163TNi rs-1.9368DYi rs,i=1,2,...,6
由于固有哑元和延误时间为突发事件发生时,线路乘客继续等待路线恢复运营的出行方案的固有特性变量,因此,式中,DL2 rs=DL3 rs=...=DL6 rs=0,DY1 rs=1,DY2 rs=DY3 rs=...=DY6 rs=0。其中,固有哑元为0-1变量,是对模糊延误时间的感知,反映乘客对不确定的延误时间风险感知;延误时间为乘客感知的确切时间,单位为min。如通知延误时间在10分钟以上时,取乘客确切的知道的时间10分钟;出行时间,指突发事件下乘客从地铁始发站出发到达终点站的总耗时,为乘车时间、换乘步行时间、换乘等车时间等的总和,单位min;出行费用指突发事件下乘客从地铁始发站出发选择各种方案到达终点站花费的费用,单位为元;换乘次数,指突发事件下乘客从地铁始发站出发选择各种方案到达终点站的换乘次数,单位次。
S23:更新城市轨道交通网络的受影响客流数据。根据选择各备选出行方案的客流量,重新分配受影响的客流量,并考虑一种方案多路径情况下客流再分配,更新受影响客流的起讫站和出行路线。
建立一种方案有多条路径情况下客流的再分配的乘客出行行为模型。假设i种方案有n条有效路径,有效路径集合为Li={l1 i,l2 i,…,lk i,…,ln i},将客流按照效用大小分配到n条路径上。所述乘客出行行为选择模型为
式中,为从r到s的起讫站间选择第i种方案第k条路径的客流量(人次);qi rs为从r到s的起讫站间选择第i种方案的客流量(人次);为从r到s的起讫站间第i种方案第k条路径的选择效用。
S3:综合非受影响客流数据,计算城市轨道交通各站的客流量。所述S3可包括:
S31:获取小于最小相邻列车时间时隔的时间窗内更新后的受影响客流数据。其中,以小于全网最小相邻列车时间间隔的时间窗将乘客进行划分,以保证每一时间窗乘客可上同一列列车。
S32:考虑列车容量限制因素,根据乘客实际到达先后分配乘客,计算受影响乘客到达各个车站的时间。所述S32包括:
若乘客选择等待列车恢复通行后按照原计划出行路线出行,根据突发事件发生后变化的列车运行时刻表确定乘客到达各个车站的时间。选择等待原路径恢复通行时,途经站点仍是之前的站点{s1,…,sk,…,sm,…,sn},但途径时间需根据突发事件发生后变化的时刻表进行调整。待列车重新开通后,原地等待的乘客在所在站点上车,按照原定的途经站点依次记录新的到站时间{t1,…,t'k,…,t'm,…,t'n},形成新的路径时刻表。
若乘客选择不改变出行路线起讫站的情况下若有其他路线,改乘其他路线出行或改变出行路线终点站的情况下继续乘坐轨道交通到某站后再换乘地面交通,需更新该部分客流的终点站和出行路径,在考虑乘客站内的步行时间和换乘站的换乘时间以及列车容量限制因素下,按到达站台时间先后顺序分批次上车,根据列车运行时刻表确定乘客到达各个车站的时间;若改变出行路线起点站的情况下选择地面交通到达某站后再换乘轨道交通,考虑地面交通出行时间确定乘客进入轨道交通系统时间,并确定乘客到达各个车站的时间。
若乘客选择退出轨道交通,选择地面交通,则该部分乘客不再计入受影响客流量。
具体的,根据实际列车时刻表确定各条线路各班次列车在各站点的到达时间及驶离时间;在考虑到步行时间及换乘站换乘时间的基础上,将以时间窗划分的更新后的受影响客流按照列车到达的先后顺序排队上车,依次记录每一批乘客到达各站的时刻;每一批乘客在上车前先进行判断,若该批乘客上车后列车上总乘车人数满足车上最大乘客的约束条件,则可以乘车;否则这批乘客将继续等待下一班列车乘车,从而通过实际列车时刻表确定乘客到达各站的时间。当乘客到达站台时,对该线路上的列车进行遍历,以等待时刻最短原则判断,得到乘客到达站台后乘坐列车的编号,由于列车编号在一定时间范围内的唯一性,追踪该列车下一时刻到达下一站点的时刻,由此可得到乘客所乘坐列车经过路径上各站的客流量。
S33:综合非受影响客流数据,计算得到轨道交通网络客流分布。分时段统计各站更新后的受影响客流,同时,将非受影响客流进行清分,也加载到各站客流数据上,从而能够统计出一定时间段内各站的客流量,在实际统计过程中,可15分钟统计一次。
本发明提供了一种突发事件下城市轨道交通客流预测方法,在构建突发事件下多方式备选出行方案集的基础上,考虑突发事件时乘客所在位置以及突发事件下乘客出行选择偏好,预测乘客在突发事件下出行路径的变更,从而准确地预测突发事件下轨道交通网络客流时空分布,为城市轨道交通客流分配提供基础数据,为制定有效的应急预案和运营管理措施提供理论依据。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种突发事件下城市轨道交通客流预测方法,其特征在于,所述方法包括:
S1:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息,确定城市轨道交通客流分布以及受影响客流数据;
S2:构建突发事件下乘客的备选出行方案集,更新乘客选择各备选出行方案后的受影响客流数据;
S3:综合非受影响客流数据,计算城市轨道交通各站的客流量。
2.根据权利要求1所述的方法,其特征在于,所述S1包括:
S11:获取城市轨道交通物理网络信息、列车运行信息、客流数据和突发事件信息;
S12:计算城市轨道交通所有起讫站间的有效路径,计算各有效路径的选择效用值,基于各有效路径的选择效用值计算各有效路径上的客流量;
S13:根据突发事件信息,确定受影响的有效路径,从而确定受影响客流数据。
3.根据权利要求1或2所述的方法,其特征在于,所述S1中确定受影响客流数据的确定原则为乘客出行路线途经受突发事件影响的车站或线路、乘客到达出行路线上第一个受突发事件影响的车站的时刻在该车站受突发事件影响的时间范围内以及乘客出行路线的方向和运营中断方向一致。
4.根据权利要求1所述的方法,其特征在于,所述受影响客流数据包括起点站、终点站、路径、客流量和进站时间。
5.根据权利要求1所述的方法,其特征在于,所述S2包括:
S21:构建突发事件下乘客的备选出行方案集;
S22:计算各备选出行方案的选择效用,计算选择各备选出行方案的客流量;
S23:更新城市轨道交通网络的受影响客流数据。
6.根据权利要求1或5所述的方法,其特征在于,所述备选出行方案集中的备选出行方案包括:
第一类:等待列车恢复通行后按照原计划出行方案路线出行或不改变出行路线起讫站的情况下若有其他路线,改乘其他路线方案出行;
第二类:改变出行路线起讫站情况下继续乘坐轨道交通到某站后再换乘地面交通或者选择地面交通到达某站后换乘轨道交通;
第三类:退出轨道交通,选择地面交通。
7.根据权利要求1所述的方法,其特征在于,所述备选出行方案集为
D={B,G,S}
其中,B为突发事件下备选出行方案类别集,B={F1,F2,F3,F4,F5,F6},F1方案表示乘客选择等待原计划出行路径恢复运营后继续出行;F2方案表示乘客选择轨道交通内其他备选路径出行到达目的地,F3方案表示乘客直接退出轨道交通,选择公交方式出行;F4方案表示乘客直接退出轨道交通,选择出租车方式出行,F5方案表示乘客选择地铁和公交的组合交通方式出行;F6方案表示乘客选择地铁和出租车的组合交通方式出行;G为各备选出行方案的规则集,为起讫站一个备选出行方案在多路径情况下该方案属性值的确定原则、存在出行方式转换的备选出行方案中转换点的确定原则;S为各备选出行方案的属性值集,S是根据轨道交通内部任意两站点间公交、轨道、出租车出行的特性变量属性值,结合G确定的各备选出行方案的属性值集。
8.根据权利要求7所述的方法,其特征在于,所述备选出行方案的选择效用模型为
Ci rs=aDLi rs-bTMi rs-cCTi rs-dTNi rs-eDYi rs,i=1,2,...,n
其中,n为备选出行方案的个数;DYi rs为起讫站r到s的第i种备选出行方案的固有哑元;DLi rs为起讫站r到s的第i种备选出行方案的延误时间;TMi rs为起讫站r到s的第i种备选出行方案的出行时间;TNi rs为起讫站r到s的第i种备选出行方案的换乘次数;CTi rs为起讫站r到s的第i种备选出行方案的出行费用;a、b、c、d、e为待标定参数;
继续选择轨道交通出行的客流量qls rs为
<mrow>
<msup>
<msub>
<mi>ql</mi>
<mi>s</mi>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mi>q</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>&times;</mo>
<mfrac>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>C</mi>
<mn>2</mn>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>6</mn>
</munderover>
<msup>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,qrs为起讫站r到s的客流量,C1 rs为起讫站r到s的乘客选择等待出行路径恢复运营后按出行路径继续出行的选择效用值;C2 rs为起讫站r到s的乘客选择轨道交通内其他备选路径出行到达目的地的选择效用值;Ci rs为起讫站r到s的乘客选择第i种备选路径出行到达目的地的选择效用值;
选择组合交通方式出行的客流量qld rs为
<mrow>
<msup>
<msub>
<mi>ql</mi>
<mi>d</mi>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mi>q</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>&times;</mo>
<mfrac>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>C</mi>
<mn>5</mn>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>C</mi>
<mn>6</mn>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>6</mn>
</munderover>
<msup>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,C5 rs为起讫站r到s的乘客选择地铁和公交的组合交通方式出行的选择效用值,C6 rs为起讫站r到s的乘客选择地铁和出租车的组合交通方式出行的选择效用值;
选择地面交通出行的客流量qlz rs为
<mrow>
<msup>
<msub>
<mi>ql</mi>
<mi>z</mi>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mi>q</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>&times;</mo>
<mfrac>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>C</mi>
<mn>3</mn>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>C</mi>
<mn>4</mn>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>6</mn>
</munderover>
<msup>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,C3 rs为起讫站r到s的乘客直接退出轨道交通,选择公交方式出行的选择效用值,C4 rs为起讫站r到s的乘客直接退出轨道交通,选择出租车方式出行的选择效用值。
9.根据权利要求1所述的方法,其特征在于,所述S3包括:
S31:获取小于最小相邻列车时间时隔的时间窗内更新后的受影响客流数据;
S32:考虑列车容量限制因素,根据乘客实际到达先后分配乘客,计算受影响乘客到达各个车站的时间;
S33:综合非受影响客流数据,计算得到轨道交通网络客流分布。
10.根据权利要求9所述的方法,其特征在于,所述S32包括:
若乘客选择等待列车恢复通行后按照原计划出行路线出行,根据突发事件发生后变化的列车运行时刻表确定乘客到达各个车站的时间;
若乘客选择不改变出行路线起讫站的情况下若有其他路线,改乘其他路线出行或改变出行路线终点站的情况下继续乘坐轨道交通到某站后再换乘地面交通,考虑乘客站内的步行时间和换乘站的换乘时间,考虑列车容量限制因素,按到达站台时间先后顺序分批次上车,根据列车运行时刻表确定乘客到达各个车站的时间;若改变出行路线起点站的情况下选择地面交通到达某站后再换乘轨道交通,考虑地面交通出行时间确定乘客进入轨道交通系统时间,并确定乘客到达各个车站的时间。
若乘客选择退出轨道交通,选择地面交通,则该部分乘客不再计入更新后的受影响客流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285974.2A CN107273999B (zh) | 2017-04-27 | 2017-04-27 | 一种突发事件下城市轨道交通客流预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285974.2A CN107273999B (zh) | 2017-04-27 | 2017-04-27 | 一种突发事件下城市轨道交通客流预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273999A true CN107273999A (zh) | 2017-10-20 |
CN107273999B CN107273999B (zh) | 2020-12-08 |
Family
ID=60073610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710285974.2A Expired - Fee Related CN107273999B (zh) | 2017-04-27 | 2017-04-27 | 一种突发事件下城市轨道交通客流预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273999B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107830919A (zh) * | 2017-10-13 | 2018-03-23 | 天津职业技术师范大学 | 一种城市轨道交通客流监测方法 |
CN108132913A (zh) * | 2017-12-11 | 2018-06-08 | 深圳先进技术研究院 | 一种轨道交通客流移动估计方法、系统及电子设备 |
CN108628991A (zh) * | 2018-04-28 | 2018-10-09 | 上海久誉软件系统有限公司 | 轨道交通故障对客流影响的分析及可视化系统 |
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 |
CN109325617A (zh) * | 2018-09-04 | 2019-02-12 | 青岛海信网络科技股份有限公司 | 一种城市交通状态预测方法及装置 |
CN109992925A (zh) * | 2019-04-23 | 2019-07-09 | 北方工业大学 | 基于客流消散率的信息服务频率区间确定方法 |
CN110203257A (zh) * | 2019-05-09 | 2019-09-06 | 北京交通大学 | 一种轨道交通事件下列车运行调度方法和系统 |
CN110400462A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 基于模糊理论的轨道交通客流监测预警方法及其系统 |
CN110427402A (zh) * | 2019-07-24 | 2019-11-08 | 上海工程技术大学 | 一种轨道交通故障延误传播及波及范围推估系统 |
CN111724076A (zh) * | 2020-06-24 | 2020-09-29 | 西南交通大学 | 运营中断条件下区域多式轨道交通客流动态分配方法 |
CN111723991A (zh) * | 2020-06-19 | 2020-09-29 | 北京交通大学 | 大型活动散场客流对地铁车站冲击影响的预测评估方法 |
CN111832841A (zh) * | 2020-07-27 | 2020-10-27 | 北京交通大学 | 一种封站条件下的轨道交通短时客流预测方法及系统 |
CN112101677A (zh) * | 2020-09-23 | 2020-12-18 | 佳都新太科技股份有限公司 | 一种公共交通出行路径规划方法、装置、设备及存储介质 |
CN112132551A (zh) * | 2020-09-30 | 2020-12-25 | 西南交通大学 | 一种城市轨道交通应急客流协同疏运方法 |
CN112418574A (zh) * | 2019-08-21 | 2021-02-26 | 上海宝信软件股份有限公司 | 基于人工智能的城市轨道交通运营仿真系统及方法 |
CN112508247A (zh) * | 2020-11-26 | 2021-03-16 | 交控科技股份有限公司 | 一种交通异常信息的处理方法、装置及电子设备 |
CN112562378A (zh) * | 2020-12-01 | 2021-03-26 | 平安科技(深圳)有限公司 | 公交车调度方法、装置、计算机设备及介质 |
CN112685895A (zh) * | 2020-12-29 | 2021-04-20 | 北京交通大学 | 针对突发事件场景的城轨列车运行仿真方法 |
CN113306605A (zh) * | 2021-06-10 | 2021-08-27 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
CN113723659A (zh) * | 2021-06-22 | 2021-11-30 | 北京交通大学 | 一种城市轨道交通全场景客流预测方法及系统 |
CN115689154A (zh) * | 2022-09-15 | 2023-02-03 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策系统 |
CN115983543A (zh) * | 2022-11-22 | 2023-04-18 | 安徽磁云数据科技有限公司 | 一种城市轨道交通的调度方法、系统、终端及存储介质 |
CN116128122A (zh) * | 2023-01-03 | 2023-05-16 | 北京交通大学 | 一种考虑突发因素的城市轨道交通短时客流预测方法 |
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 |
CN118278217A (zh) * | 2024-05-31 | 2024-07-02 | 天津交控科技有限公司 | 一种轨道交通应急疏散仿真分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169512A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 基于时间窗约束的城市轨道交通网络动态可达性计算方法 |
CN103208034A (zh) * | 2013-03-22 | 2013-07-17 | 北京交通大学 | 一种轨道交通客流分布预测模型建立及预测方法 |
CN103208033A (zh) * | 2013-03-22 | 2013-07-17 | 北京交通大学 | 一种成网条件下城市轨道交通新线接入客流预测方法 |
CN103218670A (zh) * | 2013-03-22 | 2013-07-24 | 北京交通大学 | 一种城市轨道交通随机客流加载方法 |
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 |
CN106503315A (zh) * | 2016-10-10 | 2017-03-15 | 北京市交通信息中心 | 轨道交通突发事件下进站乘客出行特征比例的确定方法 |
-
2017
- 2017-04-27 CN CN201710285974.2A patent/CN107273999B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169512A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 基于时间窗约束的城市轨道交通网络动态可达性计算方法 |
CN103208034A (zh) * | 2013-03-22 | 2013-07-17 | 北京交通大学 | 一种轨道交通客流分布预测模型建立及预测方法 |
CN103208033A (zh) * | 2013-03-22 | 2013-07-17 | 北京交通大学 | 一种成网条件下城市轨道交通新线接入客流预测方法 |
CN103218670A (zh) * | 2013-03-22 | 2013-07-24 | 北京交通大学 | 一种城市轨道交通随机客流加载方法 |
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 |
CN106503315A (zh) * | 2016-10-10 | 2017-03-15 | 北京市交通信息中心 | 轨道交通突发事件下进站乘客出行特征比例的确定方法 |
Non-Patent Citations (2)
Title |
---|
徐瑞华 等: "列车运行延误条件下城市轨道交通网络", 《中国铁道科学》 * |
李伟 等: "突发事件下地铁网络乘客出行行为仿真模型", 《华东交通大学学报》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107830919A (zh) * | 2017-10-13 | 2018-03-23 | 天津职业技术师范大学 | 一种城市轨道交通客流监测方法 |
CN108132913A (zh) * | 2017-12-11 | 2018-06-08 | 深圳先进技术研究院 | 一种轨道交通客流移动估计方法、系统及电子设备 |
CN108628991A (zh) * | 2018-04-28 | 2018-10-09 | 上海久誉软件系统有限公司 | 轨道交通故障对客流影响的分析及可视化系统 |
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 |
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 |
CN109325617A (zh) * | 2018-09-04 | 2019-02-12 | 青岛海信网络科技股份有限公司 | 一种城市交通状态预测方法及装置 |
CN109992925A (zh) * | 2019-04-23 | 2019-07-09 | 北方工业大学 | 基于客流消散率的信息服务频率区间确定方法 |
CN110203257B (zh) * | 2019-05-09 | 2020-04-28 | 北京交通大学 | 一种轨道交通事件下列车运行调度方法和系统 |
CN110203257A (zh) * | 2019-05-09 | 2019-09-06 | 北京交通大学 | 一种轨道交通事件下列车运行调度方法和系统 |
CN110427402A (zh) * | 2019-07-24 | 2019-11-08 | 上海工程技术大学 | 一种轨道交通故障延误传播及波及范围推估系统 |
CN110427402B (zh) * | 2019-07-24 | 2021-10-08 | 上海工程技术大学 | 一种轨道交通故障延误传播及波及范围推估系统 |
CN110400462A (zh) * | 2019-07-26 | 2019-11-01 | 中国安全生产科学研究院 | 基于模糊理论的轨道交通客流监测预警方法及其系统 |
CN112418574A (zh) * | 2019-08-21 | 2021-02-26 | 上海宝信软件股份有限公司 | 基于人工智能的城市轨道交通运营仿真系统及方法 |
CN111723991A (zh) * | 2020-06-19 | 2020-09-29 | 北京交通大学 | 大型活动散场客流对地铁车站冲击影响的预测评估方法 |
CN111723991B (zh) * | 2020-06-19 | 2024-02-02 | 北京交通大学 | 大型活动散场客流对地铁车站冲击影响的预测评估方法 |
CN111724076A (zh) * | 2020-06-24 | 2020-09-29 | 西南交通大学 | 运营中断条件下区域多式轨道交通客流动态分配方法 |
CN111832841A (zh) * | 2020-07-27 | 2020-10-27 | 北京交通大学 | 一种封站条件下的轨道交通短时客流预测方法及系统 |
CN112101677A (zh) * | 2020-09-23 | 2020-12-18 | 佳都新太科技股份有限公司 | 一种公共交通出行路径规划方法、装置、设备及存储介质 |
CN112101677B (zh) * | 2020-09-23 | 2022-03-22 | 佳都科技集团股份有限公司 | 一种公共交通出行路径规划方法、装置、设备及存储介质 |
CN112132551A (zh) * | 2020-09-30 | 2020-12-25 | 西南交通大学 | 一种城市轨道交通应急客流协同疏运方法 |
CN112508247A (zh) * | 2020-11-26 | 2021-03-16 | 交控科技股份有限公司 | 一种交通异常信息的处理方法、装置及电子设备 |
CN112508247B (zh) * | 2020-11-26 | 2024-05-21 | 交控科技股份有限公司 | 一种交通异常信息的处理方法、装置及电子设备 |
CN112562378A (zh) * | 2020-12-01 | 2021-03-26 | 平安科技(深圳)有限公司 | 公交车调度方法、装置、计算机设备及介质 |
CN112562378B (zh) * | 2020-12-01 | 2023-04-18 | 平安科技(深圳)有限公司 | 公交车调度方法、装置、计算机设备及介质 |
CN112685895A (zh) * | 2020-12-29 | 2021-04-20 | 北京交通大学 | 针对突发事件场景的城轨列车运行仿真方法 |
CN112685895B (zh) * | 2020-12-29 | 2024-05-03 | 北京交通大学 | 针对突发事件场景的城轨列车运行仿真方法 |
CN113306605A (zh) * | 2021-06-10 | 2021-08-27 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
CN113306605B (zh) * | 2021-06-10 | 2022-09-09 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
CN113723659B (zh) * | 2021-06-22 | 2023-11-21 | 北京交通大学 | 一种城市轨道交通全场景客流预测方法及系统 |
CN113723659A (zh) * | 2021-06-22 | 2021-11-30 | 北京交通大学 | 一种城市轨道交通全场景客流预测方法及系统 |
CN115689154A (zh) * | 2022-09-15 | 2023-02-03 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策系统 |
CN115689154B (zh) * | 2022-09-15 | 2023-07-25 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策系统 |
CN115983543B (zh) * | 2022-11-22 | 2023-09-01 | 安徽磁云数据科技有限公司 | 一种城市轨道交通的调度方法、系统、终端及存储介质 |
CN115983543A (zh) * | 2022-11-22 | 2023-04-18 | 安徽磁云数据科技有限公司 | 一种城市轨道交通的调度方法、系统、终端及存储介质 |
CN116128122B (zh) * | 2023-01-03 | 2023-09-12 | 北京交通大学 | 一种考虑突发因素的城市轨道交通短时客流预测方法 |
CN116128122A (zh) * | 2023-01-03 | 2023-05-16 | 北京交通大学 | 一种考虑突发因素的城市轨道交通短时客流预测方法 |
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 |
CN118278217A (zh) * | 2024-05-31 | 2024-07-02 | 天津交控科技有限公司 | 一种轨道交通应急疏散仿真分析方法 |
CN118278217B (zh) * | 2024-05-31 | 2024-08-16 | 天津交控科技有限公司 | 一种轨道交通应急疏散仿真分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107273999B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273999A (zh) | 一种突发事件下城市轨道交通客流预测方法 | |
CN104239726B (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
CN104217129A (zh) | 一种城轨路网客流估算方法 | |
CN110428117B (zh) | 城市轨道交通多场景下客流精准诱导方法及系统 | |
CN103208033B (zh) | 一种成网条件下城市轨道交通新线接入客流预测方法 | |
CN106779190A (zh) | 一种城市轨道交通乘客出行路径建议方法及系统 | |
CN107766969B (zh) | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 | |
CN106056242A (zh) | 基于客流动态分配的高铁列车开行方案评价方法 | |
CN109543934A (zh) | 城市公交线网的综合指标的评价方法 | |
CN101964085A (zh) | 一种基于Logit模型和贝叶斯决策的客流分配方法 | |
Mattsson | Railway capacity and train delay relationships | |
Guo et al. | Modeling effects of transit system transfers on travel behavior: case of commuter rail and subway in Downtown Boston, Massachusetts | |
CN104765974B (zh) | 城市轨道交通客流密集度指数计算方法 | |
CN107274000B (zh) | 一种突发事件下城市轨道交通断面客流预测方法 | |
CN106960261A (zh) | 一种基于轨道ic卡和手机信令数据的轨道交通客流预测方法 | |
Wang et al. | A novel method to assess urban multimodal transportation system resilience considering passenger demand and infrastructure supply | |
CN111724076A (zh) | 运营中断条件下区域多式轨道交通客流动态分配方法 | |
Zhang et al. | Coupling analysis of passenger and train flows for a large-scale urban rail transit system | |
CN107067103A (zh) | 一种基于自动售检票系统的乘客路径选择分析方法 | |
Zhang et al. | A data-driven analysis for operational vehicle performance of public transport network | |
Wang et al. | A simulation-based metro train scheduling optimization incorporating multimodal coordination and flexible routing plans | |
Feng et al. | Collaborative road pricing strategy for heterogeneous vehicles considering emission constraints | |
CN111367900A (zh) | 基于afc数据的城市轨道交通网络常态限流强度的计算方法 | |
CN114971085B (zh) | 一种公交站点可达性的预测方法、系统及存储介质 | |
CN107886190B (zh) | 一种突发事件下乘客出行选择行为仿真方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201208 Termination date: 20210427 |