CN108388542B - 一种轨道交通拥挤度计算方法及系统 - Google Patents
一种轨道交通拥挤度计算方法及系统 Download PDFInfo
- Publication number
- CN108388542B CN108388542B CN201810050053.2A CN201810050053A CN108388542B CN 108388542 B CN108388542 B CN 108388542B CN 201810050053 A CN201810050053 A CN 201810050053A CN 108388542 B CN108388542 B CN 108388542B
- Authority
- CN
- China
- Prior art keywords
- passenger
- time
- calculating
- station
- inbound
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012546 transfer Methods 0.000 claims abstract description 83
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000007619 statistical method Methods 0.000 abstract description 4
- 230000003321 amplification Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明申请提供了一种轨道交通拥挤度计算方法及系统。该方法包括:通过轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在设定线路上的入站时长和/或出站时长、换乘时长;基于乘客出入站信息、入站时长和/或出站时长、换乘时长、运行信息计算轨道交通在设定线路上的载客量;获取轨道交通工具上的总座位数和额定总载客量,并基于载客量、总座位数和额定总载客量计算轨道交通工具在设定线路上的拥挤度。该方法和系统基于数据统计分析,考虑线路本身的运载能力,计算轨道交通拥挤度,计算结果更加客观、准确。
Description
技术领域
本发明申请涉及轨道交通运营管理技术领域,尤其涉及一种轨道交通拥挤度计算方法及系统。
背景技术
随着城市交通拥堵情况的日趋严重,更多人将城市轨道交通出行作为首选方式,这使得轨道交通的客流量急速增长,多地多条线路的载客能力趋于饱和。由于轨道交通处于密闭的环境,拥挤乘车环境会严重影响乘客的出行舒适度,严重时甚至会引发突发事故。轨道交通拥挤度估算可以在不大幅度增加出行时长和费用的前提下,引导出行者选择更为舒适的出行路径或选择更合理的出行时间,同时也可以帮助轨道交通运营者引导客流,从而增加客流的均衡性,提高运营效率,加强安全运行能力。
随着轨道交通系统信息化水平迅速提高,与之相关的乘客乘车数据也逐渐公开,轨道交通刷卡数据这一精确记录乘客乘车情况的数据,使得轨道交通拥挤度估算成为可能。但由于绝大多数轨道交通采用了无缝换乘模式,乘客在不同线路之间换乘时无需再次刷卡,所以仅仅从刷卡数据本身是无法直接获取到乘客的实际出行路径,还需要将客流合理分配到不同的有效路径上。
现有技术中采用的广义费用模型和客流分配模型大多存在着换乘时长放大系数、换乘次数放大系数、轨道交通熟悉程度系数等需要人工标定的模型参数,而影响这些参数的要素很多并且多变,难以获得准确的适用于多场景的,并且计算效率低。除此之外,广义费用中涉及的进出站时长、换乘时长大多采用实地调查的方式获取,而在实际应用中这一时长费用往往难以获取。现有技术中对于客流量的计算主要是计算轨道交通的断面客流,即单位时长内通过一个区间或一个断面的乘客人数。然而对于拥挤度的计算,只是获取断面客流是不够精细的,没有考虑线路本身的运载能力。
发明内容
针对上述问题,本发明申请旨在解决上面描述的问题。本发明申请的目的是提供一种轨道交通拥挤度计算方法及系统,解决现有技术过于主观、准确性低的技术问题。
根据本发明申请的第一方面,提供了一种轨道交通拥挤度计算方法,所述轨道交通拥挤度计算方法包括:
获取轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在所述设定线路上的入站时长和/或出站时长、换乘时长;
基于所述乘客出入站信息、所述入站时长和/或出站时长、所述换乘时长、所述运行信息计算轨道交通在所述设定线路上的载客量;
获取轨道交通工具上的总座位数和额定总载客量,并基于所述载客量、所述总座位数和所述额定总载客量计算轨道交通工具在所述设定线路上的拥挤度。
其中,所述获取轨道交通设定线路上乘客出入站信息包括:
获取乘客的入站刷卡时刻、入站车站、出站车站、出站刷卡时刻;
所述获取轨道交通工具在所述设定线路上的运行信息的方法包括:
获取轨道交通工具在所述设定线路上的车次;
获取每个车次在所述设定线路上每个车站的发车时刻、到站时刻。
其中,所述计算轨道交通设定线路上的载客量的方法包括:
基于所述乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径;
基于所述具体出行路径、所述运行信息,对每条乘客出入站信息进行车次匹配,计算所述设定线路上各车次各路段的载客量。
其中,所述将乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径的方法包括:
获取OD间的K短路径,计算每条K短路径的理论出行总时长;
采用k-medoids聚类方法将理论出行总时长相近的K短路径合并,得到N个类别;
计算同一类别中各K短路径的路径选择概率:
式中,N为被合并为同一类别的K短路径的数量,Pn是选择路径n的概率,Tn和Tk分别为路径n、路径k的理论出行总时长,Un和Uk分别为路径n、路径k经过的总车站数;
基于所述路径选择概率将乘客出入站信息进行客流分配,得到每条乘客出入站信息的具体出行路径。
其中,所述基于所述具体出行路径,对每条乘客出入站信息进行车次匹配,计算所述设定线路上各车次各路段的载客量的方法包括:
当所述具体出行路径为无换乘路径时:
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的到达站台时刻;基于所述到达站台时刻、第一线路发车时刻,匹配后得到所述乘客乘坐的第一车次;基于所述入站车站、出站车站,在所述乘客乘坐的第一车次的对应路段增加相应的乘客人数;
当所述具体出行路径包括换乘路径时:
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的第一到达站台时刻;基于第一线路各车次的发车时刻,匹配所述乘客乘坐的第一车次;
基于换乘车站、所述第一车次的到站时刻,计算乘客在第一线路的换乘车站的下车时刻;基于换乘时长、计算乘客到达第二线路的换乘车站的第二到达站台时刻;基于第二线路各车次的发车时刻,匹配乘客乘坐的第二车次;基于所述入站车站、所述出站车站、所述换乘车站,在所述乘客乘坐的第一车次、第二车次的对应路段增加相应的乘客人数;
将设定线路各车次各路段的乘客人数叠加,得到设定线路上各车次各路段的载客量。
根据本发明申请的第二方面,提供了一种轨道交通拥挤度计算系统,所述系统包括:
获取模块,用于通过轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在所述设定线路上的入站时长和/或出站时长、换乘时长;
载客量计算模块,用于基于所述乘客出入站信息、所述入站时长和/或出站时长、所述换乘时长、所述运行信息,计算轨道交通在所述设定线路上的载客量;
拥挤度计算模块,用于获取轨道交通工具上的总座位数和额定总载客量;并基于所述载客量、所述总座位数、所述额定总载客量,计算轨道交通工具在所述设定线路上的拥挤度。
其中,所述乘客出入站信息包括乘客入站刷卡时刻、入站车站、出站车站、出站刷卡时刻;所述运行信息包括获取轨道交通工具在所述设定线路上的车次、每个车次在所述设定线路上每个车站的发车时刻、到站时刻。
其中,所述载客量计算模块包括:
客流分配单元,用于基于所述乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径;
车次匹配单元,用于基于所述具体出行路径、所述运行信息,对每条乘客出入站信息进行车次匹配;
载客量计算单元,基于所述车次匹配,计算所述设定线路上各车次各路段的载客量。
其中,所述客流分配单元用于:
获取OD间的K短路径,计算每条K短路径的理论出行总时长;
采用k-medoids聚类方法将理论出行总时长相近的K短路径合并,得到N个类别;
计算同一类别中各K短路径的路径选择概率:
式中,N为被合并为同一类别的K短路径的数量,Pn是选择路径n的概率,Tn和Tk分别为路径n、路径k的理论出行总时长,Un和Uk分别为路径n、路径k经过的总车站数;
基于所述路径选择概率将乘客出入站信息进行客流分配,得到每条乘客出入站信息的具体出行路径。
其中,所述车次匹配单元用于:
基于所述入站刷卡时刻、所述入站时长,计算乘客到达入站车站站台时刻;用于基于所述乘客到达入站车站站台时刻、轨道交通在第一线路的发车时刻,匹配后得到乘客乘坐的第一车次;
所述载客量计算单元,基于所述入站车站、出站车站,在所述乘客乘坐的第一车次的对应路段增加相应的乘客人数;
或者,
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的第一到达站台时刻;基于第一线路各车次的发车时刻,匹配所述乘客乘坐的第一车次;
基于换乘车站、所述第一车次的到站时刻,计算乘客在第一线路的换乘车站的下车时刻;基于换乘时长、计算乘客到达第二线路的换乘车站的第二到达站台时刻;基于第二线路各车次的发车时刻,匹配乘客乘坐的第二车次;分别在所述乘客乘坐的第一车次、第二车次的对应路段增加相应的乘客人数;
将设定线路各车次各路段的乘客人数叠加,计算轨道交通所述设定线路各车次各路段的载客量。
本发明申请提供的轨道交通拥挤度计算方法及系统,基于数据统计分析,考虑线路本身的运载能力,计算轨道交通拥挤度,计算结果更加客观、准确。并且在客流分配过程中采用基于k-medoids聚类算法结合列车运行信息进行客流分配,避免了人工进行参数标定,轨道交通拥挤度的计算结果更加客观。
参照附图来阅读对于示例性实施例的以下描述,本发明申请的其他特性特征和优点将变得清晰。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明申请的实施例,并且与描述一起用于解释本发明申请的原理。在这些附图中,类似的附图标记用于表示类似的要素。下面描述中的附图是本发明申请的一些实施例,而不是全部实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以基于这些附图获得其他的附图。
图1示例性地示出了本发明申请的轨道交通拥挤度计算方法的流程图。
图2示例性地示出了本发明申请的轨道交通拥挤度计算方法一具体实施例的流程图。
图3示例性地示出了本发明申请的轨道交通拥挤度计算系统的结构示意图。
具体实施方式
为使本发明申请实施例的目的、技术方案和优点更加清楚,下面将结合本发明申请实施例中的附图,对本发明申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明申请一部分实施例,而不是全部的实施例。基于本发明申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明申请保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
下面结合附图,对基于本发明申请所提供的轨道交通拥挤度计算方法及系统进行详细描述。
如图1所示,本发明申请提供的轨道交通拥挤度计算方法的流程图,所述轨道交通拥挤度计算方法包括:
S01、通过轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在所述设定线路上的入站时长和/或出站时长、换乘时长;
优选地,所述获取轨道交通设定线路上乘客出入站信息包括:获取乘客的入站刷卡时刻、入站车站、出站车站、出站刷卡时刻;具体地,获取的轨道交通刷卡交易信息可以如表1所示。
表1轨道交通刷卡交易信息
所述获取轨道交通工具在所述设定线路上的运行信息的方法包括:获取轨道交通工具在所述设定线路上的车次;获取每个车次在所述设定线路上每个车站的发车时刻、到站时刻。
其中,入站时长是指乘客从入站刷卡处到达站台的步行时间,出站时长是指乘客从站台到出站刷卡处的步行时间,换乘时长是指乘客在换乘站从第一线路的站台到达第二线路的站台的步行时间。
入站时长、出站时长、换乘时长可以采用现有技术估算。本发明申请一具体实施例中,采用下述方法进行估算:
(1)出入站时长估算
由于轨道交通入站时长与出站时长大体相同,而由于出站时不需候车,所以出站时长更易推算,可以先估算出站时长,入站时长用出站时长代替。
利用如下公式计算i站的平均出站时长:
(2)换乘时长估算
换乘时长主要包含两部分时长,换乘的步行时长和到达待换乘线路站台后的等待时长,为了便于计算,本实施例中将待换乘线路的发车间隔的二分之一作为等待时长,如下式:
为了更准确得估算换乘的步行时长,本实施例选择对应换乘站点符合简单换乘路径的刷卡记录进行换乘总时长的计算以提高估算的精度。简单换乘路径为只发生一次换乘的路径。由入站刷卡时刻和前文所述方法估算的各站出入站时刻可以进一步估算出乘客的上车时刻和下车时刻,从而得到乘客的总乘车时长。再在此基础上减去无换乘路段的乘车时长,具体计算方法如下式:
综合上述(1)、(2)两式可以求出对应换乘站点满足简单换乘路径的乘客换乘步行时长,再求其均值即可得到i站t时段内从线路l换乘到线路m的平均换乘时长。
S02、基于所述乘客出入站信息、所述入站时长和/或出站时长、所述换乘时长、所述运行信息计算轨道交通在所述设定线路上的载客量;
S03、获取轨道交通工具上的总座位数和额定总载客量,并基于所述载客量、所述总座位数和所述额定总载客量计算轨道交通工具在所述设定线路上的拥挤度。
本发明申请一个典型实施例中,如图2所示,所述S02中计算轨道交通设定线路上的载客量的方法包括:基于所述乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径;基于所述具体出行路径、所述运行信息,对每条乘客出入站信息进行车次匹配,计算所述设定线路上各车次各路段的载客量。
一般来说,轨道交通出行者会选择时长较短的路线。由于轨道交通网络的复杂性以及个人行为方式的差异,最短路径的判断会出现一些差异。因此首先需要生成有效路径集,再进行客流分配。客流分配是将乘客分配到有效路径上,得到每条乘客出入站信息对应的具体出行路径。
基于上述典型实施例,优选地,所述将乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径的方法包括:获取OD间的K短路径,本实施例选用基于深度优先的Deletion Algorithm删除路径搜索算法获取不考虑换乘时长的OD间K短路径。
计算每条K短路径的理论出行总时长:
Tall=Et+qt
上式中,Et表示t时段乘客乘车平均候车时长及换乘花费的总时长,qt为t时段乘客在列车上的总时长。经过计算得到K短路径的理论出行总时长。
为了更好地区分选取不同路径乘客的刷卡记录,首先将理论出行总时长Tall差异少于对应线路发车间隔时长的线路合并,得到N个类别。由于刷卡记录存在着小部分极端异常的时长,本实施例优选采用k-medoids聚类方法将理论出行总时长相近的K短路径合并,得到N个类别;k-medoids聚类方法可以减少离群点对聚类结果的影响,该方法通过迭代的方式将样本点动态分配到多个类别中,最后利用聚类的结果计算出客流选取N类别的人数。
由于对少部分有着相似出行总时长的路径进行了合并,需要对聚类结果进行后处理:计算同一类别中各K短路径的路径选择概率:
式中,N为被合并为同一类别的K短路径的数量,Pn是选择路径n的概率,Tn和Tk分别为路径n、路径k的理论出行总时长,Un和Uk分别为路径n、路径k经过的总车站数;
基于所述路径选择概率将乘客出入站信息进行客流分配,得到每条乘客出入站信息的具体出行路径。
基于k-medoids聚类算法结合列车运行信息进行客流分配,避免了换乘时长放大系数、换乘次数放大系数等系数的人工标定,充分利用了交通数据统计分析,提高了拥挤度计算效率和准确性。
基于上述典型实施例,优选地,所述S03中基于所述具体出行路径,对每条乘客出入站信息进行车次匹配,计算所述设定线路上各车次各路段的载客量的方法包括:
当所述具体出行路径为无换乘路径时:
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的到达站台时刻;基于所述到达站台时刻、第一线路发车时刻,匹配后得到所述乘客乘坐的第一车次;基于所述入站车站、出站车站,在所述乘客乘坐的第一车次的对应路段增加相应的乘客人数;
当所述具体出行路径包括换乘路径时:
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的第一到达站台时刻;基于第一线路各车次的发车时刻,匹配所述乘客乘坐的第一车次;
基于换乘车站、所述第一车次的到站时刻,计算乘客在第一线路的换乘车站的下车时刻;基于换乘时长、计算乘客到达第二线路的换乘车站的第二到达站台时刻;基于第二线路各车次的发车时刻,匹配乘客乘坐的第二车次;基于所述入站车站、所述出站车站、所述换乘车站,在所述乘客乘坐的第一车次、第二车次的对应路段增加相应的乘客人数;
将设定线路各车次各路段的乘客人数叠加,得到设定线路上各车次各路段的载客量。
在本发明申请一具体实施例中,可以通过载客量表的方式实现设定线路各车次各路段的乘客人数叠加。具体地,首先对每条线路的每个行驶方向建立列车载客量表,以表2为例:
表21号线上行方向载客量表(初始状态)
对每条路径进行车次匹配,并在表2中将乘车时对应的车次和所有经过路段加1,最终得到各线路各车次各个路段的载客量。
基于列车载客量表的列车载客量计算方法计算的载客量更精细并且为拥挤度的计算提供了便利。
在本发明申请一具体实施例中,所述S03中,基于所述载客量、所述总座位数和所述额定总载客量计算轨道交通工具在所述设定线路上的拥挤度的方法如下:
在乘客的实际出行过程中,乘客对拥挤程度的感受主要与车辆客流量、列车座位数和列车额定载客量有关。因此首先需要计算列车的总座位数和额定总载客量:
S总=S驾×2+S中×(n-2)
上式中,S总、S驾和S中分表代表列车总座位数、驾驶室车厢和中间车厢的座位数,n为列车的编组数。
C总=C驾×2+C中×(n-2)
上式中,C总、C驾和C中分表代表列车额定总载客量、驾驶室额定载客量和中间车厢额定载客量,n为列车的编组数。
一般来说,当列车载客量少于列车座位数时,理论上所有乘客都有座位,本实施例中定义这种情况下拥挤度为零;当列车载客量多于列车座位数但少于额定载客量时,乘客对拥挤度的感受会随人数的增加逐渐增大;当列车载客量多于额定载客量时,乘客会感到极度拥挤,影响到上下车行为,这时乘客对拥挤度的感受会随列车载客量的增加急剧增加,本实施例中将其定义为幂指数形式的非线性增长。
建立拥挤度计算模型:
上式中,Yij、xij、α和β分别表示列车在路段ij间的拥挤度、载客量以及拥挤度的两个校正参数。其中α和β两个参数可以通过乘客拥挤度感受调查数据拟合拥挤度计算模型得到。
本发明申请还提供了一种轨道交通拥挤度计算系统,如图3所示,所述系统包括:
获取模块,用于通过轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在所述设定线路上的入站时长和/或出站时长、换乘时长;
载客量计算模块,用于基于所述乘客出入站信息、所述入站时长和/或出站时长、所述换乘时长、所述运行信息,计算轨道交通在所述设定线路上的载客量;
拥挤度计算模块,用于获取轨道交通工具上的总座位数和额定总载客量;并基于所述载客量、所述总座位数、所述额定总载客量,计算轨道交通工具在所述设定线路上的拥挤度。
其中,所述乘客出入站信息包括乘客入站刷卡时刻、入站车站、出站车站、出站刷卡时刻;所述运行信息包括获取轨道交通工具在所述设定线路上的车次、每个车次在所述设定线路上每个车站的发车时刻、到站时刻。
其中,所述载客量计算模块包括:
客流分配单元,用于基于所述乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径;
车次匹配单元,用于基于所述具体出行路径、所述运行信息,对每条乘客出入站信息进行车次匹配;
载客量计算单元,基于所述车次匹配,计算所述设定线路上各车次各路段的载客量。
其中,所述客流分配单元用于:获取OD间的K短路径,计算每条K短路径的理论出行总时长;采用k-medoids聚类方法将理论出行总时长相近的K短路径合并,得到N个类别;
计算同一类别中各K短路径的路径选择概率:
式中,N为被合并为同一类别的K短路径的数量,Pn是选择路径n的概率,Tn和Tk分别为路径n、路径k的理论出行总时长,Un和Uk分别为路径n、路径k经过的总车站数;
基于所述路径选择概率将乘客出入站信息进行客流分配,得到每条乘客出入站信息的具体出行路径。
其中,所述车次匹配单元用于基于所述入站刷卡时刻、所述入站时长,计算乘客到达入站车站站台时刻;用于基于所述乘客到达入站车站站台时刻、轨道交通在第一线路的发车时刻,匹配后得到乘客乘坐的第一车次;
所述载客量计算单元,基于所述入站车站、出站车站,在所述乘客乘坐的第一车次的对应路段增加相应的乘客人数;
或者,
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的第一到达站台时刻;基于第一线路各车次的发车时刻,匹配所述乘客乘坐的第一车次;
基于换乘车站、所述第一车次的到站时刻,计算乘客在第一线路的换乘车站的下车时刻;基于换乘时长、计算乘客到达第二线路的换乘车站的第二到达站台时刻;基于第二线路各车次的发车时刻,匹配乘客乘坐的第二车次;分别在所述乘客乘坐的第一车次、第二车次的对应路段增加相应的乘客人数;
将设定线路各车次各路段的乘客人数叠加,计算轨道交通所述设定线路各车次各路段的载客量。
本发明申请提出的轨道交通拥挤度计算方法及系统,充分利用了交通数据统计分析,提高了拥挤度计算效率和准确性。
上面描述的内容可以单独地或者以各种方式组合起来实施,而这些变型方式都在本发明申请的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明申请的技术方案而非限制,仅仅参照较佳实施例对本发明申请进行了详细说明。本领域的普通技术人员应当理解,可以对本发明申请的技术方案进行修改或者等同替换,而不脱离本发明申请技术方案的精神和范围,均应涵盖在本发明申请的权利要求范围当中。
Claims (10)
1.一种轨道交通拥挤度计算方法,其特征在于,所述轨道交通拥挤度计算方法包括:
获取轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在所述设定线路上的入站时长和/或出站时长、换乘时长;其中,入站时长用出站时长代替;选择对应换乘站点符合简单换乘路径的刷卡记录进行换乘总时长的计算,简单换乘路径为只发生一次换乘的路径;
基于所述乘客出入站信息、所述入站时长和/或出站时长、所述换乘时长、所述运行信息计算轨道交通在所述设定线路上的载客量;其中,计算轨道交通设定线路上的载客量的方法包括:将乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径的方法:
获取OD间的K短路径,计算每条K短路径的理论出行总时长;
采用k-medoids聚类方法将理论出行总时长相近的K短路径合并,得到N个类别;
计算同一类别中各K短路径的路径选择概率:
式中,N为被合并为同一类别的K短路径的数量,Pn是选择路径n的概率,Tn和Tk分别为路径n、路径k的理论出行总时长,Un和Uk分别为路径n、路径k经过的总车站数;
获取轨道交通工具上的总座位数和额定总载客量,并基于所述载客量、所述总座位数和所述额定总载客量计算轨道交通工具在所述设定线路上的拥挤度。
2.如权利要求1所述的轨道交通拥挤度计算方法,其特征在于,
所述获取轨道交通设定线路上乘客出入站信息包括:
获取乘客的入站刷卡时刻、入站车站、出站车站、出站刷卡时刻;
所述获取轨道交通工具在所述设定线路上的运行信息的方法包括:
获取轨道交通工具在所述设定线路上的车次;
获取每个车次在所述设定线路上每个车站的发车时刻、到站时刻。
3.如权利要求2所述的轨道交通拥挤度计算方法,其特征在于,所述计算轨道交通设定线路上的载客量的方法包括:
基于所述乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径;
基于所述具体出行路径、所述运行信息,对每条乘客出入站信息进行车次匹配,计算所述设定线路上各车次各路段的载客量。
4.如权利要求3所述的轨道交通拥挤度计算方法,其特征在于,所述将乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径的方法还包括:
基于所述路径选择概率将乘客出入站信息进行客流分配,得到每条乘客出入站信息的具体出行路径。
5.如权利要求3所述的轨道交通拥挤度计算方法,其特征在于,所述基于所述具体出行路径,对每条乘客出入站信息进行车次匹配,计算所述设定线路上各车次各路段的载客量的方法包括:
当所述具体出行路径为无换乘路径时:
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的到达站台时刻;基于所述到达站台时刻、第一线路发车时刻,匹配后得到乘客乘坐的第一车次;基于所述入站车站、出站车站,在所述乘客乘坐的第一车次的对应路段增加相应的乘客人数;
当所述具体出行路径包括换乘路径时:
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的第一到达站台时刻;基于第一线路各车次的发车时刻,匹配所述乘客乘坐的第一车次;
基于换乘车站、所述第一车次的到站时刻,计算乘客在第一线路的换乘车站的下车时刻;基于换乘时长、计算乘客到达第二线路的换乘车站的第二到达站台时刻;基于第二线路各车次的发车时刻,匹配乘客乘坐的第二车次;基于所述入站车站、所述出站车站、所述换乘车站,在所述乘客乘坐的第一车次、第二车次的对应路段增加相应的乘客人数;
将设定线路各车次各路段的乘客人数叠加,得到设定线路上各车次各路段的载客量。
6.一种轨道交通拥挤度计算系统,其特征在于,所述系统包括:
获取模块,用于通过轨道交通设定线路上乘客出入站信息以及轨道交通工具在所述设定线路上的运行信息计算乘客在所述设定线路上的入站时长和/或出站时长、换乘时长;其中,入站时长用出站时长代替;选择对应换乘站点符合简单换乘路径的刷卡记录进行换乘总时长的计算,简单换乘路径为只发生一次换乘的路径;
载客量计算模块,用于基于所述乘客出入站信息、所述入站时长和/或出站时长、所述换乘时长、所述运行信息,计算轨道交通在所述设定线路上的载客量;其中,载客量计算模块包括客流分配单元,用于获取OD间的K短路径,计算每条K短路径的理论出行总时长;
采用k-medoids聚类方法将理论出行总时长相近的K短路径合并,得到N个类别;
计算同一类别中各K短路径的路径选择概率:
式中,N为被合并为同一类别的K短路径的数量,Pn是选择路径n的概率,Tn和Tk分别为路径n、路径k的理论出行总时长,Un和Uk分别为路径n、路径k经过的总车站数;
拥挤度计算模块,用于获取轨道交通工具上的总座位数和额定总载客量;并基于所述载客量、所述总座位数、所述额定总载客量,计算轨道交通工具在所述设定线路上的拥挤度。
7.如权利要求6所述的系统,其特征在于,所述乘客出入站信息包括乘客入站刷卡时刻、入站车站、出站车站、出站刷卡时刻;所述运行信息包括获取轨道交通工具在所述设定线路上的车次、每个车次在所述设定线路上每个车站的发车时刻、到站时刻。
8.如权利要求7所述的系统,其特征在于,所述载客量计算模块包括:
客流分配单元,用于基于所述乘客出入站信息进行客流分配,得到每条乘客出入站信息对应的具体出行路径;
车次匹配单元,用于基于所述具体出行路径、所述运行信息,对每条乘客出入站信息进行车次匹配;
载客量计算单元,基于所述车次匹配,计算所述设定线路上各车次各路段的载客量。
9.如权利要求8所述的系统,其特征在于,所述客流分配单元还用于:
基于所述路径选择概率将乘客出入站信息进行客流分配,得到每条乘客出入站信息的具体出行路径。
10.如权利要求8所述的系统,其特征在于,所述车次匹配单元用于:
基于所述入站刷卡时刻、所述入站时长,计算乘客到达入站车站站台时刻;用于基于所述乘客到达入站车站站台时刻、轨道交通在第一线路的发车时刻,匹配后得到乘客乘坐的第一车次;
所述载客量计算单元,基于所述入站车站、出站车站,在所述乘客乘坐的第一车次的对应路段增加相应的乘客人数;
或者,
基于所述入站刷卡时刻、所述入站时长,计算所述乘客到达入站车站的第一到达站台时刻;基于第一线路各车次的发车时刻,匹配乘客乘坐的第一车次;
基于换乘车站、所述第一车次的到站时刻,计算乘客在第一线路的换乘车站的下车时刻;基于换乘时长、计算乘客到达第二线路的换乘车站的第二到达站台时刻;基于第二线路各车次的发车时刻,匹配乘客乘坐的第二车次;分别在所述乘客乘坐的第一车次、第二车次的对应路段增加相应的乘客人数;
将设定线路各车次各路段的乘客人数叠加,计算轨道交通所述设定线路各车次各路段的载客量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810050053.2A CN108388542B (zh) | 2018-01-18 | 2018-01-18 | 一种轨道交通拥挤度计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810050053.2A CN108388542B (zh) | 2018-01-18 | 2018-01-18 | 一种轨道交通拥挤度计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108388542A CN108388542A (zh) | 2018-08-10 |
CN108388542B true CN108388542B (zh) | 2021-04-13 |
Family
ID=63077151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810050053.2A Active CN108388542B (zh) | 2018-01-18 | 2018-01-18 | 一种轨道交通拥挤度计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388542B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941748A (zh) * | 2019-11-26 | 2020-03-31 | 北京恒泰实达科技股份有限公司 | 一种基于地铁线网客流拥挤度的可视化分析方法及系统 |
CN111741051B (zh) * | 2020-04-14 | 2021-08-27 | 腾讯科技(深圳)有限公司 | 交通工具满载率确定方法、装置、存储介质及电子装置 |
CN112183889B (zh) * | 2020-10-26 | 2023-06-06 | 中国联合网络通信集团有限公司 | 一种乘坐路线推荐方法及装置 |
CN112966218B (zh) * | 2021-02-26 | 2023-06-16 | 佳都科技集团股份有限公司 | 一种车厢载客人数实时计算方法及装置 |
CN113095986B (zh) * | 2021-04-09 | 2022-09-09 | 上海大学 | 公共交通满载率计算方法、系统及计算机可读存储介质 |
CN117094506A (zh) * | 2023-08-17 | 2023-11-21 | 江苏城乡建设职业学院 | 基于站台拥挤度的地铁换乘站客流瓶颈管控方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030154017A1 (en) * | 1996-09-25 | 2003-08-14 | Ellis Christ G. | Apparatus and method for vehicle counting, tracking and tagging |
WO2009116105A2 (en) * | 2008-03-21 | 2009-09-24 | Gianfranco Antonini | A traffic assignment method for multimodal transportation networks |
CN103020435B (zh) * | 2012-12-03 | 2015-12-23 | 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 |
CN104376624A (zh) * | 2014-07-22 | 2015-02-25 | 西南交通大学 | 一种基于afc客票数据的城市轨道交通客流分析方法 |
CN104217129B (zh) * | 2014-09-22 | 2018-02-02 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN105447592A (zh) * | 2015-11-12 | 2016-03-30 | 中国科学院深圳先进技术研究院 | 一种乘客路径选择的分析方法及装置 |
CN106779190B (zh) * | 2016-12-02 | 2020-03-31 | 东南大学 | 一种城市轨道交通乘客出行路径建议方法及系统 |
-
2018
- 2018-01-18 CN CN201810050053.2A patent/CN108388542B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108388542A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388542B (zh) | 一种轨道交通拥挤度计算方法及系统 | |
CN104239726B (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
CN104884900A (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
CN108364464B (zh) | 一种基于概率模型的公交车辆旅行时间建模方法 | |
CN110084397B (zh) | 一种地铁直达线路规划方法 | |
CN112949078B (zh) | 一种城市轨道交通客流-车流的匹配度计算方法 | |
CN111582750A (zh) | 一种轨道交通反向乘客识别及乘车班次确定方法及系统 | |
Simon et al. | Generating a bus route OD matrix from on-off data | |
CN114358808A (zh) | 基于多源数据融合的公交od估计及分配方法 | |
Kamga et al. | An estimation of the effects of social distancing measures on transit vehicle capacity and operations | |
CN113408926B (zh) | 短时中断情况下城市轨道交通客流分配方法 | |
CN117974129A (zh) | 一种基于乘车行为智能补登的对账方法及系统 | |
Csiszár | Model of multimodal mobility coordination and guiding system | |
CN116451867A (zh) | 一种基于时空出行路径标定的地铁短时客流预测方法 | |
CN111339159B (zh) | 一种一票制公交数据的分析挖掘方法 | |
JP2018010454A (ja) | 混雑度予測装置、混雑度予測情報配信システム、および混雑度予測方法 | |
NAKAGAWA et al. | Optimization System of Reserved/Non-reserved Seating Plans for Improving Convenience and Revenue on Inter-city Trains | |
CN113657725A (zh) | 一种公交线路和调度优化方法、系统、装置及介质 | |
CN112766950A (zh) | 一种动态路径费用确定方法、装置、设备及介质 | |
JP5953922B2 (ja) | 利用状況算出プログラム、利用状況算出方法、及び利用状況算出装置 | |
Ordónez | New Dynamic Events-Based Public Transport Router | |
Ordóñez Medina et al. | New dynamic events-based public transport router for agent-based simulations | |
Victor et al. | Simulation study of bus transit | |
Nakagawa et al. | Optimization system of reserved/non-reserved seating plans for improving convenience and revenue of intercity express trains | |
CN112102644A (zh) | 一种乘车定位方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200825 Address after: 100080, No. 19 West Fourth Ring Road, Beijing, Haidian District Applicant after: Aerospace Information Research Institute,Chinese Academy of Sciences Address before: 100101 Beijing Chaoyang District Andingmen Datun Road No. 20 North Applicant before: Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |