CN109858670A - 一种轨道交通车站大客流实时预警方法 - Google Patents
一种轨道交通车站大客流实时预警方法 Download PDFInfo
- Publication number
- CN109858670A CN109858670A CN201811587756.5A CN201811587756A CN109858670A CN 109858670 A CN109858670 A CN 109858670A CN 201811587756 A CN201811587756 A CN 201811587756A CN 109858670 A CN109858670 A CN 109858670A
- Authority
- CN
- China
- Prior art keywords
- station
- platform
- time range
- passenger flow
- statistical time
- 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
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种轨道交通车站大客流实时预警方法,涉及一种轨道交通运营管理技术领域。本发明为了解决依靠管理人员主观判断大客流导致的精度差、效率低等局限性的问题,进而提供了一种轨道交通车站大客流实时预警方法。技术要点:建立车站基本信息库;建立历史客流数据库;通过AFC系统中的检票闸机刷卡数据采集实时的进站客流数据,建立实时客流数据库;分析历史客流数据,求得车站运力;计算站台滞留乘客数;参照预警分级表,根据站台滞留乘客数确定车站的客流预警等级;生成与预警等级对应的应急处置方案;通过多种渠道发布应急处置方案。本发明实现了对轨道交通车站大客流的实时预警,使车站管理工作人员能够及时有效地应对轨道交通车站突发性大客流,保证安全。
Description
技术领域
本发明涉及一种轨道交通运营管理技术领域,特别是涉及一种轨道交通车站大客流实时预警方法。
背景技术
城市轨道交通具有运量大、速度快、污染少的特点,能够提供快捷、舒适、安全的出行服务,受到城市发展规划制定者和交通出行者的欢迎。为了缓解日益严重的交通拥堵问题,国内许多城市开始大力发展轨道交通,越来越多的城市拥有了自己的地铁,进入了地铁时代。由于轨道交通线路大多都经过人口密集的居住区、商业区以及文体活动场馆,这使得部分轨道交通车站承受着发生大客流的风险。发生大客流的车站会出现短时间内客流激增的情况,车站过度拥挤很可能导致踩踏事故的发生,严重时甚至导致线路中断运行。大客流不仅危害乘客的出行安全,还会影响整个轨道交通系统的运营效率。因此,为了保证轨道交通的运营安全和运营效率,有必要对轨道交通车站大客流的预警技术和方法进行研究。文献号为CN108564227A的现有技术提供了一种基于时空特征的轨道交通客流量预测方法,该方法将空间特征和时序特征进行结合,用于预测轨道交通目标站点的客流量,预测精度有所提高,但该方法没有根据大客流类型生成与之对应的应急处置方案,效率较低,灵活性差。
发明内容
本发明的目的在于解决依靠管理人员主观判断大客流导致的精度差、效率低等局限性的问题,进而提供了一种轨道交通车站大客流实时预警方法。
为解决上述技术问题,本发明采用如下技术方案:
本发明公开了一种轨道交通车站大客流实时预警方法,该方法包括:
步骤一:收集轨道交通车站的基本信息,建立车站基本信息库;
步骤二:收集轨道交通的历史同期客流数据,建立历史客流数据库;
步骤三:通过AFC系统中的检票闸机刷卡数据采集实时的进站客流数据,建立实时客流数据库;
步骤四:分析历史客流数据,求得车站运力;
步骤五:根据车站实时进站客流数据与车站运力,计算站台滞留乘客数;
步骤六:参照预警分级表,根据站台滞留乘客数确定车站的客流预警等级;
步骤七:生成与预警等级对应的应急处置方案;
步骤八:通过多种渠道发布应急处置方案。
优选的,
所述步骤一中建立车站基本信息库,进一步的,基本信息包括:
车站编号、名称、站台有效面积、上行列车定员数、下行列车定员数、上行列车发车间隔、下行列车发车间隔。关于上下行的定义:南北方向的线路,由南至北为上行,由北至南为下行;东西方向的线路,由西至东为上行,由东至西为下行。
所述步骤二中建立历史客流数据库,进一步的,历史客流数据库包括:
近12周的客流数据,以15min为统计时段,每一时段的数据包括:各车站的上行断面客流量(人/h)、下行断面客流量(人/h)、进站客流量(人/h)及上下行进站客流量比例。历史客流数据库具备数据更新功能,每过一天,当天的数据就会存储到客流数据库中,而数据库中最早的那天的数据就会被删除,进而始终保持12周的数据量。在进行某一统计时段的车站客流实时预警过程中,需要提取历史客流数据库中同期该时段的各类数据,并对同类数据进行处理,得到修正值,包括:历史上行断面客流量修正值、历史下行断面客流量修正值、历史进站客流量修正值及上下行历史进站客流量比例修正值,这些修正值作为计算车站运力的已知条件。
所述步骤三中建立实时客流数据库,进一步的,实时客流数据库包括:
当天各统计时段的实时客流数据,每一统计时段结束后,该时段的实时客流数据就会存储到实时客流数库中,在判定客流预警等级的时候需要提取最近时段的实时客流数据。实时客流数据包括统计时段的实时进站客流流率λ(人/min)、该统计时段的上一统计时段的站台滞留乘客数。其中,实时进站客流流率通过AFC系统中的检票闸机刷卡数据获得,为该统计时段通过检票闸机的人数与统计时段时间长度的比值;站台滞留乘客数的定义及计算过程在权利要求6中得到了详细的论述。实时客流数据是判定车站预警等级的重要依据。
所述步骤四中求得车站运力,进一步的,车站运力包括:
各统计时段车站上行列车提供的运力(人/h)、下行列车提供的运力(人/h),建立了车站运力的计算公式,根据从历史客流数据库中得到的已知条件可以求出车站运力。
所述步骤五中计算站台滞留乘客数,站台滞留乘客数进一步包括:
上行站台滞留乘客数,下行站台滞留乘客数,通过建立的相关公式计算得到。其中,定义站台滞留乘客数为上行站台滞留乘客数与上行站台滞留乘客数之和。
所述步骤六中预警分级表,进一步包括
根据站台滞留乘客数与站台服务能力临界值设计车站综合预警、上行预警、下行预警的分级标准,具体分为四级,由此确定预警分级表。其中,综合预警针对的是车站站台的所有客流,上行预警针对的是车站站台的上行客流,下行预警针对的是车站站台的下行客流;站台服务能力临界值根据站台有效面积和单位面积允许容纳人数临界值确定;站台单位面积允许容纳人数临界值通过查阅相关规范获得。将步骤五中求得的站台滞留乘客数参照预警分级表,即可确定车站大客流的实时预警等级。
所述步骤七中生成与综合预警等级对应的应急处置方案,应急处置方案进一步包括
在大客流发生后采取客流控制措施:首先在预警开始后的第一个统计时段内将站台滞留乘客全部疏散,并计算该时段的“乘客进入站台的控制流率”,以此确定该时段的检票闸机的开启数量;然后依次计算接下来的3个统计时段的“乘客进入站台的控制流率”,并以此确定各时段确定检票闸机的开启数量,保证进入站台的乘客数始终与上下行列车提供的运力相匹配,达到站台无滞留乘客的安全运营状态;规定预警持续时间为1h,也就是在大客流发生后的4个统计时段内采取客流控制措施,之后便结束本次预警,开放全部检票闸机,进行后续时段的大客流监测和预警。
所述步骤八中发布应急处置方案,进一步包括
将具体的预警结果和应急处置方案通过网站、广播、显示屏等渠道发布出来,使站厅内、车站外的乘客能够迅速得知预警信息。
本发明的有益效果是:
本发明方法无需预测进站客流量,而是通过对车站实时进站客流数据与历史客流数据的分析,确定站台的拥挤程度,进而实现对车站大客流的监测和预警。
本发明提出的一种适用于轨道交通车站的大客流实时预警方法通过对历史同期客流数据的分析整合,求出车站运力,再结合采集的实时进站客流数据可以计算得到站台的滞留乘客数并以此确定预警等级,根据预警等级生成与之对应的应急处置方案,最终通过网站、广播、显示屏等渠道将预警信息发布出来。本发明能够为轨道交通运营管理人员的管理、组织、调度等工作提供决策依据,为轨道交通出行乘客提供有效的出行信息诱导。
本发明方法突破了依靠管理人员主观判断大客流导致的精度差、效率低等局限性,注重历史客流数据与实时进站客流数据的结合利用,考虑了大客流在空间方向上分布的差异性,实现了对轨道交通车站大客流的实时预警,使车站管理工作人员能够及时有效地应对轨道交通车站突发性大客流,对保证安全运营和提高运营效率具有重要意义。
附图说明
图1为本发明方法的基本框架;图2为本发明方法的流程图;图3预警信息交互示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。
本发明公开一种轨道交通车站大客流实时预警方法,该方法包括五个部分,数据采集部分、历史客流分析部分、预警等级确定部分、应急处置方案生成、预警信息发布与解除部分,各部分按照以下具体步骤操作:
一、数据采集部分
1、统计车站的基本信息。根据建立的车站基本信息库,获取车站编号、车站名称、车站站台有效面积、上行列车定员数、下行列车定员数、各统计时段的上行列车发车间隔和下行列车发车间隔。对车站进行编号的目的是为了便于相关参数的表示。
2、统计车站历史客流数据。对历史客流数据库中的各类数据进行处理,得到车站各统计时段的历史上行断面客流量修正值(人/h)、历史下行断面客流量修正值(人/h)、历史进站客流量修正值(人/h)及上下行历史进站客流量比例的修正值。介绍一种数据处理方法,如已知历史客流数据库中某一统计时段的进站客流量数据,包含12个数值:a、b、c、d、e、f、g、h、i、j、k、l,先计算这12个数值落在区间[0.95a,1.05a],[0.95b,1.05b],…,[0.95k,1.05k],[0.95l,1.05l]的个数,求包含数值个数最多的区间内各数值的平均值,得到该组数据的修正值,即历史进站客流量修正值。若出现多个区间包含数值个数相同,则先得到各区间数值平均值,再求各区间数值平均值的平均值,即得到该组数据的修正值。
3、采集车站实时进站客流数据。某统计时段的实时进站客流流率λ(人/min)为AFC系统中记录的该时段通过检票闸机的人数与统计时段时间长度的比值。
二、历史客流数据分析部分
对历史客流数据进行分析的主要目的是根据历史同期的客流规律求出未来各统计时段的车站运力。建立了如下的车站运力计算公式,公式中各参数均为已知条件,且通过车站基本信息库或对历史客流数据库中的数据处理后得到。
式中,为统计时段n内车站i上行列车提供的运力(人/h);
为统计时段n内车站i下行列车提供的运力(人/h);
为统计时段n内车站i上行的列车发车间隔(min);
为统计时段n内车站i下行的列车发车间隔(min);
为统计时段n内车站i的上行列车定员数(人/车次);
为统计时段n内车站i的下行列车定员数(人/车次);
为统计时段n内车站i的历史上行断面客流量修正值(人/h);
为统计时段n内车站i的历史下行断面客流量修正值(人/h);
为统计时段n内车站i历史进站客流量修正值(人/h);
为统计时段n内车站i上、下行历史进站客流量比例的修正值。
三、预警等级确定部分
1、基本思路
站台的功能是为乘客提供候车服务,也是下车乘客离开车站必经的场所,如果站台滞留的乘客过多,就会阻碍后续乘客进入站台以及下车乘客离开站台,加剧站台拥的拥挤程度,容易发生踩踏事故。因此有必要处理好站台滞留乘客数与站台最大服务能力之间的关系,确保站台滞留乘客数处在一个合理的范围之内。根据站台滞留乘客数与站台服务能力临界值设计车站综合预警、上行预警、下行预警的分级标准,具体分为四级,一级预警对轨道交通运营产生的影响最严重,不同等级用不同颜色表示。其中,综合预警针对的是车站站台的所有客流,上行预警针对的是车站站台的上行客流,下行预警针对的是车站站台的下行客流;站台服务能力临界值根据站台有效面积和单位面积允许容纳人数临界值确定,站台单位面积允许容纳人数临界值通过查阅相关规范获得。经查阅相关规范得知,站台单位面积(m2)允许容纳人数临界值为2,也就是说当站台每平方米容纳的乘客数超过2人时,站台将由安全状态过渡为危险状态。车站i的站台有效面积用Mi表示,站台服务能力临界值Si=2Mi。
2、站台滞留乘客数计算
站台滞留乘客数是确定大客流预警等级的重要依据,根据统计时段n的实时进站客流流率与车站上下行列车提供的运力可以求出本时段新增站台滞留乘客数,再与上一时段的站台滞留乘客数相加即可得到统计时段n的站台滞留乘客数。站台滞留乘客数计算公式如下。
式中,为统计时段n内车站i上行的站台滞留乘客数(人);
为统计时段n内车站i下行的站台滞留乘客数(人);
为统计时段n-1内车站i上行的站台滞留乘客数(人);
为统计时段n-1内车站i上行的站台滞留乘客数(人);
为统计时段n的实时进站客流流率(人/min);
T为统计时段的时间长度(min);
为统计时段n内车站i上行列车提供的运力(人/h);
为统计时段n内车站i下行列车提供的运力(人/h);
为统计时段n内车站i上、下行历史进站客流量比例的修正值。
3、预警分级表
本发明将同一车站的大客流预警在空间上分为三种类型:综合预警、上行预警、下行预警,这更能准确的反映大客流在空间分布上的差异。表1反映了预警分级的具体内容,各参数表示的含义已在上述部分阐述,这里不作过多解释。在上、下行预警等级分级过程中,认为车站站台有效面积的一半为上行乘客服务,车站站台有效面积的另一半为下行乘客服务。
表1实时预警分级表
为了将预警等级以更加形象生动的方式展示出来,可以用不同颜色表示相应预警等级,表2反映了预警等级对应的颜色及大客流影响程度。
表2预警等级颜色表
预警等级 | 无 | 四级 | 三级 | 二级 | 一级 |
影响程度 | 无 | 轻微 | 一般 | 较重 | 严重 |
预警颜色 | 绿色 | 蓝色 | 黄色 | 橙色 | 红色 |
4、确定车站预警等级
将求得的站台滞留乘客数参照预警分级表,即可确定车站大客流的实时预警等级和影响程度。
四、应急处置方案生成部分
1、概述
应急处置方案生成是本发明的核心组成部分,是体现本发明应用价值的一个重要环节。下面将详细介绍不同预警等级的大客流所对应的应急处置方案。
2、实时预警
当车站站台实时滞留乘客数达到预警阈值时,需要采取客流控制措施来减缓乘客进入站台的速度和数量,从而保证站台的运营安全。客流控制措施为关闭部分检票闸机以达到控制乘客流向站台的速率的目的。在确定大客流发生时段的预警等级之后,在接下来的统计时段采取客流控制措施,首先在预警开始后的第一个统计时段,依据该时段的车站运力计算将站台滞留乘客全部疏散所需时间,再计算统计时段的剩余时间内与车站运力相匹配的允许进入站台的乘客数量,进而计算预警开始后的第一个统计时段的“乘客进入站台的控制流率”。在预警开始后的第一个统计时段内将站台滞留乘客全部疏散之后,对于接下来的统计时段,分别依据各时段的上下行列车提供的运力,计算各时段的“乘客进入站台的控制流率”,保证进入站台的乘客数始终与上下行列车提供的运力相匹配,达到站台无滞留乘客的安全运营状态。规定预警持续时间为1h,也就是在大客流发生后的4个统计时段内采取客流控制措施,之后便结束本次预警,开放全部检票闸机,进行后续时段的大客流监测和预警。
如果在预警后的第一个统计时段内不能将站台滞留乘客全部疏散,则在该时段关闭全部的进站检票闸机,控制站台乘客只出不进。然后判断预警后的第二个统计时段内能否将站台剩余滞留乘客全部疏散,若能,则计算该时段“乘客进入站台的控制流率”,再计算接下来的各统计时段的“乘客进入站台的控制流率”。
假设统计时段n内发生了大客流并对其进行预警,站台滞留乘客在统计时段n+1内全部疏散,这里定义“站台滞留乘客全部疏散所需时间”单位为min,定义统计时段n+1的“乘客进入站台的控制流率”单位为人/min。在接下来的统计时段,定义统计时段n+2的“乘客进入站台的控制流率”单位为人/min,后续统计时段的“乘客进入站台的控制流率”计算参考统计时段n+2的计算过程。在计算“乘客进入站台的控制流率”的过程中,为有效缓解站台拥挤,需要考虑车站进站客流流向分布的差异性以及上下行列车提供的运力的不同。计算公式如下:
式中,为统计时段n+1内车站i上行的站台滞留乘客全部疏散所需时间(min);
为统计时段n+1内车站i下行的站台滞留乘客全部疏散所需时间(min);
为统计时段n内车站i上行的站台滞留乘客数(人);
为统计时段n内车站i下行的站台滞留乘客数(人);
为统计时段n+1内车站i上行列车提供的运力(人/h);
为统计时段n+1内车站i下行列车提供的运力(人/h);
统计时段n+1(站台滞留乘客疏散时段)的“乘客进入站台的控制流率”(人/min);
统计时段n+2的“乘客进入站台的控制流率”(人/min);
为统计时段n+1内车站i上、下行历史进站客流量比例的修正值;
为统计时段n+2内车站i上、下行历史进站客流量比例的修正值;
为统计时段n+2内车站i上行列车提供的运力(人/h);
为统计时段n+2内车站i下行列车提供的运力(人/h);
T为统计时段的时间长度(min)。
五、预警信息发布与解除部分
预警信息发布:在确定预警等级并生成应急处置方案之后,下一步的工作是进行预警信息发布。车站内的管理工作人员及时采取客流控制措施,对站厅内、车站外乘客,通过显示屏或广播提供告知预警信息,使站厅内、车站外的乘客做好更换出行方式的准备。
预警信息解除:大客流预警不能一直持续下去,长时间预警的后期阶段可能出现车站运力不能充分发挥的问题。规定预警持续时间为1h,也就是在大客流发生后的4个统计时段内采取客流控制措施,之后便结束本次预警,开放全部检票闸机,进行后续时段的大客流监测和预警。
为了更清楚的说明本发明,下面结合优选实例和附图对本发明作进一步的说明。附图中相似的部件以相同的附图标记进行标识。本领域技术人员应当理解,下面具体描述的内容是说明性的而非限制性的,不应限制本发明的保护范围。
博物馆站是哈尔滨地铁1号线最忙碌的车站,处在线路的中心位置和城市的中心区域,周围土地开发密度大,承受着较大的客流压力,极容易发生大客流,因此有必要对该车站进行大客流监测和预警。本实例选用哈尔滨市地铁1号线博物馆站作为研究的原型,收集车站基本信息和历史客流数据,假设实时进站客流数据,确定了大客流的实时预警等级并生成了相应的应急处置方案,以此验证本发明提出的方法的可行性。
通过网络和实地调研获取博物馆站的基本信息和历史客流数据,如表3、4所示。
表3博物馆站基本信息
编号 | 11 |
上行列车定员数(人/车) | 1440 |
下行列车定员数(人/车) | 1440 |
上行列车发车间隔(min) | 6 |
下行列车发车间隔(min) | 6 |
站台有效面积(m<sup>2</sup>) | 800 |
检票闸机数量(台) | 10 |
检票闸机实际通行能力(人/min/台) | 20 |
表4博物馆站历史客流数据
假设博物馆站在9:00-10:00之间可能发生大客流,进站客流数据如表6所示,这里的进站客流数据是通过对AFC系统中检票闸机记录的数据处理得到,“实时进站客流流率”中的“进站”指的是进入站台。
表5博物馆站实时进站客流数据
统计时段 | 实时进站客流流率(人/min) |
9:00-9:15 | 163 |
9:15-9:30 | 163 |
9:30-9:45 | 163 |
9:45-10:00 | 163 |
通过使用本发明提出的方法对表4、表5、表6的数据进行分析,得到了在未采取任何客流控制措施的情况下,博物馆站在9:00-10:00之间的各统计时段的站台滞留乘客数,如表6所示。
表6各统计时段的站台滞留乘客数
统计时段 | 上行站台滞留乘客数 | 下行站台滞留乘客数 | 站台滞留乘客数 |
9:00-9:15 | 173 | 148 | 321 |
9:15-9:30 | 345 | 295 | 640 |
9:30-9:45 | 518 | 443 | 961 |
9:45-10:00 | 690 | 590 | 1280 |
根据表6的数据,由于各时段均出现乘客滞留站台的情况,认为大客流已经发生,故需要对大客流进行预警并生成应急处置方案。参照表1的预警分级标准,分四种情况讨论博物馆站的大客流预警。
情况一:博物馆站在9:00-9:15发生了四级大客流,影响程度轻微,发布蓝色预警,上行预警、下行预警均为四级。在后续的统计时段采取客流控制措施:9:15-9:30的“乘客进入站台的控制流率”为117人/min,应开启6台检票闸机;9:30-9:45的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;9:45-10:00的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:00-10:15的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机。本次预警结束,开放全部检票闸机,进入后续统计时段的客流监测和预警。
情况二:博物馆站在9:00-9:15发生了四级大客流,未采取客流控制措施,导致车站在9:15-9:30发生了三级大客流,影响程度一般,发布黄色预警,上行预警、下行预警均为三级。在后续的统计时段采取客流控制措施:9:30-9:45的“乘客进入站台的控制流率”为94人/min,应开启5台检票闸机;9:45-10:00的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:00-10:15的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:15-10:30的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机。本次预警结束,开放全部检票闸机,进入后续统计时段的客流监测和预警。
情况三:博物馆站在9:00-9:15发生了四级大客流,未采取客流控制措施,导致车站在9:15-9:30发生了三级大客流,未采取客流控制措施,进一步导致车站在9:30-9:45发生了二级大客流,影响程度较重,发布橙色预警,上行预警、下行预警均为二级。在后续的统计时段采取客流控制措施:9:45-10:00的“乘客进入站台的控制流率”为71人/min,应开启4台检票闸机;9:45-10:00的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:00-10:15的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:15-10:30的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:30-10:45的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机。本次预警结束,开放全部检票闸机,进入后续统计时段的客流监测和预警。
情况四:博物馆站在9:00-9:15发生了四级大客流,未采取客流控制措施,导致车站在9:15-9:30发生了三级大客流,未采取客流控制措施,导致车站在9:30-9:45发生了二级大客流,未采取客流控制措施,进一步导致车站在9:45-10:00发生了一级大客流,影响程度严重,发布红色预警,上行预警为一级,下行预警为二级。在后续的统计时段采取客流控制措施:9:45-10:00的“乘客进入站台的控制流率”为48人/min,应开启3台检票闸机;10:00-10:15的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:15-10:30的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:30-10:45的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机;10:45-11:00的“乘客进入站台的控制流率”为140人/min,应开启7台检票闸机。本次预警结束,开放全部检票闸机,进入后续统计时段的客流监测和预警。
实施例:一种轨道交通车站大客流实时预警方法,所述方法的实现过程为:
步骤一:收集轨道交通车站的基本信息,建立车站基本信息库;
步骤二:收集轨道交通的历史同期客流数据,建立历史客流数据库;
步骤三:通过AFC系统中的检票闸机刷卡数据采集实时的进站客流数据,建立实时客流数据库;
步骤四:分析历史客流数据,求得车站运力;
步骤五:根据车站实时进站客流数据与车站运力,计算站台滞留乘客数;
步骤六:参照预警分级表,根据站台滞留乘客数确定车站的客流预警等级;
步骤七:生成与预警等级对应的应急处置方案;
步骤八:通过多种渠道发布应急处置方案。
所述步骤一中建立车站基本信息库,进一步的,
基本信息包括:车站编号、名称、站台有效面积、上行列车定员数、下行列车定员数、上行列车发车间隔、下行列车发车间隔;其中,关于上下行的定义:南北方向的线路,由南至北为上行,由北至南为下行;东西方向的线路,由西至东为上行,由东至西为下行;车站基本信息库中包含车站各统计时段的基本数据,统计时段的时长为15min;在对某一统计时段的客流进行预警的过程中,需要提取车站基本信息库中该时段对应的数据。
所述步骤二中建立历史客流数据库,进一步的,
历史客流数据库包括:近12周的客流数据,以15min为统计时段,每一时段的数据包括:各车站的上行断面客流量Qu(人/h)、下行断面客流量Qd(人/h)、进站客流量O(人/h)及上下行进站客流量比例α;历史客流数据库具备数据更新功能,每过一天,当天的数据就会存储到客流数据库中,而数据库中最早的那天的数据就会被删除,进而始终保持12周的数据量;在进行某一统计时段的车站客流实时预警过程中,需要提取历史客流数据库中同期该时段的各类数据,并对同类数据进行处理,得到修正值,包括:历史上行断面客流量修正值、历史下行断面客流量修正值、历史进站客流量修正值及上下行历史进站客流量比例修正值,这些修正值作为计算车站运力的已知条件。
对历史客流数据处理为:如已知历史客流数据库中某一统计时段的进站客流量数据,包含12个数值:a、b、c、d、e、f、g、h、i、j、k、l,先计算这12个数值落在区间[0.95a,1.05a],[0.95b,1.05b],…,[0.95k,1.05k],[0.95l,1.05l]的个数,求包含数值个数最多的区间内各数值的平均值,得到该组数据的修正值,即历史进站客流量修正值;若出现多个区间包含数值个数相同,则先得到各区间数值平均值,再求各区间数值平均值的平均值,即得到该组数据的修正值。对历史客流数据处理和修正的目的剔除异常值,提高预警的准确性。
所述步骤三中建立实时客流数据库,进一步的,
实时客流数据库包含的是当天各统计时段的实时客流数据,每一统计时段结束后,该时段的实时客流数据就会存储到实时客流数库中,在判定客流预警等级的时候需要提取最近时段的实时客流数据;实时客流数据包括统计时段的实时进站客流流率λ(人/min)、该统计时段的上一统计时段的站台滞留乘客数;其中,实时进站客流流率通过AFC系统中的检票闸机刷卡数据获得,为该统计时段通过检票闸机的人数与统计时段时间长度的比值;站台滞留乘客数的定义及计算过程在权利要求6中得到了详细的论述;实时客流数据是判定车站预警等级的重要依据。
所述步骤四中求得车站运力,进一步的,
车站运力包括:各统计时段内车站上行列车提供的运力、下行列车提供的运力;建立车站运力的计算公式,进行车站运力计算时,需要从车站基本信息库中提取车站的上行列车定员数、下行列车定员数、上行列车发车间隔、下行列车发车间隔,从历史客流数据库中提取车站的上行断面客流量、下行断面客流量、进站客流量及上下行进站客流量比例;车站运力计算公式如下:
式中,为统计时段n内车站i上行列车提供的运力(人/h);
为统计时段n内车站i下行列车提供的运力(人/h);
为统计时段n内车站i上行的列车发车间隔(min);
为统计时段n内车站i下行的列车发车间隔(min);
为统计时段n内车站i的上行列车定员数(人/车次);
为统计时段n内车站i的下行列车定员数(人/车次);
为统计时段n内车站i的历史上行断面客流量修正值(人/h);
为统计时段n内车站i的历史下行断面客流量修正值(人/h);
为统计时段n内车站i历史进站客流量修正值(人/h);
为统计时段n内车站i上、下行历史进站客流量比例的修正值。
所述步骤五中计算站台滞留乘客数,进一步的,
站台滞留乘客数包括:上行站台滞留乘客数,下行站台滞留乘客数;定义站台滞留乘客数为上行站台滞留乘客数与上行站台滞留乘客数之和;建立站台滞留乘客数的计算公式,需要从实时客流数据库中提取统计时段的实时进站客流流率、该统计时段的上一统计时段的站台滞留乘客数,再结合权利要求5中求出的车站上下行列车提供的运力,进行站台滞留乘客数计算时;某一统计时段的站台滞留乘客数由两部分组成:该时段新增站台滞留乘客数、上一统计时段的站台滞留乘客数;当新增站台滞留乘客数计算值为负数时,令新增站台滞留乘客数等于零,表示该统计时段无新增站台滞留乘客;新增站台滞留乘客数和站台滞留乘客数计算公式如下:
式中,为统计时段n内车站i上行的新增站台滞留乘客数(人);
为统计时段n内车站i下行的新增站台滞留乘客数(人);
为统计时段n内车站i上行的站台滞留乘客数(人);
为统计时段n内车站i下行的站台滞留乘客数(人);
为统计时段n-1内车站i上行的站台滞留乘客数(人);
为统计时段n-1内车站i上行的站台滞留乘客数(人);
为统计时段n的实时进站客流流率(人/min);
T为统计时段的时间长度(min);
为统计时段n内车站i上行列车提供的运力(人/h);
为统计时段n内车站i下行列车提供的运力(人/h);
为统计时段n内车站i上、下行历史进站客流量比例的修正值。
所述步骤六中确定客流预警等级,进一步的,
首先制作预警分级表,根据站台滞留乘客数△X与站台服务能力临界值S设计车站综合预警、上行预警、下行预警的分级标准,具体分为四级,由此确定预警分级表,见表1;其中,综合预警针对的是车站站台的所有客流,上行预警针对的是车站站台的上行客流,下行预警针对的是车站站台的下行客流;站台服务能力临界值根据站台有效面积和单位面积允许容纳人数临界值确定;站台单位面积允许容纳人数临界值通过查阅相关规范获得;经查阅相关规范得知,站台单位面积(m2)允许容纳人数临界值为2,也就是说当站台每平方米容纳的乘客数超过2人时,站台将由安全状态过渡为危险状态;车站i的站台有效面积用Mi表示,站台服务能力临界值Si=2Mi;
然后将权利要求6中计算得到的站台滞留乘客数,参照预警分级表和预警颜色表,即可确定车站的综合预警等级、上行预警等级、下行预警等级以及各自对应的预警颜色;
表1实时预警分级表
为了将预警等级以更加形象生动的方式展示出来,可用不同颜色表示相应预警等级,表2反映了预警等级对应的颜色及大客流影响程度;
表2预警等级颜色表
预警等级 | 无 | 四级 | 三级 | 二级 | 一级 |
影响程度 | 无 | 轻微 | 一般 | 较重 | 严重 |
预警颜色 | 绿色 | 蓝色 | 黄色 | 橙色 | 红色 |
。
所述步骤七中生成与综合预警等级对应的应急处置方案,进一步的,
应急处置方案为采取客流控制措施,通过关闭部分进站检票闸机以达到控制乘客流向站台的速率的目的;由于无法预知大客流的持续时长,在此规定,每次预警的时长为1h,也就是在预警开始后的4个统计时段内采取客流控制措施,之后便结束本次预警,开放全部检票闸机,进行后续时段的大客流监测和预警;具体的客流控制措施:首先在预警开始后的第1个统计时段内,依据该时段的车站运力计算将站台滞留乘客全部疏散所需时间,再计算统计时段的剩余时间内与车站运力相匹配的允许进入站台的乘客数量,进而计算预警开始后的第一个统计时段的“乘客进入站台的控制流率”,以此确定该时段的检票闸机的开启数量;然后依次计算接下来的3个统计时段的“乘客进入站台的控制流率”,并以此确定各时段的检票闸机的开启数量,保证进入站台的乘客数始终与上下行列车提供的运力相匹配,达到站台无滞留乘客的安全运营状态;
如果在预警后的第1个统计时段内不能将站台滞留乘客全部疏散,则在该时段关闭全部的进站检票闸机,控制站台乘客只出不进;然后判断预警后的第2个统计时段内能否将站台剩余滞留乘客全部疏散,若能,则计算该时段“乘客进入站台的控制流率”,再计算接下来的各统计时段的“乘客进入站台的控制流率”;
假设统计时段n内发生了大客流并对其进行预警,站台滞留乘客在统计时段n+1内全部疏散,这里定义“站台滞留乘客全部疏散所需时间”单位为min,定义统计时段n+1的“乘客进入站台的控制流率”单位为人/min;在接下来的统计时段,定义统计时段n+2的“乘客进入站台的控制流率”单位为人/min,后续统计时段的“乘客进入站台的控制流率”计算过程参考统计时段n+2的计算过程;在计算“乘客进入站台的控制流率”的过程中,为有效缓解站台拥挤,需要考虑车站进站客流流向分布的差异性以及上下行列车提供运力的不同;计算公式如下:
式中,为统计时段n+1内车站i上行的站台滞留乘客全部疏散所需时间(min);
为统计时段n+1内车站i下行的站台滞留乘客全部疏散所需时间(min);
为统计时段n内车站i上行的站台滞留乘客数(人);
为统计时段n内车站i下行的站台滞留乘客数(人);
为统计时段n+1内车站i上行列车提供的运力(人/h);
为统计时段n+1内车站i下行列车提供的运力(人/h);
统计时段n+1(站台滞留乘客疏散时段)的“乘客进入站台的控制流率”(人/min);
统计时段n+2的“乘客进入站台的控制流率”(人/min);
为统计时段n+1内车站i上、下行历史进站客流量比例的修正值;
为统计时段n+2内车站i上、下行历史进站客流量比例的修正值;
为统计时段n+2内车站i上行列车提供的运力(人/h);
为统计时段n+2内车站i下行列车提供的运力(人/h);
T为统计时段的时间长度(min)。
所述步骤八中发布应急处置方案包括
将具体的预警结果和应急处置方案通过网站、广播、显示屏等渠道发布出来,使站厅内、车站外的乘客能够迅速得知预警信息。
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他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申出的显而易见的变动或变化仍处于本发明的保护范围之列。
Claims (10)
1.一种轨道交通车站大客流实时预警方法,其特征在于,所述方法的实现过程为:
步骤一:收集轨道交通车站的基本信息,建立车站基本信息库;
步骤二:收集轨道交通的历史同期客流数据,建立历史客流数据库;
步骤三:通过AFC系统中的检票闸机刷卡数据采集实时的进站客流数据,建立实时客流数据库;
步骤四:分析历史客流数据,求得车站运力;
步骤五:根据车站实时进站客流数据与车站运力,计算站台滞留乘客数;
步骤六:参照预警分级表,根据站台滞留乘客数确定车站的客流预警等级;
步骤七:生成与预警等级对应的应急处置方案;
步骤八:通过多种渠道发布应急处置方案。
2.根据权利要求1所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤一中建立车站基本信息库,进一步的,
基本信息包括:车站编号、名称、站台有效面积、上行列车定员数、下行列车定员数、上行列车发车间隔、下行列车发车间隔;其中,关于上下行的定义:南北方向的线路,由南至北为上行,由北至南为下行;东西方向的线路,由西至东为上行,由东至西为下行;车站基本信息库中包含车站各统计时段的基本数据,统计时段的时长为15min;在对某一统计时段的客流进行预警的过程中,需要提取车站基本信息库中该时段对应的数据。
3.根据权利要求1或2所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤二中建立历史客流数据库,进一步的,
历史客流数据库包括:近12周的客流数据,以15min为统计时段,每一时段的数据包括:各车站的上行断面客流量Qu(人/h)、下行断面客流量Qd(人/h)、进站客流量O(人/h)及上下行进站客流量比例α;历史客流数据库具备数据更新功能,每过一天,当天的数据就会存储到客流数据库中,而数据库中最早的那天的数据就会被删除,进而始终保持12周的数据量;在进行某一统计时段的车站客流实时预警过程中,需要提取历史客流数据库中同期该时段的各类数据,并对同类数据进行处理,得到修正值,包括:历史上行断面客流量修正值、历史下行断面客流量修正值、历史进站客流量修正值及上下行历史进站客流量比例修正值,这些修正值作为计算车站运力的已知条件。
4.根据权利要求3所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤三中建立实时客流数据库,进一步的,
实时客流数据库包含的是当天各统计时段的实时客流数据,每一统计时段结束后,该时段的实时客流数据就会存储到实时客流数库中,在判定客流预警等级的时候需要提取最近时段的实时客流数据;实时客流数据包括统计时段的实时进站客流流率λ(人/min)、该统计时段的上一统计时段的站台滞留乘客数;其中,实时进站客流流率通过AFC系统中的检票闸机刷卡数据获得,为该统计时段通过检票闸机的人数与统计时段时间长度的比值;站台滞留乘客数的定义及计算过程在权利要求6中得到了详细的论述;实时客流数据是判定车站预警等级的重要依据。
5.根据权利要求4所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤四中求得车站运力,进一步的,
车站运力包括:各统计时段内车站上行列车提供的运力、下行列车提供的运力;建立车站运力的计算公式,进行车站运力计算时,需要从车站基本信息库中提取车站的上行列车定员数、下行列车定员数、上行列车发车间隔、下行列车发车间隔,从历史客流数据库中提取车站的上行断面客流量、下行断面客流量、进站客流量及上下行进站客流量比例;车站运力计算公式如下:
式中,为统计时段n内车站i上行列车提供的运力(人/h);
为统计时段n内车站i下行列车提供的运力(人/h);
为统计时段n内车站i上行的列车发车间隔(min);
为统计时段n内车站i下行的列车发车间隔(min);
为统计时段n内车站i的上行列车定员数(人/车次);
为统计时段n内车站i的下行列车定员数(人/车次);
为统计时段n内车站i的历史上行断面客流量修正值(人/h);
为统计时段n内车站i的历史下行断面客流量修正值(人/h);
为统计时段n内车站i历史进站客流量修正值(人/h);
为统计时段n内车站i上、下行历史进站客流量比例的修正值。
6.根据权利要求5所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤五中计算站台滞留乘客数,进一步的,
站台滞留乘客数包括:上行站台滞留乘客数,下行站台滞留乘客数;定义站台滞留乘客数为上行站台滞留乘客数与上行站台滞留乘客数之和;建立站台滞留乘客数的计算公式,需要从实时客流数据库中提取统计时段的实时进站客流流率、该统计时段的上一统计时段的站台滞留乘客数,再结合权利要求5中求出的车站上下行列车提供的运力,进行站台滞留乘客数计算时;某一统计时段的站台滞留乘客数由两部分组成:该时段新增站台滞留乘客数、上一统计时段的站台滞留乘客数;当新增站台滞留乘客数计算值为负数时,令新增站台滞留乘客数等于零,表示该统计时段无新增站台滞留乘客;新增站台滞留乘客数和站台滞留乘客数计算公式如下:
式中,为统计时段n内车站i上行的新增站台滞留乘客数(人);
为统计时段n内车站i下行的新增站台滞留乘客数(人);
为统计时段n内车站i上行的站台滞留乘客数(人);
为统计时段n内车站i下行的站台滞留乘客数(人);
为统计时段n-1内车站i上行的站台滞留乘客数(人);
为统计时段n-1内车站i上行的站台滞留乘客数(人);
为统计时段n的实时进站客流流率(人/min);
T为统计时段的时间长度(min);
为统计时段n内车站i上行列车提供的运力(人/h);
为统计时段n内车站i下行列车提供的运力(人/h);
为统计时段n内车站i上、下行历史进站客流量比例的修正值。
7.根据权利要求6所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤六中确定客流预警等级,进一步的,
首先制作预警分级表,根据站台滞留乘客数△X与站台服务能力临界值S设计车站综合预警、上行预警、下行预警的分级标准,具体分为四级,由此确定预警分级表,见表1;其中,综合预警针对的是车站站台的所有客流,上行预警针对的是车站站台的上行客流,下行预警针对的是车站站台的下行客流;站台服务能力临界值根据站台有效面积和单位面积允许容纳人数临界值确定;站台单位面积允许容纳人数临界值通过查阅相关规范获得;站台单位面积(m2)允许容纳人数临界值为2,也就是说当站台每平方米容纳的乘客数超过2人时,站台将由安全状态过渡为危险状态;车站i的站台有效面积用Mi表示,站台服务能力临界值Si=2Mi;
然后将权利要求6中计算得到的站台滞留乘客数,参照预警分级表,即可确定车站的综合预警等级、上行预警等级、下行预警等级;
表1实时预警分级表
8.根据权利要求7所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤七中生成与综合预警等级对应的应急处置方案,进一步的,
应急处置方案为采取客流控制措施,通过关闭部分进站检票闸机以达到控制乘客流向站台的速率的目的;由于无法预知大客流的持续时长,在此规定,每次预警的时长为1h,也就是在预警开始后的4个统计时段内采取客流控制措施,之后便结束本次预警,开放全部检票闸机,进行后续时段的大客流监测和预警;具体的客流控制措施:首先在预警开始后的第1个统计时段内,依据该时段的车站运力计算将站台滞留乘客全部疏散所需时间,再计算统计时段的剩余时间内与车站运力相匹配的允许进入站台的乘客数量,进而计算预警开始后的第一个统计时段的“乘客进入站台的控制流率”,以此确定该时段的检票闸机的开启数量;然后依次计算接下来的3个统计时段的“乘客进入站台的控制流率”,并以此确定各时段的检票闸机的开启数量,保证进入站台的乘客数始终与上下行列车提供的运力相匹配,达到站台无滞留乘客的安全运营状态;
如果在预警后的第1个统计时段内不能将站台滞留乘客全部疏散,则在该时段关闭全部的进站检票闸机,控制站台乘客只出不进;然后判断预警后的第2个统计时段内能否将站台剩余滞留乘客全部疏散,若能,则计算该时段“乘客进入站台的控制流率”,再计算接下来的各统计时段的“乘客进入站台的控制流率”;
假设统计时段n内发生了大客流并对其进行预警,站台滞留乘客在统计时段n+1内全部疏散,这里定义“站台滞留乘客全部疏散所需时间”单位为min,定义统计时段n+1的“乘客进入站台的控制流率”单位为人/min;在接下来的统计时段,定义统计时段n+2的“乘客进入站台的控制流率”单位为人/min,后续统计时段的“乘客进入站台的控制流率”计算过程参考统计时段n+2的计算过程;在计算“乘客进入站台的控制流率”的过程中,为有效缓解站台拥挤,需要考虑车站进站客流流向分布的差异性以及上下行列车提供运力的不同;计算公式如下:
式中,为统计时段n+1内车站i上行的站台滞留乘客全部疏散所需时间(min);
为统计时段n+1内车站i下行的站台滞留乘客全部疏散所需时间(min);
为统计时段n内车站i上行的站台滞留乘客数(人);
为统计时段n内车站i下行的站台滞留乘客数(人);
为统计时段n+1内车站i上行列车提供的运力(人/h);
为统计时段n+1内车站i下行列车提供的运力(人/h);
统计时段n+1(站台滞留乘客疏散时段)的“乘客进入站台的控制流率”(人/min);
统计时段n+2的“乘客进入站台的控制流率”(人/min);
为统计时段n+1内车站i上、下行历史进站客流量比例的修正值;
为统计时段n+2内车站i上、下行历史进站客流量比例的修正值;
为统计时段n+2内车站i上行列车提供的运力(人/h);
为统计时段n+2内车站i下行列车提供的运力(人/h);
T为统计时段的时间长度(min)。
9.根据权利要求8所述的一种轨道交通车站大客流实时预警方法,其特征在于,所述步骤八中发布应急处置方案包括
将具体的预警结果和应急处置方案通过网站、广播、显示屏等渠道发布出来,使站厅内、车站外的乘客能够迅速得知预警信息。
10.根据权利要求3所述的一种轨道交通车站大客流实时预警方法,其特征在于,对历史客流数据处理为:
如已知历史客流数据库中某一统计时段的进站客流量数据,包含12个数值:a、b、c、d、e、f、g、h、i、j、k、l,先计算这12个数值落在区间[0.95a,1.05a],[0.95b,1.05b],…,[0.95k,1.05k],[0.95l,1.05l]的个数,求包含数值个数最多的区间内各数值的平均值,得到该组数据的修正值,即历史进站客流量修正值;若出现多个区间包含数值个数相同,则先得到各区间数值平均值,再求各区间数值平均值的平均值,即得到该组数据的修正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811587756.5A CN109858670B (zh) | 2018-12-24 | 2018-12-24 | 一种轨道交通车站大客流实时预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811587756.5A CN109858670B (zh) | 2018-12-24 | 2018-12-24 | 一种轨道交通车站大客流实时预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858670A true CN109858670A (zh) | 2019-06-07 |
CN109858670B CN109858670B (zh) | 2022-11-18 |
Family
ID=66892165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811587756.5A Active CN109858670B (zh) | 2018-12-24 | 2018-12-24 | 一种轨道交通车站大客流实时预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858670B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321982A (zh) * | 2019-07-03 | 2019-10-11 | 南京睿铁信息科技有限公司 | 一种轨道交通断面客流量实时计算方法 |
CN110415518A (zh) * | 2019-07-25 | 2019-11-05 | 民航成都信息技术有限公司 | 一种客流与运力的监控预警方法、装置、设备及介质 |
CN111080016A (zh) * | 2019-12-19 | 2020-04-28 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN111105070A (zh) * | 2019-11-20 | 2020-05-05 | 深圳市北斗智能科技有限公司 | 客流预警方法及系统 |
CN111144727A (zh) * | 2019-12-18 | 2020-05-12 | 东南大学 | 一种城市轨道交通进站客流韧性评估系统及方法 |
CN111612327A (zh) * | 2020-05-18 | 2020-09-01 | 广州云从人工智能技术有限公司 | 一种调度方法、系统、机器可读介质及设备 |
CN112287837A (zh) * | 2020-10-29 | 2021-01-29 | 北京交通大学 | 基于数据驱动的城市轨道交通车站突发大客流预警方法 |
CN112396350A (zh) * | 2020-12-07 | 2021-02-23 | 西安市轨道交通集团有限公司 | 一种基于颜色分级的地铁车站客流组织方法及系统 |
CN112598182A (zh) * | 2020-12-25 | 2021-04-02 | 卡斯柯信号有限公司 | 一种轨道交通智能调度方法及系统 |
CN112925258A (zh) * | 2021-01-25 | 2021-06-08 | 南京柏王智能装备科技有限公司 | 一种基于大数据物联网的安全监控智能管理系统 |
CN113159393A (zh) * | 2021-03-30 | 2021-07-23 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 客运站大客流感知预警方法、装置、电子设备和存储介质 |
CN113393355A (zh) * | 2021-04-29 | 2021-09-14 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 轨道交通相对客流分布计算方法、系统、电子设备及介质 |
CN114038180A (zh) * | 2021-11-09 | 2022-02-11 | 北京京投亿雅捷交通科技有限公司 | 一种基于多源数据融合输入的客流预测风险预警方法 |
CN115423222A (zh) * | 2022-11-03 | 2022-12-02 | 今创集团股份有限公司 | 一种开放自助式城市轨道交通车站进站检查管理方法 |
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 |
CN116128274A (zh) * | 2021-11-11 | 2023-05-16 | 北京轨道交通路网管理有限公司 | 数据分析系统及方法 |
US20230306321A1 (en) * | 2022-03-24 | 2023-09-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Systems and methods for managing public place in smart city |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095994A (zh) * | 2015-07-29 | 2015-11-25 | 西南交通大学 | 一种基于线性规划的城轨线路客流峰值预测方法 |
CN105224999A (zh) * | 2015-09-10 | 2016-01-06 | 北京市交通信息中心 | 基于afc数据的城市轨道交通实时客流预测方法及系统 |
CN105719022A (zh) * | 2016-01-22 | 2016-06-29 | 上海工程技术大学 | 一种轨道交通客流实时预测及乘客引导系统 |
CN106484966A (zh) * | 2016-09-22 | 2017-03-08 | 北京交通大学 | 一种城市轨道交通突发事件动态影响范围与强度确定方法 |
CN106910005A (zh) * | 2017-01-17 | 2017-06-30 | 北京万相融通科技股份有限公司 | 一种车站客流量趋势预测及统计分析方法 |
CN106934229A (zh) * | 2017-03-06 | 2017-07-07 | 中山大学 | 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 |
CN107808235A (zh) * | 2017-10-10 | 2018-03-16 | 东南大学 | 基于afc大数据的城市轨道大客流模型构建方法 |
CN108960532A (zh) * | 2018-08-01 | 2018-12-07 | 北京交通大学 | 一种车站实时客流状态预测与预警系统及方法 |
-
2018
- 2018-12-24 CN CN201811587756.5A patent/CN109858670B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095994A (zh) * | 2015-07-29 | 2015-11-25 | 西南交通大学 | 一种基于线性规划的城轨线路客流峰值预测方法 |
CN105224999A (zh) * | 2015-09-10 | 2016-01-06 | 北京市交通信息中心 | 基于afc数据的城市轨道交通实时客流预测方法及系统 |
CN105719022A (zh) * | 2016-01-22 | 2016-06-29 | 上海工程技术大学 | 一种轨道交通客流实时预测及乘客引导系统 |
CN106484966A (zh) * | 2016-09-22 | 2017-03-08 | 北京交通大学 | 一种城市轨道交通突发事件动态影响范围与强度确定方法 |
CN106910005A (zh) * | 2017-01-17 | 2017-06-30 | 北京万相融通科技股份有限公司 | 一种车站客流量趋势预测及统计分析方法 |
CN106934229A (zh) * | 2017-03-06 | 2017-07-07 | 中山大学 | 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 |
CN107808235A (zh) * | 2017-10-10 | 2018-03-16 | 东南大学 | 基于afc大数据的城市轨道大客流模型构建方法 |
CN108960532A (zh) * | 2018-08-01 | 2018-12-07 | 北京交通大学 | 一种车站实时客流状态预测与预警系统及方法 |
Non-Patent Citations (1)
Title |
---|
LUO, Q等: ""Study on the Propagation Mechanism of Large Passenger Flow in Urban Rail Transit"", 《2018 3RD IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION ENGINEERING (ICITE)》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321982A (zh) * | 2019-07-03 | 2019-10-11 | 南京睿铁信息科技有限公司 | 一种轨道交通断面客流量实时计算方法 |
CN110415518A (zh) * | 2019-07-25 | 2019-11-05 | 民航成都信息技术有限公司 | 一种客流与运力的监控预警方法、装置、设备及介质 |
CN111105070A (zh) * | 2019-11-20 | 2020-05-05 | 深圳市北斗智能科技有限公司 | 客流预警方法及系统 |
CN111105070B (zh) * | 2019-11-20 | 2024-04-16 | 深圳市北斗智能科技有限公司 | 客流预警方法及系统 |
CN111144727A (zh) * | 2019-12-18 | 2020-05-12 | 东南大学 | 一种城市轨道交通进站客流韧性评估系统及方法 |
CN111080016B (zh) * | 2019-12-19 | 2023-09-26 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN111080016A (zh) * | 2019-12-19 | 2020-04-28 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN111612327A (zh) * | 2020-05-18 | 2020-09-01 | 广州云从人工智能技术有限公司 | 一种调度方法、系统、机器可读介质及设备 |
CN111612327B (zh) * | 2020-05-18 | 2021-05-18 | 广州云从人工智能技术有限公司 | 一种调度方法、系统、机器可读介质及设备 |
CN112287837A (zh) * | 2020-10-29 | 2021-01-29 | 北京交通大学 | 基于数据驱动的城市轨道交通车站突发大客流预警方法 |
CN112396350A (zh) * | 2020-12-07 | 2021-02-23 | 西安市轨道交通集团有限公司 | 一种基于颜色分级的地铁车站客流组织方法及系统 |
CN112598182A (zh) * | 2020-12-25 | 2021-04-02 | 卡斯柯信号有限公司 | 一种轨道交通智能调度方法及系统 |
CN112925258A (zh) * | 2021-01-25 | 2021-06-08 | 南京柏王智能装备科技有限公司 | 一种基于大数据物联网的安全监控智能管理系统 |
CN113159393A (zh) * | 2021-03-30 | 2021-07-23 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 客运站大客流感知预警方法、装置、电子设备和存储介质 |
CN113393355A (zh) * | 2021-04-29 | 2021-09-14 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 轨道交通相对客流分布计算方法、系统、电子设备及介质 |
CN113393355B (zh) * | 2021-04-29 | 2024-01-16 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 轨道交通相对客流分布计算方法、系统、电子设备及介质 |
CN114038180A (zh) * | 2021-11-09 | 2022-02-11 | 北京京投亿雅捷交通科技有限公司 | 一种基于多源数据融合输入的客流预测风险预警方法 |
CN116128274A (zh) * | 2021-11-11 | 2023-05-16 | 北京轨道交通路网管理有限公司 | 数据分析系统及方法 |
CN116128274B (zh) * | 2021-11-11 | 2023-09-26 | 北京轨道交通路网管理有限公司 | 数据分析系统及方法 |
US20230306321A1 (en) * | 2022-03-24 | 2023-09-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Systems and methods for managing public place in smart city |
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 |
CN115423222A (zh) * | 2022-11-03 | 2022-12-02 | 今创集团股份有限公司 | 一种开放自助式城市轨道交通车站进站检查管理方法 |
CN115423222B (zh) * | 2022-11-03 | 2023-04-07 | 今创集团股份有限公司 | 一种开放自助式城市轨道交通车站进站检查管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109858670B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858670A (zh) | 一种轨道交通车站大客流实时预警方法 | |
WO2021068602A1 (zh) | 一种多制式多业务轨道交通仿真模拟方法及系统 | |
CN110942411B (zh) | 基于区域联动的地铁车站客流分级报警方法 | |
CN107358357A (zh) | 城市轨道交通换乘车站评价方法 | |
Li et al. | Dwell time estimation models for bus rapid transit stations | |
CN110149593B (zh) | 基于移动台信令的路网客流状态辨识方法 | |
CN110493816A (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
CN106484966B (zh) | 一种城市轨道交通突发事件动态影响范围与强度确定方法 | |
CN107358045A (zh) | 一种评价地铁与常规公交换乘效率的流程与方法 | |
CN109727175A (zh) | 一种旅游景区客流监测系统 | |
Mattsson | Railway capacity and train delay relationships | |
Biggiero et al. | Spatial equity and high-speed rail systems | |
CN109214577A (zh) | 一种综合运输通道客运分担率预测方法 | |
Christoforou et al. | Influencing longitudinal passenger distribution on railway platforms to shorten and regularize train dwell times | |
CN108665178A (zh) | 一种基于afc的地铁站内楼扶梯客流量预测方法 | |
Fox et al. | Understanding users' behaviours in relation to concentrated boarding: implications for rail infrastructure and technology | |
CN113408926B (zh) | 短时中断情况下城市轨道交通客流分配方法 | |
CN109308539A (zh) | 实时估算轨道交通线网中换乘站的乘客滞留状态的方法 | |
CN110555996B (zh) | 一种公交运营分析系统 | |
CN116443052A (zh) | 地铁既有线路与新建线路换乘结构与换乘方法 | |
CN110020799A (zh) | 一种基于时空基准的城管网格资源配置 | |
CN115374579A (zh) | 基于瓶颈识别的轨道交通差异化安检通道布局方法 | |
Tortainchai | Train dwell time evaluation at high passenger volume stations | |
Xing et al. | Anylogic simulation-based research on emergency organization of mass passenger flow in subway station after events | |
Kahali et al. | Analysis of Flow Characteristics and Step Size of Escalators at Metro Stations |
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 |