CN110956328B - 一种大客流影响的轨道交通站点公交接驳规模预测方法 - Google Patents

一种大客流影响的轨道交通站点公交接驳规模预测方法 Download PDF

Info

Publication number
CN110956328B
CN110956328B CN201911207785.9A CN201911207785A CN110956328B CN 110956328 B CN110956328 B CN 110956328B CN 201911207785 A CN201911207785 A CN 201911207785A CN 110956328 B CN110956328 B CN 110956328B
Authority
CN
China
Prior art keywords
passenger flow
rail transit
bus
station
passenger
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
Application number
CN201911207785.9A
Other languages
English (en)
Other versions
CN110956328A (zh
Inventor
侯礼兴
马红伟
白子建
徐汉清
孙峣
王凯
王焕栋
唐皓
宋超群
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.)
Tianjin Municipal Engineering Design and Research Institute
Original Assignee
Tianjin Municipal Engineering Design and Research Institute
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 Tianjin Municipal Engineering Design and Research Institute filed Critical Tianjin Municipal Engineering Design and Research Institute
Priority to CN201911207785.9A priority Critical patent/CN110956328B/zh
Publication of CN110956328A publication Critical patent/CN110956328A/zh
Application granted granted Critical
Publication of CN110956328B publication Critical patent/CN110956328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种大客流影响的轨道交通站点公交接驳规模预测方法，包括：进行轨道交通及接驳公交客流特征分析，其中，包括轨道交通客流数据、与轨道交通站点接驳的公交客流数据和轨道交通及公交出行特征；确定历史上受大型活动影响的轨道交通站点集散客流变化量；预测受第k+1次大型活动影响造成的轨道交通站点的客流平均变化量；预测与轨道交通站点接驳的第i条公交线路的接驳客流变化量；确定公交线路受大型活动影响需新增加的接驳车次数。本发明采用大数据技术，准确分析预测因大型活动造成的轨道交通接驳客流变化量，实现与轨道交通站点接驳公交的精确调度。大大提高公交的服务水平，提高轨道交通与公交的有效换乘，极大地满足大型活动造成的新增交通需求。

Description

一种大客流影响的轨道交通站点公交接驳规模预测方法
技术领域
本发明涉及一种公交接驳规模预测方法。特别是涉及一种大客流影响的轨道交通站点公交接驳规模预测方法。
背景技术
近年来，随着我国对外开放程度的加强和人民群众生活水平的提高，国内各大城市纷纷举办各类演出、展会、体育赛事等大型活动。大型活动的举办引发了人们的大量集中出行，给原本就十分紧张的城市交通系统带来了巨大的压力。城市大型活动的举办将在短时间内形成高强度、大密度的聚集或消散客流，给城市交通系统的高效运行带来了巨大挑战。轨道交通作为一种大运量交通方式，在城市主干网络的客流运输中起着举足轻重的作用。大型活动影响力大，也吸引着城市不同区位的人群，同时，大型活动一般在重大场馆举办，场地也相对集中。研究表明，由于受出行距离、停车难易程度等因素影响，在大型活动的出行交通方式构成中轨道交通和公交出行占比较高。做好轨道交通与常规公交的接驳，提高出行体验至关重要。大数据在交通运输行业的应用，使与轨道交通接驳的常规公交车辆精准调度成为可能，在满足居民使用公共交通出行品质的同时，也可节约常规公交的运营成本，进一步提高公共交通的出行使用率，在一定程度上缓解城市交通拥堵。
如城市大型活动开始前和结束后的较短时间段内，部分轨道交通站点会形成明显的大客流现象，存在接驳公交车次不足，影响接驳公交的服务水平和居民的使用体验。
目前，国内外该技术领域中现有的常规公交接驳停靠站规模预测方法不够全面，随着常规公交、轨道交通数据采集和大数据技术的广泛应用，可结合大数据分析有效解决公交接驳车次规模预测的不合理问题。
发明内容
本发明所要解决的技术问题是，提供一种通过大数据技术实现与轨道交通站点接驳公交的精确调度的大客流影响的轨道交通站点公交接驳规模预测方法。
本发明所采用的技术方案是：一种大客流影响的轨道交通站点公交接驳规模预测方法，包括如下步骤：
1)进行轨道交通及接驳公交客流特征分析，其中，包括轨道交通客流数据、与轨道交通站点接驳的公交客流数据和轨道交通及公交出行特征；
2)确定历史上受大型活动影响的轨道交通站点集散客流变化量；
3)预测受第k+1次大型活动影响造成的轨道交通站点的客流平均变化量；
4)预测与轨道交通站点m接驳的第i条公交线路的接驳客流变化量；
5)确定公交线路i受大型活动影响需新增加的接驳车次数。
步骤1)中所述的轨道交通客流数据，包括有轨道线路、进站站点名称、出站站点名称、刷卡编号、进站时间、出站时间；所述的公交客流数据包括有公交车次、刷卡时间、刷卡地点、发车间隔。
步骤1)中所述的轨道交通及公交出行特征，包括根据轨道交通刷卡数据绘制轨道交通在任一轨道交通站点m的刷卡数据时空变化图，根据公交刷卡数据绘制公交在与轨道交通接驳站点的刷卡数据时空变化图。
步骤2)包括：
根据第k次大型活动举办当天及前一周相同工作日的轨道交通站点和接驳公交站点的历史轨道交通客流数据和公交客流数据，统计轨道交通站点及与轨道交通站点接驳的公交线路不同时刻的客流量，根据轨道交通站点进出站客流、公交车客流的时空变化图中的数据的对比，挖掘出第k次大型活动开始前和结束后轨道交通站点m的客流聚集时长Tka和客流消散时长Tkb，用a表示客流聚集，b表示客流消散；
根据第k次大型活动举办当天及前一周相同工作日的轨道交通站点和接驳公交站点历史的轨道交通客流数据和公交客流数据，计算活动当天轨道交通站点m客流聚集时长Tka内的平均客流量qka，以及活动当天轨道交通站点m客流消散时长Tkb内的平均客流量qkb，其中qka＝Qka/Tka，qkb＝Qkb/Tkb，其中，Qka为活动当天轨道交通站点m客流聚集时长Tka内的客流量，Qkb为活动当天轨道交通站点m客流消散时长Tkb内的客流量，活动举办前一周相同工作日轨道交通站点m客流聚集时长Tka内的平均客流量q'ka，以及客流消散时长Tkb内的平均客流量q'kb；
计算轨道交通站点m受第k次大型活动影响造成的客流聚集平均变化量Δqka＝qka-q'ka和客流消散平均变化量Δqkb＝qkb-q'kb。
步骤3)包括：
根据步骤2)得到的轨道交通站点m受第k次大型活动影响造成的客流聚集平均变化量Δqka和客流消散平均变化量Δqkb，以及每次活动举办相对应的售票数，拟定轨道交通站点客流聚集平均变化量与活动售票数的函数
Figure BDA0002297298710000021
轨道交通站点客流消散平均变化量与活动售票数的函数/>
Figure BDA0002297298710000022
其中，Pk为第k次大型活动举办时的售票数；
根据大型活动轨道交通站点客流聚集平均变化量与活动售票数的函数ha、轨道交通站点客流消散平均变化量与活动售票数的函数hb和第k+1次举办该类活动时的售票数P(k+1)，计算轨道交通站点m在活动开始前客流聚集时长内平均新增客流量Δq(k+1)a＝ha×P(k+1)，k＝1,2,3,4,5，客流消散时长内平均新增客流量Δq(k+1)b＝hb×P(k+1)，k＝1,2,3,4,5，Pk为第k次活动售票数。
步骤4)包括：
第k+1次举办该类活动与轨道交通站点m接驳的第i条公交线路在客流聚集时长T(k+1)a内平均新增客流量Δq(k+1)ai＝fa×Δq(k+1)a，fa为在客流聚集时长T(k+1)a内第i条公交线路接驳客流量与轨道交通站点m接驳的所有公交线路客流量之和的比值，
Figure BDA0002297298710000023
第k+1次举办该类活动与轨道交通站点m接驳的第i条公交线路在客流消散时长T(k+1)b内的平均新增客流量Δq(k+1)bi＝fb×Δq(k+1)b，fb为在客流消散时长T(k+1)b内第i条公交线路接驳客流量与轨道交通站点m接驳的所有公交线路客流量之和的比值，/>
Figure BDA0002297298710000031
/>
步骤5)包括：
调查第k+1次大型活动临近一周相同工作日轨道交通站点m的第i条线路在客流聚集时长T(k+1)a内和在客流消散时长T(k+1)b内的实际载客率，根据公交能够接受服务水平时最大载客率和单车额定载客量计算得出客流聚集时长T(k+1)a内单条公交线路剩余载客量：
Lrai＝Ci(Si-Oi)×60/Fai
Lrai——客流聚集时长T(k+1)a内单位小时单条公交线路剩余载客量；
Si——线路i为可接受服务水平时的载客率；
Fai——线路i客流聚集时长T(k+1)a内的发车间隔；
Ci——线路i单车额定载客量；
Oi——线路i在轨道交通站点高峰小时载客率；
根据轨道交通站点m第i条公交线路客流聚集时长T(k+1)a(小时)内平均新增客流量Δq(k+1)ai和客流聚集时长T(k+1)a(小时)内单条公交线路剩余载客量Lrai确定公交线路i新增的车次数：
Xi＝Δq(k+1)ai/Lrai
Xi——与轨道交通站点m接驳的公交线路i受第k+1次大客流影响客流聚集时长T(k+1)a内需增加的公交车车次数；
根据公交能够接受服务水平时最大载客率和单车额定载客量计算得出客流消散时长T(k+1)b内单条公交线路剩余载客量：
Lrbi＝Ci(Si-Oi)×60/Fbi
Lrbi——客流消散时长T(k+1)b内单位小时单条公交线路剩余载客量；
Si——线路i为能够接受服务水平时的载客率；
Fbi——线路i在客流消散时长T(k+1)b内发车间隔；
Ci——线路i单车额定载客量；
Oi——线路i在轨道交通站点高峰小时载客率；
根据轨道交通站点m第i条公交线路客流消散时长T(k+1)b内增加的客流量Δq(k+1)bi和客流消散时长T(k+1)b内单条公交线路剩余载客量Lrbi确定公交线路i新增的车次数；
Yi＝Δq(k+1)bi/Lrbi
Yi——线路i途径m站受第k+1次大客流影响客流消散时长T(k+1)b内需增加的公交车车次数。
本发明的一种大客流影响的轨道交通站点公交接驳规模预测方法，创造性的运用现有轨道交通及公交可获取数据，采用大数据技术，准确分析预测因大型活动造成的轨道交通接驳客流变化量，实现与轨道交通站点接驳公交的精确调度。公交接驳车次的合理设置可大大提高公交的服务水平，提高轨道交通与公交的有效换乘，极大地满足大型活动造成的新增交通需求。
附图说明
图1是本发明一种大客流影响的轨道交通站点公交接驳规模预测方法的流程图。
具体实施方式
下面结合实施例和附图对本发明的一种大客流影响的轨道交通站点公交接驳规模预测方法做出详细说明。
本发明的一种大客流影响的轨道交通站点公交接驳规模预测方法，旨在通过轨道交通客流数据、公交客流数据，运用大数据手段，分析预测大型活动影响下与轨道交通接驳的大客流站点公交线路新增的车次数，实现公交的精准调度。
如图1所示，本发明的一种大客流影响的轨道交通站点公交接驳规模预测方法，包括如下步骤：
1)进行轨道交通及接驳公交客流特征分析，其中，包括轨道交通客流数据、与轨道交通站点接驳的公交客流数据和轨道交通及公交出行特征；其中，
所述的轨道交通客流数据，包括有轨道线路、进站站点名称、出站站点名称、刷卡编号、进站时间、出站时间；所述的公交客流数据包括有公交车次、刷卡时间、刷卡地点、发车间隔。
所述的轨道交通及公交出行特征，包括根据轨道交通刷卡数据绘制轨道交通在任一轨道交通站点m的刷卡数据时空变化图，根据公交刷卡数据绘制公交在与轨道交通接驳站点的刷卡数据时空变化图。
2)确定历史上受大型活动影响的轨道交通站点集散客流变化量，包括：
根据第k次大型活动举办当天及前一周相同工作日的轨道交通站点和接驳公交站点的历史轨道交通客流数据和公交客流数据，统计轨道交通站点及与轨道交通站点接驳的公交线路不同时刻的客流量，根据轨道交通站点进出站客流、公交车客流的时空变化图中的数据对比，挖掘出第k次大型活动开始前和结束后轨道交通站点m的客流聚集时长Tka(小时)和客流消散时长Tkb(小时)，用a表示客流聚集，b表示客流消散；
根据第k次大型活动举办当天及前一周相同工作日的轨道交通站点和接驳公交站点历史的轨道交通客流数据和公交客流数据，计算活动当天轨道交通站点m客流聚集时长Tka(小时)内的平均客流量qka，以及活动当天轨道交通站点m客流消散时长Tkb(小时)内的平均客流量qkb，其中qka＝Qka/Tka，qkb＝Qkb/Tkb，其中，Qka为活动当天轨道交通站点m客流聚集时长Tka(小时)内的客流量，Qkb为活动当天轨道交通站点m客流消散时长Tkb(小时)内的客流量，活动举办前一周相同工作日轨道交通站点m客流聚集时长Tka(小时)内的平均客流量q'ka，以及客流消散时长Tkb(小时)内的平均客流量q'kb；
计算轨道交通站点m受第k次大型活动影响造成的客流聚集平均变化量Δqka＝qka/q'ka和客流消散平均变化量Δqkb＝qkb/q'kb。
3)预测受第k+1次大型活动影响造成的轨道交通站点的客流平均变化量，包括：
大型活动举办前可通过售票数提前知晓活动当天在短时内需聚集及消散的客流量。根据步骤2)得到的轨道交通站点m受第k次大型活动影响造成的客流聚集平均变化量Δqka和客流消散平均变化量Δqkb，以及每次活动举办相对应的售票数，拟定轨道交通站点客流聚集平均变化量与活动售票数的函数
Figure BDA0002297298710000051
轨道交通站点客流消散平均变化量与活动售票数的函数/>
Figure BDA0002297298710000052
其中，Pk为第k次大型活动举办时的售票数；/>
根据大型活动轨道交通站点客流聚集平均变化量与活动售票数的函数ha、轨道交通站点客流消散平均变化量与活动售票数的函数hb和第k+1次举办该类活动时的售票数P(k+1)，计算轨道交通站点m在活动开始前客流聚集时长内平均新增客流量Δq(k+1)a＝ha×P(k+1)，k＝1,2,3,4,5，客流消散时长内平均新增客流量Δq(k+1)b＝hb×P(k+1)，k＝1,2,3,4,5，Pk为第k次活动售票数。
4)预测与轨道交通站点m接驳的第i条公交线路的接驳客流变化量，包括：
第k+1次举办该类活动与轨道交通站点m接驳的第i条公交线路在客流聚集时长T(k+1)a(小时)内平均新增客流量Δq(k+1)ai＝fa×Δq(k+1)a，fa为在客流聚集时长T(k+1)a(小时)内第i条公交线路接驳客流量与轨道交通站点m接驳的所有公交线路客流量之和的比值，
Figure BDA0002297298710000053
第k+1次举办该类活动与轨道交通站点m接驳的第i条公交线路在客流消散时长T(k+1)b(小时)内的平均新增客流量Δq(k+1)bi＝fb×Δq(k+1)b，fb为在客流消散时长T(k+1)b(小时)内第i条公交线路接驳客流量与轨道交通站点m接驳的所有公交线路客流量之和的比值，/>
Figure BDA0002297298710000054
5)确定公交线路i受大型活动影响需新增加的车次接驳数，包括：
调查第k+1次大型活动临近一周相同工作日轨道交通站点m的第i条线路在客流聚集时长T(k+1)a(小时)内和在客流消散时长T(k+1)b(小时)内的实际载客率，根据公交能够接受服务水平时最大载客率和单车额定载客量计算得出客流聚集时长T(k+1)a(小时)内单条公交线路剩余载客量：
Lrai＝Ci(Si-Oi)×60/Fai
Lrai——客流聚集时长T(k+1)a内单位小时单条公交线路剩余载客量；
Si——线路i为可接受服务水平时的载客率；
Fai——线路i客流聚集时长T(k+1)a内的发车间隔(分钟)；
Ci——线路i单车额定载客量(人)；
Oi——线路i在轨道交通站点高峰小时载客率；
根据轨道交通站点m第i条公交线路客流聚集时长T(k+1)a(小时)内平均新增客流量Δq(k+1)ai和客流聚集时长T(k+1)a(小时)内单条公交线路剩余载客量Lrai确定公交线路i新增的车次数：
Xi＝Δq(k+1)ai/Lrai
Xi——与轨道交通站点m接驳的公交线路i受第k+1次大客流影响客流聚集时长T(k+1)a(小时)内需增加的公交车车次数；
根据公交能够接受服务水平时最大载客率和单车额定载客量计算得出客流消散时长T(k+1)b(小时)内单条公交线路剩余载客量：
Lrbi＝Ci(Si-Oi)×60/Fbi
Lrbi——客流消散时长T(k+1)b内单位小时单条公交线路剩余载客量；
Si——线路i为能够接受服务水平时的载客率；
Fbi——线路i在客流消散时长T(k+1)b(小时)内发车间隔(分钟)；
Ci——线路i单车额定载客量(人)；
Oi——线路i在轨道交通站点高峰小时载客率；
根据轨道交通站点m第i条公交线路客流消散时长T(k+1)b(小时)内增加的客流量Δq(k+1)bi和客流消散时长T(k+1)b(小时)内单条公交线路剩余载客量Lrbi确定公交线路i新增的车次数；
Yi＝Δq(k+1)bi/Lrbi
Yi——线路i途径m站受第k+1次大客流影响客流消散时长T(k+1)b(小时)内需增加的公交车车次数。
下面给出实例：
以在天津奥林匹克中心举办大型活动造成的大客流为例，据统计，2018年6月以来，奥林匹克中心共举办大型活动5次，对这5次当日的小时客流进行分析，选取客流受大型活动影响客流出现较大变化的曹庄地铁站为研究对象。
1、受大型活动影响的集散客流量
将曹庄站在这5次大型活动举办当日客流量与举办日前一周相同工作日的地铁客流数据做客流变化时空图，得出受大型活动影响的客流聚集和消散时长分别为2h、2.3h、2.5h、2.5h、2.7h和1.6h、1.7h、2h、2.3h、2.1h，得出曹庄站受大型活动影响造成的大客流集聚平均时长为(2+2.3+2.5+2.5+2.7)/5＝2.4h，大客流消散平均时长为(1.6+1.7+2+2.3+2.1)/5＝1.94h。
去往奥林匹克中心的主要地铁站为6号线的水上公园东路站，下表为距离现在最近的五次奥林匹克中心举办大型活动时，在大型活动开始前2.4h和结束后1.94h曹庄站与水上公园东路站的客流量。
表1大型活动举办当天站点进出站客流量
Figure BDA0002297298710000061
Figure BDA0002297298710000071
表2大型活动举办前站点进出站客流量
Figure BDA0002297298710000072
表3大型活动举办当天站点进出站平均客流变化量
Figure BDA0002297298710000073
表4大型活动举办当天站点进出站平均客流小时变化量
Figure BDA0002297298710000074
Figure BDA0002297298710000081
前5次大型活动举办当天客流聚集时段曹庄(进站)-水上公园东路(出站)、客流消散时段水上公园东路(进站)-曹庄(出站)的客流量如表1所示。前5次大型活动举办临近一周相同工作日客流聚集时段曹庄(进站)-水上公园东路(出站)、客流消散时段水上公园东路(进站)-曹庄(出站)的客流量如表2所示。计算得出站点受大型互动影响造成的客流聚集及消散平均客流量如表4所示。
2、预测本次大型活动举办曹庄站点的客流变化量
前5次大型活动客流聚集、消散变化量与活动售票数见表5。
表5大型活动举办当天站点进出站平均客流小时变化量与售票数
Figure BDA0002297298710000082
根据前5次大型活动举办的客流变化量与活动售票数，确定站点聚集时段平均小时客流变化量与活动售票数的函数：
Figure BDA0002297298710000083
确定站点消散时段平均小时客流变化量与活动售票数的函数：
Figure BDA0002297298710000084
根据大型活动客流变化与售票数的函数ha、hb和本次举办该类大型活动时的售票数P＝25304,计算曹庄站在活动开始前客流聚集时刻平均客流量Δqa＝ha×P＝0.01369*25304＝346。客流消散时刻平均客流量Δqb＝hb×P＝0.01824*25304＝462。P为本次活动售票数。
3、预测与曹庄站接驳的909路公交线路的接驳客流变化量
与曹庄站接驳的公交线路有616路、620路、714路、909路和通勤616路，通过与曹庄站接驳的公交线路客流数据计算，本次活动举办前一天曹庄站客流聚集时段909路的接驳占比为0.3，客流消散时段909路的接驳占比为0.4。
因此，本次举办该大型活动与轨道曹庄站接驳的909路公交聚集时刻的平均新增客流量Δqa909＝fa×Δqa＝0.3*346＝104；消散时刻的平均新增客流量Δqb909＝fb×Δqb＝0.4*462＝185。
4、确定909路受大型活动影响需增加的接驳数
调查本次大型活动临近一周相同工作日曹庄站的909路公交在客流聚集时段和消散时刻的实际载客率分别为0.6和0.5，可接受服务水平时定的载客率为0.9，客流聚集时段的发车间隔为20分钟，客流消散时段的发车间隔为25分钟，909线路的单车额定载客量为100人，909线路在站点高峰小时的载客率为0.8。根据公交可接受服务水平时最大载客率和单车额定载客量计算得出客流聚集时段单条公交线路剩余载客量为：
Lra909＝C909(S909-O909)×60/Fa909
＝100*(0.9-0.8)*60/20
＝30
客流聚集时段单条公交线路剩余载客量为：
Lrb909＝C909(S909-O909)×60/Fb909
＝100*(0.9-0.8)*60/25
＝24
根据曹庄站909路公交客流聚集时段增加的客流量△qa和客流聚集时段909路单条公交线路剩余载客量Lra909确定新增909线路的车次数：
X909＝Δqa909/Lra909
＝104/30
＝4
根据曹庄站909路公交客流消散时段增加的客流量△qb909和客流消散时段909路单条线路剩余载客量Lrb909确定新增909公交线路的车次数：
Y909＝Δqb909/Lrb909
＝185/24
＝8
因此，为满足本次大型活动轨道曹庄站的公交接驳需求，需在客流聚集时段新增909路公交车4辆，客流消散时段新增909路公交车8辆。

Claims (3)

1.一种大客流影响的轨道交通站点公交接驳规模预测方法，其特征在于，包括如下步骤：
1)进行轨道交通及接驳公交客流特征分析，其中，包括轨道交通客流数据、与轨道交通站点接驳的公交客流数据和轨道交通及公交出行特征；
2)确定历史上受大型活动影响的轨道交通站点集散客流变化量；包括：
根据第k次大型活动举办当天及前一周相同工作日的轨道交通站点和接驳公交站点的历史轨道交通客流数据和公交客流数据，统计轨道交通站点及与轨道交通站点接驳的公交线路不同时刻的客流量，根据轨道交通站点进出站客流、公交车客流的时空变化图中的数据的对比，挖掘出第k次大型活动开始前和结束后轨道交通站点m的客流聚集时长Tka和客流消散时长Tkb，用a表示客流聚集，b表示客流消散；
根据第k次大型活动举办当天及前一周相同工作日的轨道交通站点和接驳公交站点历史的轨道交通客流数据和公交客流数据，计算活动当天轨道交通站点m客流聚集时长Tka内的平均客流量qka，以及活动当天轨道交通站点m客流消散时长Tkb内的平均客流量qkb，其中qka＝Qka/Tka，qkb＝Qkb/Tkb，其中，Qka为活动当天轨道交通站点m客流聚集时长Tka内的客流量，Qkb为活动当天轨道交通站点m客流消散时长Tkb内的客流量，活动举办前一周相同工作日轨道交通站点m客流聚集时长Tka内的平均客流量q'ka，以及客流消散时长Tkb内的平均客流量q'kb；
计算轨道交通站点m受第k次大型活动影响造成的客流聚集平均变化量Δqka＝qka-q'ka和客流消散平均变化量Δqkb＝qkb-q'kb；
3)预测受第k+1次大型活动影响造成的轨道交通站点的客流平均变化量；包括：
根据步骤2)得到的轨道交通站点m受第k次大型活动影响造成的客流聚集平均变化量Δqka和客流消散平均变化量Δqkb，以及每次活动举办相对应的售票数，拟定轨道交通站点客流聚集平均变化量与活动售票数的函数
Figure FDA0004102320210000011
轨道交通站点客流消散平均变化量与活动售票数的函数/>
Figure FDA0004102320210000012
其中，Pk为第k次大型活动举办时的售票数；
根据大型活动轨道交通站点客流聚集平均变化量与活动售票数的函数ha、轨道交通站点客流消散平均变化量与活动售票数的函数hb和第k+1次举办该类活动时的售票数P(k+1)，计算轨道交通站点m在活动开始前客流聚集时长内平均新增客流量Δq(k+1)a＝ha×P(k+1)，k＝1,2,3,4,5，客流消散时长内平均新增客流量Δq(k+1)b＝hb×P(k+1)，k＝1,2,3,4,5，Pk为第k次活动售票数；
4)预测与轨道交通站点m接驳的第i条公交线路的接驳客流变化量；包括：
第k+1次举办该类活动与轨道交通站点m接驳的第i条公交线路在客流聚集时长T(k+1)a内平均新增客流量Δq(k+1)ai＝fa×Δq(k+1)a，fa为在客流聚集时长T(k+1)a内第i条公交线路接驳客流量与轨道交通站点m接驳的所有公交线路客流量之和的比值，
Figure FDA0004102320210000021
k＝1,2,3,4,5；第k+1次举办该类活动与轨道交通站点m接驳的第i条公交线路在客流消散时长T(k+1)b内的平均新增客流量Δq(k+1)bi＝fb×Δq(k+1)b，fb为在客流消散时长T(k+1)b内第i条公交线路接驳客流量与轨道交通站点m接驳的所有公交线路客流量之和的比值，/>
Figure FDA0004102320210000022
5)确定公交线路i受大型活动影响需新增加的接驳车次数；包括：
调查第k+1次大型活动临近一周相同工作日轨道交通站点m的第i条线路在客流聚集时长T(k+1)a内和在客流消散时长T(k+1)b内的实际载客率，根据公交能够接受服务水平时最大载客率和单车额定载客量计算得出客流聚集时长T(k+1)a内单条公交线路剩余载客量：
Lrai＝Ci(Si-Oi)×60/Fai
Lrai——客流聚集时长T(k+1)a内单位小时单条公交线路剩余载客量；
Si——线路i为可接受服务水平时的载客率；
Fai——线路i客流聚集时长T(k+1)a内的发车间隔；
Ci——线路i单车额定载客量；
Oi——线路i在轨道交通站点高峰小时载客率；
根据轨道交通站点m第i条公交线路客流聚集时长T(k+1)a(小时)内平均新增客流量Δq(k+1)ai和客流聚集时长T(k+1)a(小时)内单条公交线路剩余载客量Lrai确定公交线路i新增的车次数：
Xi＝Δq(k+1)ai/Lrai
Xi——与轨道交通站点m接驳的公交线路i受第k+1次大客流影响客流聚集时长T(k+1)a内需增加的公交车车次数；
根据公交能够接受服务水平时最大载客率和单车额定载客量计算得出客流消散时长T(k+1)b内单条公交线路剩余载客量：
Lrbi＝Ci(Si-Oi)×60/Fbi
Lrbi——客流消散时长T(k+1)b内单位小时单条公交线路剩余载客量；
Si——线路i为能够接受服务水平时的载客率；
Fbi——线路i在客流消散时长T(k+1)b内发车间隔；
Ci——线路i单车额定载客量；
Oi——线路i在轨道交通站点高峰小时载客率；
根据轨道交通站点m第i条公交线路客流消散时长T(k+1)b内增加的客流量Δq(k+1)bi和客流消散时长T(k+1)b内单条公交线路剩余载客量Lrbi确定公交线路i新增的车次数；
Yi＝Δq(k+1)bi/Lrbi
Yi——线路i途径m站受第k+1次大客流影响客流消散时长T(k+1)b内需增加的公交车车次数。
2.根据权利要求1所述的一种大客流影响的轨道交通站点公交接驳规模预测方法，其特征在于，步骤1)中所述的轨道交通客流数据，包括有轨道线路、进站站点名称、出站站点名称、刷卡编号、进站时间、出站时间；所述的公交客流数据包括有公交车次、刷卡时间、刷卡地点、发车间隔。
3.根据权利要求1所述的一种大客流影响的轨道交通站点公交接驳规模预测方法，其特征在于，步骤1)中所述的轨道交通及公交出行特征，包括根据轨道交通刷卡数据绘制轨道交通在任一轨道交通站点m的刷卡数据时空变化图，根据公交刷卡数据绘制公交在与轨道交通接驳站点的刷卡数据时空变化图。
CN201911207785.9A 2019-11-30 2019-11-30 一种大客流影响的轨道交通站点公交接驳规模预测方法 Active CN110956328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911207785.9A CN110956328B (zh) 2019-11-30 2019-11-30 一种大客流影响的轨道交通站点公交接驳规模预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911207785.9A CN110956328B (zh) 2019-11-30 2019-11-30 一种大客流影响的轨道交通站点公交接驳规模预测方法

Publications (2)

Publication Number Publication Date
CN110956328A CN110956328A (zh) 2020-04-03
CN110956328B true CN110956328B (zh) 2023-05-30

Family

ID=69979233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911207785.9A Active CN110956328B (zh) 2019-11-30 2019-11-30 一种大客流影响的轨道交通站点公交接驳规模预测方法

Country Status (1)

Country Link
CN (1) CN110956328B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561128B (zh) * 2020-11-27 2022-06-10 武汉理工大学 预测未来城市轨道交通换乘常规公交日客运量的方法
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
CN113065701B (zh) * 2021-03-30 2023-10-31 重庆交通职业学院 一种轨道交通客流量智能预测方法和装置
CN114580787B (zh) * 2022-04-02 2023-07-14 佳都科技集团股份有限公司 一种基于公交地铁接驳站点的客流量预测方法及装置
CN115472002A (zh) * 2022-07-26 2022-12-13 卡斯柯信号有限公司 一种智慧交通场景平台系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409578A (zh) * 2018-09-29 2019-03-01 北京市地铁运营有限公司 一种城市轨道交通路网限流组织方案优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409578A (zh) * 2018-09-29 2019-03-01 北京市地铁运营有限公司 一种城市轨道交通路网限流组织方案优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
李传成 ; 周希霖 ; 杨依林 ; .铁路客运站站前公交车场规模预测方法.中国铁道科学.2015,(05),全文. *
李龙 ; 李映红 ; 保鲁昆 ; .城市轨道交通对铁路客运站候车客流影响分析.铁道运输与经济.2007,(02),全文. *
李龙等.城市轨道交通对铁路客运站候车客流影响分析.铁道运输与经济.2007,全文. *
柯水平等.基于多用户配流的空港集疏运交通量预测.交通与运输.2019,全文. *
董书龙 ; .探究地铁换乘站客流组织优化改进的要点.绿色环保建材.2017,(10),全文. *

Also Published As

Publication number Publication date
CN110956328A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN110956328B (zh) 一种大客流影响的轨道交通站点公交接驳规模预测方法
CN109034566B (zh) 一种基于公交站点上下客流的智能调度方法及装置
EP3503069A1 (en) Big data based bus line schedule collaborative optimization method
CN104123833B (zh) 一种道路状况的规划方法和装置
CN102750821B (zh) 一种公交汽车的调度系统
CN109508865B (zh) 基于时空使用模式的地铁站辐射范围内共享单车的部署方法
CN205121912U (zh) 智能公交电子站牌综合显示系统
CN103985247A (zh) 基于城市叫车需求分布密度的出租车运力调度系统
CN110298516B (zh) 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器
CN106373425B (zh) 一种基于大数据的停车管理系统
CN106203662A (zh) 一种基于etc系统实现高速公路通行预约的方法
CN107240289A (zh) 一种公交车线路优化管理方法及系统
CN106816009A (zh) 高速公路实时交通拥堵路况检测方法及其系统
CN106601005A (zh) 一种基于rfid和微信平台的城市智能交通诱导方法
CN110516866A (zh) 一种用于城市轨交地铁拥挤度的实时估计方法
CN107180403A (zh) 一种公共交通客流量统计管理方法及系统
Carrasco Quantifying reliability of transit service in Zurich, Switzerland: case study of bus line 31
DE102010022707A1 (de) Verfahren und Fahrzeug zum Erfassen und Bereitstellen von Informationen und Informationssystem dazu
CN105528890B (zh) 一种适用于大型交通枢纽处的出租车拼车方法
CN113468243A (zh) 地铁客流分析与预测方法及分析与预测系统
CN116090785B (zh) 针对大型活动散场场景两阶段的定制公交规划方法
CN113380070A (zh) 一种面向大型综合体的车位级停车需求时空特征获取方法
CN111367900B (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
CN111508220B (zh) 基于公交人口分布精准进行末端接驳的方法
CN112767685A (zh) 基于定位和刷卡信息的公交客流分析系统

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
CB02 Change of applicant information

Address after: 300051 No. 239, Yingkou Road, Heping District, Tianjin

Applicant after: Tianjin municipal engineering design and Research Institute Co.,Ltd.

Address before: 300051 No. 239, Yingkou Road, Heping District, Tianjin

Applicant before: TIANJIN MUNICIPAL ENGINEERING DESIGN & Research Institute

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant