CN111552913B - 一种新线接入条件下城市轨道交通运能匹配性评价方法 - Google Patents

一种新线接入条件下城市轨道交通运能匹配性评价方法 Download PDF

Info

Publication number
CN111552913B
CN111552913B CN202010330921.XA CN202010330921A CN111552913B CN 111552913 B CN111552913 B CN 111552913B CN 202010330921 A CN202010330921 A CN 202010330921A CN 111552913 B CN111552913 B CN 111552913B
Authority
CN
China
Prior art keywords
station
passenger flow
train
section
time period
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
CN202010330921.XA
Other languages
English (en)
Other versions
CN111552913A (zh
Inventor
过秀成
李爽
綦聪
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202010330921.XA priority Critical patent/CN111552913B/zh
Publication of CN111552913A publication Critical patent/CN111552913A/zh
Application granted granted Critical
Publication of CN111552913B publication Critical patent/CN111552913B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Pure & Applied Mathematics (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

本发明提出一种新线接入条件下城市轨道交通运能匹配性评价方法，属于城市轨道交通运营管理技术。该评价方法由轨道客流数据提取模型、基于主客观权重赋值的客流变化评估模型以及基于熵权‑模糊评价法的评价模型构成。该发明旨在提供一种能够在开通新线背景下对城市轨道交通运能匹配性进行评价的方法，从数据输入、关键数据提取、客流增长率分配、指标体系计算、指标权重计算以及系统评价等全过程出发，使得运能匹配性评价模型从站点层面和线路层面确定轨道系统评价指标，对轨道进站客流与断面客流变化情况进行考虑，并对轨道系统运营时段内各时段运能匹配性进行评价。

Description

一种新线接入条件下城市轨道交通运能匹配性评价方法
技术领域
本发明属于城市轨道运营管理技术，具体涉及一种新线接入条件下城市轨道交通运能匹配性评价方法。
背景技术
城市轨道交通作为现代大城市交通系统的重要组成部分，在城市公共交通供给质量提高、城市空间结构优化、城市环境改善以及居民出行效率提升等方面发挥越来越重要的作用，是解决大城市病，建设绿色城市、智慧城市的有效途径。
我国大多数城市轨道交通目前处于起步发展时期，新线的接入往往会对起步和网络化初期的轨道交通系统产生较大的影响，为保证城市轨道交通能够满足多样化、复杂化的客流需求，轨道交通列车需要在合理的经济成本要求下，制定特定的运营组织方案以满足轨道运能与城市客流的匹配要求。现阶段轨道运能匹配性的评价都是对既定的轨道系统进行评价，而缺少对轨道系统由于新线带来的改变而可能引起新的问题的考虑，因此有必要对新线接入后轨道系统进行合理评价，能够帮助城市轨道运营管理者采取及时、有针对性的调整措施，应对系统变化后可能带来的问题。
发明内容
为解决上述问题，本发明公开了一种新线接入条件下城市轨道交通运能匹配性评价方法，通过该方法可以对城市轨道交通在新线接入条件下系统发生变化后的运能匹配性进行评价，可以观察各时段内轨道站点的候车状态与断面的运行状态，为城市轨道交通运营管理决策提供参考依据。
为了实现上述技术效果，本发明所采用的技术方案如下：
一种新线接入条件下城市轨道交通运能匹配性评价方法，包括以下步骤：
(1)关键数据提取：处理轨道客流AFC数据、时刻表数据以及车辆参数，其中AFC(城市轨道交通自动售检票系统)客流数据包括进出站日期、进出站时间、进出站站点，同时对于换乘客流，需根据上下车站点推算换乘时间，将1条换乘数据分解为各条线的客流数据；列车时刻表数据需分解为上行列车到站时刻表
Figure GDA0002537320510000011
上行列车离站时刻表/>
Figure GDA0002537320510000012
下行列车到站时刻表/>
Figure GDA0002537320510000013
下行列车离站时刻表/>
Figure GDA0002537320510000014
车辆参数包括列车编组数Z、列车定员数ηT，期望满载率ηa，列车过载率ηb。
基于时刻表以每一辆列车为对象，计算进站乘客数量
Figure GDA0002537320510000015
出站乘客数量/>
Figure GDA0002537320510000016
列车载客数/>
Figure GDA0002537320510000017
乘客候车时长/>
Figure GDA0002537320510000018
候车人数/>
Figure GDA0002537320510000019
其中i为第i个站点，j为第j辆列车。根据需求的时段长度进行集计，获得各时段候车人数/>
Figure GDA0002537320510000021
候车总时长/>
Figure GDA0002537320510000022
断面客流量/>
Figure GDA0002537320510000023
列车数Nti的数据，具体内容包括：
数据的提取需分线路、分上下行方向进行提取，作如下假设：
①滞留乘客出现在轨道交通高峰时期，滞留乘客在第二班列车可以全部上车，同时滞留乘客的额外候车时间纳入进站时间所属的时间区间。
②平峰时期无滞留乘客，候车总时间为列车离站时间与乘客到达时间差值的总和。
③不考虑乘客在轨道系统中往返、停留，假设乘客全部希望尽可能地搭乘最近一班列车。
④乘客候车时能够均匀分散，不考虑局部拥挤情况。
具体算法流程如下：
STEP 1：输入处理后的AFC乘客数据、某一方向到站与离站时刻表数据，列车参数，单日运营列车数K，车站数S。
STEP 2：设置标识列车与站点的参数，并初始化。令i＝1，j＝1。
STEP 3：计算车站i内列车j的进站人数与出站人数：
Figure GDA0002537320510000024
Figure GDA0002537320510000025
式中，
Figure GDA0002537320510000026
分别为t时刻车站i的进站人数与出站人数；/>
Figure GDA0002537320510000027
分别为列车j在车站i的进站时间与离站时间。
STEP 4：计算列车j在车站i离站时载客量
Figure GDA0002537320510000028
当j＝1时：
Figure GDA0002537320510000029
当j＞1时：
Figure GDA00025373205100000210
STEP 5：计算车站i的滞留乘客数
Figure GDA00025373205100000211
Figure GDA0002537320510000031
STEP 6：计算车站i等候列车j的候车时长
Figure GDA0002537320510000032
/>
Figure GDA0002537320510000033
STEP 7:计算车站i等候列车j的候车人数
Figure GDA0002537320510000034
Figure GDA0002537320510000035
STEP 8：令i＝i+1，当i≤S时，返回STEP 3，否则，转至STEP 9。
STEP 9：令j＝j+1，当j≤K时，令i＝1，返回STEP 3，否则，转至STEP 10。
STEP 10：输出进出站人数、载客量、候车时长与候车人数矩阵，算法终止。
由于数据矩阵是以列车时刻表为维度构建的，因此可以以时刻表矩阵中的时间为标定依据，获取数据矩阵中每一元素对应相应的时间，从而获得各个时刻、各站点对应的数据，通过对时间的集计，便可以获得特定时段t＝[Tt-1,Tt]的断面客流、候车总时长与候车总人数
(2)建立指标评价体系：该指标评价体系为R＝{R1,R2,R3,R4}，式中R1,R2,R3,R4分别为候车时长满意度、候车拥挤满意度、运能利用满意度以及乘客舒适度。
其中，候车时长满意度计算方式为：
Figure GDA0002537320510000036
式中，
Figure GDA0002537320510000037
为第s个车站时段t内乘客平均候车时间(s)；Wt,1为时段t内乘客理想候车时间(s)；Wt,2为时段t内乘客最大忍受候车时间(s)。
候车拥挤满意度计算方式为：
Figure GDA0002537320510000038
式中，
Figure GDA0002537320510000039
为第s个车站时段t内乘客平均排队长度(人)；/>
Figure GDA00025373205100000310
为第s个车站乘客理想排队长度(人)；/>
Figure GDA00025373205100000311
为第s个车站乘客最大忍受排队长度(人)，/>
Figure GDA00025373205100000312
bs为第s个车站侧站台宽度。
其中，t时段内s站平均排队长度为：
Figure GDA0002537320510000041
式中，x为单一方向排队队数，x＝2d×Z，d为一节车厢单侧车门数，Z为列车编组数；
Figure GDA0002537320510000042
分别为t时段内s站的上下行候车乘客数；/>
Figure GDA0002537320510000043
分别为t时段内s车站上行和下行方向列车数(列)；
运能利用满意度计算方式为：
Figure GDA0002537320510000044
式中，
Figure GDA0002537320510000045
为第m个断面区间，时段t内运能的满载率；ηs为企业期望满载率。
其中，对于断面区间m，t时段内列车平均满载率
Figure GDA0002537320510000046
计算方式为：
Figure GDA0002537320510000047
式中，
Figure GDA0002537320510000048
分别为t时段内m断面区间上行和下行方向客流量(人)；
Figure GDA0002537320510000049
分别为t时段内m断面区间上行和下行方向列车数(列)；nT为列车载客能力(人/列)。
乘客舒适度计算方式为：
Figure GDA00025373205100000410
式中，
Figure GDA00025373205100000411
为第m个断面区间，时段t内的客流量(人)；st为时段t内列车座位数(人)；Nt为时段t内列车实际运能(人)；ηb为列车运能过载率，取1.25。
(3)客流增长率确定：以各站点进站客流与断面客流为依据，分别计算主客观组合权重wi，其中i为第i个站点或断面。
主客观组合权重中主观赋权采用序关系分析法(G1法)，站点与断面重要度由高到低分别为新线与既有线形成的新换乘站点与相邻断面、新线与既有线路形成合作关系的站点与断面、新线与既有线路形成竞争关系的站点与断面。客观赋权采用熵权法，离差函数偏好因子取0.5。
确定客流总体客流增长率Gp，根据组合权重将总体客流增长率分配到各站点与各断面，获得增长变化后客流数据。
各站点或断面的增长率计算方式为：
Figure GDA0002537320510000051
式中，gi为第i个站点或断面的客流增长率；Pi为第i个站点或断面单日进站客流或断面客流量；s为站点或断面总数。
(4)客流变化后评价指标计算：利用处理过的客流数据计算评价指标
Figure GDA0002537320510000052
采用熵权法计算各站点或断面的权重系数/>
Figure GDA0002537320510000053
其中k为第k类评价指标，i为第i个站点或断面，t为第t个时段。
(5)二级评价结果计算：采用单一评语、二级权重向量形式的模糊综合评价方法，模糊合成算子采用“乘·和”算子
Figure GDA0002537320510000054
确定二级隶属关系矩阵，假设共有s个站点或断面，将单日运营时间分为t个时段：
对于各类指标，
Figure GDA0002537320510000055
二级评价结果为：
Figure GDA0002537320510000056
其中ο为模糊合成算子/>
Figure GDA0002537320510000057
Vk为二级权重向量/>
Figure GDA0002537320510000058
Bk为二级评价结果向量。
计算得到各时段的二级评价结果
Figure GDA0002537320510000059
其中k为第k类评价指标，t为第t个时段。
(6)一级评价结果计算：利用熵权法计算各二级评价结果的权重系数vk，
由二级评价结果向量，可以构成一级隶属关系矩阵R：
Figure GDA00025373205100000510
一级评价结果为：B＝VοR＝{b1,b2,…,bt}，其中bt为轨道系统各时段运能匹配性评价结果，V为一级权重向量{v1,v2,v3,v4}，B为一级评价结果向量。
评价结果取值范围为[0,1]，取值越接近1，说明匹配性越好，反之，说明匹配性越差。
本发明的有益效果是：
本发明提供的一种新线接入条件下城市轨道交通运能匹配性的评价方法，可以对城市轨道交通在新线接入条件下系统发生变化后的运能匹配性进行评价，可以观察各时段内轨道站点的候车状态与断面的运行状态，为城市轨道交通运营管理决策提供参考依据。
附图说明
图1为本发明的新线接入条件下城市轨道交通运能匹配性评价流程示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明公开一种新线接入条件下城市轨道交通运能匹配性评价方法，以下实施苏州市1号线为例进行说明：
参见图1，本发明所述的新线接入条件下城市轨道交通运能匹配性评价方法总体流程如图所示。
苏州市轨道于2019年12月25日接入新线3号线，以此为背景，分析既有线路1号线的轨道运能匹配性。
(1)数据输入与提取
1号线站点数S为24，断面数M为23，额定载客数N为950人，编组数Z为4，座位数168，一侧车门数为8，实际利用率ηa采用0.8，企业期望满载率ηs采用0.8，列车运能过载率ηb为1.25。1号线运营时段自5：40至23：35，考虑到首末班时段列车主要为功能性需求，载客数较少，因此研究时间段统一为6：00-23：00，早高峰为7：00-9：00，晚高峰为17：00-19：00，高峰时段理想候车时长小于2分，最大忍受候车时长为5分钟，平峰时段理想候车时长小于3分钟，最大忍受候车时长为6分钟。结合1号线车站建筑建设情况，普通站点侧站台宽度约为2.5-2.625米，换乘站与市中心客流量较大的车站侧站台宽度约为3.625-4.625米，因此普通站点最大排队长度为5人，换乘站与大客流站点最大排队长度为7人。
对AFC客流数据处理过程样例如表1所示，其中站点编号260与350为换乘站点在不同线路上的编号，分解后新增的出站时间与进站时间实际上为乘客下车与上车时间，可由时刻表推算。
表1 AFC客流换乘乘客数据处理
Figure GDA0002537320510000061
对时刻表数据进行处理，分离出上下行各站点到站与离站时刻表，表2为下行方向到站时刻表样例。
表2下行列车到站时刻表数据样例
Figure GDA0002537320510000062
Figure GDA0002537320510000071
利用关键数据提取模型算法，提取单日所有车次在各站点上下乘客数、候车时间以及断面客流，以1小时为单位时段进行集计。
(2)客流增长率确定
1号线自2015年以来，历年客运量平均增长率为10％，取Gp为0.1，主观赋权法对各站点相对重要程度确定如表3所示。
表3站点相对重要度
Figure GDA0002537320510000072
各站点与断面的权重如表4：
表4 1号线各站点/断面主客观组合权重
Figure GDA0002537320510000073
计算得到各站点/断面的客流增长率如表5：
Figure GDA0002537320510000074
表5各站点/断面的客流增长率
利用增长率对站点候车人数、断面客流量进行计算。
(3)评价指标计算
候车时长满意度、候车拥挤满意度、运能利用满意度以及乘车舒适度计算结果分别如表6、7、8、9所示。
表6候车时长满意度计算结果
Figure GDA0002537320510000081
表7候车拥挤满意度
Figure GDA0002537320510000082
表8运能利用满意度
Figure GDA0002537320510000091
表9乘车舒适度
Figure GDA0002537320510000101
(4)运能匹配性评价结果
利用以上指标，采用熵权法计算各站点/断面权重，结果如表10。
表10各站点/断面二级评价指标权重
Figure GDA0002537320510000102
计算二级评价结果如表11所示。
表11二级评价结果
Figure GDA0002537320510000103
/>
Figure GDA0002537320510000111
由此计算评价指标候车时长满意度、候车拥挤满意度、运能利用满意度一级乘车舒适度的权重为V＝{0.2790,0.2310,0.3254,0.1647}，最终一级评价结果如表12所示。
Figure GDA0002537320510000112
由此得到苏州轨道1号线在客流增长10％的条件下，各时段轨道运能匹配性评价结果。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (6)

1.一种新线接入条件下城市轨道交通运能匹配性评价方法，其特征在于包括以下步骤：
(1)关键数据提取：输入处理过的轨道客流AFC数据、时刻表数据以及车辆参数，其中车辆参数包括列车编组数Z、列车定员数ηT，期望满载率ηa，列车过载率ηb；基于时刻表以每一辆列车为对象，计算进站乘客数量
Figure FDA0004022549470000011
出站乘客数量/>
Figure FDA0004022549470000012
列车载客数/>
Figure FDA0004022549470000013
乘客候车时长
Figure FDA0004022549470000014
候车人数/>
Figure FDA0004022549470000015
其中i为第i个站点，j为第j辆列车，根据需求的时段长度进行集计，获得各时段候车人数/>
Figure FDA0004022549470000016
候车总时长/>
Figure FDA0004022549470000017
断面客流量/>
Figure FDA0004022549470000018
列车数/>
Figure FDA0004022549470000019
的数据；
(2)建立指标评价体系：该指标评价体系为R＝{R1,R2,R3,R4}，式中R1,R2,R3,R4分别为候车时长满意度、候车拥挤满意度、运能利用满意度以及乘客舒适度；
(3)客流增长率确定：以各站点进站客流与断面客流为依据，分别计算主客观组合权重wi，其中i为第i个站点或断面；确定客流总体客流增长率Gp，根据组合权重将总体客流增长率分配到各站点与各断面，获得增长变化后客流数据；
(4)客流变化后评价指标计算：利用处理过的客流数据计算评价指标
Figure FDA00040225494700000110
采用熵权法计算各站点或断面的权重系数/>
Figure FDA00040225494700000111
其中k为第k类评价指标，i为第i个站点或断面，t为第t个时段；
(5)二级评价结果计算：采用单一评语、二级权重向量形式的模糊综合评价方法，模糊合成算子采用“乘·和”算子M(·,⊕)，确定二级隶属关系矩阵，假设共有s个站点或断面，将单日运营时间分为t个时段：对于各类指标，
Figure FDA00040225494700000112
二级评价结果为/>
Figure FDA00040225494700000113
其中/>
Figure FDA00040225494700000114
为模糊合成算子M(·,⊕)，Vk为二级权重向量/>
Figure FDA00040225494700000115
Bk为二级评价结果向量，计算得到各时段的二级评价结果/>
Figure FDA00040225494700000116
其中k为第k类评价指标，t为第t个时段；
(6)一级评价结果计算：利用熵权法计算各二级评价结果的权重系数vk，结合二级评价结果，合成计算轨道系统总体运能匹配性评价结果bt，t为第t个时段。
2.根据权利要求1所述的一种新线接入条件下城市轨道交通运能匹配性评价方法，其特征在于，步骤(1)关键数据提取，AFC客流数据包括进出站日期、进出站时间、进出站站点，同时对于换乘客流，需根据上下车站点推算换乘时间，将1条换乘数据分解为各条线的客流数据。
3.根据权利要求1所述的一种新线接入条件下城市轨道交通运能匹配性评价方法，其特征在于，步骤(1)关键数据提取，列车时刻表数据需分解为上行列车到站时刻表
Figure FDA0004022549470000021
上行列车离站时刻表/>
Figure FDA0004022549470000022
下行列车到站时刻表/>
Figure FDA0004022549470000023
下行列车离站时刻表/>
Figure FDA0004022549470000024
4.根据权利要求1所述的一种新线接入条件下城市轨道交通运能匹配性评价方法，其特征在于，步骤(2)建立指标评价体系具体包括：
(2-1)候车时长满意度计算方式为：
Figure FDA0004022549470000025
式中，Wt s为第s个车站时段t内乘客平均候车时间(s)；Wt,1为时段t内乘客理想候车时间(s)；Wt,2为时段t内乘客最大忍受候车时间(s)；
(2-2)候车拥挤满意度计算方式为：
Figure FDA0004022549470000026
式中，
Figure FDA0004022549470000027
为第s个车站时段t内乘客平均排队长度(人)；/>
Figure FDA0004022549470000028
为第s个车站乘客理想排队长度(人)；/>
Figure FDA0004022549470000029
为第s个车站乘客最大忍受排队长度(人)，/>
Figure FDA00040225494700000210
bs为第s个车站侧站台宽度；
(2-3)运能利用满意度计算方式为：
Figure FDA00040225494700000211
式中，
Figure FDA00040225494700000212
为第m个断面区间，时段t内运能的满载率；ηs为企业期望满载率；
(2-4)乘客舒适度计算方式为：
Figure FDA0004022549470000031
式中，
Figure FDA0004022549470000032
为第m个断面区间，时段t内的客流量(人)；st为时段t内列车座位数(人)；Nt为时段t内列车实际运能(人)；ηb为列车运能过载率，取1.25。
5.根据权利要求1所述的一种新线接入条件下城市轨道交通运能匹配性评价方法，其特征在于，步骤(3)客流增长率确定方法中，主客观组合权重中主观赋权采用序关系分析法，站点与断面重要度由高到低分别为新线与既有线形成的新换乘站点与相邻断面、新线与既有线路形成合作关系的站点与断面、新线与既有线路形成竞争关系的站点与断面；客观赋权采用熵权法，离差函数偏好因子取0.5。
6.根据权利要求1所述的一种新线接入条件下城市轨道交通运能匹配性评价方法，其特征在于，步骤(3)客流增长率确定方法中，各站点或断面的增长率计算方式为：
Figure FDA0004022549470000033
式中，gi为第i个站点或断面的客流增长率；Pi为第i个站点或断面单日进站客流或断面客流量；s为站点或断面总数。
CN202010330921.XA 2020-04-24 2020-04-24 一种新线接入条件下城市轨道交通运能匹配性评价方法 Active CN111552913B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010330921.XA CN111552913B (zh) 2020-04-24 2020-04-24 一种新线接入条件下城市轨道交通运能匹配性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010330921.XA CN111552913B (zh) 2020-04-24 2020-04-24 一种新线接入条件下城市轨道交通运能匹配性评价方法

Publications (2)

Publication Number Publication Date
CN111552913A CN111552913A (zh) 2020-08-18
CN111552913B true CN111552913B (zh) 2023-03-28

Family

ID=72002503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010330921.XA Active CN111552913B (zh) 2020-04-24 2020-04-24 一种新线接入条件下城市轨道交通运能匹配性评价方法

Country Status (1)

Country Link
CN (1) CN111552913B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113345259B (zh) * 2020-12-09 2022-07-12 北京工业大学 一种基于数据驱动的地面公交线路调整的方法
CN112598182B (zh) * 2020-12-25 2022-11-29 卡斯柯信号有限公司 一种轨道交通智能调度方法及系统
CN113361885B (zh) * 2021-05-28 2022-09-20 同济大学 一种基于多源数据的双目标城市公交效益评价方法
CN113496353B (zh) * 2021-06-23 2022-03-08 北京城建设计发展集团股份有限公司 城市轨道交通系统运力负荷评估方法
CN113256188A (zh) * 2021-07-15 2021-08-13 广州地铁设计研究院股份有限公司 区域轨道跨线运营运输能力评价交互系统
CN113723667B (zh) * 2021-07-27 2023-07-11 深圳技术大学 轨道交通线网运营方案的优化方法、设备及可读存储介质
CN115345685A (zh) * 2022-10-18 2022-11-15 苏州大学 基于熵权法和模糊评价的共享出行服务的评价方法和系统
CN115809729B (zh) * 2022-11-28 2023-08-22 北京交通大学 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法
CN117236790B (zh) * 2023-11-10 2024-01-26 中铁第六勘察设计院集团有限公司 城市轨道交通运力与客流适应性评估方法、系统及设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080015910A1 (en) * 2006-07-11 2008-01-17 Claudia Reisz Ranking-based method and system for evaluating customer predication models
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
CN107844893A (zh) * 2017-10-10 2018-03-27 东南大学 基于物元可拓的大客流发生车站运营安全评估方法
CN109409578B (zh) * 2018-09-29 2021-07-27 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

Also Published As

Publication number Publication date
CN111552913A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN111552913B (zh) 一种新线接入条件下城市轨道交通运能匹配性评价方法
CN111353639B (zh) 协调列车时刻表的城市轨道交通高峰期限流优化方法
CN109886491B (zh) 一种海量运行数据驱动的地面公交两阶段优化调度方法
CN109034566B (zh) 一种基于公交站点上下客流的智能调度方法及装置
CN108846514B (zh) 一种突发事件下轨道交通客流疏散需求预测方法
CN107564270A (zh) 一种智能公交调度运营方法
CN103632212A (zh) 一种时变用户均衡动态网络演化客流预测系统和方法
CN105488751A (zh) 一种地铁站客流微观统计与调度方法
CN106504518B (zh) 一种城市公交与长途客运协同的调度方法
CN106355276A (zh) 基于客流仿真分析的发车时刻表生成系统
CN112819316B (zh) 一种综合客运枢纽轨道交通系统的枢纽运能识别方法
CN112465205B (zh) 一种单线多站协同限流的轨道交通列车开行密度优化方法
CN104866931A (zh) 一种基于大站停车和多站协同限流的地铁客流组织方法
CN112183815B (zh) 基于规则推荐算法的精准短时客流预测模型
CN111401643B (zh) 一种城市轨道交通客流回路自适应的智能列车调度方法
CN108197078B (zh) 一种基于公交ic卡数据计算公交断面客流量的方法
CN113888387A (zh) 一种基于客流需求的多目标运行优化方法
CN113592419A (zh) 考虑客流和节能的轨道交通快慢车时刻表优化方法
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
CN112116124A (zh) 一种基于出行者视角的公交线网优化方案的审计方法
CN111785015A (zh) 公交实时调控信息系统以及基于遗传算法的调度方法
Sarango et al. Mathematical model for predicting the vehicle occupancy for urban passenger transport on the route
CN114781881A (zh) 一种区域轨道交通系统的分析系统及分析方法
CN109583657A (zh) 列车运行实绩数据驱动的运行图冗余时间布局获取方法
CN111339159B (zh) 一种一票制公交数据的分析挖掘方法

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