CN111598427B - 一种城市轨道交通站点重要度评价方法 - Google Patents

Abstract

本发明公开了一种城市轨道交通车站重要度评价方法，运用Space L法映射城市轨道交通网络有向拓扑结构并将网络结构用矩阵表示；通过构建一种改进的节点加权重要度贡献矩阵，量化相邻车站对站点重要度的贡献值，并结合站点自身初始重要度计算车站位置重要度值；构建车站功能重要性和换乘重要性指标，量化指标值；最后运用TOPSIS评价法对车站综合重要度进行评价排序。本发明解决了仅从网络拓扑结构评价站点重要度的缺点，将车站和区间客流数据引入重要度评价中，并考虑了地铁站点与公交线路衔接情况，对车站重要度的评价更符合实际运输情况也更全面，可为城市轨道运输系统中关键站点的识别与资源优先配置等决策提供依据。

Description

一种城市轨道交通站点重要度评价方法

技术领域

本发明属于城市轨道交通网络研究领域，具体涉及一种城市轨道交通车站重要度排序方法的设计。

背景技术

城市轨道交通具有运量大、快捷、准时等特点，已成为支撑大城市公共交通出行的骨干方式。

随着城市轨道交通进入网络化运营时代，站与站、区间与区间关联度增强，由于设备故障、人为因素等造成的站点或区间局部运营中断的影响可能波及到整条线路甚至整个地铁网络，对系统正常运营造成影响。因此需要提前对重点车站进行识别以采取客流诱导、优先人力物力资源配置等防护措施。现有的地铁车站重要度评价多限于网络拓扑结构角度，较少结合系统实际客流情况进行分析，然而，客流运输是城市交通系统的最主要任务，有些站点虽然在网络结构中位置重要性不突出，但其相邻断面承担了大量客流负载，区间运营中断后会造成较大影响，此外，当轨道交通发生较严重的停运时，需要启用地面公交接驳来疏运客流以维持整个城市公共交通系统的运输功能，因此，也需将地铁站与公交线路的衔接程度纳为地铁站点重要性的一个评价测度。综上，有必要综合考虑网络拓扑结构和系统客流运输情况以及地铁公交换乘情况，对城市轨道交通车站进行重要度评价。

发明内容

发明目的：本发明的目的在于解决现有的轨道交通评价方法未将地铁站与公交线路的衔接程度纳为地铁站点重要性的一个评价测度，导致测试结果不精确的问题。

发明内容：为解决上述问题，本发明提供以下技术方案：

本发明提出的城市轨道交通站点重要度评价方法，具体操作步骤如下：

一种城市轨道交通车站重要度评价方法，具体操作步骤如下：

1)运用Space L法映射城市轨道交通网络有向拓扑结构并将网络结构用矩阵表示；

2)通过构建一种改进的节点加权重要度贡献矩阵，量化相邻车站对站点重要度的贡献值，并结合站点自身初始重要度计算车站位置重要度值；

3)构建车站功能重要性和换乘重要性指标，量化指标值；

4)最后运用TOPSIS评价法对车站综合重要度进行评价排序。

进一步地，所述步骤1)中，具体包括以下步骤：

11)视轨道交通的车站为节点，若两个车站之间有线路区间且不经过其他车站，则两节点之间存在一条直接相连的边，否则无边连接；利用Space L空间映射法将城市轨道交通路网拓扑结构抽象为由若干节点、有向边和权构成的有向加权网络模型；将网络用G(V,E,W)表示，其中，V＝(v₁，v₂，…，v_n)表示所有车站的集合，E表示所有相邻车站之间的有向路段l_ij的集合，有向路段l_ij表示从车站i到车站j方向的路段，w_ij表示有向路段l_ij的权值；

12)用矩阵表示网络相关信息：

121)邻接矩阵A＝(a_ij)_n×n

其中i和j为节点编号，a_ij为0-1变量，当节点i和j之间有边连接且i≠j时取1，否则取0；n为网络中节点个数，即轨道交通车站数；

122)边权矩阵W＝(w_ij)_n×n

其中t_ij表示相邻两站点i和j之间的区间行程时间，为车辆区间行驶和停站的时间之和；

123)客流矩阵Q＝(q_ij)_n×n

q_ij表示相邻站点i到j的区间断面客流，当i＝j或i和j不相邻时，取0。

进一步地，所述步骤2)中，从网络拓扑结构、车站客流负载以及与公交衔接便利度三个方面构建城市轨道交通车站重要度评价体系，三个指标记为位置重要度C1、功能重要度C2和换乘重要度C3；具体包括以下步骤：

21)车站位置重要度指标C1值计算

211)计算节点效率

E_i表示节点i的效率，计算方法为：

d_ij为节点i和j之间的最短距离，根据网络权值矩阵W，利用Floyd算法计算得出；

Floyd算法的基本步骤：

步骤2111输入网络的权值矩阵W。对所有i和j，有d_ij＝w_ij,k＝1。

步骤2112更新dij。对所有i和j，若d_ik+d_kj＜d_ij，则令d_ij＝d_ik+d_kj。

步骤2113若d_ii＜0,则存在一条含有顶点i的负回路,停止；或者k＝n，停止,否则转到步骤2112；

213)计算节点度和节点加权强度

k_i表示节点度，计算方法为：

D_i表示节点i的加权强度，计算方法为：

<k>为网络节点加权强度平均值，计算方法为：

213)构建相邻节点重要度贡献矩阵

矩阵中元素H_Eij表示节点i对节点j的重要度贡献值，一个节点对其相邻节点的重要度贡献值与节点自身的效率和加权强度有关；

δ_ij表示站点i对j的重要度贡献系数，即站点按照与相邻节点之间断面客流大小与自身加权强度的比值将自身重要度贡献给相邻节点，计算方法为

214)计算各个站点位置重要度值C₁

将节点i的效率与加权强度的乘积视为节点自身初始重要度，C_i1表示节点i的位置重要度值为其自身重要度与其各相邻节点对其重要度贡献之和的乘积。

进一步地，所述步骤3)中，计算功能重要度C2和换乘重要度C3，具体包括以下步骤：

31)C2反映了车站负载客流的情况，车站功能重要度指标C2计算

C_i2＝I_i+O_i (9)

其中I_i表示车站i的进站客流量，O_i表示车站i的出站客流量；

32)C3反映了地铁车站周围公交衔接换乘的便利情况，车站换乘重要度指标C3计算

C_i3等于地铁站300米范围内的所有公交站经过的不重复公交线路条数。

进一步地，所述步骤4)中，运用TOPSIS法评价车站综合重要度，具体包括以下步骤：

41)建立初始评价矩阵，共有3个指标，假设网络中共有n个节点，则建立如下初始评价矩阵：

42)指标正向化，指标值越大越好的指标称为极大型指标或效益型指标，指标值越小越好的指标称为极小型指标或成本型指标，以上所选的C1,C2,C3三个指标中，C1,C2都属于极大值指标，而C3可视为极小型指标，对C3进行指标正向化处理。

极小型指标转换为极大型指标的公式为：

c_i3'＝max C₃-c_i3 (11)

记正向化之后的指标矩阵为X＝(x_ij)_n×3

其中，x_i1＝c_i1，x_i2＝c_i2，x_i3＝c_i3'，i＝1,2...n。 (12)

43)评价矩阵标准化，为了消去不同指标量纲的影响，需要对已经正向化的指标矩阵进行标准化处理，记标准化后的指标矩阵为Z＝(z_ij)_3×n；

矩阵元素标准化计算公式为：

44)计算评价指标的正理想解Z⁺和负理想解Z^-

Z⁺＝(Z₁ ⁺，Z₂ ⁺，Z₃ ⁺)＝(max{z₁₁，z₂₁...z_n1}，max{z₁₂，z₂₂...z_n2}，max{z₁₃，z₂₃...z_n3}) (14)

Z^-＝(Z₁ ^-，Z₂ ^-，Z₃ ^-)＝(min{z₁₁，z₂₁...z_n1}，min{z₁₂，z₂₂...z_n2}，max{z₁₃，z₂₃...z_n3}) (15)

45)计算第i个评价对象到正负理想解的距离D_i ⁺和D_i ^-

46)计算第i个评价对象的综合重要度评价得分S_i

可以看出0≤S_i≤1，且S_i越大D_i ⁺越小，即越接近大值；

47)对站点综合重要度评分进行归一化处理得到S_i'并进行排序：

S_i'值越大，站点综合重要度排名越靠前。

有益效果：本发明相对于现有技术而言：

本发明解决了仅从网络拓扑结构评价站点重要度的缺点，将车站和区间客流数据引入重要度评价中，并考虑了地铁站点与公交线路衔接情况，对车站重要度的评价更符合实际运输情况也更全面，可为城市轨道运输系统中关键站点的识别与资源优先配置等决策提供依据。

附图说明

图1为南京截止2017年底的地铁运营线路图；

图2为本发明的计算流程图。

具体实施方式

下面结合实施例对本发明进行进一步地说明。

1、城市轨道交通网络拓扑结构映射

轨道交通线路运营分上行与下行方向，具有方向特性，且上下行各自路段间的客流情况不同，利用Space L空间映射法将城市轨道交通路网拓扑结构抽象为由若干节点、有向边和权构成的有向加权网络模型。视轨道交通的车站为节点，若两个车站之间有线路区间且不经过其他车站，则两节点之间存在一条直接相连的边，否则无边连接。将网络用G(V,E,W)表示。其中，V＝(v₁，v₂，…，v_n)表示所有车站的集合，E表示所有相邻车站之间的有向路段l_ij的集合(有向路段l_ij表示从车站i到车站j方向的路段)，w_ij表示有向路段l_ij的权值。

2、用矩阵表示网络相关信息：

(1)邻接矩阵A＝(a_ij)_n×n

其中i和j为节点编号，a_ij为0-1变量，当节点i和j之间有边连接且i≠j时取1，否则取0。n为网络中节点个数，即轨道交通车站数。

(2)边权矩阵W＝(w_ij)_n×n

其中t_ij表示相邻两站点i和j之间的区间行程时间，为车辆区间行驶和停站的时间之和。

(3)客流矩阵Q＝(q_ij)_n×n

q_ij表示相邻站点i到j的区间断面客流，当i＝j或i和j不相邻时，取0。n为网络中节点个数，即轨道交通车站数。

3、从网络拓扑结构、车站客流负载以及与公交衔接便利度三个方面构建城市轨道交通车站重要度评价体系，三个指标记为位置重要度C1、功能重要度C2和换乘重要度C3。

4、车站位置重要度指标C1值计算

4.1计算节点效率

E_i表示节点i的效率，计算方法为：

d_ij为节点i和j之间的最短距离，根据网络权值矩阵W，利用Floyd算法计算得出。n为网络中节点个数，即轨道交通车站数。

Floyd算法的基本步骤：

步骤1输入网络的权值矩阵W。对所有i和j，有d_ij＝w_ij,k＝1。

步骤2更新dij。对所有i和j，若d_ik+d_kj＜d_ij，则令d_ij＝d_ik+d_kj。

步骤3若d_ii＜0,则存在一条含有顶点i的负回路,停止；或者k＝n，停止,否则转到步骤2。

节点效率表达了该节点到网络中其他节点的平均难易程度，体现了该节点对网络信息传输所做的贡献，节点效率值越大，表明该节点在网络信息传输过程中所处的位置越重要。

4.2计算节点度和节点加权强度

k_i表示节点度，计算方法为：

D_i表示节点i的加权强度，计算方法为：

<k>为网络节点加权强度平均值，计算方法为：

车站节点度能直接反映车站与其他车站的连接情况，车站节点加权强度反映出节点通过的客流情况，也能体现相邻站点间的客流联系强度，可以表示节点对相邻站点的影响力。

4.3、构建相邻节点重要度贡献矩阵

矩阵中元素H_Eij表示节点i对节点j的重要度贡献值，一个节点对其相邻节点的重要度贡献值与节点自身的效率和加权强度有关。

δ_ij表示站点i对j的重要度贡献系数，即站点按照与相邻节点之间断面客流大小与自身加权强度的比值将自身重要度贡献给相邻节点，计算方法为

4.4、计算各个站点位置重要度值C₁

将节点i的效率与加权强度的乘积视为节点自身初始重要度，C_i1表示节点i的位置重要度值为其自身重要度与其各相邻节点对其重要度贡献之和的乘积，可以看出，一个站点的位置重要度取决于它自身以及其相邻站点的效率和加权强度大小，它综合了节点的全局和局部重要性，并且考虑到了断面客流分布差异这一实际情况。

5、车站功能重要度指标C2计算

C_i2＝I_i+O_i (9)

其中I_i表示车站i的进站客流量，O_i表示车站i的出站客流量。

C2反映了车站负载客流的情况。

6、车站换乘重要度指标C3计算

C_i3等于地铁站300米范围内的所有公交站经过的不重复公交线路条数。

C3反映了地铁车站周围公交衔接换乘的便利情况。

7、运用TOPSIS法评价车站综合重要度

7.1建立初始评价矩阵。本文的网络节点重要度综合评估指标体系共有3个指标，假设网络中共有n个节点，则建立如下初始评价矩阵：

7.2指标正向化

指标值越大越好的指标称为极大型指标(效益型指标)，指标值越小越好的指标称为极小型指标(成本型指标)，以上所选的C1,C2,C3三个指标中，C1,C2都属于极大值指标，即车站在网络结构中的连通作用越强，车站承担的客流量越大，车站越重要，而C3可视为极小型指标，即地铁车站周围公交线路数越少，则该站点失效时乘客难以通过地面公交快速疏散，因此需要投资更多的人力物力来保障节点的运输，表明该站点重要性越大。综上，对C3进行指标正向化处理。

极小型指标转换为极大型指标的公式为：

c_i3'＝max C₃-c_i3 (11)

记正向化之后的指标矩阵为X＝(x_ij)_n×3

其中，x_i1＝c_i1，x_i2＝c_i2，x_i3＝c_i3'，i＝1,2...n。 (12)

7.3评价矩阵标准化

为了消去不同指标量纲的影响，需要对已经正向化的指标矩阵进行标准化处理。记标准化后的指标矩阵为Z＝(z_ij)_3×n。

矩阵元素标准化计算公式为：

7.4计算评价指标的正理想解Z⁺和负理想解Z^-

Z⁺＝(Z₁ ⁺，Z₂ ⁺，Z₃ ⁺)＝(max{z₁₁，z₂₁...z_n1}，max{z₁₂，z₂₂...z_n2}，max{z₁₃，z₂₃...z_n3})

(14)

Z^-＝(Z₁ ^-，Z₂ ^-，Z₃ ^-)＝(min{z₁₁，z₂₁...z_n1}，min{z₁₂，z₂₂...z_n2}，min{z₁₃，z₂₃...z_n3})

(15)

7.5计算第i个评价对象到正负理想解的距离D_i ⁺和D_i ^-

7.6计算第i个评价对象的综合重要度评价得分S_i

可以看出0≤S_i≤1，且S_i越大D_i ⁺越小，即越接近大值。

7.7对站点综合重要度评分进行归一化处理得到S_i'并进行排序。

S_i'值越大，站点综合重要度排名越靠前。

实施例

以2017年南京市地铁网络中的车站为例，进行评价方法的具体描述：

1、城市轨道交通网络拓扑结构映射

截至2017年底，南京共开通运营7条地铁线路，共128个车站。按照地铁运营线路图将南京地铁网络抽象为128个节点，132条边的图，并对站点进行编号，地铁为上下行双向运行，网络图为有向加权图，每条边为双向的。

2、以两站点早高峰区间行程时间(车辆行驶时间与停站时间之和)表示相邻节点间的距离，运用Floyd法计算网络中各个节点之间的最短路，再根据式(2)计算出节点效率。接着根据网络邻接矩阵和地铁运营早高峰(7：00——8:00)的各个区间断面客流数值计算出各站点的度和加权强度，网络的平均加权强度，并计算节点重要度贡献系数，最终按照式(8)计算得到各个站点的位置重要度指标值。

3、通过地铁系统AFC刷卡数据收集得到早高峰期间各个站点的进站和出站客流量，相加得到车站的功能重要度指标值。

4、借助百度地图查询工具，查询地铁车站周围300米范围内的公交站内经过的公交线路数，得到车站的换乘重要度指标值。并对该指标进行正向化处理。

5、得到原始评价指标值见表1

/>

6、对原始指标值进行标准化，得到评价指标的标准化结果，见表2。

/>

/>

7、进行指标正负理想解的计算，并计算128个评价对象到正负理想解的距离，按照公式(18)计算综合重要度评价值，并对各个对象的综合重要度评价值进行归一化处理与排序。结果见表3。

/>

/>

从上表中排序结果可以看出，综合重要度值大的车站多为换乘车站以及与换乘站相邻的车站，城市中心区域的车站重要度排名普遍比郊区车站靠前，换乘车站在网络中占据着重要着位置，其与相邻车站共同承担着大量的客流运输功能。值得注意的是，16号车站迈皋桥站为线路端点站，若只考虑网络拓扑结构，其重要度并不突出，但考虑了实际客流运输情况后，其重要性得以凸显，证明了本发明中方法对站点重要度分析的综合性与全面性。

Claims (1)

1.一种城市轨道交通车站重要度评价方法，其特征在于：具体操作步骤如下：

1)运用Space L法映射城市轨道交通网络有向拓扑结构并将网络结构用矩阵表示；具体包括以下步骤：

11)视轨道交通的车站为节点，若两个车站之间有线路区间且不经过其他车站，则两节点之间存在一条直接相连的边，否则无边连接；利用Space L空间映射法将城市轨道交通路网拓扑结构抽象为由若干节点、有向边和权构成的有向加权网络模型；将网络用G(V,E,W)表示，其中，V＝(v₁，v₂，···，v_n)表示所有车站的集合，E表示所有相邻车站之间的有向路段l_ij的集合，有向路段l_ij表示从车站i到车站j方向的路段，w_ij表示有向路段l_ij的权值；

12)用矩阵表示网络相关信息：

121)邻接矩阵A＝(a_ij)_n×n

其中i和j为节点编号，a_ij为0-1变量，当节点i和j之间有边连接且i≠j时取1，否则取0；n为网络中节点个数，即轨道交通车站数；

122)边权矩阵W＝(w_ij)_n×n

其中t_ij表示相邻两站点i和j之间的区间行程时间，为车辆区间行驶和停站的时间之和；

123)客流矩阵Q＝(q_ij)_n×n

q_ij表示相邻站点i到j的区间断面客流，当i＝j或i和j不相邻时，取0；

2)通过构建一种改进的节点加权重要度贡献矩阵，量化相邻车站对站点重要度的贡献值，并结合站点自身初始重要度计算车站位置重要度值；从网络拓扑结构、车站客流负载以及与公交衔接便利度三个方面构建城市轨道交通车站重要度评价体系，三个指标记为位置重要度C1、功能重要度C2和换乘重要度C3；具体包括以下步骤：

21)车站位置重要度指标C1值计算

211)计算节点效率

E_i表示节点i的效率，计算方法为：

d_ij为节点i和j之间的最短距离，根据网络权值矩阵W，利用Floyd算法计算得出；

Floyd算法的基本步骤：

步骤2111输入网络的权值矩阵W，对所有i和j，有d_ij＝w_ij,k＝1；

步骤2112更新dij，对所有i和j，若d_ik+d_kj＜d_ij，则令d_ij＝d_ik+d_kj；

步骤2113若d_ii＜0,则存在一条含有顶点i的负回路,停止；或者k＝n，停止,否则转到步骤2112；

212)计算节点度和节点加权强度

k_i表示节点度，计算方法为：

D_i表示节点i的加权强度，计算方法为：

<k>为网络节点加权强度平均值，计算方法为：

213)构建相邻节点重要度贡献矩阵

矩阵中元素H_Eij表示节点i对节点j的重要度贡献值，一个节点对其相邻节点的重要度贡献值与节点自身的效率和加权强度有关；

δ_ij表示站点i对j的重要度贡献系数，即站点按照与相邻节点之间断面客流大小与自身加权强度的比值将自身重要度贡献给相邻节点，计算方法为

214)计算各个站点位置重要度值C₁

将节点i的效率与加权强度的乘积视为节点自身初始重要度，C_i1表示节点i的位置重要度值为其自身重要度与其各相邻节点对其重要度贡献之和的乘积；

3)构建车站功能重要性和换乘重要性指标，量化指标值；具体包括以下步骤：

31)C2反映了车站负载客流的情况，车站功能重要度指标C2计算

C_i2＝I_i+O_i (9)

其中I_i表示车站i的进站客流量，O_i表示车站i的出站客流量；

32)C3反映了地铁车站周围公交衔接换乘的便利情况，车站换乘重要度指标C3计算

C_i3等于地铁站300米范围内的所有公交站经过的不重复公交线路条数；

4)最后运用TOPSIS评价法对车站综合重要度进行评价排序；具体包括以下步骤：

41)建立初始评价矩阵，共有3个指标，假设网络中共有n个节点，则建立如下初始评价矩阵：

42)指标正向化，指标值越大越好的指标称为极大型指标或效益型指标，指标值越小越好的指标称为极小型指标或成本型指标，以上所选的C1,C2,C3三个指标中，C1,C2都属于极大值指标，而C3可视为极小型指标，对C3进行指标正向化处理；

极小型指标转换为极大型指标的公式为：

c_i3'＝maxC₃-c_i3 (11)

记正向化之后的指标矩阵为X＝(x_ij)_n×3

其中，x_i1＝c_i1，x_i2＝c_i2，x_i3＝c_i3'，i＝1,2...n (12)

43)评价矩阵标准化，为了消去不同指标量纲的影响，需要对已经正向化的指标矩阵进行标准化处理，记标准化后的指标矩阵为Z＝(z_ij)_3×n；

矩阵元素标准化计算公式为：

44)计算评价指标的正理想解Z⁺和负理想解Z^-

Z⁺＝(Z₁ ⁺,Z₂ ⁺,Z₃ ⁺)＝(max{z₁₁,z₂₁…z_n1},max{z₁₂,z₂₂…z_n2},max{z₁₃,z₂₃…z_n3}) (14)

Z^-＝(Z₁ ^-,Z₂ ^-,Z₃ ^-)＝(min{z₁₁,z₂₁…z_n1},min{z₁₂,z₂₂...z_n2},min{z₁₃,z₂₃...z_n3}) (15)

45)计算第i个评价对象到正负理想解的距离D_i ⁺和D_i ^-

46)计算第i个评价对象的综合重要度评价得分S_i

可以看出0≤S_i≤1，且S_i越大D_i ⁺越小，即越接近大值；

47)对站点综合重要度评分进行归一化处理得到S_i'并进行排序：

S_i'值越大，站点综合重要度排名越靠前。

Images