CN112819316B - 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 - Google Patents
一种综合客运枢纽轨道交通系统的枢纽运能识别方法 Download PDFInfo
- Publication number
- CN112819316B CN112819316B CN202110122639.7A CN202110122639A CN112819316B CN 112819316 B CN112819316 B CN 112819316B CN 202110122639 A CN202110122639 A CN 202110122639A CN 112819316 B CN112819316 B CN 112819316B
- Authority
- CN
- China
- Prior art keywords
- capacity
- passenger
- representing
- station
- hub
- 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 50
- 238000012546 transfer Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000011835 investigation Methods 0.000 claims description 12
- 230000004308 accommodation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- -1 hydrogen Chemical class 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种综合客运枢纽轨道交通系统的枢纽运能识别方法,该方法包括计算枢纽站铁路的旅客到达能力和旅客出发能力;采用RP调查和SP调查相结合的方法提取乘客换乘意向数据,并采用TOPSIS法计算综合客运枢纽客流分担率;计算枢纽站城轨的线路疏散能力;获取综合客运枢纽内各设施设备参数,计算设施设备最终通过能力;计算线路疏散能力匹配度和枢纽设施设备能力匹配度;根据线路疏散能力匹配度和枢纽设施设备能力匹配度识别枢纽运能协同高峰期和运能瓶颈所在位置。本发明实现了对综合客运枢纽运能匹配情况的评价分析,为枢纽移动设施设备改扩建、城轨列车时刻表的调整等提供数据基础。
Description
技术领域
本发明涉及轨道交通运输技术领域,具体涉及一种综合客运枢纽轨道交通系统的枢纽运能识别方法。
背景技术
目前,我国城市群逐渐形成以轨道交通为主的全出行链,轨道交通的综合客运枢纽作为关键节点,承担着轨道交通网络客流的集散、交换等任务。客运枢纽内轨道交通制式之间的运能是否匹配,影响着网络节点的疏散能力和运力资源的利用效率。研究轨道交通综合客运枢纽的设施设备能力、疏散能力和运能匹配方法,进而识别枢纽能力高峰期所在时段和运能瓶颈位置,是整合运输资源,提高网络运输效率,促进供需平衡促输一体化的关键问题。
在对综合客运枢纽运能匹配度的计算相关研究中,多数研究较为浅显,且为方便计算简单地默认某种单一制式的客流高峰期为枢纽高峰期,且大多仅仅考虑了枢纽对外的疏散而没有考虑内部集散服务问题,很少有将点和线两种层面结合起来的运能匹配度计算研究,而事实上,枢纽点层面的站内集散、服务能力也是枢纽匹配性及运能识别的重要一部分。
另一方面,现有相关技术往往不重视枢纽旅客换乘分流这一根本问题,客流分担率的确定相当粗略,造成枢纽需疏散的旅客总数这一影响运能匹配计算的重要基础数据准确度不高。
发明内容
针对现有技术中的上述不足,本发明提供了一种综合客运枢纽轨道交通系统的枢纽运能识别方法。
为了达到上述发明目的,本发明采用的技术方案为:
一种综合客运枢纽轨道交通系统的枢纽运能识别方法,包括以下步骤:
S1、根据综合客运枢纽的列车时刻表计算枢纽站铁路的旅客到达能力和旅客出发能力;
S2、采用RP调查和SP调查相结合的方法提取乘客换乘意向数据,并采用TOPSIS法计算综合客运枢纽客流分担率;
S3、根据步骤S2得到的综合客运枢纽客流分担率计算枢纽站城轨的线路疏散能力;
S4、获取综合客运枢纽内各设施设备参数,计算设施设备最终通过能力;
S5、根据步骤S1得到的枢纽站铁路的旅客到达能力和旅客出发能力、步骤S3得到的枢纽站城轨的线路疏散能力及步骤S4得到的设施设备最终通过能力分别计算线路疏散能力匹配度和枢纽设施设备能力匹配度;
S6、根据步骤S5得到的线路疏散能力匹配度和枢纽设施设备能力匹配度识别枢纽运能协同高峰期和运能瓶颈所在位置。
该方案的有益效果是:与现有方案相比,本发明提供的方法兼顾了线层面的线路疏散能力匹配度计算和点层面的枢纽设施设备能力匹配度计算,并提出了一种基于SP调查与RP调查相结合的旅客分流数据收集方法,运用TOPSIS法对综合客运枢纽客流分担率进行了计算,基础数据更为精准,以识别枢纽运能协同高峰期和瓶颈位置。基于本发明实现的对综合客运枢纽运能匹配情况的评价分析更为全面、深入、完整,且计算结果更为精准,适用性更高,得出的延申结论更为丰富和可靠,为枢纽移动设施设备改扩建、城轨列车时刻表的调整等提供数据基础。
进一步地,所述步骤S1中计算枢纽站铁路的旅客到达能力表示为:
其中,Cpd表示到达枢纽的客流量中所包含的普速列车数量;Cdd表示到达枢纽的客流量中所包含的动车组列车数量;m表示铁路运输到达线路衔接的不同方向的数量;αj表示从j方向来的到达列车的平均载客率;βj表示从j方向来的通过列车的平均载客率;Pi,Di分别表示第i列普速铁路、动车组列车的平均载客人数;a1,a2表示设定时间内到达、通过综合客运枢纽的普速铁路旅客列车数量;a3,a4分别表示设定时间内到达、通过综合客运枢纽的动车组旅客列车数量。
进一步地,所述步骤S1中计算枢纽站铁路的旅客出发能力表示为:
其中,Cpf表示普速列车从枢纽发送的客流量;Cdf表示动车组列车从枢纽发送的客流量;n表示铁路运输出发线路衔接的不同方向的数量;εj表示发往j方向的出发列车的平均载客率;γj表示发往j方向的通过列车的平均载客率。
该进一步方案的有益效果是:本发明根据车站列车时刻表计算枢纽站铁路的到达能力和出发能力,即为枢纽承接的待疏散的铁路到达客流总人数和将通过枢纽换乘铁路系统的总人数。
进一步地,所述步骤S2具体为:
采用RP调查和SP调查相结合的方法对乘客换乘意向数据进行调查收集和趋同化处理得到原始数据αij;
再采用TOPSIS法计算综合客运枢纽内第i种交通方式的客流分担率,表示为
cij=wjbij
其中,Ci表示第i种交通方式的相对贴进度,分别表示第i种交通方式与正、负理想解的距离,分别表示第i种交通方式的最优和最劣评价指标项,分别表示最优和最劣的第j项评价指标对应的第i种交通方式,V+、V-分别表示正、负理想解,bij表示对原始数据进行归一化处理后的评价数据,wj表示第j个评价指标的权重,cij表示加权后的数据。
该进一步方案的有益效果是:本发明针对乘客对于疏散交通方式的选择这一综合考虑多方面因素的主客观相结合的决策过程,使用RP调查与SP调查相结合的方法获取基础数据,并嵌套TOPSIS法对客流分担率进行计算,使得运能匹配的计算中增加了代表乘客的要素,在一定程度上完善了传统运能匹配计算法的缺陷,使其更具有可信性和实用性。
进一步地,所述步骤S3中计算枢纽站城轨的线路疏散能力表示为:
其中,p表示枢纽所衔接的城市轨道交通线路的条数;q表示城轨线路运行的方向数;Ci表示第i条城轨线路每节车厢的额定载客人数;Sti表示第i条城轨线路途径列车的车辆编组数;分别表示第i条城轨线j方向途经列车的极限满载率、实际承载率;Isi,j,Iti,j分别表示第i条城轨线j方向始发、途经列车的发车间隔时间。
该进一步方案的有益效果是:本发明结合城市轨道交通的实际生产运营,计算其枢纽线路疏散能力,并充分考虑到了多种客流交换对能力带来的改变和影响。
进一步地,所述步骤S4具体包括以下分步骤:
S41:确定通道能力,其计算公式为:
其中,St表示城市轨道交通车站内部与综合客运枢纽衔接的通道数量;di表示第i个通道的宽度;li表示第i个通道的长度;vt表示旅客在通道内的平均行走速度;rt表示单位面积所能容纳的旅客数量;θt表示通道的密集程度;
S42:确定站台的容纳能力,其计算公式为:
N岛=l1×(d1-2b)×r
N侧=[l2×(d2-b)+l3×(d3-b)]×r
N换=[ul1×(d1-2b)+vl2×(d2-b)+vl3×(d3-b)]×r
其中,N岛表示岛式站台的容纳能力;l1表示岛式站台的实际长度;d1表示岛式站台的实际宽度;b表示站台预留与列车的安全防护距离;N侧表示侧式站台的容纳能力;l2,l3分别表示两侧站台的实际长度;d2,d3分别表示两侧站台的实际宽度;N换表示换乘站站台的容纳能力;u表示换乘站岛式站台的数量;v表示换乘站侧式站台的数量;
S43:确定楼梯的通过能力,其计算公式为:
其中,sl表示城市轨道交通车站内部楼梯的数量;dj表示第j楼梯的实际宽度;lj表示第j楼梯的实际长度;vl表示旅客在楼梯的平均行走速度;rl表示单位面积所容纳的旅客数量;θl表示楼梯的拥挤程度;
S44:确定自动扶梯的通过能力,其计算公式为:
N自扶=3600×szf×vzf×czf×wzf×sinα
其中,szf表示城市轨道交通车站内部自动扶梯数量;vzf表示自动扶梯的运行速度;czf表示自动扶梯每延米的梯级数量;wzf表示每梯级旅客站立数量;α表示自动扶梯的设计角度;
S45:确定自动售检票设备的通过能力,其计算公式为:
N售检票=60×ssjp×nsjp
其中,ssjp表示车站自动售检票机设备的数量;nsjp表示一台自动售检票机单位时间内能服务的人数;
S46:确定设施设备最终通过能力,其计算公式为:
N设施设备=min(N通,N岛,N侧,N换,N厅,N楼,N自扶,N售检票)。
该进一步方案的有益效果是:本发明对枢纽站各主要限制车站服务能力的设施设备的能力分别进行了计算,便于确定最终通过能力的同时找到具体的瓶颈。
进一步地,所述步骤S5中计算线路疏散能力匹配度表示为:
PPx=αcg×Ctd/Ccg
其中,αcg表示城市轨道交通对铁路的客流分担率;Ccg表示枢纽站城轨的线路疏散能力。
进一步地,所述步骤S5中计算枢纽设施设备能力匹配度表示为:
PPs=[αtl×(Ctd+Ctf)+Sj+Sc]/N设施设备×αhc
其中,αtl表示铁路对城市轨道交通的客流分担率;Sj,Sc分别表示从枢纽外进站或出站乘坐城轨的客流量;αhc表示换乘膨胀系数。
该进一步方案的有益效果是:本发明从点和线两种层面计算综合客运枢纽运能匹配度,实现了对枢纽运能匹配情况的定量评价。
进一步地,所述步骤S6具体为:
计算线路疏散能力匹配度值和枢纽设施设备能力匹配度值偏离经验最优值的距离之和,比较所有距离之和得到其最大时段为枢纽运能协同高峰期;
比较线路疏散能力匹配度值得到其最大处为枢纽线路瓶颈位置;
比较枢纽设施设备能力匹配度值得到其最大处为枢纽设施设备能力瓶颈位置。
该进一步方案的有益效果是:本发明通过运能匹配度值和运能瓶颈的内部联系,利用枢纽运能匹配度计算结果识别枢纽运能协同高峰期和瓶颈位置,发挥了运能匹配度的价值。
附图说明
图1为本发明的综合客运枢纽轨道交通系统的枢纽运能识别方法流程示意图;
图2为本发明实施例中铁路旅客到达能力结构示意图;
图3为本发明实施例中铁路旅客出发能力结构示意图;
图4为本发明实施例中步骤S4的流程示意图;
图5为本发明实施例中枢纽运能分级示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,本发明实施例提供了一种综合客运枢纽轨道交通系统的枢纽运能识别方法,包括以下步骤S1至S6:
S1、根据综合客运枢纽的列车时刻表计算枢纽站铁路的旅客到达能力和旅客出发能力;
在本实施例中,本发明计算枢纽站铁路的旅客到达能力Ctd表示为:
其中,Cpd表示到达枢纽的客流量中所包含的普速列车数量;Cdd表示到达枢纽的客流量中所包含的动车组列车数量;m表示铁路运输到达线路衔接的不同方向的数量;αj表示从j方向来的到达列车的平均载客率;βj表示从j方向来的通过列车的平均载客率;Pi,Di分别表示第i列普速铁路、动车组列车的平均载客人数;a1,a2表示设定时间内到达、通过综合客运枢纽的普速铁路旅客列车数量;a3,a4分别表示设定时间内到达、通过综合客运枢纽的动车组旅客列车数量。
本发明计算枢纽站铁路的旅客出发能力表示为:
其中,Cpf表示普速列车从枢纽发送的客流量;Cdf表示动车组列车从枢纽发送的客流量;n表示铁路运输出发线路衔接的不同方向的数量;εj表示发往j方向的出发列车的平均载客率;γj表示发往j方向的通过列车的平均载客率。
本发明利用车站列车时刻表计算枢纽站铁路的到达能力和出发能力,即为枢纽承接的待疏散的铁路到达客流总人数和将通过枢纽换乘铁路系统的总人数,是轨道交通系统枢纽运能匹配度计算的重要基础数据之一。
本发明以1小时为单位,将一天分割为24个时段,根据车站列车时刻表分时段计算铁路系统旅客到发能力。在实际计算中,本发明将通过枢纽的始发列车、终到列车和通过列车分为普速列车和动车组列车两类进行计算,以简化计算。
S2、采用RP调查和SP调查相结合的方法提取乘客换乘意向数据,并采用TOPSIS法计算综合客运枢纽客流分担率;
在本实施例中,步骤S2具体为:
采用RP调查和SP调查相结合的方法对乘客换乘意向数据进行调查收集和趋同化处理得到原始数据αij;
再采用TOPSIS法计算综合客运枢纽内第i种交通方式的客流分担率,表示为
cij=wjbij
其中,Ci表示第i种交通方式的相对贴进度,分别表示第i种交通方式与正、负理想解的距离,分别表示第i种交通方式的最优和最劣评价指标项,分别表示最优和最劣的第j项评价指标对应的第i种交通方式,V+、V-分别表示正、负理想解,bij表示对原始数据进行归一化处理后的评价数据,wj表示第j个评价指标的权重,cij表示加权后的数据。
本发明结合旅客对于疏散交通方式选择的实际特点,采用RP调查与SP调查相结合的方法获取基础数据,并嵌套TOPSIS法对客流分担率进行计算,充分考虑到了乘客的个人喜好、人口学特征和交通方式本身性质等多种因素。
S3、根据步骤S2得到的综合客运枢纽客流分担率计算枢纽站城轨的线路疏散能力;
在本实施例中,本发明计算枢纽站城轨的线路疏散能力表示为:
其中,p表示枢纽所衔接的城市轨道交通线路的条数;q表示城轨线路运行的方向数;Ci表示第i条城轨线路每节车厢的额定载客人数;Sti表示第i条城轨线路途径列车的车辆编组数;分别表示第i条城轨线j方向途经列车的极限满载率、实际承载率;Isi,j,Iti,j分别表示第i条城轨线j方向始发、途经列车的发车间隔时间。
本发明将城市轨道交通车辆在枢纽中间站的下车客流划分为出站客流、换乘城城市轨道交通线路客流和换乘枢纽内其它交通方式的客流三部分,其中出站客流在计算时设定其近似等于入站客流,城轨间换乘客流为内部等量交换。因此,枢纽中间站城轨的线路疏散能力近似等于其到站前列车空余能力和换乘铁路系统客流量二者之和。结合枢纽旅客多携带较多行李的特性和国内城轨线路高峰期满载率控制情况,选用100%作为极限满载率。
S4、获取综合客运枢纽内各设施设备参数,计算设施设备最终通过能力;
在本实施例中,步骤S4具体包括以下分步骤:
S41:确定通道能力,其计算公式为:
其中,St表示城市轨道交通车站内部与综合客运枢纽衔接的通道数量;di表示第i个通道的宽度;li表示第i个通道的长度;vt表示旅客在通道内的平均行走速度;rt表示单位面积所能容纳的旅客数量,通常取2-4人/m2;θt表示通道的密集程度,高峰时间段内通常取85%;
S42:确定站台的容纳能力,其计算公式为:
N岛=l1×(d1-2b)×r
N侧=[l2×(d2-b)+l3×(d3-b)]×r
N换=[ul1×(d1-2b)+vl2×(d2-b)+vl3×(d3-b)]×r
其中,N岛表示岛式站台的容纳能力;l1表示岛式站台的实际长度;d1表示岛式站台的实际宽度;b表示站台预留与列车的安全防护距离,一般取0.48m;N侧表示侧式站台的容纳能力;l2,l3分别表示两侧站台的实际长度;d2,d3分别表示两侧站台的实际宽度;N换表示换乘站站台的容纳能力;u表示换乘站岛式站台的数量;v表示换乘站侧式站台的数量;
S43:确定楼梯的通过能力,其计算公式为:
其中,sl表示城市轨道交通车站内部楼梯的数量;dj表示第j楼梯的实际宽度,单双向楼梯不同;lj表示第j楼梯的实际长度;vl表示旅客在楼梯的平均行走速度,通常取30m/min;rl表示单位面积所容纳的旅客数量,通常取2.2人/m2;θl表示楼梯的拥挤程度,高峰小时取85%;
S44:确定自动扶梯的通过能力,其计算公式为:
N自扶=3600×szf×vzf×czf×wzf×sinα
其中,szf表示城市轨道交通车站内部自动扶梯数量;vzf表示自动扶梯的运行速度;czf表示自动扶梯每延米的梯级数量;wzf表示每梯级旅客站立数量;α表示自动扶梯的设计角度;
S45:确定自动售检票设备的通过能力,其计算公式为:
N售检票=60×ssjp×nsjp
其中,ssjp表示车站自动售检票机设备的数量;nsjp表示一台自动售检票机单位时间内能服务的人数;
S46:确定设施设备最终通过能力,其计算公式为:
N设施设备=min(N通,N岛,N侧,N换,N厅,N楼,N自扶,N售检票)。
本发明利用木桶效应思想,将各主要限制车站服务能力的设施设备能力的最小值作为最终通过能力。其中各种基础计算参数可根据车站相关资料得到。
S5、根据步骤S1得到的枢纽站铁路的旅客到达能力和旅客出发能力、步骤S3得到的枢纽站城轨的线路疏散能力及步骤S4得到的设施设备最终通过能力分别计算线路疏散能力匹配度和枢纽设施设备能力匹配度;
在本实施例中,本发明计算线路疏散能力匹配度表示为:
PPx=αcg×Ctd/Ccg
其中,αcg表示城市轨道交通对铁路的客流分担率;Ccg表示枢纽站城轨的线路疏散能力。
本发明计算枢纽设施设备能力匹配度表示为:
PPs=[αtl×(Ctd+Ctf)+Sj+Sc]/N设施设备×αhc
其中,αtl表示铁路对城市轨道交通的客流分担率;Sj,Sc分别表示从枢纽外进站或出站乘坐城轨的客流量;αhc表示换乘膨胀系数。
本发明中线路层面的匹配度主要从城市轨道交通系统对铁路系统的客流疏散的研究角度出发,将铁路系统到达客流作为城轨系统客流的输入量计算匹配度值。枢纽层面主要从综合客运枢纽对枢纽内轨道交通客流的集散能力是否足够角度出发计算其匹配度值。
S6、根据步骤S5得到的线路疏散能力匹配度和枢纽设施设备能力匹配度识别枢纽运能协同高峰期和运能瓶颈所在位置。
在本实施例中,本发明通过运能匹配度值和运能瓶颈的内部联系,利用运能匹配度计算结果识别枢纽运能协同高峰期和瓶颈位置,具体为:
计算线路疏散能力匹配度值和枢纽设施设备能力匹配度值偏离经验最优值的距离之和,比较所有距离之和得到其最大时段为枢纽运能协同高峰期;当运能匹配度大于0.9时,认为出现了不同程度的运能瓶颈。
比较线路疏散能力匹配度值得到其最大处为枢纽线路瓶颈位置;
比较枢纽设施设备能力匹配度值得到其最大处为枢纽设施设备能力瓶颈位置。
下面以成都东客站的部分实际数据和调研数据为例,对本发明的识别方法进行分析说明。
成都东客站是位于成都市内的客运特等站,于2011年投入运营。车站采用双向横列式一级二场站型,建设规模庞大、功能设施先进,平均日发送旅客10万人次,是集多种交通方式的西南地区大型区域轨道交通综合客运枢纽之一。成都地铁2号线和7号线通过站厅换乘的模式与其它交通方式之间无缝衔接。2号线是横跨成都市区从东南到西北方向的主干地铁线路,全线长42.3千米,共设有32个车站。成都地铁7号线则是一条闭合环线,通过7号线,将成都三大铁路枢纽连接了起来。成都地铁7号线全线长38.61千米,共设有31个车站,途径成华区、锦江区、武侯区、青羊区、金牛区;其车辆主要技术参数如表1所示:
表1成都地铁2号线、7号线车辆主要技术参数
发车间隔时间与时间段有关,如表2所示:
表2成都地铁2、7号线行车间隔时间
地铁成都东客站的设施设备相关参数如表3所示:
表3地铁成都东客站设施设备相关参数
根据2020年春运期间成都东站列车时刻表数据,以1小时为单位统计全日到发列车情况,并结合列车编组表和动车车型资料的列车定员等数据,计算铁路每时段发送和到达旅客数量,汇总得到表4:
表4分时段铁路到发旅客量
对成都东客站铁路到达旅客进行样本容量为100人的抽样调查,得到的调查结果分布如表5所示:
表5成都东客站旅客抽样调查结果表
对SP调查所得数据进行加权平均计算(舒适性最终得分为起点方便性和终点方便性的平均值),结合RP调查所得数据,汇总得到初始数据表格如表6所示:
表6初始数据表格
同样,对方便性、舒适性、快速性、经济性四项指标的权重进行SP调查,汇总数据到EXCEL中并取平均值,结果分别为19.60%、18.40%、29.10%、32.90%。基于此计算求得出租车/网约车、私家车、城市轨道交通、公交车/大巴、(共享)单车/(共享)电动车五种主要交通方式的客流分担率分别为:α1=15.59%,α2=17.33%,α3=37.31%,α4=24.62%,α5=5.12%。
根据分时段铁路到发客流情况、城轨的客流分担率和成都东客站城轨线路行车间隔时间,结合城轨枢纽线路疏散能力匹配度的计算方法,计算并汇总得到分时段城轨线路运能匹配度计算结果如表7所示:
表7分时段城市轨道交通线路运能匹配度计算结果
可以看到,在20:00-21:00时间段内,城轨平均线路运能匹配度最高,达到了0.80。结合表7分析可知,19:00-20:00时间段内铁路到达旅客较多,出发旅客较少,城轨能提供的运输能力较低。因此,19:00-20:00时段为枢纽运能协同高峰期,高峰期线路运能匹配度值为0.79。
对高峰期线路枢纽运能匹配度进行计算,得枢纽设施设备最终通过能力为14081.6人,枢纽设施设备能力匹配度为1.10。
结合线路运能匹配度计算结果分析,成都东客站在枢纽高峰时期城轨与铁路的线路运能匹配度为0.80,接近理想运能匹配度0.75,说明成都东客站城市轨道交通对铁路的疏散能力较好,枢纽内城轨的运输能力能够满足铁路运输到达的客流需要换乘城轨的部分,线路运能匹配性较好。
结合枢纽设施设备运能匹配度计算结果分析,其值1.10,存在运能瓶颈,其中最小的站台容纳能力是限制总体能力的关键点。因此,在成都东客站设施设备的改造升级中,注意应拓展站台的容纳能力。
用现有的铁路到发能力反推达到理想运能匹配度0.80时所需要的设施设备能力,计算得理想的设施设备能力为19345.05,大于售检票设备能力,大于站台容纳能力;由此可知成都东客站站台容纳能力不足,售检票系统能力不足,需要通过扩大站台面积,增设自动售票机数量等方式来优化运能匹配度,以实现综合轨道交通客运枢纽中不同轨道交通制式之间的运能协调匹配,提高轨道交通之间的疏散能力。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种综合客运枢纽轨道交通系统的枢纽运能识别方法,其特征在于,包括以下步骤:
S1、根据综合客运枢纽的列车时刻表计算枢纽站铁路的旅客到达能力和旅客出发能力;
S2、采用RP调查和SP调查相结合的方法提取乘客换乘意向数据,并采用TOPSIS法计算综合客运枢纽客流分担率;
S3、根据步骤S2得到的综合客运枢纽客流分担率计算枢纽站城轨的线路疏散能力;
S4、获取综合客运枢纽内各设施设备参数,计算设施设备最终通过能力;
S5、根据步骤S1得到的枢纽站铁路的旅客到达能力和旅客出发能力、步骤S3得到的枢纽站城轨的线路疏散能力及步骤S4得到的设施设备最终通过能力分别计算线路疏散能力匹配度和枢纽设施设备能力匹配度;其中计算线路疏散能力匹配度表示为:
PPx=αcg×Ctd/Ccg
其中,αcg表示城市轨道交通对铁路的客流分担率;Ccg表示枢纽站城轨的线路疏散能力;Ctd表示枢纽站铁路的旅客到达能力;
计算枢纽设施设备能力匹配度表示为:
PPs=[αtl×(Ctd+Ctf)+Sj+Sc]/N设施设备×αhc
其中,αtl表示铁路对城市轨道交通的客流分担率;Sj,Sc分别表示从枢纽外进站或出站乘坐城轨的客流量;αhc表示换乘膨胀系数;Ctf表示枢纽站铁路的旅客出发能力;N设施设备表示设施设备最终通过能力;
S6、根据步骤S5得到的线路疏散能力匹配度和枢纽设施设备能力匹配度识别枢纽运能协同高峰期和运能瓶颈所在位置,具体为:
计算线路疏散能力匹配度值和枢纽设施设备能力匹配度值偏离经验最优值的距离之和,比较所有距离之和得到其最大时段为枢纽运能协同高峰期;
比较线路疏散能力匹配度值得到其最大处为枢纽线路瓶颈位置;
比较枢纽设施设备能力匹配度值得到其最大处为枢纽设施设备能力瓶颈位置。
4.根据权利要求3所述的综合客运枢纽轨道交通系统的枢纽运能识别方法,其特征在于,所述步骤S2具体为:
采用RP调查和SP调查相结合的方法对乘客换乘意向数据进行调查收集和趋同化处理得到原始数据αij;
再采用TOPSIS法计算综合客运枢纽内第i种交通方式的客流分担率,表示为
cij=wjbij
6.根据权利要求5所述的综合客运枢纽轨道交通系统的枢纽运能识别方法,其特征在于,所述步骤S4具体包括以下分步骤:
S41:确定通道能力,其计算公式为:
其中,St表示城市轨道交通车站内部与综合客运枢纽衔接的通道数量;di表示第i个通道的宽度;li表示第i个通道的长度;vt表示旅客在通道内的平均行走速度;rt表示单位面积所能容纳的旅客数量;θt表示通道的密集程度;
S42:确定站台的容纳能力,其计算公式为:
N岛=l1×(d1-2b)×r
N侧=[l2×(d2-b)+l3×(d3-b)]×r
N换=[ul1×(d1-2b)+vl2×(d2-b)+vl3×(d3-b)]×r
其中,N岛表示岛式站台的容纳能力;l1表示岛式站台的实际长度;d1表示岛式站台的实际宽度;b表示站台预留与列车的安全防护距离;N侧表示侧式站台的容纳能力;l2,l3分别表示两侧站台的实际长度;d2,d3分别表示两侧站台的实际宽度;N换表示换乘站站台的容纳能力;u表示换乘站岛式站台的数量;v表示换乘站侧式站台的数量;
S43:确定楼梯的通过能力,其计算公式为:
其中,sl表示城市轨道交通车站内部楼梯的数量;dj表示第j楼梯的实际宽度;lj表示第j楼梯的实际长度;vl表示旅客在楼梯的平均行走速度;rl表示单位面积所容纳的旅客数量;θl表示楼梯的拥挤程度;
S44:确定自动扶梯的通过能力,其计算公式为:
N自扶=3600×szf×vzf×czf×wzf×sinα
其中,szf表示城市轨道交通车站内部自动扶梯数量;vzf表示自动扶梯的运行速度;czf表示自动扶梯每延米的梯级数量;wzf表示每梯级旅客站立数量;α表示自动扶梯的设计角度;
S45:确定自动售检票设备的通过能力,其计算公式为:
N售检票=60×ssjp×nsjp
其中,ssjp表示车站自动售检票机设备的数量;nsjp表示一台自动售检票机单位时间内能服务的人数;
S46:确定设施设备最终通过能力,其计算公式为:
N设施设备=min(N通,N岛,N侧,N换,N楼,N自扶,N售检票)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110122639.7A CN112819316B (zh) | 2021-01-29 | 2021-01-29 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110122639.7A CN112819316B (zh) | 2021-01-29 | 2021-01-29 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819316A CN112819316A (zh) | 2021-05-18 |
CN112819316B true CN112819316B (zh) | 2022-06-10 |
Family
ID=75859928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110122639.7A Active CN112819316B (zh) | 2021-01-29 | 2021-01-29 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819316B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114004440B (zh) * | 2021-08-31 | 2024-07-12 | 中铁第一勘察设计院集团有限公司 | 一种基于Anylogic的综合枢纽客运组织评价方法 |
CN115409295B (zh) * | 2022-11-01 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 |
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 |
CN116307441B (zh) * | 2022-11-28 | 2023-11-03 | 北京交通大学 | 考虑突发场景的城市轨道交通枢纽换乘设施优化配置方法 |
CN116050950B (zh) * | 2023-04-03 | 2023-06-23 | 西南交通大学 | 铁路枢纽旅客列车时刻表评价方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473620A (zh) * | 2013-09-26 | 2013-12-25 | 青岛海信网络科技股份有限公司 | 综合客运枢纽多交通方式预测方法及系统 |
JP2016217915A (ja) * | 2015-05-21 | 2016-12-22 | 株式会社東芝 | 避難経路検索システム、避難経路検索サーバー、及び避難経路検索方法 |
CN108665140A (zh) * | 2018-04-04 | 2018-10-16 | 东南大学 | 一种城际铁路客运枢纽交通衔接系统评价方法 |
CN108985500A (zh) * | 2018-06-28 | 2018-12-11 | 兰州交通大学 | 基于改进模拟退火算法的城际列车开行方案优化方法 |
WO2019184724A1 (zh) * | 2018-03-30 | 2019-10-03 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
CN111882098A (zh) * | 2020-04-03 | 2020-11-03 | 广州市交通规划研究院 | 一种基于整体协同的铁路站点客流及接驳方式预测方法 |
-
2021
- 2021-01-29 CN CN202110122639.7A patent/CN112819316B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473620A (zh) * | 2013-09-26 | 2013-12-25 | 青岛海信网络科技股份有限公司 | 综合客运枢纽多交通方式预测方法及系统 |
JP2016217915A (ja) * | 2015-05-21 | 2016-12-22 | 株式会社東芝 | 避難経路検索システム、避難経路検索サーバー、及び避難経路検索方法 |
WO2019184724A1 (zh) * | 2018-03-30 | 2019-10-03 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
CN108665140A (zh) * | 2018-04-04 | 2018-10-16 | 东南大学 | 一种城际铁路客运枢纽交通衔接系统评价方法 |
CN108985500A (zh) * | 2018-06-28 | 2018-12-11 | 兰州交通大学 | 基于改进模拟退火算法的城际列车开行方案优化方法 |
CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
CN111882098A (zh) * | 2020-04-03 | 2020-11-03 | 广州市交通规划研究院 | 一种基于整体协同的铁路站点客流及接驳方式预测方法 |
Non-Patent Citations (3)
Title |
---|
基于乘客感知的城市轨道交通综合服务水平研究;望爱诗;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20190715(第07期);J151-29 * |
基于运力协调的城市轨道交通网络列车运行计划优化;李思杰 等;《东南大学学报(自然科学版)》;20170930;第47卷(第5期);1048-1054 * |
多方式公共交通资源耦合效能评价;赵德;《中国博士学位论文全文数据库工程科技II辑》;20171115(第11期);C034-41 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819316A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN104200286B (zh) | 一种城市轨道交通时刻表优化技术应用框架 | |
CN109657845B (zh) | 一种针对时变客流的城市轨道交通列车时刻表优化系统 | |
CN107564269B (zh) | 一种基于支付意愿的半灵活公交调度方法 | |
JPWO2019106745A1 (ja) | デマンド交通運用システム | |
CN106504516A (zh) | 一种基于公交站点信息化的多形式公交动态调度方法 | |
CN111260221A (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
CN110751366A (zh) | 一种干线铁路与城市轨道交通运能匹配度计算方法 | |
CN110084397B (zh) | 一种地铁直达线路规划方法 | |
CN103793760B (zh) | 多模式综合交通枢纽内部客流换乘分配比例优化方法 | |
CN108665140A (zh) | 一种城际铁路客运枢纽交通衔接系统评价方法 | |
CN105261211B (zh) | 一种交通综合因素影响下的公交发车间隔过渡方法 | |
CN107358045A (zh) | 一种评价地铁与常规公交换乘效率的流程与方法 | |
CN115409295B (zh) | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 | |
CN114707709A (zh) | 铁路综合客运枢纽安全预警方法及系统 | |
CN111859718A (zh) | 一种区域多制式轨道交通车站拥挤系数计算方法及系统 | |
CN113408859B (zh) | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 | |
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 | |
CN107399344A (zh) | 轨道交通调度信息获取方法、车辆调度方法和系统 | |
CN112434969B (zh) | 一种区域多式轨道交通运力资源调配方法 | |
CN108197078B (zh) | 一种基于公交ic卡数据计算公交断面客流量的方法 | |
CN109345132B (zh) | 共享单车动态额度管理系统及其运行方法 | |
CN115099716A (zh) | 一种面向不同线路的大站快车与全程车调度方法及系统 | |
CN114723240A (zh) | 铁路客运综合交通枢纽接驳方式协同调度方法及系统 | |
CN114781881A (zh) | 一种区域轨道交通系统的分析系统及分析方法 |
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 |