CN112949078B - 一种城市轨道交通客流-车流的匹配度计算方法 - Google Patents

一种城市轨道交通客流-车流的匹配度计算方法 Download PDF

Info

Publication number
CN112949078B
CN112949078B CN202110285324.4A CN202110285324A CN112949078B CN 112949078 B CN112949078 B CN 112949078B CN 202110285324 A CN202110285324 A CN 202110285324A CN 112949078 B CN112949078 B CN 112949078B
Authority
CN
China
Prior art keywords
passenger
passengers
train
time
station
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
CN202110285324.4A
Other languages
English (en)
Other versions
CN112949078A (zh
Inventor
杨欣
张萍
吴建军
孙会君
尹浩东
屈云超
魏运
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong 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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202110285324.4A priority Critical patent/CN112949078B/zh
Publication of CN112949078A publication Critical patent/CN112949078A/zh
Application granted granted Critical
Publication of CN112949078B publication Critical patent/CN112949078B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Biology (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明提供了一种城市轨道交通客流‑车流的匹配度计算方法，包括：获取待计算时段内城市轨道交通内所有乘客的起讫点OD位置及进站时间；根据轨道交通运行图确定每个OD位置对应的有效路径,并计算所述有效路径对应的出行成本；根据OD位置对应的有效路径的个数和每个有效路径对应的出行成本计算OD位置中的每条有效路径对应的乘客比例；将乘客按进站时间和所述乘客比例输入至客流‑车流仿真推演模型，得到所有乘客的平均出行时间和平均换乘等待时间作为客流‑车流的匹配度。本方法可以得到更加符合现实情况的地铁客流‑车流匹配度，为轨道交通提供更加优质的服务提供数据支撑，方便乘客出行，减少拥堵压力。

Description

一种城市轨道交通客流-车流的匹配度计算方法
技术领域
本发明涉及城市轨道交通运行管理技术领域，尤其涉及一种城市轨道交通客流-车流匹配度计算方法。
背景技术
城市轨道交通凭借其大容量、低能耗、高准点率、以及价格低廉等优点，己经成为城市重要的运输方式之一，在城市通勤出行中发挥着主要作用。城市轨道交通带来诸多便利的同时，也面临着一系列运营压力。近年来，随着城市化进程的不断加快，导致时空不均衡的交通需求和列车运输能力之间的矛盾日益突出，这一问题在大城市尤为突出。网络化运营条件下，运营管理部门编制列车运行图和制定客流管控策略的核心是权衡运营成本与服务质量之间的关系问题。为了更好地权衡上述问题，需要从多维度对城市轨道交通客流与车流的匹配程度进行评定，从而编制以需求为导向的列车运行图及制定与列车运行图相匹配的客流管控策略，为有效改善城市轨道交通运营效率、保障运营安全提供决策依据。
现阶段，关于城市轨道交通客流-车流匹配度评价体系及指标计算方法的研究较少，缺少普适方法，大多数关于列车运行图编制和客流管控策略制定的研究倾向于只从列车运营成本或乘客需求的角度出发。也有部分研究考虑了客流-车流的匹配度，但是计算效率比较低，使其难以适用于大规模线网。
因此，需要一种可以适用大规模线网的城市轨道交通客流-车流的匹配度计算方法。
发明内容
本发明提供了一种城市轨道交通客流-车流的匹配度计算方法，以通过对客流和车流进行仿真推演来求得地铁客流-车流的匹配度，解决现有技术问题中存在的缺陷。
为了实现上述目的，本发明采取了如下技术方案。
一种城市轨道交通客流-车流的匹配度计算方法，包括：
获取待计算时段内城市轨道交通内所有乘客的起讫点OD位置及进站时间；
根据轨道交通运行图确定每个OD位置对应的有效路径,并计算所述有效路径对应的出行成本；
根据OD位置对应的有效路径的个数和每个有效路径对应的出行成本计算OD位置中的每条有效路径对应的乘客比例；
将乘客按进站时间和所述乘客比例输入至客流-车流仿真推演模型，得到所有乘客的平均出行时间和平均换乘等待时间作为客流-车流的匹配度。
优选地，根据轨道交通运行图确定每个OD位置对应的有效路径，包括：根据轨道交通运行图确定所有可选择路径，并计算所有可选择路径的出行成本，选取路径出行成本小于或等于1.5倍最小路径出行成本的路径作为有效路径。
优选地，出行成本根据下式(1)计算：
其中，表示起讫点(r，s)的可选择路径集Krs中的u路径的乘客出行成本，/>为节点耗费成本，当节点是换乘路径的换乘节点，其节点耗费成本为乘客换乘步行时间，当节点是非换乘路径的换乘节点，其节点耗费成本为列车停站时间；/>为区间耗费成本，即列车区段运行时间；/>表示对换乘次数的惩罚项，/>表示换乘次数，σ表示惩罚系数。
优选地，σ为8min。
优选地，根据OD位置对应的有效路径的个数和每个有效路径对应的出行成本计算OD位置中的每条有效路径对应的乘客比例，包括根据下式(2)计算OD位置中的每条有效路径对应的乘客比例：
其中，表示选择有效路径u的乘客在OD对r→s的所有乘客中所占比例；/>为路径u的出行成本；/>表示Krs中路径出行成本小于或等于1.5倍最小路径出行成本的路径集合，即有效路径集合；θ是参数。
优选地，客流-车流仿真推演模型具体包括：
乘客初始化模块，用于对乘客按客流需求进行分配，确定每条路径对应的乘客数量，得到按出发时间升序排序的乘客队列；
列车初始化模块，用于对列车按线路和运行方向分类，并得到按始发时间升序排序的列车队列；
乘客生成模块，用于根据乘客是否满足进站需求，判断是否将乘客输入虚拟进站通道队列；
列车生成模块，用于根据列车运行图的发出时间生成对应的列车；
乘客进站模块，用于根据进入虚拟通道乘客的时间是否达到进站，判断是否将乘客转移到站台队列；
乘客上下车模块，用于对进入站台的乘客执行上车或下车的步骤；
乘客换乘模块，用于对下车的乘客执行换乘的步骤；
乘客出站模块，用于对下车的乘客转入出站通道队列并执行出站步骤；
结果计算模块，用于计算乘客的平均出行时间和平均换乘等待时间。
优选地，将乘客按进站时间和所述乘客比例输入至客流-车流仿真推演模型，得到所有乘客的平均出行时间和平均换乘等待时间作为客流-车流的匹配度，具体包括如下步骤：
S71初始化：
按每条有效路径对应的乘客比例将对应乘客和乘客进站时间输入至客流-车流仿真推演模型，得到按起点上、下行分类，并按出发时间升序排序的乘客队列；
对列车按线路和运行方向分类，并得到按始发时间升序排序的列车队列；
S72对所有时间步t循环执行步骤S721-S725和S726-S728分别进行乘客主体和列车主体的仿真推演：
S721乘客生成：
通过判定乘客队列的首个乘客的出发时间与仿真时间是否一致，若一致，则将首个乘客移动到对应站点的虚拟进站通道队列的队尾，然后继续判定队列的下一乘客；若不一致，则终止队列后续乘客的判定过程；
S722乘客进站：
对各个虚拟进站通道的乘客进行判定，当乘客在通道的走行时间等于进站走行时间时，乘客的进站过程结束，乘客从进站通道的集合中移除，转移到站台乘客集合中；
S723乘客上下车：
当列车到达车站时，触发上下车的事件，若列车剩余容量大于或等于站台等待的总乘客数，则所有等待乘客均上车；若列车剩余容量小于站台等待的总乘客数，则先到达站台的乘客先上车，同时到达的不同OD对的乘客随机上车；
S724乘客换乘：
下车乘客如需换乘，即加入到换乘线路的虚拟换乘通道队列的队尾；当乘客在虚拟换乘通道的时间达到通道的换乘走行时间时，乘客从队列前面离开，进入对应站台候车队列中；
S725乘客出站：
若下车乘客不存在下个出行节点，则乘客进入至出站通道队列中，当乘客满足出站时间时，则乘客出行结束，从系统中移除，并记录其出行信息；
S726列车生成：
通过判定步骤S71生成的列车队列的首趟列车的出发时间是否与仿真时间一致，若一致，则将其移动至该线路该运行方向的在途列车队列中；
S727根据时刻表信息及当前时刻更新在途列车位置；
S728已结束运营的列车从在途列车队列中删去；
S73计算各线路所有列车经过区段的列车满载率；
S74计算待计算时段内全网所有乘客的平均出行时间和平均换乘等待时间。
优选地，步骤S723乘客上下车中，当列车v于t时刻到达车站i时，上车的乘客根据下式(3)的模型进行决策：
其中，Pi,t表示t时刻站台i的乘客集合，qi,p,t,v为0-1变量，如果t时刻到达站台i的乘客p会登上列车v，则qi,p,t,v＝1，否则qi,p,t,v＝0；和/>分别用于指示t1时刻到达站台i的乘客p1和t2时刻到达站台i的乘客p2能否登上列车v；若乘客p1到达站台的时刻t1早于乘客p2到达站台的时刻t2，需满足/>使得先到达的乘客p1先登上列车v，表示列车v到达车站i时的剩余容量，/>使得在i站登上列车v的乘客数量不超过列车剩余容量；列车v到达始发站时的列车剩余容量即为列车额定载客量，列车v到达非始发站时的剩余容量为：从上一站出发的载客量减去该站的下车人数，其计算方法如下式(4)所示：
其中，Cv表示列车额定载客量，Ai,v表示i站的上车人数，Qi-1,v表示列车v从(i-1)站出发后的列车载客量，根据下式(5)计算：
其中，Ai-1,v，Bi-1,v分别表示(i-1)站的下车人数和上车人数。
优选地，θ为3。
优选地，待计算时段内城市轨道交通内所有乘客的起讫点OD位置及进站时间根据AFC刷卡记录获取。
由上述本发明的城市轨道交通客流-车流的匹配度计算方法提供的技术方案可以看出，本发明根据提供的列车运行方案和客流管控策略进行客流-车流联合仿真推演，考虑乘客路径选择行为，将客流动态加载到列车上，刻画每一位乘客的时空轨迹，并通过对列车满载率、乘客平均出行时间和平均换乘等待时间进行量化统计，本方法具有以下优点：
(1)能得到更加符合现实情况的乘客出行轨迹；
(2)模型简单，易于理解和计算，应用型较强；
(3)可以先基于客流预测进行客流分配，便于验证不同客流管理措施和不同列车运营时刻表的匹配度，便于需求升级；
(4)客流-车流联合仿真推演可进行并行计算设计，能够充分利用计算机算力，提高计算效率。
(5)得到更加符合现实情况的地铁客流-车流匹配度，可以为轨道交通提供更加优质的服务提供数据支撑，方便乘客出行，减少拥堵压力。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本实施例的城市轨道交通客流-车流的匹配度计算方法流程示意图；
图2为路径表示示意图；
图3为客流-车流仿真推演的流程示意图；
图4为乘客出发时间分布图；
图5为乘客平均出行时间统计柱状图；
图6为乘客平均出行时间累计概率分布图；
图7为乘客平均换乘时间统计柱状图；
图8为乘客平均换乘时间累计概率分布图；
图9为列车上行方向的满载率分布图如；
图10为列车下行方向的满载率分布图。
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，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且并不构成对本发明实施例的限定。
实施例
图1为本实施例的城市轨道交通客流-车流的匹配度计算方法流程示意图，参照图1，该方法主要包括：
1)获取待计算时段内城市轨道交通内所有乘客的起讫点OD位置及进站时间。
根据AFC刷卡记录获取乘客分时段的OD需求数据，即所有乘客的起讫点OD位置及进站时间。由于AFC刷卡数据只能记录乘客在客流管控策略下的进站时间，因此本实施例中将AFC系统收集到的OD需求数据视为实际乘客数据。
2)根据轨道交通运行图确定每个OD位置对应的有效路径,并计算有效路径对应的出行成本。
由于城市轨道交通线网规模不断扩大，会出现一个OD对的乘客在城市轨道交通系统内面临多种路径可供选择的情况，例如环形线路内外环方向均可抵达目的地。首先，找出城市轨道交通系统中所有OD对的可选择路径，假设所有乘客只能在有效路径集中选择自己的出行路径；可选择路径(m,n)定义为路段终点n比路段起点m更靠近出行目的地s的路段，即沿着该路段前行能更接近于出行终点。若换乘次数过多，或出行时间较最短路径相差过大，乘客选择这种路径的概率是极低的。计算所有可选择路径的出行成本，选取路径出行成本小于或等于1.5倍最小路径出行成本的路径作为有效路径。
出行成本根据下式(1)计算：
其中，表示起讫点(r，s)的可选择路径集Krs中的u路径的乘客出行成本，/>为节点耗费成本，当节点是换乘路径的换乘节点，其节点耗费成本为乘客换乘步行时间，当节点是非换乘路径的换乘节点，其节点耗费成本为列车停站时间；/>为区间耗费成本，即列车区段运行时间；/>表示对换乘次数的惩罚项，/>表示换乘次数，σ表示惩罚系数。优选地，σ为8min，即乘客每换乘一次，其路径成本增加8min。
图2为路径表示示意图，参照图2，从起点r到终点s的OD对的路径i。表示的是从起点r到终点s的路径i途径线路l1，f1方向上的区段a1至a2，然后经由换乘节点/>换乘至线路l2，途径f2方向上的区段a3至a4，直至到达终点s。
3)根据OD位置对应的有效路径的个数和每个有效路径对应的出行成本计算OD位置中的每条有效路径对应的乘客比例。
根据下式(2)计算OD位置中的每条有效路径对应的乘客比例：
其中，表示选择有效路径u的乘客在OD对r→s的所有乘客中所占比例，当只存在一条有效路径时，/> 为路径u的出行成本，可同理根据式(1)计算得到。/>表示Krs中路径出行成本小于或等于1.5倍最小路径出行成本的路径集合，即有效路径集合，θ是参数。优选地，θ取3，既可保证乘客更大概率选择出行成本较低的路径，也可保证乘客出行路径选择行为的随机性。
4)将乘客按进站时间和乘客比例输入至客流-车流仿真推演模型，得到所有乘客的平均出行时间和平均换乘等待时间作为客流-车流的匹配度。
根据计算好的有效路径选择比例对客流需求进行分配，确定每条路径对应的乘客数量，输入至客流-车流仿真推演模型，其中，客流-车流仿真推演模型具体包括：
乘客初始化模块，用于对乘客按客流需求进行分配，确定每条路径对应的乘客数量，得到按出发时间升序排序的乘客队列；
列车初始化模块，用于对列车按线路和运行方向分类，并得到按始发时间升序排序的列车队列；
乘客生成模块，用于根据乘客是否满足进站需求，判断是否将乘客输入虚拟进站通道队列；
列车生成模块，用于根据列车运行图的发出时间生成对应的列车；
乘客进站模块，用于根据进入虚拟通道乘客的时间是否达到进站，判断是否将乘客转移到站台队列；
乘客上下车模块，用于对进入站台的乘客执行上车或下车的步骤；
乘客换乘模块，用于对下车的乘客执行换乘的步骤；
乘客出站模块，用于对下车的乘客转入出站通道队列并执行出站步骤；
结果计算模块，用于计算乘客的平均出行时间和平均换乘等待时间。
图3为客流-车流仿真推演的流程示意图，参照图3，具体包括如下步骤：
S71初始化：
按每条有效路径对应的乘客比例将对应乘客和乘客进站时间输入至客流-车流仿真推演模型，得到按起点上、下行分类，并按出发时间升序排序的乘客队列；
对列车按线路和运行方向分类，并得到按始发时间升序排序的列车队列；
S72对所有时间步t循环执行步骤S721-S725和S726-S728分别进行乘客主体和列车主体的仿真推演：
S721乘客生成：
通过判定乘客队列的首个乘客的出发时间与仿真时间是否一致，若一致，则将首个乘客移动到对应站点的虚拟进站通道队列的队尾，然后继续判定队列的下一乘客；若不一致，则终止队列后续乘客的判定过程。
S722乘客进站：
对各个虚拟进站通道的乘客进行判定，当乘客在通道的走行时间等于进站走行时间时，乘客的进站过程结束，乘客从进站通道的集合中移除，转移到站台乘客集合中。
S723乘客上下车：
当列车到达车站时，触发上下车的事件，若列车剩余容量大于或等于站台等待的总乘客数，则所有等待乘客均上车；若列车剩余容量小于站台等待的总乘客数，则先到达站台的乘客先上车，同时到达的不同OD对的乘客随机上车。
当列车v于t时刻到达车站i时，上车的乘客根据下式(3)的模型进行决策：
其中，Pi,t表示t时刻站台i的乘客集合，qi,p,t,v为0-1变量，如果t时刻到达站台i的乘客p会登上列车v，则qi,p,t,v＝1，否则qi,p,t,v＝0；类似地，和/>分别用于指示t1时刻到达站台i的乘客p1和t2时刻到达站台i的乘客p2能否登上列车v；若乘客p1到达站台的时刻t1早于乘客p2到达站台的时刻t2，需满足/>使得先到达的乘客p1先登上列车v。/>表示列车v到达车站i时的剩余容量，/>使得在i站登上列车v的乘客数量不超过列车剩余容量；列车v到达始发站时的列车剩余容量即为列车额定载客量，列车v到达非始发站时的剩余容量为：从上一站出发的载客量减去该站的下车人数，其计算方法如下式(4)所示：
其中，Cv表示列车额定载客量，Ai,v表示i站的上车人数，Qi-1,v表示列车v从(i-1)站出发后的列车载客量，根据下式(5)计算：
其中，Ai-1,v，Bi-1,v分别表示(i-1)站的下车人数和上车人数。S724乘客换乘：
下车乘客如需换乘，即加入到换乘线路的虚拟换乘通道队列的队尾；当乘客在虚拟换乘通道的时间达到通道的换乘走行时间时，乘客从队列前面离开，进入对应站台候车队列中。
S725乘客出站：
若下车乘客不存在下个出行节点，则乘客进入至出站通道队列中，当乘客满足出站时间时，则乘客出行结束，从系统中移除，并记录其出行信息。
S726列车生成：
通过判定步骤S71生成的列车队列的首趟列车的出发时间是否与仿真时间一致，若一致，则将其移动至该线路该运行方向的在途列车队列中。
S727根据时刻表信息及当前时刻更新在途列车位置。
S728已结束运营的列车从在途列车队列中删去。
S73计算各线路所有列车经过区段的列车满载率，计算列车满载率如下式(6)所示：
ρi,v＝Qi,v/Cv(6)
其中ρi,v＝Qi,v/Cv表示列车v从i站离开时的列车满载率，Cv表示列车v的额定载客量，Qi,v表示列车v从i站出发后的列车载客量。
S74计算待计算时段内全网所有乘客的平均出行时间和平均换乘等待时间。
以下为采用本实施例方法的以某城市轨道交通网络某日4：00-24：00数据的具体应用算例，该轨道交通网络包括24条城市轨道交通线路，包含413个站点，总客流需求为459.96万人，其中换乘乘客需求为310.85万人。以1分钟为1个时间步长度，将仿真时段分成1200个时间步。115302个OD对共找到有效路径281036条。仿真时段内共运营列车车次数为11759，各线路上下行方向运营车次数如下表1所示。对乘客需求按出发时间进行统计，图4为乘客出发时间分布图。
表1各线路列车运营车次数
通过客流-车流联合仿真推演，得到乘客完整的出行链，下表2为某乘客出行链信息所示。
表2某乘客出行链信息
通过表2可以看出，该乘客从车站S06012去往车站S01007，出发时刻为977(换算为实际时间为20：17)，先搭乘线路6下行方向编号为288的列车，再换乘至线路2下行方向编号为281的列车，最后换乘至线路1下行方向编号为361的列车，出站时刻为1019(换算为实际时间为20：59)，其总出行时间为1019-977＝42分钟。候车时间分别为115s，197s和146s，总换乘等待时间为197+146＝343秒。
统计全网所有乘客的平均出行时间和平均换乘等待时间来衡量城市轨道交通客流与车流的匹配度；
根据乘客的出行链计算其出行时间和换乘等待时间，并统计所有乘客的平均出行时间和平均换乘等待时间。图5为乘客平均出行时间统计柱状图，图6为乘客平均出行时间累计概率分布图。对所有换乘乘客的换乘等待时间进行统计，图7为乘客平均换乘时间统计柱状图，图8为乘客平均换乘时间累计概率分布图。计算得出的全网乘客平均出行时间为34.33min，平均换乘等待时间为2.54min。
以线路5上午时段(5：00-13：00)为例，线路5衔接23个车站，其列车上行方向和下行方向的满载率分布图如图9和图10所示。
由此可以衡量城市轨道交通线网客流-车流的匹配度，乘客平均出行时间和平均换乘等待时间越小，说明客流-车流的匹配度越高，反之则说明客流-车流的匹配度越低。列车满载率越高，说明列车容量利用率越高，从而说明客流-车流的匹配度越高，反之则说明客流-车流的匹配度越低。
本领域技术人员应能理解上述输入框的应用类型仅为举例，其他现有的或今后可能出现的应用类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种城市轨道交通客流-车流的匹配度计算方法，其特征在于，包括：
获取待计算时段内城市轨道交通内所有乘客的起讫点OD位置及进站时
间；
根据轨道交通运行图确定每个OD位置对应的有效路径,并计算所述有效路径对应的出行成本；
根据OD位置对应的有效路径的个数和每个有效路径对应的出行成本计算OD位置中的每条有效路径对应的乘客比例；
将乘客按进站时间和所述乘客比例输入至客流-车流仿真推演模型，得到所有乘客的平均出行时间和平均换乘等待时间作为客流-车流的匹配度；具体包括：
所述的将乘客按进站时间和所述乘客比例输入至客流-车流仿真推演模型，得到所有乘客的平均出行时间和平均换乘等待时间作为客流-车流的匹配度，具体包括如下步骤：
S71初始化：
按每条有效路径对应的乘客比例将对应乘客和乘客进站时间输入至客流-车流仿真推演模型，得到按起点上、下行分类，并按出发时间升序排序的乘客队列；
对列车按线路和运行方向分类，并得到按始发时间升序排序的列车队列；
S72对所有时间步循环执行步骤S721-S725和S726-S728分别进行乘客主体和列车主体的仿真推演：
S721乘客生成：
通过判定乘客队列的首个乘客的出发时间与仿真时间是否一致，若一致，则将首个乘客移动到对应站点的虚拟进站通道队列的队尾，然后继续判定队列的下一乘客；若不一致，则终止队列后续乘客的判定过程；
S722乘客进站：
对各个虚拟进站通道的乘客进行判定，当乘客在通道的走行时间等于进站走行时间时，乘客的进站过程结束，乘客从进站通道的集合中移除，转移到站台乘客集合中；
S723乘客上下车：
当列车到达车站时，触发上下车的事件，若列车剩余容量大于或等于站台等待的总乘客数，则所有等待乘客均上车；若列车剩余容量小于站台等待的总乘客数，则先到达站台的乘客先上车，同时到达的不同OD对的乘客随机上车；
S724乘客换乘：
下车乘客如需换乘，即加入到换乘线路的虚拟换乘通道队列的队尾；当乘客在虚拟换乘通道的时间达到通道的换乘走行时间时，乘客从队列前面离开，进入对应站台候车队列中；
S725乘客出站：
若下车乘客不存在下个出行节点，则乘客进入至出站通道队列中，当乘客满足出站时间时，则乘客出行结束，从系统中移除，并记录其出行信息；
S726列车生成：
通过判定步骤S71生成的列车队列的首趟列车的出发时间是否与仿真时间一致，若一致，则将其移动至该线路该运行方向的在途列车队列中；
S727根据时刻表信息及当前时刻更新在途列车位置；
S728已结束运营的列车从在途列车队列中删去；
S73计算各线路所有列车经过区段的列车满载率；
S74计算待计算时段内全网所有乘客的平均出行时间和平均换乘等待时间；
所述的步骤S723乘客上下车中，当列车v于t时刻到达车站i时，上车的乘客根据下式(3)的模型进行决策：
其中，Pi,t表示t时刻站台i的乘客集合，qi,p,t,v为0-1变量，如果t时刻到达站台i的乘客p会登上列车v，则qi,p,t,v＝1，否则qi,p,t,v＝0；和/>分别用于指示t1时刻到达站台i的乘客p1和t2时刻到达站台i的乘客p2能否登上列车v；若乘客p1到达站台的时刻t1早于乘客p2到达站台的时刻t2，需满足/>使得先到达的乘客p1先登上列车v，/>表示列车v到达车站i时的剩余容量，/>使得在i站登上列车v的乘客数量不超过列车剩余容量；列车v到达始发站时的列车剩余容量即为列车额定载客量，列车v到达非始发站时的剩余容量为：从上一站出发的载客量减去该站的下车人数，其计算方法如下式(4)所示：
其中，Cv表示列车额定载客量，Ai,v表示i站的上车人数，Qi-1,v表示列车v从(i-1)站出发后的列车载客量，根据下式(5)计算：
其中，Ai-1,v，Bi-1,v分别表示(i-1)站的下车人数和上车人数。
2.根据权利要求1所述的方法，其特征在于，所述的根据轨道交通运行图确定每个OD位置对应的有效路径，包括：根据轨道交通运行图确定所有可选择路径，并计算所有可选择路径的出行成本，选取路径出行成本小于或等于1.5倍最小路径出行成本的路径作为有效路径。
3.根据权利要求1所述的方法，其特征在于，所述的出行成本根据下式(1)计算：
其中，表示起讫点(r，s)的可选择路径集Krs中的u路径的乘客出行成本，/>为节点耗费成本，当节点是换乘路径的换乘节点，其节点耗费成本为乘客换乘步行时间，当节点是非换乘路径的换乘节点，其节点耗费成本为列车停站时间；/>为区间耗费成本，即列车区段运行时间；/>表示对换乘次数的惩罚项，/>表示换乘次数，σ表示惩罚系数。
4.根据权利要求3所述的方法，其特征在于，所述的σ为8min。
5.根据权利要求1所述的方法，其特征在于，所述的根据OD位置对应的有效路径的个数和每个有效路径对应的出行成本计算OD位置中的每条有效路径对应的乘客比例，包括根据下式(2)计算OD位置中的每条有效路径对应的乘客比例：
其中，表示选择有效路径u的乘客在OD对r→s的所有乘客中所占比例；/>为路径u的出行成本；/>表示Krs中路径出行成本小于或等于1.5倍最小路径出行成本的路径集合，即有效路径集合；θ是参数。
6.根据权利要求1所述的方法，其特征在于，所述的客流-车流仿真推演模型具体包括：
乘客初始化模块，用于对乘客按客流需求进行分配，确定每条路径对应的乘客数量，得到按出发时间升序排序的乘客队列；
列车初始化模块，用于对列车按线路和运行方向分类，并得到按始发时间升序排序的列车队列；
乘客生成模块，用于根据乘客是否满足进站需求，判断是否将乘客输入虚拟进站通道队列；
列车生成模块，用于根据列车运行图的发出时间生成对应的列车；
乘客进站模块，用于根据进入虚拟通道乘客的时间是否达到进站，判断是否将乘客转移到站台队列；
乘客上下车模块，用于对进入站台的乘客执行上车或下车的步骤；
乘客换乘模块，用于对下车的乘客执行换乘的步骤；
乘客出站模块，用于对下车的乘客转入出站通道队列并执行出站步骤；
结果计算模块，用于计算乘客的平均出行时间和平均换乘等待时间。
7.根据权利要求5所述的方法，其特征在于，所述的θ为3。
8.根据权利要求1所述的方法，其特征在于，所述的待计算时段内城市轨道交通内所有乘客的起讫点OD位置及进站时间根据AFC刷卡记录获取。
CN202110285324.4A 2021-03-17 2021-03-17 一种城市轨道交通客流-车流的匹配度计算方法 Active CN112949078B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110285324.4A CN112949078B (zh) 2021-03-17 2021-03-17 一种城市轨道交通客流-车流的匹配度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110285324.4A CN112949078B (zh) 2021-03-17 2021-03-17 一种城市轨道交通客流-车流的匹配度计算方法

Publications (2)

Publication Number Publication Date
CN112949078A CN112949078A (zh) 2021-06-11
CN112949078B true CN112949078B (zh) 2023-12-05

Family

ID=76228703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110285324.4A Active CN112949078B (zh) 2021-03-17 2021-03-17 一种城市轨道交通客流-车流的匹配度计算方法

Country Status (1)

Country Link
CN (1) CN112949078B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870443B (zh) * 2021-09-03 2023-08-15 南京熊猫电子股份有限公司 一种实现城市间afc系统无障碍换乘的计费方法
CN113887068B (zh) * 2021-10-21 2024-05-10 北京城建设计发展集团股份有限公司 城市轨道交通线网与车站协同仿真计算方法
CN114896507B (zh) * 2022-05-27 2024-03-19 桂林电子科技大学 一种基于时空结构的地铁路径推荐方法
CN117290618B (zh) * 2023-11-27 2024-03-01 江西鹭鹭行科技有限公司 城市、城际轨道交通的时空伴随人群搜寻方法及系统
CN117634189A (zh) * 2023-11-29 2024-03-01 北京城建设计发展集团股份有限公司 轨道交通线网客流并行仿真方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020435A (zh) * 2012-12-03 2013-04-03 高新现代智能系统股份有限公司 轨道交通出行路径估算方法和系统
CN103208033A (zh) * 2013-03-22 2013-07-17 北京交通大学 一种成网条件下城市轨道交通新线接入客流预测方法
CN103218670A (zh) * 2013-03-22 2013-07-24 北京交通大学 一种城市轨道交通随机客流加载方法
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
CN106503315A (zh) * 2016-10-10 2017-03-15 北京市交通信息中心 轨道交通突发事件下进站乘客出行特征比例的确定方法
CN106779190A (zh) * 2016-12-02 2017-05-31 东南大学 一种城市轨道交通乘客出行路径建议方法及系统
CN110428117A (zh) * 2019-08-15 2019-11-08 北京交通大学 城市轨道交通多场景下客流精准诱导方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020435A (zh) * 2012-12-03 2013-04-03 高新现代智能系统股份有限公司 轨道交通出行路径估算方法和系统
CN103208033A (zh) * 2013-03-22 2013-07-17 北京交通大学 一种成网条件下城市轨道交通新线接入客流预测方法
CN103218670A (zh) * 2013-03-22 2013-07-24 北京交通大学 一种城市轨道交通随机客流加载方法
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
CN106503315A (zh) * 2016-10-10 2017-03-15 北京市交通信息中心 轨道交通突发事件下进站乘客出行特征比例的确定方法
CN106779190A (zh) * 2016-12-02 2017-05-31 东南大学 一种城市轨道交通乘客出行路径建议方法及系统
CN110428117A (zh) * 2019-08-15 2019-11-08 北京交通大学 城市轨道交通多场景下客流精准诱导方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《考虑动态客流的城市轨道交通列车运行调整研究》;卢立红;《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》;全文 *

Also Published As

Publication number Publication date
CN112949078A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN112949078B (zh) 一种城市轨道交通客流-车流的匹配度计算方法
CN110766298B (zh) 一种多制式多业务轨道交通仿真模拟方法及系统
Wang et al. Passenger-demands-oriented train scheduling for an urban rail transit network
CN107273999B (zh) 一种突发事件下城市轨道交通客流预测方法
CN108846514B (zh) 一种突发事件下轨道交通客流疏散需求预测方法
CN104884900A (zh) 行程时间信息提供设备和行程时间信息提供方法
CN110084397B (zh) 一种地铁直达线路规划方法
CN115527369B (zh) 一种空港枢纽大面积延误条件下的大客流预警与疏散方法
CN112214873B (zh) 一种轨道交通故障下的客流分布仿真评估方法及系统
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
CN108364464B (zh) 一种基于概率模型的公交车辆旅行时间建模方法
CN105095994A (zh) 一种基于线性规划的城轨线路客流峰值预测方法
CN108537408B (zh) 一种融合进站和换乘控制的路网协同限流建模及评估方法
JP2008189180A (ja) 列車運行管理システム
CN114707709A (zh) 铁路综合客运枢纽安全预警方法及系统
Su et al. Data-driven method for passenger path choice inference in congested subway network
CN111367900A (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
CN116451867A (zh) 一种基于时空出行路径标定的地铁短时客流预测方法
CN114781881A (zh) 一种区域轨道交通系统的分析系统及分析方法
CN114004440A (zh) 一种基于Anylogic的综合枢纽客运组织评价方法
Poon et al. Validation of a schedule‐based capacity restraint transit assignment model for a large‐scale network
CN112182838A (zh) 一种基于afc数据的短时客流预测动态模型
JP2022006482A (ja) ナビゲーション装置、及びナビゲーション方法
CN110288139A (zh) 一种短时地铁事件下的区域路网流量预测方法
He et al. A probabilistic model for rail transit passenger flow distribution using AFC data

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