CN112990648B - 一种轨道交通网络运营稳定性评估方法 - Google Patents

一种轨道交通网络运营稳定性评估方法 Download PDF

Info

Publication number
CN112990648B
CN112990648B CN202110024648.2A CN202110024648A CN112990648B CN 112990648 B CN112990648 B CN 112990648B CN 202110024648 A CN202110024648 A CN 202110024648A CN 112990648 B CN112990648 B CN 112990648B
Authority
CN
China
Prior art keywords
passenger flow
station
new line
network
rail transit
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
CN202110024648.2A
Other languages
English (en)
Other versions
CN112990648A (zh
Inventor
孙立山
邵娟
孔德文
许琰
白紫熙
王艳
袁广
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 University of Technology
Original Assignee
Beijing University of Technology
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 University of Technology filed Critical Beijing University of Technology
Priority to CN202110024648.2A priority Critical patent/CN112990648B/zh
Publication of CN112990648A publication Critical patent/CN112990648A/zh
Application granted granted Critical
Publication of CN112990648B publication Critical patent/CN112990648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种轨道交通网络运营稳定性评估方法，本方法基于新线建设方案获取新线接入后的轨道交通网络结构信息，构建轨道交通网络拓扑模型；分析新线接入后客流在轨道交通网络中的动态传播关系，将网络站点状态类型划分为客流传播起始点、被传播态站点和正常态站点，构建轨道交通网络客流动态传播模型；结合新线客流数据、AFC既有客流刷卡数据、列车运营数据，计算新线接入后更新时间步长内各站点的动态滞留客流量与断面客流量；综合考虑站点与线网层面，判断车站与区间的拥堵状态，提出基于多指标加权的轨道交通网络稳定性评估方法，以提前判别新线接入对轨道交通网络的影响，为新线规划、新线接入后列车运营方案的制定提供理论支持。

Description

一种轨道交通网络运营稳定性评估方法
技术领域
本发明涉及交通规划与管理领域。尤其涉及一种轨道交通网络运营稳定性评估方法。
背景技术
随着城市化进程的加快，我国城市轨道交通建设进入快速发展时期，近年来，各大城市开始通过新建轨道交通线路来缓解城市交通运营压力。新线建设在提升轨道交通服务能力的同时，其接入方式的多元性，也会使整个轨道交通网络拓扑结构特征和客流分布发生变化，对既有轨道站点和网络产生较大客流冲击，造成网络运营不稳定，网络运输效率降低，甚至诱发运营风险。因此，有必要提出一种面向新线接入的轨道交通网络运营稳定性评估方法，以提前判别新线接入对轨道交通网络的影响，对规划列车运营方案、制定客流管控策略以及降低运营事故风险等具有重要意义。
通过检索发现目前国内外在轨道交通网络稳定性方面的研究已提出一些相关测试评估方法，主要体现在网络拓扑结构特征与客流方面。网络拓扑结构特征方面，主要通过对关键站点进行蓄意和随机攻击两种方式，分析轨道交通网络拓扑性能变化，如连通性、站点失效比例等。客流方面，在论文《基于智能卡数据的城市轨道交通网络特性研究—以北京市为例》(胡映月,北京交通大学,2018)中，提出了一种基于客流传播模型来评估城市轨道交通突发事故对网络稳定性影响的方法，该研究从客流角度分析了既有轨道交通网络稳定性，由于新线接入与既有轨道交通网络在客流组成及传播状态方面具有较大差异性，并不适用于评估新线接入对轨道交通网络稳定性的影响。
目前在新线接入对轨道交通网络运营稳定性影响研究中，均侧重于具体的某条单一新线，主要是通过对比新线接入前后轨道交通网络的客流特征变化如断面客流量、车站进出站客流量等参数来分析轨道交通网络稳定性。此方法适用于新线运营后对轨道交通网络稳定性的评估，由于轨道交通建设成本大，建设过程中列车运营方案制定较为复杂，因此，在新线开通前需要对接入后轨道交通网络的稳定性影响进行提前预判，目前研究方法缺乏一套系统性且具备普遍适用性的考虑新线接入客流的轨道交通网络运营稳定性评估方法。
发明内容
为了克服现有技术不足，本发明提供了一种面向新线接入的轨道交通网络运营稳定性评估方法。
本发明具体步骤如下：
步骤1：基于新线建设方案，获取新线接入后的轨道交通网络拓扑结构信息，构建新线接入后的轨道交通网络拓扑模型；
步骤2：根据客流在网络中的动态传播关系，将新线接入后客流传播过程中的网络站点状态类型划分为客流传播起始点、被传播态站点和正常态站点，考虑新线接入后客流传播影响因素如新线客流、既有客流、列车运输能力等，构建轨道交通网络客流动态传播模型；
步骤3：基于AFC刷卡数据与列车运营数据，设置客流传播过程仿真模拟更新时间步长，统计各站点在所述仿真更新时间步长内的进、出站客流量及客流出行OD数据，并将既有客流出行OD按照新线接入后轨道交通网络拓扑结构进行重分配，以获取新线接入后网络断面客流量及客流出行方向比例参数；
步骤4：根据新线客流数据及现状客流数据，标定轨道交通网络客流动态传播模型相关参数，利用客流传播模型获取新线接入后网络中各站点在每个仿真更新时间步长内的动态滞留客流量与断面客流量；
步骤5：定义新线接入后的轨道交通网络运营稳定性，综合考虑站点与线网层面，提出基于站点滞留客流与线网断面客流量的网络稳定性评估方法，对比新线接入前后网络拥挤指数变化，评估新线接入对轨道交通网络运营稳定性影响。
与现有技术相比，本发明具有以下优点：
1.本发明综合新线客流及新线接入后轨道交通网络拓扑结构变化，构建了考虑新线接入的轨道交通网络客流动态传播模型，实现了对新线接入后全网络客流分布态势的推演；
2.本发明综合考虑站点与线网层面参数指标，提出了一种能够量化新线接入对轨道交通网络运营稳定性影响的网络综合拥挤指数计算方法，为新线接入后的网络运营状态分析、轨道线路运营计划编制提供有效的技术手段。
附图说明
为更完整更清楚地理解本发明的技术方案，下面将对具体实施描述中所需要使用的附图进行介绍，其中：
图1为本发明实施例提供的一种基于客流传播动力学的轨道交通网络运营稳定性影响评估流程图；
图2为本发明实施例提供的一种新线接入普通站点客流传播示意图；
图3为本发明实施例提供的一种新线接入换乘站点客流传播示意图；
具体实施方式
为使上述目的、技术方案更加清楚，下面结合附图和具体实施方式对本发明做进一步详细说明。
如图1所示，一种轨道交通网络运营稳定性评估方法，包括以下步骤：
步骤1、基于新线规划方案，建立新线接入后的轨道交通网络邻接矩阵，利用SpaceL方法，将轨道交通网络抽象为一个由节点集合V和边集合E组成的网络图G＝(V,E)。G为新线接入后的轨道交通客流传播网络，V表示轨道交通网络中的车站集合，n个节点的集合记作V＝(v1,v2,…,vn)，E为轨道交通网络中的边集合，m条边的集合记作E＝(e1,e2,…,em)。
步骤2：根据新线接入后客流在网络中的动态传播关系，将新线接入后客流传播过程中的网络站点状态类型划分为客流传播起始点(新线接入站点)、被传播站点和正常站点，考虑客流传播影响因素如新线客流、既有客流、列车运输能力等，基于网络站点状态类型构建轨道交通网络客流动态传播模型；
1)基于新线接入后客流传播关系(图2)，将客流传播过程中同一时刻站点状态类型划分为客流传播起始点(新线接入站点h)、被传播态站点(站点r)和正常态站点(站点n)三种。新线接入站点即新线客流传播起始点；被传播站点即在某时刻被新线客流传播的非新线接入站点，受到新线客流出行目的地的影响，该站点的出站人数将会发生变化；正常站点，即非新线接入站点并且在某时刻暂时尚未受到新线客流影响的站点，客流构成不存在新线客流，只有网络中的既有客流。
2)在客流传播模型构建之前，首先对各站点的差异性因素、不确定因素进行假设：
①假设列车均匀到达，各站点列车发车间隔相同；
②基于站点刷卡数据统计站点的上下车人数时，假设乘客刷卡后直接到达站台，不考虑乘客从刷卡闸机到站台的行走时间。
由于当列车驶出站点后站点状态才会发生变化，因此选择计算迭代时间步长为列车发车间隔Δt，定义变量A|(t,t+Δt)表示对参数A从时刻t至时刻t+Δt的统计量，为方便编程过程中迭代计算，将各参数变量的时间统计维度整数化处理，按时间间隔数量计算，令基准时段(t0，t0+Δt)为时段n，则定义A|(n)表示对参数A第n个发车间隔时段的统计量，文中出现的相似变量表达式均遵从该定义。
3)基于客流传播过程中不同状态下的站点客流构成，以上行方向为例，构建考虑新线接入的轨道交通网络客流动态传播模型。
①客流传播起始点：
普通站点：当新线接入前站点h为普通站点时，新线接入该站点后的断面客流计算主要包括上一区间断面客流、既有进出站客流、新线与既有线路之间换乘客流、上一时段滞留客流。具体客流传播关系(图2)及计算过程如下:
V'hr为新线接入后站点h至站点r区间的断面客流量；
V'gh为新线接入后站点g至站点h区间的断面客流量；
为站点h进站客流中去往线路S上行方向的比例系数；
Oh为站点h的既有进站人数；
为新线在站点h换乘的客流中去往线路S上行方向的客流比例系数；
Qh new为新线客流在站点h换乘的客流量；
为站点h上行方向的滞留人数；
为站点h出站客流中来自线路S上行方向的比例系数；
Dh为站点h的既有出站人数；
为站点g去往新线站点z方向在车站h换乘的客流比例系数；
为站点g去往新线站点u方向在车站h换乘的客流比例系数；
V'gh为新线接入后站点g至站点h区间的断面客流量。
换乘站点：当新线接入前站点j为换乘站点时，新线接入该站点后的断面客流计算除了考虑新线接入普通站点的客流构成以外，还需要考虑既有线路之间换乘客流。具体客流传播关系(图3)及计算过程如下:
V'jk为新线接入后站点j至站点k区间的断面客流量；
V'ij为新线接入后站点i至站点j区间的断面客流量；
为站点j进站客流中去往线路S1上行方向的比例系数；
Oj为站点j的既有进站人数；
为站点c去往站点k方向客流在站点j的换乘比例系数；
V'cj为新线接入后站点c至站点j区间的断面客流量；
为站点d去往站点k方向客流在站点j的换乘比例系数；
V'dj为新线接入后站点d至站点j区间的断面客流量；
为新线在站点j的换乘客流中去往线路S1上行的客流比例系数；
Qj new为新线客流在站点j换乘的客流量；
V'ij为新线接入后站点i至站点j区间的断面客流量；
为站点j出站客流中来自线路S1上行方向的比例系数；
Dj为站点j的既有出站人数；
为站点i去往站点c方向客流在站点j的换乘比例系数；
为站点i去往站点d方向客流在站点j的换乘比例系数；
为站点i去往新线站点a方向在车站j换乘的客流比例系数；
为站点i去往新线站点b方向在车站j换乘的客流比例系数；
为站点j上行方向的滞留人数。
②被传播态站点：
普通站点：新线客流传播至普通站点r后，该站点的断面客流计算主要包括上一区间断面客流、站点既有进出站客流、新线客流传播至站点后该站新增的出站客流、上一时段滞留客流。具体客流传播关系(图2)及计算过程如下:
V'rn为新线接入后站点r至站点n区间的断面客流量；
V'hr为新线接入后站点h至站点r区间的断面客流量；
为站点r进站客流中去往线路S上行方向的比例系数；
Or为站点r的既有进站人数；
为站点r出站客流中来自线路S上行方向的比例系数；
Dr为站点r的既有出站人数；
D'r为新线客流在站点r上行方向下车出站的人数；
为站点r上行方向的滞留人数。
换乘站点：新线客流传播至换乘站点k后，该站点断面客流计算除了考虑新线传播至普通站点的客流构成参数以外，还包括新线客流传播至该站点后线路之间的换乘客流。具体客流传播关系及计算过程如下：
V'km为新线接入后站点k至站点m区间的断面客流量；
V'jk为新线接入后站点j至站点k区间的断面客流量；
为站点k进站客流中去往线路S1上行方向的比例系数；
Ok为站点k既有进站人数；
为站点f去往站点m方向客流在站点k的换乘比例系数；
为站点e去往站点m方向客流在站点k的换乘比例系数；
V'fk为新线接入后站点f至站点k区间的断面客流量；
V'ek为新线接入后站点e至站点k区间的断面客流量；
为站点k出站客流中来自线路S上行方向的比例系数；
Dk为站点k的既有出站人数；
D'k为新线客流在站点k上行方向下车出站的人数；
为客流传播至站点k后从站点j去往站点f方向的换乘比例系数；
为客流传播至站点k后从站点j去往站点e方向的换乘比例系数；
为站点k上行方向的滞留人数。
③正常态站点：
普通站点：新线客流传播过程中尚未受新线客流影响的普通站点n断面客流计算主要包括上一区间断面客流、站点既有进出站客流、上一时段滞留客流。具体客流传播关系(图2)及计算过程如下:
V'nv为新线接入后站点n至站点v区间的断面客流量；
V'rn为新线接入后站点r至站点n区间的断面客流量；
为站点n进站客流中去往线路S上行方向的比例系数；
On为站点n的既有进站人数；
为站点n出站客流中来自线路S上行方向的比例系数；
Dn为站点n的既有出站人数；
为站点n上行方向的滞留人数。
换乘站点：新线客流传播过程中尚未受新线客流影响的换乘站点m断面客流计算除了考虑正常态普通站点客流构成参数以外，还包括线路之间的既有换乘客流。具体客流传播关系及计算过程如下：
V'mo为新线接入后站点m至站点o区间的断面客流量；
V'km为新线接入后站点k至站点m区间的断面客流量；
为站点m进站客流中去往线路S1上行方向的比例系数；
Om为站点m的既有进站人数；
为从站点p去往站点o方向客流在站点m的换乘比例系数；
为从站点q去往站点o方向客流在站点m的换乘比例系数；
V'pm为新线接入后站点p至站点m区间的断面客流量；
V'qm为新线接入后站点q至站点m区间的断面客流量；
为站点m出站客流中来自线路S上行方向的比例系数；
Dm为站点m的既有出站人数；
为从站点k去往站点p方向客流在站点m的换乘比例系数；
为从站点k去往站点q方向客流在站点m的换乘比例系数；
V'km为新线接入后站点k至站点m区间的断面客流量；
为站点m上行方向的滞留人数。
4)定义站点为x，y，第n个迭代步长内，站点x的滞留人数与区间xy的实际断面客流量输出结果如下：
区间xy的实际断面客流量：
从站点x去往站点y方向在站点x的滞留客流量：
站点x的滞留客流量：
V'xy为新线接入后站点x至站点y区间的断面客流量；
Cs,max为线路s的最大运输能力；
为站点x去往站点y方向在站点x的滞留客流量；
k为与站点x直接相连接的站点的数量；
为站点x的滞留人数。
步骤3、基于AFC刷卡数据与列车运营数据，设置客流传播过程仿真更新时间步长，统计各站点在所述仿真更新时间步长内的进、出站客流量及客流出行OD数据，并将既有客流出行OD按照新线接入后轨道交通网络拓扑结构进行重分配，以获取新线接入后网络断面客流量及客流出行方向比例参数，具体步骤包括：
1)统计城市轨道交通客流出行高峰时段，设置仿真开始至结束时长，同时统计城市轨道交通网络中高峰时段各线路的列车发车间隔，选取所有线路中平均发车间隔作为仿真时间更新步长Δt；
2)基于城市轨道交通现状网络中的AFC刷卡数据，统计各站点在Δt时间内的进出站客流量Ox、Dx；并结合每条刷卡数据出行记录的起始站与终点站，获取高峰时段既有网络中站点间的客流出行OD数据；
3)基于新线接入后的轨道交通网络拓扑结构，采用经典Dijkstra搜索算法确定既有乘客OD在新线接入后网络中的出行路径，建立计算任意既有OD两点之间的最优路径Rod的结构体B，将刷卡数据按照进站时间序列根据最优路径Rod的结构体B进行分配,获取既有客流在新线接入后轨道网络中的断面客流量V'xy，并将断面客流量按照高峰时段内仿真更新时间步数进行均分，作为仿真初始步数的断面客流量；
4)在对每一条客流刷卡数据按照最优路径Rod的结构体B进行路径匹配的过程中，可以判断出该条刷卡数据进站后去往的上下行方向以及出站来自车站的上下行方向，经过统计可知高峰时段内的上下行人数，用该值除以该时段进站的总人数即可得到高峰时段各站进(出)站客流的上下行比例系数等；
5)同理，按照时间序列通过编程对每一条刷卡数据的乘客出行路径进行循环统计，可以获取换乘站各方向的客流比例系数以换乘站j为例，从站点i去往站点c方向在站点j换乘下车的客流比例系数就等于在高峰时段内从站点i去往站点c方向的客流量除以高峰时段断面V'ij的客流量(图3)。
步骤4：根据新线客流数据及现状客流数据，标定轨道交通网络客流动态传播模型相关参数，利用客流传播模型获取新线接入后网络中各站点在每个仿真更新时间步长内的动态滞留客流量与断面客流量；
1)根据步骤3计算结果，输入模型中既有进出站客流量Ox与Dx、断面客流量V'xy、换乘比例系数上下行比例系数/>等参数；
2)利用既有研究提出的城市轨道交通新线接入客流预测方法，获取模型中新线客流在站点x换乘的客流量Qx new、新线客流在站点x下车出站客流量D'x等参数；
3)基于网络中各线路列车编组数及所用车型每节车厢的额定载客人数，计算各线路的列车额定运输能力：
Cs＝XsMs
Cs为线路s上列车的额定运输能力；
Xs为线路s所使用的列车编组数；
Ms为线路s所使用的列车车型每节额定载客人数。
根据既有研究，列车最大运输能力与列车额定运输能力关系表达如下：
Cs,max＝ηCs
Cs,max为线路s上列车的最大运输能力；
η为高峰小时系数，这里取1.2。
4)利用步骤2的客流传播模型计算新线接入后网络中各站点在每个仿真更新时间步长内的动态滞留客流量与断面客流量V'xy。
步骤5：定义新线接入后轨道交通网络运营稳定性，考虑站点与线网客流提出网络拥挤指数计算方法，对比新线接入前后网络拥挤指数变化，量化新线接入对轨道交通网络运营稳定性影响。
1)本发明所述新线接入后的轨道交通网络运营稳定性是指当新线客流较大时，由于受到新线客流冲击接入站点无法满足客流需求导致服务功能减弱时，轨道交通网络仍能保持正常运输的能力；
2)新线接入对轨道交通网络运营稳定性影响测量指标包括网络中滞留客流站点比例及断面拥挤程度。滞留客流站点比例可以较为直观的反映网络中客流拥挤范围；新线接入站点受到客流冲击发生拥挤后除了引起其他站点发生客流滞留外，也会使网络中的断面拥挤程度增加，拥挤断面比例提高，断面拥挤程度反映了整个轨道交通网络为乘客出行提供的服务质量和水平。站点滞留客流量指标和断面客流量指标V'xy越大，说明网络越拥挤；
①网络综合拥挤指数计算方法如下：
y＝σ1x站点+σ2x断面
y为网络拥挤指数；
x站点为滞留客流站点比例；
x断面为断面拥挤指数。
σ1、σ2为分别为站点滞留客流及断面拥挤对网络拥挤指数影响的权重，这里将两个指标影响权重看作相等，均取值为0.5；
②计算网络滞留客流站点比例，公式如下：
n站点为网络中发生滞留客流的站点数量，即的站点数量；
N站点为轨道交通网络站点总数。
③根据断面客流量将断面拥挤程度划分为畅通、轻微拥挤、中度拥挤、严重拥挤。不同断面拥挤程度对应断面客流量范围如表1所示：
表1各断面拥挤等级下的断面客流量范围
计算网络断面拥挤指数，公式如下：
N断面为轨道交通网络断面总数；
n1、n2、n3、n4分别表示断面客流处于畅通、轻微拥挤、中度拥挤、严重拥挤范围内的网络断面数量；
ω1、ω2、ω3、ω4分别表示畅通、轻微拥挤、中度拥挤、严重拥挤对网络断面拥挤指数影响权重，这里分别取0.1，0.2，0.3，0.4。
3)根据高峰时段最大拥挤指数值，计算新线接入前后网络拥挤指数变化率，公式如下：
Δy为轨道交通网络拥挤指数变化率；
y1为新线接入前轨道交通网络最大拥挤指数；
y2为新线接入后轨道交通网络最大拥挤指数。
将新线对轨道交通网络运营稳定性的影响程度划分为I级、II级、III级、IV级，不同影响程度对应的网络拥挤指数变化范围如表2所示：
表2各影响等级下的网络拥挤指数变化范围
根据公式计算结果，网络拥挤指数变化率Δy越大，说明该新线接入对轨道交通网络运营稳定性影响越大。当Δy值达到III级时，表明新线接入使轨道交通网络拥挤程度明显增加，网络稳定性较差，若不及时采取管控措施，客流将在网络中大范围传播，造成网络大范围拥挤，甚至导致网络崩溃。
因此在新线接入时，可参考本发明提前预判新线接入对轨道交通网络运营的影响，合理制定接入方案及运营组织策略，减小新线客流对轨道交通网络的冲击，保障轨道交通网络运营稳定性。
以上描述了本发明的具体实施方式，但本发明的保护范围并不局限于此，本领域技术人员应当理解，任何熟悉本领域的技术人员在不脱离本发明原理和实质的情况下，可想到的对上述方法进行的替换和改进，均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 (5)

1.一种轨道交通网络运营稳定性评估方法，其特征在于，包括以下步骤：
步骤1：基于新线建设方案，获取新线接入后的轨道交通网络拓扑结构信息，构建新线接入后的轨道交通网络拓扑模型；
步骤2：根据轨道交通网络拓扑模型划分客流传播过程中的网络站点状态类型，考虑新线接入后客流传播影响因素，构建轨道交通网络客流动态传播模型；
步骤3：根据轨道交通网络客流动态传播模型设置客流传播仿真模拟更新时间步长，统计各站点在所述仿真更新时间步长内的客流出行数据，按照新线接入后的轨道网络拓扑结构进行重分配；
步骤4：利用客流传播模型获取新线接入后网络中各站点在每个仿真更新时间步长内的动态滞留客流量与断面客流量；
步骤5：综合考虑站点与线网层面，提出基于多指标加权的网络稳定性评估方法，评估新线接入对轨道交通网络运营稳定性影响；
所述的划分客流传播过程中的网络站点状态类型，考虑新线接入后客流传播影响因素，构建轨道交通网络客流动态传播模型，包括：
1)基于新线接入后客流传播关系，将客流传播过程中同一时刻站点状态类型划分为客流传播起始点即新线接入站点h、被传播态站点即站点r和正常态站点即站点n三种；
2)在客流传播模型构建之前，首先对各站点的差异性因素、不确定因素进行假设：
①假设列车均匀到达，各站点列车发车间隔相同；
②基于站点刷卡数据统计站点的上下车人数时，假设乘客刷卡后直接到达站台，不考虑乘客从刷卡闸机到站台的行走时间；
3)基于客流传播过程中不同状态下的站点客流构成，以上行方向为例，构建考虑新线接入的轨道交通网络客流动态传播模型；
①客流传播起始点：
普通站点：当新线接入前站点h为普通站点时，新线接入该站点后的断面客流计算包括上一区间断面客流、既有进出站客流、新线与既有线路之间换乘客流、上一时段滞留客流；
换乘站点：当新线接入前站点j为换乘站点时，新线接入该站点后的断面客流计算除了考虑新线接入普通站点的客流构成以外，还需要考虑既有线路之间换乘客流；
②被传播态站点：
普通站点：新线客流传播至普通站点r后，该站点的断面客流计算主要包括上一区间断面客流、站点既有进出站客流、新线客流传播至站点后该站新增的出站客流、上一时段滞留客流；
换乘站点：新线客流传播至换乘站点k后，该站点断面客流计算除了考虑新线传播至普通站点的客流构成参数以外，还包括新线客流传播至该站点后线路之间的换乘客流；
③正常态站点：
普通站点：新线客流传播过程中尚未受新线客流影响的普通站点n断面客流计算主要包括上一区间断面客流、站点既有进出站客流、上一时段滞留客流；
换乘站点：新线客流传播过程中尚未受新线客流影响的换乘站点m断面客流计算除了考虑正常态普通站点客流构成参数以外，还包括线路之间的既有换乘客流；
4)定义站点为x，y，计算第n个迭代步长内，站点x的滞留人数与区间xy的实际断面客流量。
2.根据权利要求1所述的一种轨道交通网络运营稳定性评估方法，其特征在于，所述的基于新线建设方案，获取新线接入后的轨道交通网络拓扑结构信息，构建新线接入后的轨道交通网络拓扑模型，包括：
基于新线规划方案，建立新线接入后的轨道交通网络邻接矩阵，利用Space L方法，将轨道交通网络抽象为一个由节点集合V和边集合E组成的G＝(V,E)；G为新线接入后的轨道交通客流传播网络，V表示轨道交通网络中的车站集合，n个节点的集合记作V＝(v1,v2,…,vn)，E为轨道交通网络中的边集合，m条边的集合记作E＝(e1,e2,…,em)。
3.根据权利要求1所述的一种轨道交通网络运营稳定性评估方法，其特征在于，所述的设置客流传播仿真模拟更新时间步长，统计各站点在所述仿真更新时间步长内的客流出行数据，按照新线接入后的轨道网络拓扑结构进行重分配，包括：
1)基于城市轨道交通客流出行高峰时段，设置仿真开始至结束时长，同时统计城市轨道交通网络中高峰时段各线路的列车发车间隔，选取所有线路中平均发车间隔作为仿真时间更新步长Δt；
2)基于城市轨道交通现状网络中的AFC刷卡数据，统计各站点在Δt时间内的进出站客流量Ox、Dx及高峰时段既有网络中站点间的客流出行OD数据；
3)基于新线接入后的轨道交通网络拓扑结构，采用搜索算法确定既有乘客OD在新线接入后网络中的出行路径，对既有客流进行重分配，获取既有客流在新线接入后轨道网络中的断面客流量V'xy；
4)在对每一条客流刷卡数据按照最优路径Rod的结构体B进行路径匹配过程中，计算高峰时段各站进/出站客流的上下行比例系数及换乘站各方向的客流比例系数/>
4.根据权利要求1所述的一种轨道交通网络运营稳定性评估方法，其特征在于，所述的利用客流传播模型获取新线接入后网络中各站点在每个仿真更新时间步长内的动态滞留客流量与断面客流量，包括：
1)根据步骤3的计算结果，输入模型中既有进出站客流量Ox与Dx、断面客流量V'xy、换乘比例系数上下行比例系数/>参数；
2)利用城市轨道交通新线接入客流预测方法，获取模型中新线客流在站点x换乘的客流量Qx new、新线客流在站点x下车出站客流量D'x参数；
3)基于网络中各线路列车编组数及所用车型每节车厢的额定载客人数，计算各线路的列车额定运输能力与最大运输能力；
4)利用步骤2的客流传播模型计算新线接入后网络中各站点在每个仿真更新时间步长内的动态滞留客流量与断面客流量V'xy。
5.根据权利要求1所述的一种轨道交通网络运营稳定性评估方法，其特征在于，所述的综合考虑站点与线网层面，提出基于多指标加权的网络稳定性评估方法，评估新线接入对轨道交通网络运营稳定性影响，包括：
1)新线接入后的轨道交通网络运营稳定性是指当新线客流大时，由于受到新线客流冲击接入站点无法满足客流需求导致服务功能减弱，轨道交通网络能保持正常运输；
2)新线接入对轨道交通网络运营稳定性影响测量指标包括网络中滞留客流站点比例及断面拥挤程度；
3)根据高峰时段最大拥挤指数值，计算新线接入前后网络拥挤指数变化率新线对轨道交通网络运营稳定性的影响程度划分为I级、II级、III级、IV级。
CN202110024648.2A 2021-01-08 2021-01-08 一种轨道交通网络运营稳定性评估方法 Active CN112990648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110024648.2A CN112990648B (zh) 2021-01-08 2021-01-08 一种轨道交通网络运营稳定性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110024648.2A CN112990648B (zh) 2021-01-08 2021-01-08 一种轨道交通网络运营稳定性评估方法

Publications (2)

Publication Number Publication Date
CN112990648A CN112990648A (zh) 2021-06-18
CN112990648B true CN112990648B (zh) 2024-03-22

Family

ID=76345313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110024648.2A Active CN112990648B (zh) 2021-01-08 2021-01-08 一种轨道交通网络运营稳定性评估方法

Country Status (1)

Country Link
CN (1) CN112990648B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113723659B (zh) * 2021-06-22 2023-11-21 北京交通大学 一种城市轨道交通全场景客流预测方法及系统
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
CN114266010B (zh) * 2022-03-01 2022-05-13 华东交通大学 一种区域多制式轨道交通区间拥挤系数计算方法及系统
CN115098798A (zh) * 2022-06-09 2022-09-23 福州大学 融合地图数据的多元交通流城市空间组织模式识别方法
CN116822762A (zh) * 2023-03-29 2023-09-29 北京交通大学 地铁网络系统稳定性监测控制方法、系统和设备
CN116502948B (zh) * 2023-04-25 2024-01-19 中国地铁工程咨询有限责任公司 一种衡量站内设施的客流输送能力的方法及装置
CN116933958B (zh) * 2023-07-18 2024-03-29 西南交通大学 一种基于刷卡数据的地铁换乘站换乘客流估计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376624A (zh) * 2014-07-22 2015-02-25 西南交通大学 一种基于afc客票数据的城市轨道交通客流分析方法
CN106971262A (zh) * 2017-03-14 2017-07-21 北京交通大学 基于元胞自动机的城市轨道交通拥堵状态传播的仿真方法
CN108550098A (zh) * 2018-04-24 2018-09-18 西南交通大学 一种城市轨道交通网络客流限流方法
CN110245806A (zh) * 2019-06-24 2019-09-17 北京交通大学 一种城市轨道交通客流管控方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376624A (zh) * 2014-07-22 2015-02-25 西南交通大学 一种基于afc客票数据的城市轨道交通客流分析方法
CN106971262A (zh) * 2017-03-14 2017-07-21 北京交通大学 基于元胞自动机的城市轨道交通拥堵状态传播的仿真方法
CN108550098A (zh) * 2018-04-24 2018-09-18 西南交通大学 一种城市轨道交通网络客流限流方法
CN110245806A (zh) * 2019-06-24 2019-09-17 北京交通大学 一种城市轨道交通客流管控方法与系统

Also Published As

Publication number Publication date
CN112990648A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112990648B (zh) 一种轨道交通网络运营稳定性评估方法
Szeto et al. Reliability‐based transit assignment for congested stochastic transit networks
Jindal et al. Optimizing taxi carpool policies via reinforcement learning and spatio-temporal mining
Caliskan et al. Predicting parking lot occupancy in vehicular ad hoc networks
CN109686091B (zh) 一种基于多源数据融合的交通流量填补算法
Archetti et al. A simulation study of an on‐demand transportation system
CN110929925B (zh) 基于环境温度与用户行为的电动汽车充电站规划方法
Milojevic et al. Short paper: Distributed vehicular traffic congestion detection algorithm for urban environments
CN110019569A (zh) 一种获取城市轨道交通运营状态信息的方法
Karoń Travel demand and transportation supply modelling for agglomeration without transportation model
Deng et al. Heterogenous trip distance‐based route choice behavior analysis using real‐world large‐scale taxi trajectory data
Wu et al. Data-driven inverse learning of passenger preferences in urban public transits
Ahmed et al. GIS and genetic algorithm based integrated optimization for rail transit system planning
Fontanelli et al. Dynamic route planning in vehicular networks based on future travel estimation
Lu et al. A sample average approximation approach for the stochastic dial-a-ride problem on a multigraph with user satisfaction
Mepparambath et al. A novel modelling approach of integrated taxi and transit mode and route choice using city-scale emerging mobility data
CN110674990B (zh) 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN105427394B (zh) 基于试错法和机动车流量的拥堵收费最优费率确定方法
Barrachina et al. I-VDE: a novel approach to estimate vehicular density by using vehicular networks
Barceló et al. Simulation assisted design and assessment of vehicle guidance systems
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
Bratanov User mobility modeling in cellular communications networks
CN115146840A (zh) 一种基于数据驱动的轨道交通新线接入客流预测方法
CN114462898A (zh) 基于地理信息的公路规划管理方法及系统
CN115130868A (zh) 基于手机信令的城市土地利用与交通一体化互动反馈模型

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