CN115660282A - 面向乘客出行服务的轨道交通路网韧性评估方法及系统 - Google Patents
面向乘客出行服务的轨道交通路网韧性评估方法及系统 Download PDFInfo
- Publication number
- CN115660282A CN115660282A CN202211334371.4A CN202211334371A CN115660282A CN 115660282 A CN115660282 A CN 115660282A CN 202211334371 A CN202211334371 A CN 202211334371A CN 115660282 A CN115660282 A CN 115660282A
- Authority
- CN
- China
- Prior art keywords
- toughness
- rail transit
- network
- travel
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 19
- 238000011084 recovery Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000010521 absorption reaction Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000005065 mining Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000012546 transfer Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 150000001875 compounds Chemical class 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种面向乘客出行服务的轨道交通路网韧性评估方法及系统,属于城市轨道交通路网特性分析技术领域,包括:计算表征了城市轨道交通路网的韧性吸收能力、城市轨道交通路网的韧性抗毁能力和城市轨道交通路网的韧性恢复能力;最后,综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。本发明根据路网受到扰动前的可达性表征吸收能力,根据路网受到扰动时的性能损失表征抗毁能力,根据路网受到扰动后的修复速率作为恢复能力,通过挖掘不同阶段路网扰动对于乘客出行服务的影响,完善了韧性理论,识别了关键站点,提高了乘客出行效率和城轨交通运营服务水平。
Description
技术领域
本发明涉及城市轨道交通路网特性分析技术领域,具体涉及一种面向乘客出行服务的轨道交通路网韧性评估方法及系统。
背景技术
城市轨道交通作为城市公共交通系统的重要组成部分,在缓解大城市交通拥堵问题中发挥了重要的作用。但运输需求和路网规模的增长使运营变得更加复杂,在运营受干扰的条件下会出现列车延误、客流突增、客流与列车衔接不充分等一系列问题,对乘客的出行服务造成了一定的影响。在此背景下,专家学者开始使用韧性作为扰动事件下交通网络性能测度指标。对城市轨道交通路网韧性进行精确测度和评估,可以有效识别脆弱站点,降低事故风险及事故影响,提升应急处置能力。
现阶段,城市轨道交通网络韧性评估多是从路网的物理拓扑结构出发,很少兼顾列车运行信息、客流信息、乘客选择行为等多源数据。评价方法多聚焦于复杂网络理论层面,与实际轨道交通运营服务有所差异,没有将研究侧重于乘客出行的需求及体验。且韧性指标在评估扰动事件下的网络性能时比较单一,没有将韧性的内涵整合到统一的体系中。
发明内容
本发明的目的在于提供一种面向乘客出行服务的、涵盖多源数据和多个维度的城市轨道交通路网韧性评估方法及系统,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种面向乘客出行服务的轨道交通路网韧性评估方法,包括如下步骤:
计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
优选的,计算路网出行时间可达性,包括:
定义乘客的广义出行成本,基于Logit模型进行客流分配;
根据客流分配结果,计算车站的出行时间可达性;
基于车站的出行时间可达性,计算路网出行时间可达性。
优选的,计算路网出行效用可达性,包括:
根据客流分配结果,考虑乘客满意度的出行路径可达性,计算车站的出行效用可达性;
基于车站的出行效用可达性,计算路网出行效用可达性。
优选的,计算路网出行客流损失率,包括:
构建乘客出行决策行为模型;
基于乘客出行决策行为模型,计算某车站失效导致的出行客流损失率;
根据某车站失效导致的出行客流损失率,计算整个路网的出行客流损失率。
优选的,计算路网出行时间增加率,包括:
基于乘客出行决策行为模型,计算某车站失效导致的出行时间增加率;
根据某车站失效导致的出行时间增加率,计算整个路网的出行时间增加率。
优选的,计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力,包括:
针对乘客的出行感知,通过扰动发生后恢复到正常运营状态的速率来衡量城市轨道交通路网的恢复能力;
其中,Er表示车站r的恢复系数,tr表示车站r的事故持续时间,Pr表示事故发生时车站r的断面客流,Ar表示车站r的乘客到达率,Cr,h表示车站r所在线路h的列车容量,tr,h表示车站r所在线路h的发车间隔;
乘客感知的恢复时间越短,车站的恢复系数越小,该车站的恢复能力越强;
则,计算路网的恢复系数为:
指标E以所有站点的平均恢复系数来衡量整个网络的恢复能力,恢复系数越大,表明该城市轨道交通路网的恢复能力越强。
第二方面,本发明提供一种面向乘客出行服务的轨道交通路网韧性评估系统,包括如下功能模块:
第一计算模块,用于计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
第二计算模块,用于计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
第三计算模块,用于计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合评估模块,用于综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的面向乘客出行服务的轨道交通路网韧性评估方法。
第四方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的面向乘客出行服务的轨道交通路网韧性评估方法。
第五方面,本发明提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的面向乘客出行服务的轨道交通路网韧性评估方法的指令。
本发明有益效果:根据路网受到扰动前的可达性表征吸收能力,根据路网受到扰动时的性能损失表征抗毁能力,根据路网受到扰动后的修复速率作为恢复能力,通过挖掘不同阶段路网扰动对于乘客出行服务的影响,完善了韧性理论,识别了关键站点,提高了乘客出行效率和城轨交通运营服务水平。
本发明附加方面的优点,将在下述的描述部分中更加明显的给出,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为本发明实施例所述的城市轨道交通韧性评估框架示意图。
图2为本发明实施例所述的乘客面对扰动事件的出行决策行为流程示意图。
图3为本发明实施例所述的某市地铁网络简化拓扑结构示意图。
图4为本发明实施例所述的时间可达性和效用可达性计算结果示意图。
图5为本发明实施例所述的出行客流损失率和出行时间增加率计算结果示意图。
图6为本发明实施例所述的恢复系数计算结果示意图。
具体实施方式
下面详细叙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。
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、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1中提供一种面向乘客出行服务的轨道交通路网韧性评估系统,包括如下功能模块:
第一计算模块,用于计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
第二计算模块,用于计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
第三计算模块,用于计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合评估模块,用于综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
本实施例1中,利用上述的系统,实现了面向乘客出行服务的轨道交通路网韧性评估方法,包括如下步骤:
利用第一计算模块计算出行时间可达性和出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
利用第二计算模块计算出行客流损失率和出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
利用第三计算模块计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
利用综合评估模块,综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
具体的,计算出行时间可达性和出行效用可达性,包括:
首先,定义乘客的广义出行成本:
式中,crsk、和分别为OD对第k条路径的广义出行成本、节点成本和区间成本;tw、th和ts分别为换乘走行时间、换乘等待时间(取换入线路列车发车间隔的一半)和停站时间,α和β为换乘系数,h为换乘站的数量;te为区段e的运行时间。
然后,基于Logit模型进行客流分配:
运用Logit模型计算路径被选择的概率,由于涉及到两类可达性指标,故客流分配的概率计算也有所不同。
在计算路径选择概率的基础上,得到路径k的客流量。
计算出行时间可达性,包括:
定义车站r的出行时间可达性为:
式中,表示站点r的时间可达性,qrs表示站点r与站点s之间的客流量,表示时间可达性指标下站点r与站点s之间第k条有效路径的客流量,trsk表示站点r与站点s之间第k条有效路径的出行时间,n表示城市轨道交通的车站总数。当完成单位出行需求所需的出行时间越小时,表明OD对间出行相对便利程度越高。
在车站可达性的基础上,定义路网的出行时间可达性为:
最后,考虑乘客满意度的出行路径可达性(换乘教少、时间较短),计算出行效用可达性:
式中,表示站点r的效用可达性,表示效用可达性指标下站点r与站点s之间第k条有效路径的客流量,crsk表示站点r与站点s之间第k条有效路径的广义出行成本。当完成单位出行需求所需的出行成本越小时,表明OD对间出行相对便利程度越高。
在车站可达性的基础上,定义路网的出行效用可达性为:
具体的,计算出行客流损失率和出行时间增加率,包括:
首先,乘客出行决策行为建模
城市轨道交通突发事件(信号故障、车辆故障等)将会导致网络结构的变化,从而影响部分乘客的出行。一部分乘客被迫改变最佳出行路径,通过换乘的方式以尽快到达目的地,造成出行时间的增加;还有一部分乘客会选择放弃采用轨道交通出行,选择地面交通的方式完成出行,造成客流的损失。无论如何,扰动的发生都会影响整个系统的运营效率和乘客的出行体验。
乘客面对扰动事件的出行决策行为流程参考附图2。
选择放弃轨道交通出行的乘客出行时间由于交通方式的转变而增加,同时这部分乘客的客流将会损失;选择次优线路出行的乘客,虽然客流量没有损失,但由于绕行的缘故仍会增加一定的出行时间。
其次,计算出行客流损失率,包括:
车站r失效导致的出行客流损失率计算如下:
整个网络的出行客流损失率计算方式如下:
指标Pl以所有站点的平均客流损失率来衡量整个网络的抗毁能力,客流损失率越低,表明该城市轨道交通路网的抗毁能力越强。
最后,计算出行时间增加率,包括:
车站r失效导致的出行时间增加率计算如下:
OD对j的出行时间增加值计算根据式(16),其中δ表示选择其他交通方式而产生的的出行时间损失,在此我们假设该值为定值。t'j和tj分别表示OD对j次优路径的出行时间和最优路径的出行时间。
整个网络的出行时间增加率计算方式如下:
指标Tl以所有站点的平均出行时间增加率来衡量整个网络的抗毁能力,出行时间增加率越低,表明该城市轨道交通路网的抗毁能力越强。
计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力,包括:
针对乘客的出行感知,通过扰动发生后恢复到正常运营状态的速率来衡量城市轨道交通路网的恢复能力。
计算车站r的恢复系数为:
式中,Er表示车站r的恢复系数,tr表示车站r的事故持续时间,Pr表示事故发生时车站r的断面客流,Ar表示车站r的乘客到达率,Cr,h表示车站r所在线路h的列车容量,tr,h表示车站r所在线路h的发车间隔。
分母为所有乘客都开始旅程的总时间,乘客感知的恢复时间越短,车站的恢复系数越小,该车站的恢复能力越强。
在此基础上,计算路网的恢复系数为:
指标E以所有站点的平均恢复系数来衡量整个网络的恢复能力,恢复系数越大,表明该城市轨道交通路网的恢复能力越强。
实施例2
本实施例2中,构建了一种面向乘客出行服务的城市轨道交通路网韧性评价方法,该方法根据路网受到扰动前的可达性表征吸收能力,根据路网受到扰动时的性能损失表征抗毁能力,根据路网受到扰动后的修复速率作为恢复能力,通过挖掘不同阶段路网扰动对于乘客出行服务的影响,完善韧性理论,识别关键站点,提高乘客出行效率和企业运营服务水平。
为了便于描述与理解,定义了一些符号和变量,如表1所示。
表1定义符号与变量
城市轨道交通韧性主要体现在三个方面:较强的吸收能力,系统受到一定干扰冲击的情况下,仍能保持良好的运营服务水平,在设计层面具有较好的冗余性;较强的抗毁能力,干扰和冲击使系统性能的降级程度较低,对于出行服务的时间及客流影响较小;较强的恢复能力,系统遭受干扰冲击能力降级后,可快速恢复到基础运营状态,乘客感知的单位时间恢复成本较低。
为量化韧性表征的多种能力,本实施例2中,结合多源数据,构建面向出行服务的城市轨道交通路网韧性评价框架。其中,吸收能力的衡量指标为时间可达性和效用可达性,抗毁能力的衡量指标为客流损失率和时间增加率,恢复能力的衡量指标为恢复系数。具体指标体系构建参考附图1。
为达到以上目的,本实施例2中面向乘客出行服务的城市轨道交通路网韧性评价方法,具体包括如下步骤:
步骤1,计算城市轨道交通路网的吸收能力
当城市轨道交通车站发生故障或遭遇攻击时,部分站点或区段会丧失自身的运输功能,原有的出行最短路径极易发生断连,这时替代线路的重要性便得以体现。研究k短路下的城轨路网可达性,可以体现该网络面对扰动时的冗余能力和吸收能力,探究在网络自身在设计阶段的的可靠性,在满足乘客基本出行需求的同时最大限度地保障出行的便捷性和满意度。
(1)定义乘客的广义出行成本
式中,crsk、和分别为OD对第k条路径的广义出行成本、节点成本和区间成本;tw、th和ts分别为换乘走行时间、换乘等待时间(取换入线路列车发车间隔的一半)和停站时间,α和β为换乘系数,h为换乘站的数量;te为区段e的运行时间。
(2)基于Logit模型进行客流分配
运用Logit模型计算路径被选择的概率,由于涉及到两类可达性指标,故客流分配的概率计算也有所不同。
在计算路径选择概率的基础上,得到路径k的客流量。
(3)计算出行时间可达性
定义车站r的出行时间可达性为:
式中,表示站点r的时间可达性,qrs表示站点r与站点s之间的客流量,表示时间可达性指标下站点r与站点s之间第k条有效路径的客流量,trsk表示站点r与站点s之间第k条有效路径的出行时间,n表示城市轨道交通的车站总数。当完成单位出行需求所需的出行时间越小时,表明OD对间出行相对便利程度越高。
在车站可达性的基础上,定义路网的出行时间可达性为:
(4)考虑乘客满意度的出行路径可达性(换乘教少、时间较短),计算出行效用可达性:
式中,表示站点r的效用可达性,表示效用可达性指标下站点r与站点s之间第k条有效路径的客流量,crsk表示站点r与站点s之间第k条有效路径的广义出行成本。当完成单位出行需求所需的出行成本越小时,表明OD对间出行相对便利程度越高。
在车站可达性的基础上,定义路网的出行效用可达性为:
步骤2,计算城市轨道交通路网的抗毁能力
(1)乘客出行决策行为建模
城市轨道交通突发事件(信号故障、车辆故障等)将会导致网络结构的变化,从而影响部分乘客的出行。一部分乘客被迫改变最佳出行路径,通过换乘的方式以尽快到达目的地,造成出行时间的增加;还有一部分乘客会选择放弃采用轨道交通出行,选择地面交通的方式完成出行,造成客流的损失。无论如何,扰动的发生都会影响整个系统的运营效率和乘客的出行体验。
乘客面对扰动事件的出行决策行为流程参考附图2。
选择放弃轨道交通出行的乘客出行时间由于交通方式的转变而增加,同时这部分乘客的客流将会损失;选择次优线路出行的乘客,虽然客流量没有损失,但由于绕行的缘故仍会增加一定的出行时间。
(2)计算出行客流损失率
车站r失效导致的出行客流损失率计算如下:
整个网络的出行客流损失率计算方式如下:
指标Pl以所有站点的平均客流损失率来衡量整个网络的抗毁能力,客流损失率越低,表明该城市轨道交通路网的抗毁能力越强。
(3)计算出行时间增加率
车站r失效导致的出行时间增加率计算如下:
OD对j的出行时间增加值计算根据式(16),其中δ表示选择其他交通方式而产生的的出行时间损失,在此我们假设该值为定值。t'j和tj分别表示OD对j次优路径的出行时间和最优路径的出行时间。
整个网络的出行时间增加率计算方式如下:
指标Tl以所有站点的平均出行时间增加率来衡量整个网络的抗毁能力,出行时间增加率越低,表明该城市轨道交通路网的抗毁能力越强。
步骤3,计算城市轨道交通路网的恢复能力
对于乘客出行而言,网络恢复时间不仅仅是故障修复的持续时间,更应考虑乘客在车站的候车等待时间,因为受到列车运力的限制和乘客不断到达的现实情况,不是所有乘客均可在车站故障维修完成后立即乘车。本发明针对乘客的出行感知,通过扰动发生后恢复到正常运营状态的速率来衡量城市轨道交通路网的恢复能力。
计算车站r的恢复系数为:
式中,Er表示车站r的恢复系数,tr表示车站r的事故持续时间,Pr表示事故发生时车站r的断面客流,Ar表示车站r的乘客到达率,Cr,h表示车站r所在线路h的列车容量,tr,h表示车站r所在线路h的发车间隔。
分母为所有乘客都开始旅程的总时间,乘客感知的恢复时间越短,车站的恢复系数越小,该车站的恢复能力越强。
在此基础上,计算路网的恢复系数为:
指标E以所有站点的平均恢复系数来衡量整个网络的恢复能力,恢复系数越大,表明该城市轨道交通路网的恢复能力越强。
实施例3
本实施例3中,为验证上述实施例所提出的路网韧性评估方法的有效性,选取某市轨道交通网络为对象进行韧性评估。为了便于描述,在图中删去部分站点,只列出一些主要车站,网络结构如附图3所示。图中共包含5条线路,31个站点,39个区间,利用Space-L法构建城市轨道交通复杂网络。
实施例中以早高峰8:00-8:30的OD客流需求为输入数据,客流数据来源于该市轨道交通自动售检票系统2020年1月某日的数据。高峰期的发车间隔取3分钟,列车容量为1428人/辆,换乘系数α和β分别为1.1和0.5,乘客感知系数取2,选择其他交通方式而产生的的出行时间损失为15分钟,路径条数k取3。
步骤1,计算城市轨道交通路网的吸收能力
(1)计算广义出行成本,基于Logit模型进行客流分配
计算k短路下乘客出行路径及每条路径的换乘次数,得到每条路径下的节点成本和区间成本。基于Logit模型分别对路径的选择概率和区间客流量进行求解,为可达性指标的计算提供数据支撑。
(2)计算出行时间可达性
根据求解的区间客流和k短路的区间运行时间,遍历计算每个车站的时间可达性,计算结果见附图4。根据求解结果可知,该市地铁路网的时间可达性为2.640,出行时间可达性排名前三名的车站分别为东单站、崇文门站和建国门站,说明这些车站的出行效率较高,可以较快的完成出行任务;出行时间可达性排名后三名的车站分别为草房站、中关村站和海淀五路居站,这些车站均位于线路的起终点,换乘效率较低,出行相对不够便捷。
(3)计算出行效用可达性
在考虑乘客实际出行便捷度和满意后,广义出行成本替代了单一的区间运行时间,该市地铁路网的效用可达性为1.877,计算结果见附图4。出行效用可达性排名前三位和后三位的车站几乎没有变化,这是由于其固有的区位因素所致。但可以发现,有许多车站的效用可达性较出性可达性有了很大提升,如雍和宫站、复兴门站及西直门站等。
步骤2,计算城市轨道交通路网的抗毁能力
(1)乘客出行决策行为建模
当面对车站故障时,假设受影响的乘客只能选择换成其他线路或放弃轨道交通两种情况。对于不存在次优路径的乘客,如以受损车站为起点的乘客,选择地面交通的方式出行;对于超过最短路径时间1.5倍阈值系数的乘客,同样会选择放弃轨道交通。基于单个车站失效遍历的方法,针对不同OD出行乘客进行行为建模,为后续计算客流损失和出行时间损失提供依据。
(2)计算出行客流损失率
经计算,在该日早高峰8:00-8:30间出行客流总量为16031人次,车站故障导致的客流损失量最大的站点为崇文门站,客流损失量和客流损失率分别为4419人次和27.57%,说明崇文门站对于乘客出行的中转起到了关键性作用,一旦该站失效将会极大地增加其他OD对的出行时间。客流损失量排名第二和第三的车站分别为朝阳门站和西直门站,客流损失量分别为1692人次和3381人次,这两个站也都是路网中的关键换乘站。具体计算结果见附图5。
路网的平均客流损失量为1566人次,占比约为9.77%,这意味着网络中一个车站的断连将会导致将近十分之一的客流流失。同时我们也注意到,除了公主坟站、和平里北街站这些偏远站点导致的客流损失较低,王府井站、新街口站这些虽然靠近中心但不执行换乘任务的车站,也不会对路网中的客流带来较大的变化。各车站的出行客流损失率计算结果参考附图5。
(3)计算出行时间增加率
由计算结果可知,路网平均出行时间增加率为8.82%。车站故障导致的出行时间增加率排名前三的车站分别为西直门站、崇文门站和朝阳门站,出行时间增加率分别为18.07%、17.52%和16.81%,这与出行客流损失的计算结果一致,表明该评价方法可以有效衡量路网的抗毁能力。而宋家庄站、和平里北街站、中关村站也由于位置较为边缘,对整体路网的出行时间影响较小,约为5%左右。各车站的出行时间增加率计算结果参考附图5。
步骤3,计算城市轨道交通路网的恢复能力
假设车站的故障持续时间为30分钟,故障修复后该站可以正常通车运行,各车站的实际乘客到达率根据实际早高峰8:00-8:30的实际数据计算得到。经计算,该市轨道交通路网的恢复系数为0.0299。恢复系数最高的三个车站分别为王府井站、复兴门站和东单站,这表明在相同的故障修复时间下,这些车站能够快速地将乘客进行输送,提高乘客的满意度和出行效率。各车站的恢复系数计算结果参考附图6。
此外,在实际中,可根据事故的规模更改故障的持续时间、列车的发车间隔等参数,实现不同情境下路网和车站恢复能力的度量。
实施例4
本发明实施例4提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现面向乘客出行服务的轨道交通路网韧性评估方法,该方法包括:
计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
实施例5
本发明实施例5提供一种计算机程序(产品),包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现面向乘客出行服务的轨道交通路网韧性评估方法,该方法包括:
计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
实施例6
本发明实施例6提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现面向乘客出行服务的轨道交通路网韧性评估方法的指令,该方法包括:
计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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,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。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种面向乘客出行服务的轨道交通路网韧性评估方法,其特征在于,包括如下步骤:
计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
2.根据权利要求1所述的面向乘客出行服务的轨道交通路网韧性评估方法,其特征在于,计算路网出行时间可达性,包括:
定义乘客的广义出行成本,基于Logit模型进行客流分配;
根据客流分配结果,计算车站的出行时间可达性;
基于车站的出行时间可达性,计算路网出行时间可达性。
3.根据权利要求2所述的面向乘客出行服务的轨道交通路网韧性评估方法,其特征在于,计算路网出行效用可达性,包括:
根据客流分配结果,考虑乘客满意度的出行路径可达性,计算车站的出行效用可达性;
基于车站的出行效用可达性,计算路网出行效用可达性。
4.根据权利要求1所述的面向乘客出行服务的轨道交通路网韧性评估方法,其特征在于,计算路网出行客流损失率,包括:
构建乘客出行决策行为模型;
基于乘客出行决策行为模型,计算某车站失效导致的出行客流损失率;
根据某车站失效导致的出行客流损失率,计算整个路网的出行客流损失率。
5.根据权利要求4所述的面向乘客出行服务的轨道交通路网韧性评估方法,其特征在于,计算路网出行时间增加率,包括:
基于乘客出行决策行为模型,计算某车站失效导致的出行时间增加率;
根据某车站失效导致的出行时间增加率,计算整个路网的出行时间增加率。
6.根据权利要求1所述的面向乘客出行服务的轨道交通路网韧性评估方法,其特征在于,计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力,包括:
针对乘客的出行感知,通过扰动发生后恢复到正常运营状态的速率来衡量城市轨道交通路网的恢复能力;
其中,Er表示车站r的恢复系数,tr表示车站r的事故持续时间,Pr表示事故发生时车站r的断面客流,Ar表示车站r的乘客到达率,Cr,h表示车站r所在线路h的列车容量,tr,h表示车站r所在线路h的发车间隔;
乘客感知的恢复时间越短,车站的恢复系数越小,该车站的恢复能力越强;
则,计算路网的恢复系数为:
指标E以所有站点的平均恢复系数来衡量整个网络的恢复能力,恢复系数越大,表明该城市轨道交通路网的恢复能力越强。
7.一种面向乘客出行服务的轨道交通路网韧性评估系统,其特征在于,包括如下功能模块:
第一计算模块,用于计算路网出行时间可达性和路网出行效用可达性,表征城市轨道交通路网的韧性吸收能力;
第二计算模块,用于计算路网出行客流损失率和路网出行时间增加率,表征城市轨道交通路网的韧性抗毁能力;
第三计算模块,用于计算扰动发生后轨道交通路网恢复到正常运营状态的速率,表征城市轨道交通路网的韧性恢复能力;
综合评估模块,用于综合轨道交通路网的韧性吸收能力、韧性抗毁能力和韧性恢复能力,评估轨道交通路网韧性。
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的面向乘客出行服务的轨道交通路网韧性评估方法。
9.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如权利要求1-6任一项所述的面向乘客出行服务的轨道交通路网韧性评估方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的面向乘客出行服务的轨道交通路网韧性评估方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334371.4A CN115660282A (zh) | 2022-10-28 | 2022-10-28 | 面向乘客出行服务的轨道交通路网韧性评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334371.4A CN115660282A (zh) | 2022-10-28 | 2022-10-28 | 面向乘客出行服务的轨道交通路网韧性评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660282A true CN115660282A (zh) | 2023-01-31 |
Family
ID=84992934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211334371.4A Pending CN115660282A (zh) | 2022-10-28 | 2022-10-28 | 面向乘客出行服务的轨道交通路网韧性评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660282A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117292547A (zh) * | 2023-10-27 | 2023-12-26 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194497A (zh) * | 2017-04-27 | 2017-09-22 | 北京交通大学 | 一种突发事件下城市轨道交通乘客出行路径规划方法 |
CN111144727A (zh) * | 2019-12-18 | 2020-05-12 | 东南大学 | 一种城市轨道交通进站客流韧性评估系统及方法 |
CN111882241A (zh) * | 2020-08-05 | 2020-11-03 | 北京交通大学 | 一种城市轨道交通网络韧性的评估方法 |
CN114037199A (zh) * | 2021-09-23 | 2022-02-11 | 同济大学 | 一种城市街道网络韧性定量测度方法 |
CN114446051A (zh) * | 2022-01-06 | 2022-05-06 | 东南大学 | 一种城市路网交通韧性薄弱识别方法 |
CN114493201A (zh) * | 2022-01-12 | 2022-05-13 | 北京交通大学 | 一种基于城市轨道交通网络服务韧性测度方法及应用 |
CN115018374A (zh) * | 2022-06-30 | 2022-09-06 | 上海海事大学 | 一种城市公交韧性评价方法、装置及计算机设备 |
-
2022
- 2022-10-28 CN CN202211334371.4A patent/CN115660282A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194497A (zh) * | 2017-04-27 | 2017-09-22 | 北京交通大学 | 一种突发事件下城市轨道交通乘客出行路径规划方法 |
CN111144727A (zh) * | 2019-12-18 | 2020-05-12 | 东南大学 | 一种城市轨道交通进站客流韧性评估系统及方法 |
CN111882241A (zh) * | 2020-08-05 | 2020-11-03 | 北京交通大学 | 一种城市轨道交通网络韧性的评估方法 |
CN114037199A (zh) * | 2021-09-23 | 2022-02-11 | 同济大学 | 一种城市街道网络韧性定量测度方法 |
CN114446051A (zh) * | 2022-01-06 | 2022-05-06 | 东南大学 | 一种城市路网交通韧性薄弱识别方法 |
CN114493201A (zh) * | 2022-01-12 | 2022-05-13 | 北京交通大学 | 一种基于城市轨道交通网络服务韧性测度方法及应用 |
CN115018374A (zh) * | 2022-06-30 | 2022-09-06 | 上海海事大学 | 一种城市公交韧性评价方法、装置及计算机设备 |
Non-Patent Citations (2)
Title |
---|
刘洁 等: "交通运输系统韧性研究综述", 科技和产业, no. 02, 25 February 2020 (2020-02-25), pages 47 - 52 * |
戢晓峰 等: "考虑不同侵扰场景的高速公路韧性评估方法", 中国安全生产科学技术, vol. 15, no. 1, 18 January 2019 (2019-01-18), pages 12 - 19 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117292547A (zh) * | 2023-10-27 | 2023-12-26 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
CN117292547B (zh) * | 2023-10-27 | 2024-05-07 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021068602A1 (zh) | 一种多制式多业务轨道交通仿真模拟方法及系统 | |
CN112801338A (zh) | 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统 | |
CN105377664A (zh) | 交通需要控制装置 | |
CN104850748A (zh) | 一种铁路钢轨折断故障分析预警方法及系统 | |
CN115660282A (zh) | 面向乘客出行服务的轨道交通路网韧性评估方法及系统 | |
CN110019569B (zh) | 一种获取城市轨道交通运营状态信息的方法 | |
CN109948856A (zh) | 以提升韧性为目标的轨道交通网络修复决策系统及方法 | |
CN112861383B (zh) | 铁路车站抗震韧性评估方法及系统 | |
Wang et al. | Resilience assessment of waterway transportation systems: Combining system performance and recovery cost | |
CN115063978B (zh) | 一种基于数字孪生的公交到站时间预测方法 | |
CN109544967A (zh) | 一种基于低频avl数据的公交线网运行状态监控方法 | |
Hong et al. | Spatiotemporal vulnerability analysis of railway systems with heterogeneous train flows | |
CN114493201A (zh) | 一种基于城市轨道交通网络服务韧性测度方法及应用 | |
Ma et al. | Measuring the resilience of an urban rail transit network: A multi-dimensional evaluation model | |
CN107591001A (zh) | 基于在线标定的快速路交通流数据填补方法及系统 | |
CN107274000A (zh) | 一种突发事件下城市轨道交通断面客流预测方法 | |
CN115115174A (zh) | 一种区域多制式轨道交通全局功能目标分析方法及装置 | |
CN204925311U (zh) | 一种高速铁路高压全电缆贯通线路的在线故障定位系统 | |
Ju et al. | Multilayer structures and resilience evaluation for multimode regional rail transit system | |
CN111553825B (zh) | 一种基于系统弹性的区域轨道交通关键节点识别方法 | |
CN104898022A (zh) | 一种高速铁路高压全电缆贯通线路的在线故障定位系统和方法 | |
Saadat et al. | Post-failure recovery strategies for metrorail transit networks with Washington DC As a case study | |
CN115222265A (zh) | 一种铁路全线路轨道状态确定方法及装置 | |
Neves et al. | A vulnerability analysis of rail network disruptions during winter weather in the Netherlands | |
Ben-Akiva et al. | High speed rail demand forecasting in a competitive market: the Italian case study |
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 |