CN108492571A - 基于乘客主观感知的城市公共交通客流拥塞指数计算方法 - Google Patents
基于乘客主观感知的城市公共交通客流拥塞指数计算方法 Download PDFInfo
- Publication number
- CN108492571A CN108492571A CN201810492849.3A CN201810492849A CN108492571A CN 108492571 A CN108492571 A CN 108492571A CN 201810492849 A CN201810492849 A CN 201810492849A CN 108492571 A CN108492571 A CN 108492571A
- Authority
- CN
- China
- Prior art keywords
- passenger
- time
- vehicle
- section
- public transport
- 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.)
- Granted
Links
- 230000008447 perception Effects 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 8
- 235000021152 breakfast Nutrition 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000001934 delay Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 abstract description 2
- 238000004642 transportation engineering Methods 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 238000013461 design Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
基于乘客主观感知的城市公共交通客流拥塞指数计算方法,涉及交通运输工程领域。本发明基于“时效延长”思想,***量化乘客对出行时间和空间拥挤的主观感知,更加贴近乘客对公共交通服务的生理和心理状态,未来可以作为一个重要的衡量公共交通服务水平的指标,为城市交通行业管理单位、公共交通监控指挥机构提供可量化的公共交通运行及服务性能动态指标支持,为行业服务监测、制定公交运行服务改善策略以及评估公共交通投资效果提供决策支撑。
Description
技术领域
本发明涉及对城市公共交通(城市轨道交通和地面公共汽电车交通)客流拥 塞状态的量化表征,基于“时效延长”思想提出客流拥塞量化表征指数,属于交通 运输工程领域。
背景技术
城市公共交通在运行服务过程受到站台载运能力的制约,公共汽电车还会受 到城市道路混合交通流的影响,导致车辆在时间维度上的迟滞和空间维度上的拥 挤,加剧了乘客出行的负效用。早前大多数学者将公共交通车厢满载率作为评价 公共年交通运行服务质量(LOS)的核心指标,但在提高公共交通***运行服务 水平的改进策略中则主要强调延误,因此单独从时间角度或空间角度进行运行服 务评价缺乏全面性。
发明内容
为了更为准确地描述乘客对公共交通服务的感知体验,本发明提出了客流拥 塞的概念,并将其定义为公共交通***内乘客对客流流速降低和客流密度增高的 综合状态感知。出行者对于拥挤和非拥挤环境产生的边际负效用称为时效延长量, 即从拥挤状态转移到非拥挤状态所额外花费的时间。
技术方案为:
本发明通过解析客流拥塞与出行时效的关联,分析乘客出行阶段特征,基于 “时效延长”思想构建客流拥塞量化表征模型,用于***量化乘客对出行时间和 空间拥挤的主观感知。具体为:按照乘客出行阶段,分别计算考虑拥挤的公共交 通区间乘车时效和车站候车时效,最后根据各区间客流周转量权重,计算走廊和 网络层面的城市公共交通客流拥塞指数。
本发明中基于乘客主观感知的城市公共交通客流拥塞指数模型(公式(1)) 针对于公共交通走廊和网络层面。城市轨道交通走廊是单条轨道交通线路的一部 分或多条轨道交通线路重合的一部分;公交走廊是包括路段区间、道路交叉口与 停靠站等基础设施及所通行公交车辆在内的具有较大客流输送能力的公交通行 服务设施。城市轨道交通网络和城市地面公交网络分别指一个区域内的所有轨道 交通线路和地面公交线路构成的集合。公共交通走廊和网络均由区间构成。区间 这里指城市轨道交通站间区间、公交车辆通行的路段。
本发明给出的公共交通走廊/网络客流拥塞指数IPCI(0≤IPCI<1)定义为通 过公共交通走廊/网络的客流时效Tm与通过公交走廊/网络理论时效Tth之差除以 Tm.
其中Tm定义为乘车时效TRTM与候车时效TWTM之和。
Tm=TRTM+TWTM (3)
其中,M1,M2分别为单位时间内通过区间k和车站l的公交车辆总数,K,L分 别为公共交通走廊/网络上的区间和车站总数。Pk指统计时间单元内通过区间k 的客流量/(人·(5min)-1),Pl指统计时间单元内在站点的上下客量/(人·(5min)-1)。 TRTM和TWTM分别按各区间和各车站客流量占比加权平均。
下面是对公式(4)和公式(5)中区间乘车时效与区间候车时效的 计算说明:
(1)考虑拥挤的区间乘车时效
乘客区间乘车时间包括行驶时间和停站时间两部分,即Tr=Tt+Ts,Tt为 车辆行驶时间,T为停站时间。公共交通运行过程中行驶时间和停站时间均存在 不确定性,故将两者定义为计划行驶或停站时间与实际行驶或停站时间变化量之 和。
其中,为车辆m在区间k上的行驶时间/(s),θ指车辆m在区间k上 到站晚点概率/(%),E(Tt m,k)为平峰时段车辆m在区间k上的理论运行时间期 望值/(s),为车辆m在区间k上到站晚点时间期望值/(s),为 车辆m在区间k上到站早点时间期望值/(s)。Ts m,l为车辆m在站点l停泊时间 /(s),γ为车辆m在站点l离站晚点概率/(%),E(Ts m,l)为平峰时段车辆m在站 点l的理论停泊时间期望值/(s),为车辆m在站点l离站晚点时间期 望值/(s),为车辆m在站点l离站早点时间期望值/(s)。
为量化乘客在乘车过程中因车厢客流密度的升高而导致感知乘车时间延长 的现象,,采取区间乘车时效(Riding Time Multiplier)的形式表征区间客流拥塞程度。
式中:α1,β1,χ1为待标定常数参数。为车辆m在区间k上的平均车厢客 流密度/(prs·m-2),Fm,k为单位时间车辆m的OD位于区段k内的客流量/ (人·(5min)-1),F′m,k为单位时间车辆m的OD穿越区段k的客流量/(人·(5min)-1), Bm为车辆m车地板面积/(m2·veh-1),fm为车辆m发车频率/(veh·(5min)-1)。
(2)考虑拥挤的车站候车时效
公共交通乘客站点候车时间表示为包括理论站点 候车时间车厢拥挤附加候车时间延误地面公交***还有因为交通拥 堵带来的候车时间延误理论站点候车时间定义如下。
交通拥堵附加候车时间延误为该站上游k0个区间道路交通拥堵延误时 间和上游l0个站点在站停泊延误(这里不区别正延误和负延误,统称延误)时间 之和。
车厢拥挤附加候车时间延误为由于车厢满载率过高而导致乘客错过到 达车次的候车时间延误。
其中,为车辆m车厢满载率/(%),φ为车厢满载率大于δ的车次数,δ为 允许车站继续上客的车厢满载率阈值,超过阈值则乘客等候车厢满载率小于δ的 下一班公交车辆。
为量化乘客在站候车过程中因站台乘客密度升高而导致的感知候车时间延 长的现象,采取在站候车时效(Waiting time multiplier)的形式表征区间客流拥塞程 度:
其中,α2,β2,χ2为待标定常数参数。指车辆m到达站点l时站台上的客 流密度/(人·m-2)。
附图说明
图1基于乘客主观感知的公共交通客流拥塞指数计算过程
图2公交乘客出行感知时效与客流拥塞的关联
具体实施方式
以下结合附图1对本发明技术方案做进一步说明。
第一步:收集公共交通走廊/网络客流拥塞指数计算所需的数据,包括公共 交通运营数据和基础数据等,分类及获取途径如表1所示;
表1模型所需数据
第二步:参数标定,对上述公式(8)和(13)中的参数α1,α2,β1,β2,χ1,χ2进 行估计。可采用SP(Stated Preference)调查方法进行参数估计,设计因变量为TWTM和TRTM,再设置4个独立特征变量—车厢内客流密度(DC)、站台乘客密度(DP)、 区间乘车时间(Tr)和站点候车时间(Tw)。设计包含不同乘车场景和候车场景 的问卷,让受访者类比每个场景并为感知乘车/候车时间打分。对调查结果用极 大似然估计法标定参数。
第三步:根据已获得的所有参数,按照图1的顺序进行模型计算,最终输出 结果为公共交通走廊/网络客流拥塞指数IPCI。
如图2为案例数据拟合曲线,公交乘客区间乘车时效和站点候车时效全天演 化趋势存在明显差异,而基于时效延长理论通过客流拥塞能够很好地表征公交系 统的空间拥挤和时间效率,从而测度总体运行状态水平。
创新点和应用
本发明通过指数的方式综合评价了公交运行服务过程,覆盖车厢内乘车和站 台上候车在内的乘客公共交通出行主要阶段。创新点为基于“时效延长”思想, ***量化乘客对出行时间和空间拥挤的主观感知,更加贴近乘客对公共交通服 务的生理和心理状态,未来可以作为一个重要的衡量公共交通服务水平的指标。 其应用主要为:为城市交通行业管理单位、公共交通监控指挥机构提供可量化的 公共交通运行及服务性能动态指标支持,为行业服务监测、制定公交运行服务改 善策略以及评估公共交通投资效果提供决策支撑。
Claims (4)
1.基于乘客主观感知的城市公共交通客流拥塞指数计算方法,其特征在于,本发明通过解析客流拥塞与出行时效的关联,分析乘客出行阶段特征,基于“时效延长”思想构建客流拥塞量化表征模型,用于***量化乘客对出行时间和空间拥挤的主观感知;具体为:按照乘客出行阶段,分别计算考虑拥挤的公共交通区间乘车时效和车站候车时效,最后根据各区间客流周转量权重,计算走廊和网络层面的城市公共交通客流拥塞指数。
2.如权利要求1所述的基于乘客主观感知的城市公共交通客流拥塞指数计算方法,其特征在于,本发明给出的公共交通走廊/网络客流拥塞指数IPCI(0≤IPCI<1)定义为通过公共交通走廊/网络的客流时效Tm与通过公交走廊/网络理论时效Tth之差除以Tm.
其中Tm定义为乘车时效TRTM与候车时效TWTM之和;
Tm=TRTM+TWTM (3)
其中,M1,M2分别为单位时间内通过区间k和车站l的公交车辆总数,K,L分别为公共交通走廊/网络上的区间和车站总数;Pk指统计时间单元内通过区间k的客流量/(人·(5min)-1),Pl指统计时间单元内在站点的上下客量/(人·(5min)-1);TRTM和TWTM分别按各区间和各车站客流量占比加权平均。
3.如权利要求2所述的基于乘客主观感知的城市公共交通客流拥塞指数计算方法,其特征在于,下面是对公式(4)中区间乘车时效计算说明:
乘客区间乘车时间包括行驶时间和停站时间两部分,即Tr=Tt+Ts,Tt为车辆行驶时间,T为停站时间;公共交通运行过程中行驶时间和停站时间均存在不确定性,故将两者定义为计划行驶或停站时间与实际行驶或停站时间变化量之和;
其中,Tt m,k为车辆m在区间k上的行驶时间/(s),θ指车辆m在区间k上到站晚点概率/(%),E(Tt m,k)为平峰时段车辆m在区间k上的理论运行时间期望值/(s),为车辆m在区间k上到站晚点时间期望值/(s),为车辆m在区间k上到站早点时间期望值/(s);Ts m,l为车辆m在站点l停泊时间/(s),γ为车辆m在站点l离站晚点概率/(%),E(Ts m,l)为平峰时段车辆m在站点l的理论停泊时间期望值/(s),为车辆m在站点l离站晚点时间期望值/(s),为车辆m在站点l离站早点时间期望值/(s);
为量化乘客在乘车过程中因车厢客流密度的升高而导致感知乘车时间延长的现象,采取区间乘车时效(Riding Time Multiplier)的形式表征区间客流拥塞程度;
式中:α1,β1,χ1为待标定常数参数;为车辆m在区间k上的平均车厢客流密度/(prs·m-2),Fm,k为单位时间车辆m的OD位于区段k内的客流量/(人·(5min)-1),F′m,k为单位时间车辆m的OD穿越区段k的客流量/(人·(5min)-1),Bm为车辆m车地板面积/(m2·veh-1),fm为车辆m发车频率/(veh·(5min)-1)。
4.如权利要求2所述的基于乘客主观感知的城市公共交通客流拥塞指数计算方法,其特征在于,下面是对公式(5)中区间候车时效的计算说明:
公共交通乘客站点候车时间表示为包括理论站点候车时间车厢拥挤附加候车时间延误地面公交***还有因为交通拥堵带来的候车时间延误理论站点候车时间定义如下;
交通拥堵附加候车时间延误为该站上游k0个区间道路交通拥堵延误时间和上游l0个站点在站停泊延误(这里不区别正延误和负延误,统称延误)时间之和;
车厢拥挤附加候车时间延误为由于车厢满载率过高而导致乘客错过到达车次的候车时间延误;
其中,为车辆m车厢满载率/(%),φ为车厢满载率大于δ的车次数,δ为允许车站继续上客的车厢满载率阈值,超过阈值则乘客等候车厢满载率小于δ的下一班公交车辆;
为量化乘客在站候车过程中因站台乘客密度升高而导致的感知候车时间延长的现象,采取在站候车时效(Waiting time multiplier)的形式表征区间客流拥塞程度:
其中,α2,β2,χ2为待标定常数参数;指车辆m到达站点l时站台上的客流密度/(人·m-2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810492849.3A CN108492571B (zh) | 2018-05-22 | 2018-05-22 | 基于乘客主观感知的城市公共交通客流拥塞指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810492849.3A CN108492571B (zh) | 2018-05-22 | 2018-05-22 | 基于乘客主观感知的城市公共交通客流拥塞指数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108492571A true CN108492571A (zh) | 2018-09-04 |
CN108492571B CN108492571B (zh) | 2019-07-05 |
Family
ID=63351679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810492849.3A Active CN108492571B (zh) | 2018-05-22 | 2018-05-22 | 基于乘客主观感知的城市公共交通客流拥塞指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492571B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863684A (zh) * | 2022-06-07 | 2022-08-05 | 中国城市规划设计研究院 | 一种城市交通网络设施特征分析*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708681A (zh) * | 2012-06-14 | 2012-10-03 | 吴新赞 | 一种城市智能交通运输***及其运行方法 |
WO2015032508A1 (de) * | 2013-09-05 | 2015-03-12 | Avl List Gmbh | Verfahren und vorrichtung zur optimierung von fahrerassistenzsystemen |
CN107067708A (zh) * | 2017-04-10 | 2017-08-18 | 华南理工大学 | 一种非高峰公交车基于大数据的出行线路实时调整方法 |
-
2018
- 2018-05-22 CN CN201810492849.3A patent/CN108492571B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708681A (zh) * | 2012-06-14 | 2012-10-03 | 吴新赞 | 一种城市智能交通运输***及其运行方法 |
WO2015032508A1 (de) * | 2013-09-05 | 2015-03-12 | Avl List Gmbh | Verfahren und vorrichtung zur optimierung von fahrerassistenzsystemen |
CN107067708A (zh) * | 2017-04-10 | 2017-08-18 | 华南理工大学 | 一种非高峰公交车基于大数据的出行线路实时调整方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863684A (zh) * | 2022-06-07 | 2022-08-05 | 中国城市规划设计研究院 | 一种城市交通网络设施特征分析*** |
Also Published As
Publication number | Publication date |
---|---|
CN108492571B (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Currie et al. | Exploring comparative ridership drivers of bus rapid transit and light rail transit routes | |
CN110751366A (zh) | 一种干线铁路与城市轨道交通运能匹配度计算方法 | |
CN109543934A (zh) | 城市公交线网的综合指标的评价方法 | |
CN112085641B (zh) | 一种基于列车开行方案的高速铁路客流分配方法 | |
CN107220423B (zh) | 一种综合客运枢纽站前广场联运设施规模计算方法 | |
Heddebaut et al. | The European Bus with a High Level of Service (BHLS): concept and practice | |
Moccia et al. | Improved models for technology choice in a transit corridor with fixed demand | |
Christoforou et al. | Investigating the impact of dwell time on the reliability of urban light rail operations | |
Orth et al. | Development of measurement system for public transport performance | |
CN107399344A (zh) | 轨道交通调度信息获取方法、车辆调度方法和*** | |
CN111859718A (zh) | 一种区域多制式轨道交通车站拥挤系数计算方法及*** | |
Mašek et al. | Proposal and application of methodology of revitalisation of regional railway track in Slovakia and Serbia. Part 1: Theoretical approach and proposal of methodology for revitalisation of regional railways | |
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 | |
CN108492571A (zh) | 基于乘客主观感知的城市公共交通客流拥塞指数计算方法 | |
Wu et al. | Optimum stop spacing for accessibility | |
CN108549953B (zh) | 一种单侧开门城市轨道交通停站时间规划的方法 | |
CN111859717B (zh) | 最小化区域多制式轨道交通旅客拥挤系数的方法及*** | |
Reilly et al. | Public transport capacity analysis procedures for developing cities | |
CN108492570B (zh) | 城市公共交通网络客流拥塞状态表征方法 | |
Izadi et al. | Evaluation of the performance of bus special lines according to indicators of quality and transport and its performance improvement using ultra-innovative intelligent models (Case study: Rasht city) | |
CN111931386A (zh) | 一种区域多制式轨道交通区间拥挤系数计算方法及*** | |
Erdei et al. | Analysis of flexibility on the FTS | |
Naegeli et al. | High-Quality Public Transport and Promotion of Nonmotorized Transport—Compromise or Complement? An Analytical Approach for Assessing Conflicts | |
Herrera et al. | Assessing corridor performance | |
Makarani et al. | Analyzing the Influence of the Commuter Rail in Decongesting Roads in Nairobi: A Case Study of Syokimau Commuter Rail Service |
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 |