CN110189168A - 一种基于多尺度统计特征的地铁车站客流仿真*** - Google Patents
一种基于多尺度统计特征的地铁车站客流仿真*** Download PDFInfo
- Publication number
- CN110189168A CN110189168A CN201910424420.5A CN201910424420A CN110189168A CN 110189168 A CN110189168 A CN 110189168A CN 201910424420 A CN201910424420 A CN 201910424420A CN 110189168 A CN110189168 A CN 110189168A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- subway station
- server
- data
- emulation
- 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
- 238000004088 simulation Methods 0.000 claims abstract description 86
- 230000002776 aggregation Effects 0.000 claims abstract description 35
- 238000004220 aggregation Methods 0.000 claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 17
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 4
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims 2
- 238000005553 drilling Methods 0.000 claims 1
- 229910052742 iron Inorganic materials 0.000 claims 1
- 230000008520 organization Effects 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供了一种基于多尺度统计特征的地铁车站客流仿真***。主要包括仿真控制服务器、客流推演服务器、特征统计服务器以及地铁车站客流仿真数据服务器;仿真控制服务器,根据仿真设置信息,调用客流推演服务器进行客流的发生、推演和统计;客流发生和推演过程中调用特征统计服务器,获得客流的到达、选择、速度‑密度以及聚集特征;特征统计服务器基于数据驱动,统计多尺度的客流特征;地铁车站客流仿真数据服务器存储和管理上述服务器运行所需以及运行所得的数据。本发明所提出的地铁车站客流仿真***基于客流的统计特征出发,满足多尺度的地铁车站仿真,提高仿真的全局准确性和快速及时性,为地铁车站客流组织优化、方案在线评估提供支撑。
Description
技术领域
本发明涉及城市轨道交通车站客流仿真技术领域,尤其涉及一种基于多尺度统计特征的地铁车站客流仿真***。
背景技术
近年来,地铁因具有出行效率高、能耗低、运量大和对环境污染小等特点,在社会公共交通服务中发挥着越来越重要的作用。随着城市轨道交通建设发展,它在城市公共交通中的地位越来越重要,它的服务水平和安全性也逐渐受到重视。一方面,大客流冲击下带来地铁车站拥挤,安检、进站、上车和换乘等待时间长,降低地铁运营服务水平,影响乘客出行质量下降。另一方面,由于地铁车站和列车的客流规模大,一旦发生事故或故障,后果将会非常严重。同时,对于地铁***而言,其建筑结构和设备设施多数位于地下,使之具有与地面隔离的特性,由于这种相对封闭的特点,使得乘客的出行体验和出行安全的提高具有更大难度。
地铁车站的客流分布及组织优化是城市轨道交通建设和运营的重要理论基础。同时,因为地铁车站的站内设备设施和客流作用的复杂性导致使用普通的数学方式难以实现对地铁车站的客流进行模拟和分析,运用仿真的手段就很有必要。仿真技术既可以用来模拟再现历史场景,又可以仿真推演未来的客流趋势,还可以用来评估客流组织方案的优劣。通过客流仿真技术精细化掌握客流状态,有助于合理安排线网和地铁车站客流组织。
目前,现有技术中的地铁车站客流仿真方法包括地铁车站客流宏观仿真和地铁车站客流微观仿真两种类型。地铁车站客流微观仿真能够模拟个体行为、疏散动态性及自组织特性,以及乘客与地铁车站设备设施的作用关系。地铁车站客流宏观仿真能够反映仿真地铁车站客流的流转关系,以及客流流量、速度、密度等关键状态。
上述现有技术中的地铁车站客流仿真方法的缺点为:微观客流仿真方法因为侧重个体行为,只能适用于地铁车站局部客流仿真,且仿真速度受限;因为地铁车站结构和设备设施复杂性以及客流状态的多样化,宏观客流仿真方法很难真实再现地铁车站的客流集散状态。
发明内容
本发明的实施例提供了一种基于多尺度统计特征的地铁车站客流仿真***,以克服现有技术的问题。
为了实现上述目的,本发明采取了如下技术方案。
一种基于多尺度统计特征的地铁车站客流仿真***,包括:仿真控制服务器、客流推演服务器、特征统计服务器和地铁车站客流仿真数据服务器;
所述地铁车站客流仿真数据服务器,用于与所述仿真控制服务器、所述客流推演服务器和所述特征统计服务器连接,存储和管理地铁车站的基础数据、客流数据、实时仿真数据与历史仿真数据;
所述仿真控制服务器,用于与所述客流推演服务器、所述地铁车站客流仿真数据服务器连接,设置仿真参数,该仿真参数包括仿真对象、客流发生和仿真统计,控制所述客流推演服务器的仿真统计运行,展示并存储所述客流推演服务器传输过来的仿真统计结果;
所述特征统计服务器,用于与所述客流推演服务器、所述地铁车站客流仿真数据服务器连接,基于所述地铁车站客流仿真数据服务器中存储的客流数据通过数据驱动统计客流在不同尺度下的选择特征,统计设施内速度-密度关系特征,统计客流在地铁车站各设备设施上的聚集特征,将统计出的各种特征数据传输给所述客流推演服务器;
所述客流推演服务器,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据产生客流源数据,根据所述客流源数据和所述特征统计服务器传输过来的特征数据推演区域间客流转移情况和区域内部的客流状态,利用所述仿真控制服务器设置的仿真参数对地铁车站的客流情况进行仿真统计,将仿真统计结果传输给所述地铁车站客流仿真数据服务器和所述仿真控制服务器。
优选地,所述地铁车站客流仿真数据服务器包括地铁车站基础数据单元、客流数据单元、实时仿真数据单元和历史仿真数据单元;
所述地铁车站基础数据单元,用于管理地铁车站的设备设施物理属性参数数据;
所述客流数据单元,用于存储地铁车站的进出站与列车到站基础客流数据;
所述实时仿真数据单元,用于获取并保存地铁车站的外部客流数据,展示所述客流推演服务器传输过来的仿真统计结果;
所述历史仿真数据单元,用于存储所述客流推演服务器传输过来的历史仿真统计结果。
优选地,所述仿真控制服务器包括仿真设置单元、仿真交互单元和仿真展示单元;
所述仿真设置单元,用于查看和设置仿真参数,该仿真参数包括仿真对象参数、客流发生参数和仿真统计参数;
所述仿真交互单元,用于根据用户选择和所述仿真设置单元设置的仿真参数控制所述客流推演服务器的仿真统计运行;
所述仿真展示单元,用于根据用户选择展示所述客流推演服务器传输过来的仿真统计结果。
优选地,所述特征统计服务器包括客流到达特征统计单元、选择特征统计单元、速度-密度特征统计单元和聚集特征统计单元;
所述客流到达特征统计单元,用于统计客流到达地铁车站的规律特征,所述客流到达地铁车站包括客流从进站口或搭乘的列车到达地铁车站,所述客流到达地铁车站的规律特征的统计过程根据不同的时间尺度展开,所述时间尺度包括微观时间分布函数和宏观的分时段流量;
所述选择特征统计单元,用于统计客流在站内到达目的位置、走行路径、并行设备设施的选择规律,该选择规律的统计过程根据不同的时间尺度展开,所述时间尺度包括微观时间分布函数和宏观的分时段比例;
所述速度-密度特征统计单元,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据统计均质的地铁车站区域内部的客流的速度-密度关系特征;
所述聚集特征统计单元,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据统计地铁车站区域内部的客流的流动聚集和停留聚集特征。
优选地,所述客流推演服务器包括客流发生单元、区域间客流推演单元、区域内客流推演单元和仿真统计单元;
所述客流发生单元,用于根据所述仿真控制服务器设置的客流发生参数,加载客流至地铁车站的仿真环境,基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据产生客流源数据;
所述区域间客流推演单元,用于根据乘客选择特征,推演客流在地铁车站区域之间的流转情况,所述地铁车站区域根据功能和物理特征划分;
所述区域内客流推演单元,用于根据所述特征统计服务器统计的客流的速度-密度特征、流动聚集和停留聚集特征,推演客流在地铁车站区域内部的流动和聚集的状态;
所述仿真统计单元,用于根据所述区域间客流推演单元和所述区域内客流推演单元得到的推演结果,利用所述仿真控制服务器设置的仿真参数对地铁车站的客流情况进行仿真统计,将仿真统计结果传输给所述地铁车站客流仿真数据服务器和所述仿真控制服务器。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例提供的基于多尺度统计特征的地铁车站客流仿真***基于客流的统计特征出发,满足多尺度的地铁车站仿真,提高仿真的全局准确性和快速及时性,为车站客流组织优化、方案在线评估提供支撑。
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为本发明实施例提供的一种基于多尺度统计特征的地铁车站客流仿真***的结构示意图;
图2为本发明实施例提供的一种仿真设置参数的示意图;
图3为本发明实施例提供的一种仿真交互功能的示意图;
图4为本发明实施例提供的一种仿真展示界面的结构示意图;
图5为本发明实施例提供的一种地铁车站结构空间多尺度划分示例;
图6为本发明实施例提供的一种区域客流推演的流程示意图;
图7为本发明实施例提供的一种区域内客流流转的流程示意图;
图8为本发明实施例提供的一种客流的选择特征分类的示意图;
图9为本发明实施例提供的一种客流的聚集特征分类的示意图;
图10为本发明实施例提供的一种客流的特征统计的典型流程图。
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,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
实施例一
本发明实施例以地铁车站仿真对象特征时空多尺度划分为基础,基于数据驱动方法,统计客流在地铁车站出行的时空特征,据此能够同时考虑客流差异性和多种因素的作用,可以动态地、准确地把握地铁车站客流的集散状态与安全水平。本发明的主要设计目标是满足地铁客流仿真生成的满足仿真的准确性和及时性,体现地铁车站结构、客流差异性和多种因素的作用。
本发明实施例提供的一种基于多尺度统计特征的地铁车站客流仿真***包括仿真控制服务器、客流推演服务器、特征统计服务器以及地铁车站客流仿真数据服务器;
所述地铁车站客流仿真数据服务器,用于与所述仿真控制服务器、所述客流推演服务器和所述特征统计服务器连接,存储和管理地铁车站基础数据、客流数据、实时仿真数据与历史仿真数据;
所述仿真控制服务器,用于与所述客流推演服务器、所述地铁车站客流仿真数据服务器连接,设置仿真参数,该仿真参数包括仿真对象、客流发生和仿真统计,控制仿真统计运行并展示仿真统计结果;
所述特征统计服务器,用于与所述客流推演服务器、所述地铁车站客流仿真数据服务器连接,基于所述地铁车站客流仿真数据服务器中存储的客流数据通过数据驱动统计客流在不同尺度下的选择特征,统计设施内速度-密度关系特征,统计客流在地铁车站各设施上的聚集特征,将统计出的各种特征数据传输给所述客流推演服务器;
所述客流推演服务器,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据产生客流源数据,根据所述客流源数据和所述特征统计服务器传输过来的特征数据推演区域间客流转移情况和区域内部的客流状态,对地铁车站的客流情况进行仿真统计,将仿真统计结果传输给所述地铁车站客流仿真数据服务器。
在本发明的一种优选的实现方式中,所述地铁车站客流仿真数据服务器包括地铁车站基础数据单元、客流数据单元、实时仿真数据单元和历史仿真数据单元;
所述地铁车站基础数据单元,用于管理地铁车站的设施物理属性参数数据;
所述客流数据单元,用于存储地铁车站的进出站与列车到站基础客流数据;
所述实时仿真数据单元,用于获取并保存地铁车站的外部客流数据,展示所述客流推演服务器传输过来的仿真统计结果;
所述历史仿真数据单元,用于存储所述客流推演服务器传输过来的历史仿真统计结果。
所述地铁车站客流仿真数据服务器中存储的数据内容如表1所示。
表1
在本发明的一种优选的实现方式中,所述仿真控制服务器包括仿真设置单元、仿真交互单元和仿真展示单元;
所述仿真设置单元,用于查看和设置仿真参数,该仿真参数包括仿真对象参数、客流发生参数和仿真统计参数;
所述仿真交互单元,用于根据用户选择和所述仿真设置单元设置的仿真参数控制所述客流推演服务器的仿真统计运行;
所述仿真展示单元,用于根据用户选择展示所述客流推演服务器传输过来的仿真统计结果。
在本发明的一种优选的实现方式中,所述特征统计服务器包括客流到达特征统计单元、选择特征统计单元、速度-密度特征统计单元和聚集特征统计单元;
所述客流到达特征统计单元,用于统计客流到达地铁车站的规律特征,所述客流到达地铁车站包括客流从进站口或搭乘的列车到达地铁车站,所述客流到达地铁车站的规律特征的统计过程根据不同的时间尺度展开,所述时间尺度包括微观时间分布函数和宏观的分时段流量;
所述选择特征统计单元,用于统计客流在站内到达目的位置、走行路径、并行设备设施的选择规律,该选择规律的统计过程根据不同的时间尺度展开,所述时间尺度包括微观时间分布函数和宏观的分时段比例;
所述速度-密度特征统计单元,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据统计均质的地铁车站区域内部的客流的速度-密度关系特征;
所述聚集特征统计单元,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据统计地铁车站区域内部的客流的流动聚集和停留聚集特征。
在本发明的一种优选的实现方式中,所述客流推演服务器包括客流发生单元、区域间客流推演单元、区域内客流推演单元和仿真统计单元;
所述客流发生单元,用于根据所述仿真控制服务器设置的客流发生参数,加载客流至地铁车站的仿真环境,基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据产生客流源数据;
所述区域间客流推演单元,用于根据乘客选择特征,推演客流在地铁车站区域之间的流转情况,所述地铁车站区域根据功能和物理特征划分,如一个通道因物理特征不同可以划分为多个区域;
所述区域内客流推演单元,用于根据所述特征统计服务器统计的客流的速度-密度特征、流动聚集和停留聚集特征,推演客流在地铁车站区域内部的流动和聚集的状态;
所述仿真统计单元,用于根据所述区域间客流推演单元和所述区域内客流推演单元得到的推演结果,利用所述仿真控制服务器设置的仿真参数对地铁车站的客流情况进行仿真统计,将仿真统计结果传输给所述地铁车站客流仿真数据服务器和所述仿真控制服务器。对仿真运行的结果进行实时的和非实时的统计。既包括一次仿真的统计,也包括多次仿真的统计。
实施例二
图1为本发明实施例提供的一种基于多尺度统计特征的地铁车站客流仿真***的结构示意图,参见图1所示,***包括仿真控制服务器、客流推演服务器、特征统计服务器以及地铁车站客流仿真数据服务器。仿真控制服务器,用于设置仿真对象、客流发生、仿真统计等参数,控制仿真运行并展示仿真输出结果;客流推演服务器,产生客流源,推演区域间客流转移和区域内部的客流状态,并进行仿真统计;特征统计服务器,根据历史客流,基于数据驱动统计客流在不同尺度下的选择特征,设施内速度-密度关系特征,客流在地铁车站各设施上的聚集特征;地铁车站客流仿真数据服务器,存储和管理地铁车站基础数据、客流数据、实时仿真数据与历史仿真数据。仿真控制服务器,包括仿真设置单元、仿真交互单元以及仿真展示单元;客流推演服务器,包括客流发生单元、区域间客流推演单元、区域内客流推演单元与仿真统计单元;特征统计服务器,包括客流到达特征统计单元、选择特征统计单元、速度-密度特征统计单元以及聚集特征统计单元;地铁车站客流仿真数据服务器,包括地铁车站基础数据单元、客流数据单元、实时仿真数据单元与历史仿真数据单元。
图2为本发明实施例提供的一种仿真设置参数的示意图,参见图2所示,在进行仿真控制的参数类型,包括仿真统计参数、仿真对象参数和客流发生参数。其中仿真统计参数涉及统计的指标选择、统计的时间粒度、以及统计的单位等;仿真对象参数涉及区域最大容量、流入与流出能力及物理尺寸、连接关系等;客流发生参数包括客流发生的时间粒度和客流发生的分布函数,涵盖所有形式的到达客流,如进站客流、下车换乘客流等。
图3为本发明实施例提供的一种仿真交互功能的示意图,参见图3所示,仿真交互单元包括运行控制和功能调用;其中运行控制包括对仿真开始、结束的驱动与调整;功能调用包括仿真参数设置功能调用、客流统计特征查看功能调用、仿真结果查看功能调用。
图4为本发明实施例提供的一种仿真展示界面的结构示意图,参见图4所示,仿真控制服务器包括的仿真展示单元,包括了图4中的仿真展示子界面,其中地铁车站全局图展示了显示地铁车站内各区域包括的设施,通过选择区域及区域包括的设备,可以查看关于客流量与密度的结果,地铁车站全局图切换标记查看设施的区域展示图。
图5为本发明实施例提供的一种地铁车站结构的空间多尺度划分示例,参见图5所示,5(a)为将单向楼梯看作一个节点;5(b)将其中宽度不等的通道划分成多个串行节点,通道为父节点,每个串行节点为子节点,子节点之间共享父节点功能;5(c)将双向楼梯划分成流向相反的两个节点,楼梯为父节点,两个流动方向节点为子节点,子节点之间共享父节点空间;5(d)将包括进站、出站与换乘客流的站厅划分成多个节点,站厅为父节点,不同的客流流向为子节点,子节点之间共享父节点空间。
图6为本发明实施例提供的一种区域客流推演的流程示意图,参见图6所示,对区域间客流进行推演时,可以通过下述流程:首先,根据参数初始化节点状态,判断是否到达仿真结束时间;若是,直接输出仿真结果;若否,按照如下过程,进行每个节拍的推演。判断是否有控制指令到达,若是,改变相应对象状态与属性,若否,判断是否遍历所有节点;如果节点没有完全遍历,则更新节点供给客流量;之后判断是否遍历父节点,若否,更新子节点的流出与流入;之后判断是否遍历单层节点,若否,更新节点的流入与流出;之后判断是否遍历父节点,若否,更新父节点的状态值;之后判断是否遍历单层节点,若否,更新节点状态值;最后,更新当前时钟。
图7为本发明实施例提供的一种区域内客流流转的流程示意图,参见图7所示,对区域内客流进行推演时,可以通过下述流程:首先,更新节点的平均密度,通过速度-密度关系确定节点内部流速,进一步计算节点通过时间,判断节点状态是否有延迟设置,若否,将节点通过时间增加延迟时间;若是,计算未来时刻新流入与流出客流,更新未来时刻的供给。
图8为本发明实施例提供的一种客流的选择特征分类的示意图,参见图8所示,选择特征是指:乘客在地铁车站出行过程中一系列选择行为体现,可分为并行设施选择特征、路径选择特征与目的地选择特征,并行设施选择包括闸机、楼扶梯选择等,路径选择特征包括入口至站台间、站台至出口间及两站台间的路径选择,目的地选择特征包括入站口、出站口与站台选择等。
图9为本发明实施例提供的一种客流的聚集特征分类的示意图,参见图9所示,客流聚集包括客流在设施流入与流出位置的聚集及在设施内部的聚集,常见设施流入/流出位置的聚集包括闸机、楼梯、扶梯、安检与道等;常见设施内部聚集包括楼梯内部、站厅与站台等。
图10为本发明实施例提供的一种客流的特征统计的典型流程图,参见图10所示,包括如下的处理过程:将样本数据输入,对所统计特征进行影响因素的相关度分析,选取相关度较高的影响因素,结合实际统计对象进行统计类别的进一步细分,如高峰和非高峰时段是进站客流分布特征的重要的影响因素,可以据此进行进一步细分,如楼梯长度是楼梯速度-密度特征的重要影响因素,可以据此进行进一步细分。根据已有文献形成备选特征函数库,在影响因素分析的基础上,选择提取获得备选函数;对所提取的备选函数进行遍历,保留拟合误差更小的函数及其参数;如所有的备选函数拟合结果都不满足精度要求,则说明备选函数不适合用来描述统计特征,改用及其学习的方式,使用神经网络、决策树等非确定函数的方式进行特征统计。
仿真统计指标示例如表2所示:
表2
综上所述,本发明实施例提供的基于多尺度统计特征的地铁车站客流仿真***基于客流的统计特征出发,满足多尺度的地铁车站仿真,提高仿真的全局准确性和快速及时性,为车站客流组织优化、方案在线评估提供支撑。可以提高运营安全与效率,提升城市轨道交通乘客出行质量。
具有仿真对象时空多尺度特点,将地铁车站结构根据功能与客流流转特征进行时间和空间划分,使仿真能更加真实地反映地铁车站复杂的结构及客流组织特点。具有客流统计特征多尺度特点,根据历史数据统计不同时空尺度上的客流产生、选择、流动和聚集特征,使仿真能够准确刻画客流特征。具有仿真速度及时性特点,基于统计特征的客流仿真,相对微观仿真模型,节约***资源,提升仿真速度。
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。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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 (5)
1.一种基于多尺度统计特征的地铁车站客流仿真***,其特征在于,包括:仿真控制服务器、客流推演服务器、特征统计服务器和地铁车站客流仿真数据服务器;
所述地铁车站客流仿真数据服务器,用于与所述仿真控制服务器、所述客流推演服务器和所述特征统计服务器连接,存储和管理地铁车站的基础数据、客流数据、实时仿真数据与历史仿真数据;
所述仿真控制服务器,用于与所述客流推演服务器、所述地铁车站客流仿真数据服务器连接,设置仿真参数,该仿真参数包括仿真对象、客流发生和仿真统计,控制所述客流推演服务器的仿真统计运行,展示并存储所述客流推演服务器传输过来的仿真统计结果;
所述特征统计服务器,用于与所述客流推演服务器、所述地铁车站客流仿真数据服务器连接,基于所述地铁车站客流仿真数据服务器中存储的客流数据通过数据驱动统计客流在不同尺度下的选择特征,统计设施内速度-密度关系特征,统计客流在地铁车站各设备设施上的聚集特征,将统计出的各种特征数据传输给所述客流推演服务器;
所述客流推演服务器,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据产生客流源数据,根据所述客流源数据和所述特征统计服务器传输过来的特征数据推演区域间客流转移情况和区域内部的客流状态,利用所述仿真控制服务器设置的仿真参数对地铁车站的客流情况进行仿真统计,将仿真统计结果传输给所述地铁车站客流仿真数据服务器和所述仿真控制服务器。
2.根据权利要求1所述的***,其特征在于,所述地铁车站客流仿真数据服务器包括地铁车站基础数据单元、客流数据单元、实时仿真数据单元和历史仿真数据单元;
所述地铁车站基础数据单元,用于管理地铁车站的设备设施物理属性参数数据;
所述客流数据单元,用于存储地铁车站的进出站与列车到站基础客流数据;
所述实时仿真数据单元,用于获取并保存地铁车站的外部客流数据,展示所述客流推演服务器传输过来的仿真统计结果;
所述历史仿真数据单元,用于存储所述客流推演服务器传输过来的历史仿真统计结果。
3.根据权利要求2所述***,其特征在于,所述仿真控制服务器包括仿真设置单元、仿真交互单元和仿真展示单元;
所述仿真设置单元,用于查看和设置仿真参数,该仿真参数包括仿真对象参数、客流发生参数和仿真统计参数;
所述仿真交互单元,用于根据用户选择和所述仿真设置单元设置的仿真参数控制所述客流推演服务器的仿真统计运行;
所述仿真展示单元,用于根据用户选择展示所述客流推演服务器传输过来的仿真统计结果。
4.根据权利要求3所述的***,其特征在于,所述特征统计服务器包括客流到达特征统计单元、选择特征统计单元、速度-密度特征统计单元和聚集特征统计单元;
所述客流到达特征统计单元,用于统计客流到达地铁车站的规律特征,所述客流到达地铁车站包括客流从进站口或搭乘的列车到达地铁车站,所述客流到达地铁车站的规律特征的统计过程根据不同的时间尺度展开,所述时间尺度包括微观时间分布函数和宏观的分时段流量;
所述选择特征统计单元,用于统计客流在站内到达目的位置、走行路径、并行设备设施的选择规律,该选择规律的统计过程根据不同的时间尺度展开,所述时间尺度包括微观时间分布函数和宏观的分时段比例;
所述速度-密度特征统计单元,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据统计均质的地铁车站区域内部的客流的速度-密度关系特征;
所述聚集特征统计单元,用于基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据统计地铁车站区域内部的客流的流动聚集和停留聚集特征。
5.根据权利要求4所述的***,其特征在于,所述客流推演服务器包括客流发生单元、区域间客流推演单元、区域内客流推演单元和仿真统计单元;
所述客流发生单元,用于根据所述仿真控制服务器设置的客流发生参数,加载客流至地铁车站的仿真环境,基于地铁车站客流仿真数据服务器中存储的地铁车站基础数据和客流数据产生客流源数据;
所述区域间客流推演单元,用于根据乘客选择特征,推演客流在地铁车站区域之间的流转情况,所述地铁车站区域根据功能和物理特征划分;
所述区域内客流推演单元,用于根据所述特征统计服务器统计的客流的速度-密度特征、流动聚集和停留聚集特征,推演客流在地铁车站区域内部的流动和聚集的状态;
所述仿真统计单元,用于根据所述区域间客流推演单元和所述区域内客流推演单元得到的推演结果,利用所述仿真控制服务器设置的仿真参数对地铁车站的客流情况进行仿真统计,将仿真统计结果传输给所述地铁车站客流仿真数据服务器和所述仿真控制服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424420.5A CN110189168A (zh) | 2019-05-21 | 2019-05-21 | 一种基于多尺度统计特征的地铁车站客流仿真*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424420.5A CN110189168A (zh) | 2019-05-21 | 2019-05-21 | 一种基于多尺度统计特征的地铁车站客流仿真*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110189168A true CN110189168A (zh) | 2019-08-30 |
Family
ID=67717055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910424420.5A Pending CN110189168A (zh) | 2019-05-21 | 2019-05-21 | 一种基于多尺度统计特征的地铁车站客流仿真*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189168A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080016A (zh) * | 2019-12-19 | 2020-04-28 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN112347654A (zh) * | 2020-11-11 | 2021-02-09 | 郑州捷安高科股份有限公司 | 一种基于地铁客流***的仿真方法及装置 |
CN112507555A (zh) * | 2020-12-07 | 2021-03-16 | 郑州捷安高科股份有限公司 | 一种车站客流模拟仿真方法、控制方法和模拟仿真*** |
CN113190935A (zh) * | 2020-11-19 | 2021-07-30 | 西南交通大学 | 基于分层Petri网的区域轨道交通车站承载力仿真***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279669A (zh) * | 2013-05-31 | 2013-09-04 | 北京交通大学 | 一种城市轨道交通路网运输能力仿真计算方法和*** |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测***和方法 |
CN105224999A (zh) * | 2015-09-10 | 2016-01-06 | 北京市交通信息中心 | 基于afc数据的城市轨道交通实时客流预测方法及*** |
US20170068755A1 (en) * | 2015-09-07 | 2017-03-09 | Sap Se | Transportation schedule evaluation |
-
2019
- 2019-05-21 CN CN201910424420.5A patent/CN110189168A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279669A (zh) * | 2013-05-31 | 2013-09-04 | 北京交通大学 | 一种城市轨道交通路网运输能力仿真计算方法和*** |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测***和方法 |
US20170068755A1 (en) * | 2015-09-07 | 2017-03-09 | Sap Se | Transportation schedule evaluation |
CN105224999A (zh) * | 2015-09-10 | 2016-01-06 | 北京市交通信息中心 | 基于afc数据的城市轨道交通实时客流预测方法及*** |
Non-Patent Citations (1)
Title |
---|
冯佳平: "实时AFC数据接入下城轨路网客流动态分布建模与仿真", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080016A (zh) * | 2019-12-19 | 2020-04-28 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN111080016B (zh) * | 2019-12-19 | 2023-09-26 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN112347654A (zh) * | 2020-11-11 | 2021-02-09 | 郑州捷安高科股份有限公司 | 一种基于地铁客流***的仿真方法及装置 |
CN113190935A (zh) * | 2020-11-19 | 2021-07-30 | 西南交通大学 | 基于分层Petri网的区域轨道交通车站承载力仿真***及方法 |
CN112507555A (zh) * | 2020-12-07 | 2021-03-16 | 郑州捷安高科股份有限公司 | 一种车站客流模拟仿真方法、控制方法和模拟仿真*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189168A (zh) | 一种基于多尺度统计特征的地铁车站客流仿真*** | |
CN107358357A (zh) | 城市轨道交通换乘车站评价方法 | |
Schultz et al. | Managing passenger handling at airport terminals | |
CN110515311A (zh) | 城市轨道交通列车客流的动态仿真*** | |
Grube et al. | An event-driven simulator for multi-line metro systems and its application to Santiago de Chile metropolitan rail network | |
CN110162931A (zh) | 城市轨道交通大规模路网快速仿真*** | |
Jim et al. | An airport passenger terminal simulator: A planning and design tool | |
Yao et al. | Simulation‐Based Dynamic Passenger Flow Assignment Modelling for a Schedule‐Based Transit Network | |
Liu et al. | A queuing network simulation optimization method for coordination control of passenger flow in urban rail transit stations | |
Setti et al. | Passenger-terminal simulation model | |
CN107978153A (zh) | 一种基于空间向量自回归模型的多模式交通需求影响分析方法 | |
Ni et al. | Study on optimization of passenger flow at a metro station based on AnyLogic—Case study of Youfangqiao station of Nanjing metro line 2 | |
CN113538905A (zh) | 一种城市交通运行仿真*** | |
Liu et al. | Microscopic Simulation-Based Pedestrian Distribution Service Network in Urban Rail Station | |
CN107230020A (zh) | 评测高铁调度员工作组织效率的方法及其相关方法和*** | |
Molyneaux et al. | Pedestrian management strategies for improving flow dynamics in transportation hubs | |
Passos et al. | Evaluation of taxi services on airport terminal's curbside for picking up passengers | |
Rindsfüser et al. | Agent-based pedestrian simulation: A case study of the bern railway station | |
Martén et al. | Verification and validation of Viswalk for building evacuation modelling | |
CN112200487B (zh) | 一种城市轨道交通换乘车站的客流模拟方法 | |
Ghali et al. | Analyzing Passenger Flow Lines and Optimizing the Facility Layout Management for Cairo Metro Elevated Stations | |
Wagoum et al. | Conception, development, installation and evaluation of a real time evacuation assistant for complex buildings | |
Gao et al. | Hybrid dynamic route planning model for pedestrian microscopic simulation at subway station | |
Dandapat et al. | Quantifying factors influencing urban bus passenger boarding and alighting dynamics in an emerging economy | |
McCullough et al. | Decision tool for analysis of capacity of airport terminal buildings |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190830 |