CN111144727A - 一种城市轨道交通进站客流韧性评估***及方法 - Google Patents
一种城市轨道交通进站客流韧性评估***及方法 Download PDFInfo
- Publication number
- CN111144727A CN111144727A CN201911313843.6A CN201911313843A CN111144727A CN 111144727 A CN111144727 A CN 111144727A CN 201911313843 A CN201911313843 A CN 201911313843A CN 111144727 A CN111144727 A CN 111144727A
- Authority
- CN
- China
- Prior art keywords
- station
- time
- passenger flow
- real
- toughness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 238000013480 data collection Methods 0.000 claims abstract description 24
- 238000011084 recovery Methods 0.000 claims abstract description 10
- 238000007689 inspection Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- 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)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种评估城市轨道交通进站客流韧性的***及方法。本发明的***,包括数据收集模块、运营状态统计模块、异常客流预警模块、韧性评估模块。所述数据收集模块用于城市轨道交通各种数据的收集,如进出站刷卡数据、站厅及站台等视频监控数据、各类设备运行状态信息等;运营状态统计模块用于实时计算城市轨道交通各类运营指标,包括各站点进站量、进站排队长度、进站等待时间等;异常客流预警模块用于对异常进站客流进行预警;韧性评估模块用于计算城市轨道交通进站客流的韧性指数,对进站客流的恢复状态进行评估。本发明提高了轨道交通对进站异常客流的监测与预警能力,增强了客流波动状态的评估,为轨道交通安全运营提供有力的数据决策。
Description
技术领域:
本发明涉及一种城市轨道交通进站客流韧性评估***及方法,属于城市轨道交通安全和管理技术领域。
背景技术:
基础设施***的韧性定义为具备预测、吸收、适应潜在的扰动并从扰动中快速恢复的能力,这些扰动包括自然灾害,设备故障或人为破坏等,其目的在于降低扰动的量级、影响和持续的时间。由于良好的韧性设计能更好降低***面临不可避免的扰动下趋于崩溃的风险,提高***的恢复能力,在近十五年来备受国内外学者和工程设计者的关注。
城市轨道交通作为公共交通的重要组成部分,具有运量大、速度快、效率高、准时、污染小等特点,承担着缓解交通拥堵、提高运行效率的功能。随着城市轨道交通网络规模的不断扩大,客流量的急剧增加,网络化运营条件下的城市轨道交通面临着来自自然灾害、社会安全、设施设备故障等突发事故以及高强度客流的冲击。评估城市轨道交通进站客流的韧性,有助于异常客流的识别,从而方便管理者做出正确的决策,这对城市轨道交通的风险辨识、风险防控具有重要的意义,同时也有助于保证城市轨道交通的安全运营和服务水平的提升。
目前城市轨道交通对异常客流的预警研究主要包括利用自动售检票***的数据统计、对特定区域的监控图像进行观察或依靠工作人员进行巡视,虽然可以统计分析实时客流信息,但缺乏从扰动发生前-扰动发生中-扰动发生后全过程的进站客流韧性评估。
发明内容
本发明的目的是针对上述存在的问题,基于历史数据和实时数据的对比分析,对异常进站客流进行预警,同时计算进站客流韧性指数,提供一种城市轨道交通进站客流韧性评估***及方法。
上述目的可通过以下技术方案实现:
一种城市轨道交通进站客流韧性评估***,包括数据收集模块、运营状态统计模块、异常客流预警模块、韧性评估模块;
所述数据收集模块用于实时收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据;
所述运营状态统计模块用于统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,并利用站厅站台的视频监控数据进行辅助决判;
所述异常客流预警模块用于异常进站客流的识别,通过计算实时的进站客流韧性指标,根据韧性指标是否超过阈值识别异常客流,并立即提醒工作人员做好限流措施;
所述韧性评估模块用于评估一段时间内进站客流的变化,尤其是从扰动发生到恢复正常这一时间段内进站客流的波动变化,从而评估***的韧性,即恢复情况的好坏。
用上述***进行城市轨道交通进站客流韧性评估的方法,该方法包括如下步骤:
(1)数据收集模块收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据,使计算机能够识别、存储与处理;
(2)运营状态统计模块统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,并借助站厅站台的视频监控数据进行辅助判断;
(3)异常客流预警模块通过计算并记录实时的进站客流韧性指标,根据韧性指标是否超过阈值识别异常客流,并立即提醒工作人员做好限流措施;
(4)韧性评估模块计算从扰动发生到恢复正常这一时间段内进站客流的韧性指数,以评估***的韧性,即恢复情况的好坏。
所述的城市轨道交通进站客流韧性评估方法,步骤(1)中所述的数据收集模块收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据,使计算机能够识别、存储与处理,其具体方法为:
步骤1.1:收集自动售检票***的刷卡数据,包括历史和实时的分站点分时段的进站刷卡量,每5分钟进行一次统计;
步骤1.2:收集实时的列车发车间隔f;
步骤1.3:收集各站点进站闸机的数量S1i,进站闸机的通过能力u1i,i代表站点编号;
步骤1.4:收集各站点安检机的数量S2i,安检机的通过能力u2i,i代表站点编号;
步骤1.5:根据站厅层的视频监控数据,根据视频分析软件,计算各站点历史和实时的乘客到达率λit,i代表站点编号,t代表时刻;
所述的城市轨道交通进站客流韧性评估方法,步骤(2)中所述的运营状态统计模块用于统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,其具体方法为:
步骤2.1:计算各个站点历史分时段的进站客流量,绘制进站客流量变化图;
步骤2.2:计算各个站点历史分时段的乘客平均等待时间,将历史时段划分为早晚高峰和平峰,根据历史客流数据和视频监控数据,分别计算早晚高峰和平峰状态下乘客的平均等待时间Wc,t,计算公式如(1)—(6)所示;
乘客平均等待时间W包括站厅层的等待时间Ws和站台层的等待时间Wp的总和,即W=Ws+Wp
某一站点站厅层乘客平均等待时间Ws通过该时刻的乘客到达率、安检机或闸机的数量和通过能力来计算,计算公式如(1)—(4)所示;
其中:λ代表某一站点某一时刻的乘客到达率,S代表安检机或闸机的数量,u代表安检机或闸机的通过能力;P0代表某一站点没有乘客出现的概率;Pj代表站点有j个乘客的概率,Ws代表某一站点站厅层乘客的平均等待时间,根据实时的视频监控数据,若乘客排队更多集中在安检机前,则站厅层乘客平均等待时间的计算选取安检机的工作参数,若乘客排队更多集中在闸机前,则站厅层乘客平均等待时间的计算选取闸机的工作参数;
某一站点站台层乘客平均等待时间Wp通过列车发生间隔来计算,计算公式如(5)所示:
其中:f代表列车的发车间隔,TR代表运营故障发生后,从故障到恢复到正常运营所需的时间;
W=Ws+Wp (6)
其中:W为某站点乘客的平均等待时间,Ws为同一站点站厅层的等待时间,Wp为同一站点站台层的等待时间;
步骤2.3:计算各个站点实时的乘客平均等待时间:按照步骤2.2中的公式(1)—(6)计算实时状态下各站点乘客的平均等待时间Wt。
所述的城市轨道交通进站客流韧性评估方法,步骤(3)中所述的异常客流预警模块通过计算并记录实时的进站客流韧性指标,根据韧性指标是否超过阈值来识别异常客流,若超出阈值则立即提醒工作人员做好限流措施,具体方法如下:
步骤3.1:计算某一站点进站客流韧性指标Qt,并绘制***性能曲线:
其中:Wt为某一站点实时的乘客平均等待时间,Wc,t为同一站点历史时刻同一时段下的平均等待时间。t分为平峰期和早晚高峰;
步骤3.2:异常客流的鉴别:
若平峰时刻Qt的值小于平峰阈值,则表明存在异常客流,工作人员需要提高警惕;若早晚高峰Qt的值小于早晚高峰阈值,则表明存在异常客流,工作人员需提高警惕并做好客流疏导措施,韧性指标超出阈值的那一刻可视为扰动发生的时间te。
所述的城市轨道交通进站客流韧性评估方法,步骤(4)中所述的韧性评估模块计算从扰动发生到恢复正常这一时间段内进站客流的韧性指数,以评估***的韧性,具体方法如下:
步骤4.1:实时计算并记录韧性指标Qt,利用MATLAB对分段曲线进行拟合,得出分段的方程;
步骤4.2:计算从扰动发生至恢复正常状态进站客流的韧性指数R,公式如(8)所示:
其中:Qt为步骤4.1拟合所得的韧性指标方程,te为扰动发生的时间,tr为扰动结束恢复正常的时间,该值越小,说明客流的恢复能力越好,客流疏导措施越有成效。
有益效果:
本发明通过数据收集模块、运营状态统计模块、异常客流预警模块、韧性评估模块四大模块的协助,不仅可以实现城市轨道交通进站客流的实时监控,并通过韧性指标的计算,对异常客流进行预警,有助于管理者及时开展限流措施,而且可以评估从扰动发生到恢复正常这一时间段内进站客流的波动情况,从而评估客流疏导措施的优劣,为未来的客流疏导工作提供指导,可以有效减少因异常客流出现而造成的出行延误,提高城市轨道交通的服务水平和运营效率。
附图说明
图1是本发明所述的城市轨道交通进站客流韧性评估***;
图2是具体实施方式案例分析中连续5个周一新街口进站客流到达率变化图;
图3是具体实施方式案例分析中新街口站进站客流韧性指标曲线图。
具体实施方式
下面结合附图和实例对本发明的技术方案作进一步的说明。
图1所示的是城市轨道交通进站客流韧性评估***,包括数据收集模块、运营状态统计模块、异常客流预警模块、韧性评估模块。
数据收集模块用于实时收集并记录城市轨道交通各类运营状态数据,为运营状态统计模块提供数据输入;运营状态统计模块用于统计分析来自数据收集模块提供的数据,并利用站厅站台的视频监控数据进行辅助决判;异常客流预警模块用于异常进站客流的识别,并立即提醒工作人员做好限流措施;韧性评估模块用于评估一段时间内进站客流的变化,尤其是从扰动发生到恢复正常这一时间段内进站客流的波动变化,以评估***的韧性。
用上述城市轨道交通进站客流韧性评估***进行进站客流韧性评估的方法,该方法包括如下步骤:
(1)数据收集模块收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据,使计算机能够识别、存储与处理;
(2)运营状态统计模块统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,并借助站厅站台的视频监控数据进行辅助判断;
(3)异常客流预警模块通过计算并记录实时的进站客流韧性指标,根据韧性指标是否超过阈值来识别异常客流,并立即提醒工作人员做好客流疏导措施;
(4)韧性评估模块计算从扰动发生到恢复正常这一时间段内进站客流的韧性指数,以评估***的韧性,即恢复情况的好坏。
下面以南京市新街口站(地铁1号线和2号线的换乘站)为例,说明该发明***的实施方案。
所述的城市轨道交通进站客流韧性评估方法,步骤(1)中所述的数据收集模块收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据,使计算机能够识别、存储与处理,其具体方法为:
步骤1.1:收集自动售检票***的刷卡数据,包括历史和实时的分站点分时段的进站刷卡量;
步骤1.2:收集实时的列车发车间隔f;案例中平峰列车发车间隔f1=286s,早晚高峰发车间隔f2=140s。
步骤1.3:收集各站点进站闸机的数量S1i,进站闸机的通过能力u1i,i代表站点编号;案例中新街口站进站S1=29台,进站闸机的通过能力u1=2400人/小时。
步骤1.4:收集各站点安检机的数量S2i,安检机的通过能力u2i,i代表站点编号;案例中新街口站进站S2=7台,进站闸机的通过能力u2=1800人/小时。
步骤1.5:根据站厅层的视频监控数据,根据视频分析软件,计算各站点历史和实时的乘客到达率λit,i代表站点编号,t代表时刻;
案例中新街口站某周一中午12:05-13:50实时的乘客到达率λit(按每5分钟统计)如表1所示。
表1 新街口站某周一实时的乘客到达率(人/5分钟)
时间 | 12:05 | 12:10 | 12:15 | 12:20 | 12:25 | 12:30 | 12:35 | 12:40 | 12:45 | 12:50 | 12:55 |
乘客到达率 | 385 | 391 | 362 | 466 | 880 | 892 | 915 | 905 | 928 | 904 | 892 |
时间 | 13:00 | 13:05 | 13:10 | 13:15 | 13:20 | 13:25 | 13:30 | 13:35 | 13:40 | 13:45 | 13:50 |
乘客到达率 | 846 | 852 | 802 | 786 | 725 | 726 | 628 | 600 | 593 | 658 | 565 |
案例中新街口站连续4个周一中午12:05-13:50历史的平均乘客到达率λit(按每5分钟统计)如表2所示。
表2 新街口站某工作日历史平均乘客到达率(人/5分钟)
时间 | 12:05 | 12:10 | 12:15 | 12:20 | 12:25 | 12:30 | 12:35 | 12:40 | 12:45 | 12:50 | 12:55 |
乘客到达率 | 383 | 386 | 402 | 402 | 410 | 403 | 401 | 396 | 408 | 430 | 450 |
时间 | 13:00 | 13:05 | 13:10 | 13:15 | 13:20 | 13:25 | 13:30 | 13:35 | 13:40 | 13:45 | 13:50 |
乘客到达率 | 429 | 466 | 494 | 482 | 512 | 521 | 522 | 532 | 556 | 555 | 585 |
所述的城市轨道交通进站客流韧性评估方法,步骤(2)中所述的运营状态统计模块用于统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算实时的乘客平均等待时间,其具体方法为:
步骤2.1:计算各个站点历史分时段的进站客流量,绘制进站客流量变化图;
案例中新街口连续5个周一的进站客流量如图2所示。
步骤2.2:计算各个站点历史分时段的乘客平均等待时间,将历史时段划分为早晚高峰和平峰,根据历史客流数据和视频监控数据,计算早晚高峰和平峰下乘客的平均等待时间Wc,t;案例分析中,新街口站历史早晚高峰平均等待时间为Wcp=420s,历史平峰状态下乘客的平均等待时间为Wcf=283s。
步骤2.3:计算各个站点实时的每位乘客平均等待时间W,其中该等待时间包括站厅层的等待时间Ws和站台层的等待时间Wp的总和,即W=Ws+Wp
某一站点站厅层每位乘客平均等待时间Ws可通过实时的乘客到达率、安检机或闸机的数量和通过能力来计算,计算公式如(1)—(6)所示。
其中:λ代表某一站点实时的乘客到达率,S代表安检机或闸机的数量,u代表安检机或闸机的通过能力;P0代表某一站点没有乘客出现的概率;Pj代表站点有j个乘客的概率,Ws代表某一站点每位乘客的期望等待时间。根据实时的视频监控数据,若乘客排队更多集中在安检机前,则站厅层乘客平均期望等待时间的计算选取安检机的工作参数,若乘客排队更多集中在闸机前,则站厅层乘客平均期望等待时间的计算选取闸机的工作参数。一般情况下,在安检机排队的乘客不会在闸机前二次排队。
案例中,通过新街口站站厅层的视频监控数据,排队集中在安检机前,所以案例中考虑安检机的工作参数。
某一站点站台层乘客平均等待时间Wp可通过列车发生间隔来计算,计算公式如(5)所示。
其中:f代表列车的发车间隔,TR代表运营故障发生后,从故障到恢复到正常运营所需的时间。正常情况下,每位乘客的期望等待时间为0.5f;当客流量很大,乘客需要二次等待才能上车时,每位乘客的期望等待时间为1.5f;当运营发生故障,每位乘客的期望等待时间为0.5f+TR。
案例中,通过新街口站站台层的视频监控数据,列车属于正常运营且未有乘客出现二次等待列车情况,当时处于平峰期,所以Wp=0.5f=0.5*286=143s。
W=Ws+Wp (6)
其中:W为某站点每位乘客的期望等待时间,Ws为同一站点站厅层的等待时间,Wp为同一站点站台层的等待时间。
案例中根据公式(1)-(6)可计算得出实时的新街口进站客流平均等待时间Wt。
所述的城市轨道交通进站客流韧性评估方法,步骤(3)中所述的异常客流预警模块通过计算并记录实时的进站客流韧性指标,根据韧性指标是否超过阈值来识别异常客流,并立即提醒工作人员做好限流措施,具体方法如下:
步骤3.1:计算某一站点进站客流韧性指标Qt,并绘制韧性指标曲线。
其中:Wt为某一站点实时的乘客平均期望等待时间,Wc,t为同一站点历史时刻同一时段下的平均等待时间。t分为平峰期和早晚高峰。
根据公式(7)的计算,案例中新街口的韧性指标曲线如图3所示。
步骤3.2:异常客流的鉴别。
若平峰时刻Qt的值小于平峰阈值时则表明存在异常客流,工作人员需要提高警惕,本实施例中的平峰阈值取0.5,实际应用中可根据实际运营状态来确定。若早晚高峰Qt的值小于早晚高峰,则表明存在异常客流,工作人员需提高警惕并做好客流疏导措施,本实施例中早晚高峰取0.8,实际应用中可根据实际运营状态来确定。韧性指标超出阈值的那一刻可视为扰动发生的时间te。
案例中,12:20这一时刻Q的值低于0.5,视为扰动发生,存在异常客流,需提醒工作人员提高警惕。
所述的城市轨道交通进站客流韧性评估方法,步骤(4)中所述的韧性评估模块计算从扰动发生到恢复正常这一时间段内进站客流的韧性指数,以评估***的韧性,具体方法如下:
步骤4.1:实时计算并记录韧性指标Qt,利用MATLAB对分段曲线进行拟合,得出分段的方程。
案例中利用MATLAB对分段曲线进行拟合,得到如下的分段方程。
步骤4.2:计算从扰动发生至恢复正常状态进站客流的韧性指数R,公式如(9)所示:
其中:Qt为步骤4.1拟合所得的韧性指标方程,te为扰动发生的时间,tr为扰动结束恢复正常的时间。该值越小,说明客流的恢复能力越好,客流疏导措施越有成效。
案例中,将公式(8)代入公式(9)进行计算,12:05-13:50这一时间段内新街口进站客流量的韧性指数为0.620,大约经过80分钟,进站客流恢复稳定。
Claims (6)
1.一种城市轨道交通进站客流韧性评估***,其特征在于,包括数据收集模块、运营状态统计模块、异常客流预警模块、韧性评估模块;
所述数据收集模块用于实时收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据;
所述运营状态统计模块用于统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,并利用站厅站台的视频监控数据进行辅助决判;
所述异常客流预警模块用于异常进站客流的识别,通过计算实时的进站客流韧性指标,根据韧性指标是否超过阈值识别异常客流,并立即提醒工作人员做好限流措施;
所述韧性评估模块用于评估一段时间内进站客流的变化,尤其是从扰动发生到恢复正常这一时间段内进站客流的波动变化,从而评估***的韧性,即恢复情况的好坏。
2.用权利要求1所述***进行城市轨道交通进站客流韧性评估的方法,其特征在于:该方法包括如下步骤:
(1)数据收集模块收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据,使计算机能够识别、存储与处理;
(2)运营状态统计模块统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,并借助站厅站台的视频监控数据进行辅助判断;
(3)异常客流预警模块通过计算并记录实时的进站客流韧性指标,根据韧性指标是否超过阈值识别异常客流,并立即提醒工作人员做好限流措施;
(4)韧性评估模块计算从扰动发生到恢复正常这一时间段内进站客流的韧性指数,以评估***的韧性,即恢复情况的好坏。
3.根据权利要求2所述的城市轨道交通进站客流韧性评估方法,其特征在于:步骤(1)中所述的数据收集模块收集并记录城市轨道交通各类运营状态数据,包括自动售检票***的刷卡数据、列车发车间隔、各车站的安检机数量及工作状态、进站闸机数量及工作状态、站厅站台层的视频监控数据,使计算机能够识别、存储与处理,其具体方法为:
步骤1.1:收集自动售检票***的刷卡数据,包括历史和实时的分站点分时段的进站刷卡量,每5分钟进行一次统计;
步骤1.2:收集实时的列车发车间隔f;
步骤1.3:收集各站点进站闸机的数量S1i,进站闸机的通过能力u1i,i代表站点编号;
步骤1.4:收集各站点安检机的数量S2i,安检机的通过能力u2i,i代表站点编号;
步骤1.5:根据站厅层的视频监控数据,根据视频分析软件,计算各站点历史和实时的乘客到达率λit,i代表站点编号,t代表时刻。
4.根据权利要求2所述的城市轨道交通进站客流韧性评估方法,其特征在于:步骤(2)中所述的运营状态统计模块用于统计分析来自数据收集模块提供的数据,包括各个站点历史分时段的进站客流量、历史分时段的乘客平均等待时间,并通过实时的乘客到达率、实时的列车发车间隔、实时的安检机的通过能力、实时的进站闸机的通过能力计算乘客平均等待时间,其具体方法为:
步骤2.1:计算各个站点历史分时段的进站客流量,绘制进站客流量变化图;
步骤2.2:计算各个站点历史分时段的乘客平均等待时间,将历史时段划分为早晚高峰和平峰,根据历史客流数据和视频监控数据,分别计算早晚高峰和平峰状态下乘客的平均等待时间Wc,t,计算公式如(1)—(6)所示;
乘客平均等待时间W包括站厅层的等待时间Ws和站台层的等待时间Wp的总和,即W=Ws+Wp
某一站点站厅层乘客平均等待时间Ws通过该时刻的乘客到达率、安检机或闸机的数量和通过能力来计算,计算公式如(1)—(4)所示;
其中:λ代表某一站点某一时刻的乘客到达率,S代表安检机或闸机的数量,u代表安检机或闸机的通过能力;P0代表某一站点没有乘客出现的概率;Pj代表站点有j个乘客的概率,Ws代表某一站点站厅层乘客的平均等待时间,根据实时的视频监控数据,若乘客排队更多集中在安检机前,则站厅层乘客平均等待时间的计算选取安检机的工作参数,若乘客排队更多集中在闸机前,则站厅层乘客平均等待时间的计算选取闸机的工作参数;
某一站点站台层乘客平均等待时间Wp通过列车发生间隔来计算,计算公式如(5)所示:
其中:f代表列车的发车间隔,TR代表运营故障发生后,从故障到恢复到正常运营所需的时间;
W=Ws+Wp (6)
其中:W为某站点乘客的平均等待时间,Ws为同一站点站厅层的等待时间,Wp为同一站点站台层的等待时间;
步骤2.3:计算各个站点实时的乘客平均等待时间:按照步骤2.2中的公式(1)—(6)计算实时状态下各站点乘客的平均等待时间Wt。
5.根据权利要求2所述的城市轨道交通进站客流韧性评估方法,其特征在于:步骤(3)中所述的异常客流预警模块通过计算并记录实时的进站客流韧性指标,根据韧性指标是否超过阈值来识别异常客流,若超出阈值则立即提醒工作人员做好限流措施,具体方法如下:
步骤3.1:计算某一站点进站客流韧性指标Qt,并绘制***性能曲线:
其中:Wt为某一站点实时的乘客平均等待时间,Wc,t为同一站点历史时刻同一时段下的平均等待时间。t分为平峰期和早晚高峰;
步骤3.2:异常客流的鉴别:
若平峰时刻Qt的值小于平峰阈值,则表明存在异常客流,工作人员需要提高警惕;若早晚高峰Qt的值小于早晚高峰阈值,则表明存在异常客流,工作人员需提高警惕并做好客流疏导措施,韧性指标超出阈值的那一刻可视为扰动发生的时间te。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313843.6A CN111144727B (zh) | 2019-12-18 | 2019-12-18 | 一种城市轨道交通进站客流韧性评估***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313843.6A CN111144727B (zh) | 2019-12-18 | 2019-12-18 | 一种城市轨道交通进站客流韧性评估***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144727A true CN111144727A (zh) | 2020-05-12 |
CN111144727B CN111144727B (zh) | 2023-07-11 |
Family
ID=70518848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313843.6A Active CN111144727B (zh) | 2019-12-18 | 2019-12-18 | 一种城市轨道交通进站客流韧性评估***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144727B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112287837A (zh) * | 2020-10-29 | 2021-01-29 | 北京交通大学 | 基于数据驱动的城市轨道交通车站突发大客流预警方法 |
WO2022134692A1 (zh) * | 2020-12-25 | 2022-06-30 | 卡斯柯信号有限公司 | 一种轨道交通智能调度方法及*** |
CN114817273A (zh) * | 2022-07-01 | 2022-07-29 | 湖南智警公共安全技术研究院有限公司 | 一种高频人车关联异常的数据识别方法及*** |
CN114898542A (zh) * | 2022-05-16 | 2022-08-12 | 江苏阳光智慧城市科技有限公司 | 一种基于互联网的城市智能监测汇聚*** |
CN115311858A (zh) * | 2022-08-08 | 2022-11-08 | 长安大学 | 基于交通流韧性的城市路段分级管制方法 |
CN115620513A (zh) * | 2022-09-20 | 2023-01-17 | 东南大学 | 基于韧性分析的城市道路网络状态监测方法及可视化*** |
CN115660282A (zh) * | 2022-10-28 | 2023-01-31 | 北京交通大学 | 面向乘客出行服务的轨道交通路网韧性评估方法及*** |
CN117808184A (zh) * | 2024-02-29 | 2024-04-02 | 成都汇辙科技有限公司 | 一种全生产要素驱动的城市轨道交通服务管理*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409578A (zh) * | 2018-09-29 | 2019-03-01 | 北京市地铁运营有限公司 | 一种城市轨道交通路网限流组织方案优化方法 |
CN109858670A (zh) * | 2018-12-24 | 2019-06-07 | 哈尔滨工业大学 | 一种轨道交通车站大客流实时预警方法 |
CN109948856A (zh) * | 2019-03-22 | 2019-06-28 | 东南大学 | 以提升韧性为目标的轨道交通网络修复决策***及方法 |
CN110414766A (zh) * | 2019-05-27 | 2019-11-05 | 北京全路通信信号研究设计院集团有限公司 | 一种应对突发大客流的客流疏导与行车组织协同调整方法 |
-
2019
- 2019-12-18 CN CN201911313843.6A patent/CN111144727B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409578A (zh) * | 2018-09-29 | 2019-03-01 | 北京市地铁运营有限公司 | 一种城市轨道交通路网限流组织方案优化方法 |
CN109858670A (zh) * | 2018-12-24 | 2019-06-07 | 哈尔滨工业大学 | 一种轨道交通车站大客流实时预警方法 |
CN109948856A (zh) * | 2019-03-22 | 2019-06-28 | 东南大学 | 以提升韧性为目标的轨道交通网络修复决策***及方法 |
CN110414766A (zh) * | 2019-05-27 | 2019-11-05 | 北京全路通信信号研究设计院集团有限公司 | 一种应对突发大客流的客流疏导与行车组织协同调整方法 |
Non-Patent Citations (2)
Title |
---|
MING LI 等: "Resiliency Assessment of Urban Rail Transit Networks: A Case Study of Shanghai Metro" * |
杜斐 等: "上海轨道交通网络的复杂网络特性及鲁棒性研究" * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882241B (zh) * | 2020-08-05 | 2023-11-07 | 北京交通大学 | 一种城市轨道交通网络韧性的评估方法 |
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 |
CN112287837A (zh) * | 2020-10-29 | 2021-01-29 | 北京交通大学 | 基于数据驱动的城市轨道交通车站突发大客流预警方法 |
WO2022134692A1 (zh) * | 2020-12-25 | 2022-06-30 | 卡斯柯信号有限公司 | 一种轨道交通智能调度方法及*** |
CN114898542A (zh) * | 2022-05-16 | 2022-08-12 | 江苏阳光智慧城市科技有限公司 | 一种基于互联网的城市智能监测汇聚*** |
CN114898542B (zh) * | 2022-05-16 | 2024-05-10 | 江苏阳光智慧城市科技有限公司 | 一种基于互联网的城市智能监测汇聚*** |
CN114817273A (zh) * | 2022-07-01 | 2022-07-29 | 湖南智警公共安全技术研究院有限公司 | 一种高频人车关联异常的数据识别方法及*** |
CN114817273B (zh) * | 2022-07-01 | 2022-09-27 | 湖南智警公共安全技术研究院有限公司 | 一种高频人车关联异常的数据识别方法及*** |
CN115311858A (zh) * | 2022-08-08 | 2022-11-08 | 长安大学 | 基于交通流韧性的城市路段分级管制方法 |
CN115620513B (zh) * | 2022-09-20 | 2023-10-03 | 东南大学 | 基于韧性分析的城市道路网络状态监测方法及可视化*** |
CN115620513A (zh) * | 2022-09-20 | 2023-01-17 | 东南大学 | 基于韧性分析的城市道路网络状态监测方法及可视化*** |
CN115660282A (zh) * | 2022-10-28 | 2023-01-31 | 北京交通大学 | 面向乘客出行服务的轨道交通路网韧性评估方法及*** |
CN117808184A (zh) * | 2024-02-29 | 2024-04-02 | 成都汇辙科技有限公司 | 一种全生产要素驱动的城市轨道交通服务管理*** |
CN117808184B (zh) * | 2024-02-29 | 2024-05-10 | 成都汇辙科技有限公司 | 一种全生产要素驱动的城市轨道交通服务管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN111144727B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144727B (zh) | 一种城市轨道交通进站客流韧性评估***及方法 | |
CN109858670B (zh) | 一种轨道交通车站大客流实时预警方法 | |
CN110942411B (zh) | 基于区域联动的地铁车站客流分级报警方法 | |
CN108846514B (zh) | 一种突发事件下轨道交通客流疏散需求预测方法 | |
CN108398934B (zh) | 一种用于轨道交通的设备故障监控的*** | |
CN109979197B (zh) | 基于融合数据的高速公路交通时间地图构建方法、*** | |
CN104933860A (zh) | 基于gps数据的公交车堵车延误时间预测方法 | |
CN111932899B (zh) | 一种基于交通仿真的交通突发事件控制方法及装置 | |
CN112581002A (zh) | 基于突发事件扰动的高铁列车运行延误评估方法及*** | |
CN113628432B (zh) | 地铁人流限流的智能预警*** | |
CN108717583B (zh) | 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法 | |
CN102426783B (zh) | 基于车辆跟踪的低流量道路交通事件检测方法 | |
JP2008189180A (ja) | 列車運行管理システム | |
CN111914687A (zh) | 一种基于车联网主动识别事故的方法 | |
JP2014213697A (ja) | 混雑状況情報集配信システム | |
CN112686417B (zh) | 一种地铁大客流预测方法、***及电子设备 | |
Li et al. | Spatial-temporal correlation prediction modeling of origin-destination passenger flow under urban rail transit emergency conditions | |
CN112528867B (zh) | 一种地铁车站突发大客流预警方法及其应用 | |
Qin et al. | Characterization of accident capacity reduction | |
CN114565210A (zh) | 一种基于故障树分析的城市轨道交通风险评估方法及*** | |
CN113780682B (zh) | 基于故障标志物的轨道交通***业务故障预测方法 | |
CN115545996B (zh) | 一种基于相似度矩阵的地铁异常历史客流识别方法及装置 | |
CN117523891A (zh) | 一种应用于智慧交通的应急调度导航*** | |
CN110047167B (zh) | 车辆急转弯次数等效统计方法 | |
CN112488568A (zh) | 一种地铁车站大客流运营风险评价方法及其应用 |
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 |