CN116341921A - 一种数据驱动的城市轨道交通换乘衔接能力评估方法 - Google Patents
一种数据驱动的城市轨道交通换乘衔接能力评估方法 Download PDFInfo
- Publication number
- CN116341921A CN116341921A CN202211557287.9A CN202211557287A CN116341921A CN 116341921 A CN116341921 A CN 116341921A CN 202211557287 A CN202211557287 A CN 202211557287A CN 116341921 A CN116341921 A CN 116341921A
- Authority
- CN
- China
- Prior art keywords
- transfer
- train
- station
- time
- connection
- 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
- 238000012546 transfer Methods 0.000 title claims abstract description 627
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013210 evaluation model Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 50
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 26
- 238000005094 computer simulation Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 11
- 230000014759 maintenance of location Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005304 joining Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000013506 data mapping Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000013486 operation strategy Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种数据驱动的城市轨道交通网络换乘衔接能力评估方法。该方法通过构造换乘站线间物理衔接模型以及映射唯一车站ID的方法,对换乘站中的列车换乘衔接行为进行了模拟仿真,提出了一种基于topsis的对换乘衔接效率的评价模型,该模型可用于评价地铁线网中不同时段换乘站的换乘衔接效率、不同时段一个换乘站的各个换乘方向的换乘衔接效率以及一个换乘站的一个换乘方向上所有列车服务的换乘衔接效率。本发明可以为城市轨道交通运营管理公司以及相关部门实时查看线网中各个车站、每个车站的不同换乘方向以及每个换乘方向的所有列车服务的衔接效率,以便及时调整运营策略,从而有效的避免运力浪费,降低换乘站滞留乘客数量。
Description
技术领域
本发明涉及城市轨道交通客运组织管理技术领域,尤其涉及一种数据驱动的城市轨道交通网络换乘衔接能力评估方法。
背景技术
近些年,许多大中型城市陆续筹建了城市轨道交通,尤其像北京、上海和广州等大型城市,更是形成了庞大且复杂的地铁网络,随着城市轨道交通网络化规模的不断发展,城市轨道交通网络供需不匹配问题日益凸显。换乘站作为承载轨道交通网络客流换乘与集散的重要枢纽,其重要性不言而喻。然而,由于乘客换乘跨线流动,地铁站点的客流需求及截面客流量的不均衡性问题以及城市轨道交通列车运营协调性问题的影响逐渐扩大,导致换乘站的服务水平低下,乘客安全难以保障、列车运量与客流量不匹配等问题频发。
目前,现有技术中的针对城市轨道交通换乘站换乘衔接能力的评估方法,一般从宏观层面采用统计数据对车站或列车服务单方面进行评估,大多使用乘客群体的走行时间作为评估指标,忽视了乘客个体走行时间的不确定性,无法精细化衡量车站针对个体的换乘衔接能力,极大地影响了评估结果的准确性。同时,现有的研究大多数研究仅限于末班车时段,对于全时段换乘站衔接效果评价较少,很少有对换乘站不同衔接方向的映射建模方式及评价,无法适应车站换乘多线化发展的趋势。
发明内容
本发明的实施例提供了一种数据驱动的城市轨道交通网络换乘衔接能力评估方法,以实现精准把控换乘衔接状况,降低换乘站滞留乘客数量。
为了实现上述目的,本发明采取了如下技术方案。
一种数据驱动的城市轨道交通网络换乘衔接能力评估方法,包括:
步骤1:分析换乘站线间换乘衔接方式,构造换乘站线间物理衔接模型,该换乘站线间物理衔接模型包括换乘前线名称、换乘前线方向、换乘后线名称和换乘后线方向;
步骤2:根据列车运行图添加换乘衔接前的列车服务相关属性,该列车服务相关属性包括换乘前线站点相关的站点编号、列车编号、到站时间及离站时间属性,基于列车服务相关属性和所述换乘站线间物理衔接模型建立换乘衔接索引列车服务序列;
步骤3:基于所述换乘衔接索引列车服务序列构建列车衔接匹配模型,利用所述列车衔接匹配模型和列车运行图推导形成衔接目标列车服务序列;
步骤4:利用列车衔接匹配模型和动态仿真演化模型选取衡量换乘站线间衔接能力的时空特征,该时空特征包括基于仿真和匹配的乘客时空出行模式和列车衔接模式;
步骤5:定义基于所述时空特征的城市轨道交通网络换乘衔接多层级评估指标,所述指标包括同一衔接方向下列车服务衔接能力匹配、换乘站线间不同衔接方向下换乘能力匹配度、不同换乘站换乘能力匹配度;
步骤6:利用所述城市轨道交通网络换乘衔接多层级评估指标构建换乘衔接评价模型,利用所述换乘衔接评价模型分别对不同换乘站、换乘站线间不同换乘方向及同一换乘站不同衔接方向下不同的列车服务能力进行多层级评价分析。
优选地,所述的步骤1中的分析换乘站线间换乘衔接方式,构造换乘站线间物理衔接模型,该换乘站线间物理衔接模型包括换乘前线名称、换乘前线方向、换乘后线名称和换乘后线方向,包括:
获取城市轨道交通站点基础信息表(SID,Sline,Ssta,Stype),其中SID表示车站ID,Sline表示线路名称,Ssta表示站点名称,Stype表示是否换乘;
将换乘站区分为不同线换乘的车站,通过衔接线路和换乘方向指向属性,确定换乘站不同衔接方向关系;
通过数据映射唯一换乘站内线间不同衔接方向ID的方式,添加站内线间换乘前线路、换乘前方向、站内线间换乘后线路和换乘后方向属性;
优选地,所述的步骤2中的根据列车运行图添加换乘衔接前的列车服务相关属性,该列车服务相关属性包括换乘前线站点相关的站点编号、列车编号、到站时间及离站时间属性,基于列车服务相关属性和所述换乘站线间物理衔接模型建立换乘衔接索引列车服务序列,包括:
根据列车运行图获取列车时刻表属性(TID,Tarr,Tdep,Tsta,Tline,Tsequence),其中,TID表示列车编号,Tarr表示列车到站时间,Tdep表示列车离站时间,Tsta表示车站名称,Tline表示线路名称,Tsequence表示站点序列;
根据所述换乘衔接完备路径集构建换乘衔接索引列车服务序列
优选地,所述的步骤3中的基于所述换乘站线间物理衔接模型、换乘衔接索引列车服务序列构建列车衔接匹配模型,利用所述列车衔接匹配模型和列车运行图推导形成衔接目标列车服务序列,包括:
优选地,所述的步骤4中的利用列车衔接匹配模型和动态仿真演化模型选取衡量换乘站线间衔接能力的时空特征,该时空特征包括基于仿真和匹配的乘客时空出行模式和列车衔接模式,包括:
根据自动售检票***AFC数据、列车运行图和网络拓扑数据拟合各个站点的进站走行、滞留、换乘走行和出站走行分布参数;
将所述进站走行、滞留、换乘走行和出站走行分布参数带入动态仿真演化模型,对每一个乘客个体的出行轨迹进行仿真模拟;
根据乘客出行轨迹和列车时刻表提供基于个体时空特征单元,包括乘客出行时空模式和列车衔接模式
优选地,所述的乘客出行时空模式中涉及的换乘衔接目标站台的乘客滞留后时刻序列、乘客进站到达时刻序列、乘客换乘到达时刻序列和混合客流数量通过动态仿真演化模型获取,具体包括:
构建Tend之前目标衔接站台的乘客滞留后时刻序列
滞留乘客、进站乘客和换乘乘客组成混合流,根据时刻进行排序,混合客流的乘客到达时刻序列为:
优选地,所述的列车衔接模式中目标列车衔接时长、分时换乘衔接目标列车数量通过列车衔接匹配模型获取,列车剩余承载能力通过动态仿真演化模型获取,具体包括:
确定换乘衔接目标列车衔接时间序列:
优选地,所述的定义基于所述时空特征的城市轨道交通网络换乘衔接多层级评估指标,所述指标包括同一衔接方向下列车服务衔接能力匹配、换乘站线间不同衔接方向下换乘能力匹配度、不同换乘站换乘能力匹配度,包括:
定义表征对列车服务、换乘方向服务和换乘站服务的换乘衔接能力的评估指标,该评估指标包括同一衔接方向下列车服务衔接能力匹配度(α)、换乘站内线间不同衔接方向下换乘能力匹配度(β)和不同换乘站换乘能力匹配度(γ);
同一衔接方向下列车服务衔接能力匹配度(α)由列车衔接匹配度x1、换乘成功率x2和换乘时间匹配度计算,换乘站内线间不同衔接方向下换乘能力匹配度(β)由同一衔接方向下α的加权平均值,不同换乘站换乘能力匹配度(γ)是对同一站下β的加权平均值;
计算同一衔接方向下列车服务衔接能力匹配度(α),输入列车衔接匹配度、换乘成功率、换乘时间匹配度,计算同一衔接方向下列车服务衔接能力匹配度(α):
其中,k——第j辆被衔接列车对应的第k辆衔接列车;
n——衔接列车总数量;
ω1——列车衔接匹配度权值;
ω2——换乘成功率权值;
ω3——换乘时间匹配度权值;
x1——同一列车服务的列车衔接匹配度;
x2——列车服务的换乘成功率;
计算换乘站内线间不同衔接方向下换乘能力匹配度(β),对同一换乘方向下的所有被衔接列车的列车衔接匹配度、换乘成功率、换乘时间匹配度取均值进行计算;
其中,j——同一衔接方向下的第j辆被衔接列车;
p——同一方向下的被衔接列车总数;
其他含义如(4)。
计算不同换乘站换乘能力匹配度(γ),对同一换乘站内所有换乘方向中的被衔接列车的列车衔接匹配度、换乘成功率、换乘时间匹配度取均值进行计算;
其中,m——同一个换乘站内所有换乘方向中第m辆被衔接的列车;
l——同一个换乘站内所有换乘后线被衔接列车总数。
其他含义如(4)。
优选地,所述的步骤6中的利用所述城市轨道交通网络换乘衔接多层级评估指标构建换乘衔接评价模型,利用所述换乘衔接评价模型分别对不同换乘站、换乘站线间不同换乘方向及同一换乘站不同衔接方向下不同的列车服务能力进行多层级评价分析,包括:
构造加权规范矩阵,将所述列车衔接匹配度x1、换乘成功率x2以及换乘时间匹配度三个评价指标进行向量规范化,即每一列元素都除以当前列向量的范数,得到归一化处理之后的标准形式Z,即同一衔接方向下列车服务衔接能力匹配度α对应的指标规范矩阵;
根据列车衔接匹配度、列车换乘时间匹配度以及换乘成功率的业务逻辑以及定义,当列车的换乘时间匹配度大于1时,换乘乘客无法换乘到该列车,将该列车分配到下一辆衔接列车,该列车与当前衔接列车的匹配度等级最低;
其中,K=1/lnn
分别计算α规范矩阵各指标的最大值Z+和最小值Z-,最大值Z+为最优方案,最小值Z-为最差方案;
计算α规范矩阵中各个评价指标与最优方案的贴近程度Ci;
根据所述接近程度Ci对所有的列车服务进行排序,Ci值越高说明该列车服务换乘衔接效果越好。
判断此时的换乘方向是否遍历完毕,如果没有遍历完毕,则继续进行遍历,如果便利完毕,则判断此时的换乘站是否遍历完毕,如果没有遍历完毕,则继续进行遍历,反之结束程序。
分别将同一衔接方向下列车服务衔接能力匹配度(α)中的各指标按换乘方向以及车站进行加权平均,得到换乘站内线间不同衔接方向下换乘能力匹配度(β)、不同换乘站换乘能力匹配度(γ)。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例方法可用于评价地铁线网中不同时段换乘站的换乘衔接效率、不同时段一个换乘站的各个换乘方向的换乘衔接效率以及一个换乘站的一个换乘方向上所有列车服务的换乘衔接效率。提升换乘站的衔接服务水平,从而最大程度上满足乘客出行、提高服务质量和网络服务效能、降低企业成本。
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数据驱动的城市轨道交通网络换乘衔接能力多层级评估方法的处理流程图;
图2为本发明实施例提供的一种构造换乘站不同衔接路径备选集流程图;
图3为本发明实施例提供的一种构建换乘衔接索引列车服务序列流程图;
图4为本发明实施例提供的一种构建衔接目标列车服务序列流程图;
图5为本发明实施例提供的一种构建乘客时空出行模式流程图;
图6为本发明实施例提供的一种计算换乘成功率流程图;
图7为本发明实施例提供的一种计算列车衔接匹配度流程图;
图8为本发明实施例提供的一种计算换乘时间匹配度流程图;
图9为本发明实施例提供的一种计算线路间换乘能力匹配度流程图;
图10为本发明实施例提供的一种基于topsis的评价模型流程图;
图11为本发明实施例提供的一种早高峰期间奥林匹克公园站各个换乘方向仿真换乘量示意图;
图12为本发明实施例提供的一种平峰期间奥林匹克公园站各个换乘方向仿真换乘量示意图;
图13为本发明实施例提供的一种具有两条换乘能力的换乘站换乘关系示意图;
图14为本发明实施例提供的一种城市轨道交通网络多层级换乘衔接能力评估***的界面示意图;
图15为本发明实施例提供的一种***中换乘衔接运行图模块设计图。
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。
本发明充分分析城市轨道交通客流在换乘站的不同线路间的耦合特点,考虑换乘站衔接乘客必要旅行时间喝线路列车运行在服务时间的协调关系,提出针对轨道交通网络的换乘站、换乘方向以及列车服务的多层级换乘衔接能力评价方法,主要包括换乘站换乘关系拓扑图、换乘衔接运行图和评价指标三个部分。本发明提出的一种数据驱动的城市轨道交通网络换乘衔接能力多层级评估方法的处理流程如图1所示,包括如下的处理步骤:
步骤1、分析换乘站线间换乘衔接方式,构造换乘站线间物理衔接模型,该换乘站线间物理衔接模型包括换乘前线名称、换乘前线方向、换乘后线名称和换乘后线方向,换乘站线间物理衔接模型将作为后续关联列车服务的基础,其涉及的换乘站换乘前线、后线以及换乘方向等信息,将通过下述步骤二与列车相关联。
步骤2、根据列车运行图添加换乘衔接前的列车服务相关属性,该列车服务相关属性包括换乘前线站点相关的站点编号、列车编号、到站时间及离站时间属性,基于列车服务相关属性建立换乘衔接索引列车服务序列;
步骤3、构建列车衔接匹配模型,根据换乘衔接索引列车服务序列和列车运行图推导形成衔接目标列车服务序列,匹配后的换乘衔接目标列车服务属性包括换乘后线站点相关的列车编号、站点编号、到站时间及离站时间;
步骤4、选取衡量换乘站线间衔接能力的时空特征,该时空特征包括基于仿真和匹配的乘客时空出行模式、列车衔接模式;
步骤5、乘客出行时空模式中涉及的换乘衔接目标站台的乘客滞留后时刻序列、乘客进站到达时刻序列、乘客换乘到达时刻序列、混合客流数量通过动态仿真演化模型获取;
步骤6、列车衔接模式中目标列车衔接时长、分时换乘衔接目标列车数量通过列车衔接匹配模型获取,列车剩余承载能力通过动态仿真演化模型获取;
步骤7、构建基于时空特征挖掘的城市轨道交通网络换乘衔接多层级评估指标定义,上述指标包括同一衔接方向下列车服务衔接能力匹配、换乘站线间不同衔接方向下换乘能力匹配度、不同换乘站换乘能力匹配度;
步骤8、构建基于Topsis的换乘衔接评价模型,分别对不同换乘站、换乘站线间不同换乘方向及同一换乘站不同衔接方向下不同的列车服务能力进行多层级评价分析。
具体的,上述步骤1包括:
步骤S011、获取城市轨道交通站点基础信息表(SID,Sline,Ssta,Stype),其中SID表示车站ID,Sline表示线路名称,Ssta表示站点名称,Stype表示是否换乘。
步骤S012、以只具有二线换乘能力和三线换乘能力的车站为例,将换乘站区分为两线换乘与三线换乘的车站,通过衔接线路和换乘方向指向属性,确定换乘站不同衔接方向关系;
步骤S013、通过数据映射唯一换乘站内线间不同衔接方向ID的方式,添加站内线间换乘前线路、换乘前方向、站内线间换乘后线路和换乘后方向属性;
具体的,上述步骤2包括:
步骤S021、根据列车运行图获取列车时刻表属性(TID,Tarr,Tdep,Tsta,Tline,Tsequence),
具体的,上述步骤3包括:
具体的,上述步骤4包括:
步骤S041、根据AFC(Automatic Fare Collection,自动售检票***)数据、列车运行图和网络拓扑数据,拟合各个站点的进站走行、滞留、换乘走行和出站走行分布参数;
步骤S042、带入动态仿真演化模型,对每一个乘客个体的出行轨迹进行仿真模拟;
步骤S043、根据乘客出行轨迹和列车时刻表提供基于个体时空特征单元,包括个体时空特征单元和列车时空特征单元;
具体的,图5为本发明实施例提供的一种构建乘客时空出行模式流程图,上述步骤5包括:
步骤S052、根据车站滞留分布参数、列车容量参数、列车选择偏好参数,对乘客群在该站目标换乘衔接方向站台的滞留次数进行仿真,得到乘客在目标站台的滞留后时刻序列步骤S053、根据换乘站线间各方向换乘走行时间分布参数,对换乘乘客群到该站目标换乘衔接方向站台/>的换乘走行时间进行仿真,得到各换乘乘客到达目标站台/>的到达时刻序列
步骤S056、滞留乘客、进站乘客和换乘乘客组成混合流,根据时刻进行排序,混合客流的乘客到达时刻序列为
具体的,上述步骤6包括:
具体的,上述步骤7包括:
步骤S071、定义表征对列车服务、换乘方向服务、换乘站服务三个不同层级的换乘衔接能力的评估指标,分别是同一衔接方向下列车服务衔接能力匹配度(α)、换乘站内线间不同衔接方向下换乘能力匹配度(β)、不同换乘站换乘能力匹配度(γ);
步骤S072、同一衔接方向下列车服务衔接能力匹配度(α)由列车衔接匹配度x1、换乘成功率x2、换乘时间匹配度计算,换乘站内线间不同衔接方向下换乘能力匹配度(β)由同一衔接方向下α的加权平均值,不同换乘站换乘能力匹配度(γ)是对同一站下β的加权平均值;
步骤S074、图6为本发明实施例提供的一种计算换乘成功率流程图;计算换乘成功率
步骤S076、图9为本发明实施例提供的一种计算线路间换乘能力匹配度流程图;计算同一衔接方向下列车服务衔接能力匹配度(α),输入列车衔接匹配度、换乘成功率、换乘时间匹配度,计算同一衔接方向下列车服务衔接能力匹配度(α)。
其中,k——第j辆被衔接列车对应的第k辆衔接列车;
n——衔接列车总数量;
ω1——列车衔接匹配度权值;
ω2——换乘成功率权值;
ω3——换乘时间匹配度权值;
x1——同一列车服务的列车衔接匹配度;
x2——列车服务的换乘成功率;
步骤S077、计算换乘站内线间不同衔接方向下换乘能力匹配度(β),对同一换乘方向下的所有被衔接列车的列车衔接匹配度、换乘成功率、换乘时间匹配度取均值进行计算;
其中,j——同一衔接方向下的第j辆被衔接列车;
p——同一方向下的被衔接列车总数;
其他含义如(4)。
步骤S078、计算不同换乘站换乘能力匹配度(γ),对同一换乘站内所有换乘方向中的被衔接列车的列车衔接匹配度、换乘成功率、换乘时间匹配度取均值进行计算;
其中,m——同一个换乘站内所有换乘方向中第m辆被衔接的列车;
l——同一个换乘站内所有换乘后线被衔接列车总数;
其他含义如(4)。
具体的,上述步骤8包括:
步骤S081、图10为本发明实施例提供的一种基于Topsis(优劣解距离法)的评价模型流程图。
步骤S082、构造加权规范矩阵,将上述3个评价指标进行向量规范化,即每一列元素都除以当前列向量的范数,得到归一化处理之后的标准形式Z,即同一衔接方向下列车服务衔接能力匹配度(α)对应的指标规范矩阵(后称α规范矩阵);
步骤S083、根据列车衔接匹配度、列车换乘时间匹配度以及换乘成功率的业务逻辑以及定义,确定3个评价指标均为极大型,其中当列车的换乘时间匹配度大于1时,其换乘乘客因无法换乘到当前列车,所以将其分配到下一辆衔接列车,因此其与当前衔接列车的匹配度等级最低,当换乘时间匹配度处于0到1之间时,越靠近于1说明列车的衔接效果越好,表明乘客在换乘前线列车下车之后经过换乘走行到达换乘后线站台时,需要等待的时间越少,并且,后文中通过定义换乘时间匹配度等级来表示换乘时间匹配度的好坏。
其中,K=1/lnn
步骤S085、分别计算α规范矩阵各指标最大值(最优方案)Z+和最小值(最劣方案)Z-;
其中,
ωj——第j个指标权重;
Z+——归一化之后的指标最大值(最优方案);
Z-——归一化之后的指标最小值(最劣方案);
zij——评价对象i的第j个归一化之后的指标值;
步骤S087、计算α规范矩阵中各个评价指标与最优方案的贴近程度Ci;
步骤S088、根据步骤056中的接近程度Ci对所有的列车服务进行排序,Ci值越高说明该列车服务换乘衔接效果越好。
步骤S089、判断此时的换乘方向是否遍历完毕,如果没有遍历完毕,则继续进行遍历,如果便利完毕,则判断此时的换乘站是否遍历完毕,如果没有遍历完毕,则继续进行遍历,反之结束程序。
步骤S0810、分别将同一衔接方向下列车服务衔接能力匹配度(α)中的各指标按换乘方向以及车站进行加权平均,得到换乘站内线间不同衔接方向下换乘能力匹配度(β)、不同换乘站换乘能力匹配度(γ)。
实施例一
以北京市城市轨道交通网络为例进行换乘衔接能力评价,本发明过程如下:
1、获取2019年北京市城市轨道交通站点基础信息表(SID,Sline,Ssta,Stype),并在该数据表中只保留换乘站及其相关属性其中包含了线路编号、线路名称、车站编号、车站名称以及是否换乘,以奥林匹克公园站为例,获取的属性集合为{线路编号:8、15,线路名称:8号线、15号线,车站编号:825、1531,车站名称:奥林匹克公园,换乘标志:1};
2、通过映射唯一车站ID的方式,逐条遍历车站ID,构建换乘站线间物理衔接模型在遍历车站ID的过程中检查该车站ID下的所有线路条数,比如当遍历到奥林匹克公园站时,其线路只有8号线和15号线,然后根据不同车站拥有的线路条数将换乘站区分为两线换乘与三线换乘的车站,分别存于换乘站不同衔接路径备选集中。图13为本发明实施例提供的一种具有两条换乘能力的换乘站换乘关系示意图。
3、由于两线换乘的车站有8个换乘方向,三线换乘的车站有24个换乘方向,所以分别将上述两个换乘站不同衔接路径备选集复制4次和8次,以便添加换乘后线的相关属性,然后通过判断不同的ID是否存在物理映射的方式更新不同衔接路径备选集,保留站内线间换乘前线路、换乘前方向、站内线间换乘后线路、换乘后方向属性,具体操作如图2所示;
以奥林匹克公园站为例,图11为本发明实施例提供的一种早高峰期间奥林匹克公园站各个换乘方向仿真换乘量示意图,两线换乘换乘站的换乘方向示意图如图12所示;
4、再次使用映射唯一车站ID的方式,分别添加换乘后线的线路编号以及换乘后线的换乘方向等属性,然后将上述两个备选集进行合并,得到全网换乘站换乘衔接数据集;
5、获取列车时刻表数据,根据换乘站名称与换乘线路属性(TID,Tarr,Tdep,Tsta,Tline,Tsequence)与站点基础信息表(SID,Sline,Ssta)相关联,添加列车编号、到站时间、离站时间等属性,构造所有途经换乘站列车(衔接前线所有列车)集合
6、与换乘衔接路经集数据进行关联,根据站点名称、线路名称等属性将换乘前线、后线与相关列车服务进行匹配,得到增加了列车服务之后的换乘衔接完备路经集具体操作如图3所示。图3为本发明实施例提供的一种构建换乘衔接索引列车服务序列流程图;
7、根据车站编号以及换乘方向两个属性关联所有途经换乘站列车(衔接前线所有列车)集合以及增加了列车服务之后的换乘衔接完备路经集;
选取一个换乘站的一个换乘方向,在所选数据中进一步筛选比换乘前列车的到站时间晚的列车服务作为衔接列车被选集;
根据离站时间对筛选出的衔接列车被选集数据进行排序;
保留5辆衔接列车及其相关属性(列车编号、到站时间、离站时间),以被衔接列车的到站时间晚于衔接列车的离站时间为标准,增加被衔接列车的5辆衔接列车,并输出列车衔接匹配数据集具体操作如图4所示,图4为本发明实施例提供的一种构建衔接目标列车服务序列流程图;
8、根据已有的不同换乘站换乘方向的乘客走行距离,带入仿真演化模型,并基于乘客的最大、最小走行速度推演出乘客最大、最小走行时间,使用gamma分布求得统计时间内所有乘客个体的走行时间,并取其均值求得乘客个体随机走行时间;
9、导入客流仿真数据,根据统计时间引入混合客流的乘客到达时刻序列混合客流数量Mpassenger,并据此计算每辆被衔接列车的换乘成功率x2;根据各个衔接列车的离开时间以及被衔接列车的到达时间之差计算换乘时间匹配度/>统计30分钟内被衔接列车可衔接的列车数量,并将其与统计时间内最大可衔接列车数量相比,得出列车衔接匹配度x1;
10、使用熵值法计算各指标权重;
以下均以奥林匹克公园站15号线上行换乘8号线上行计算α为例,各个指标权重分
别为:
在数据矩阵的基础上构造加权规范矩阵,将上述3个评价指标进行向量规范化,即每一列元素都除以当前列向量的范数,得到归一化处理之后的标准形式Z;
12、确定每个评价指标的正理想解(最大值)Z+和负理想解(最小值)Z-,如下表所示;
根据接近程度Ci对所有的列车服务进行排序,排名越靠前表明该列车换乘衔接效率越高;
排序结果显示,位于前三的列车服务分别为2159次列车、2026次列车和2227次列车;位于后三位的列车服务分别为2089次列车、2113次列车和2207次列车。
14、同理,根据式(5)计算β。以奥林匹克公园站为例,对换乘站内线间高峰时段和平峰时段不同换乘方向的衔接效率进行评价,其中高峰时段选取8:00-8:15,在早高峰时段中奥林匹克公园站的不同换乘方向衔接效率排名从高到低依次为:15下8下(代表:15号线下行方向换乘8号线下行方向,后面同理)、15下8上、15上8上、8下15下、8上15下、8上15上、8下15上、15上8下;
平峰时段选取11:00-11:15,在平峰时段中奥林匹克公园站的不同换乘方向衔接效率排名从高到低依次为:8上15下、15下8下、15上8上、8下15上、15上8下、8上15上、15下8上、8下15下;
根据Topsis的评价结果,发现早高峰时期大多数乘客无法换乘上第一辆衔接列车,且从15号线到8号线的换乘方向衔接效率较高,平峰时段有部分乘客无法换乘上第一辆衔接列车,且从8号线到15号线的换乘方向衔接效率较高;
总体来说,奥林匹克公园站换乘衔接存在较大问题,第一辆衔接列车的换乘能力匹配度都较低,导致严重的运力浪费。
15、同理,根据式(6)计算γ。调用全网换乘站数据,分别对高峰时段和平峰时段下的换乘站换乘衔接效率进行评价,其中,高峰时段选取8:00-8:15,排序结果显示,霍营站、玄武门站和南锣鼓巷站在高峰时段的换乘衔接效率较好,双井站、角门西站和四惠站的衔接效率较低;
平峰时段选取11:00-11:15,根据Topsis的排序结果,发现西单站、军事博物馆站和西直门站的衔接效率较好,而永定门外站、珠市口站和朝阳门站的衔接效率较低。
实施例二:
本发明另外设计一种城市轨道交通网络换乘衔接评估***,包括换乘站换乘关系拓扑图模块、换乘衔接运行图模块和评价指标模块,其界面示意图见图14所示,其中换乘衔接时间如图15所示。
换乘站换乘关系拓扑图模块,通过构建城市轨道交通换乘站换乘关系物理拓扑模型,可视化展示不同换乘站的换乘方式以及换乘路经;
换乘衔接运行图模块,通过构建换乘衔接运行图的方式,可视化展示同一换乘站不同线路之间的不同换乘方向列车衔接情况以及换乘时间匹配度;
评价指标模块,涵盖列车衔接匹配度、换乘成功率、不同方向换乘衔接能力匹配度以及本站换乘衔接能力四个子模块,其中:
列车衔接匹配度子模块,用于显示统计时段内的可衔接列车数量与最大衔接列车数量的贴近程度,反映该换乘方向在特定的时间段内所安排的列车服务是否符合该方向的换乘需求;
换乘成功率子模块,基于仿真得到的站台候车人数以及列车剩余容量,将列车与人的行为联系起来,从实际情况中乘客是否可以登上下一趟衔接的列车的角度出发,可视化展示不同换乘方向的列车衔接效果。
不同方向换乘衔接能力匹配度模块,用于显示一个车站内不同换乘衔接方向的换乘衔接效率,以饼状图的形式展现,便于对比不同方向换乘衔接的效率大小。
本站换乘衔接能力模块,用于显示不同时间内城市轨道交通线网中不同车站换乘衔接匹配能力的排名以及相应的总车站数量,便于直观了解到该换乘站的换乘衔接效率与全网中其他换乘站之间的对比情况。
综上所述,本发明实施例可以为城市轨道交通运营管理公司以及相关部门实时查看线网中各个车站、每个车站的不同换乘方向以及每个换乘方向的所有列车服务的衔接效率,以便精准把控换乘衔接状况,及时调整运营策略,从而有效的避免运力浪费,降低换乘站滞留乘客数量,提高服务水平。
本发明充分分析城市轨道交通客流在换乘站的不同线路间的耦合特点,考虑换乘站衔接乘客必要旅行时间喝线路列车运行在服务时间的协调关系,提出一种数据驱动的城市轨道交通网络多层级换乘衔接能力多层级评估方法与***,辅助地铁运营企业以及相关部门及时发现换乘效率低下的车站及列车服务,指导列车计划调整策略。提升换乘站的衔接服务水平,从而最大程度上满足乘客出行、提高服务质量和网络服务效能、降低企业成本。
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 (9)
1.一种数据驱动的城市轨道交通网络换乘衔接能力评估方法,其特征在于,包括:
步骤1:分析换乘站线间换乘衔接方式,构造换乘站线间物理衔接模型,该换乘站线间物理衔接模型包括换乘前线名称、换乘前线方向、换乘后线名称和换乘后线方向;
步骤2:根据列车运行图添加换乘衔接前的列车服务相关属性,该列车服务相关属性包括换乘前线站点相关的站点编号、列车编号、到站时间及离站时间属性,基于列车服务相关属性和所述换乘站线间物理衔接模型建立换乘衔接索引列车服务序列;
步骤3:基于所述换乘衔接索引列车服务序列构建列车衔接匹配模型,利用所述列车衔接匹配模型和列车运行图推导形成衔接目标列车服务序列;
步骤4:利用列车衔接匹配模型和动态仿真演化模型选取衡量换乘站线间衔接能力的时空特征,该时空特征包括基于仿真和匹配的乘客时空出行模式和列车衔接模式;
步骤5:定义基于所述时空特征的城市轨道交通网络换乘衔接多层级评估指标,所述指标包括同一衔接方向下列车服务衔接能力匹配、换乘站线间不同衔接方向下换乘能力匹配度、不同换乘站换乘能力匹配度;
步骤6:利用所述城市轨道交通网络换乘衔接多层级评估指标构建换乘衔接评价模型,利用所述换乘衔接评价模型分别对不同换乘站、换乘站线间不同换乘方向及同一换乘站不同衔接方向下不同的列车服务能力进行多层级评价分析。
2.根据权利要求1所述的方法,其特征在于,所述的步骤1中的分析换乘站线间换乘衔接方式,构造换乘站线间物理衔接模型,该换乘站线间物理衔接模型包括换乘前线名称、换乘前线方向、换乘后线名称和换乘后线方向,包括:
获取城市轨道交通站点基础信息表(SID,Sline,Ssta,Stype),其中SID表示车站ID,Sline表示线路名称,Ssta表示站点名称,Stype表示是否换乘;
将换乘站区分为不同线换乘的车站,通过衔接线路和换乘方向指向属性,确定换乘站不同衔接方向关系;
通过数据映射唯一换乘站内线间不同衔接方向ID的方式,添加站内线间换乘前线路、换乘前方向、站内线间换乘后线路和换乘后方向属性;
3.根据权利要求2所述的方法,其特征在于,所述的步骤2中的根据列车运行图添加换乘衔接前的列车服务相关属性,该列车服务相关属性包括换乘前线站点相关的站点编号、列车编号、到站时间及离站时间属性,基于列车服务相关属性和所述换乘站线间物理衔接模型建立换乘衔接索引列车服务序列,包括:
根据列车运行图获取列车时刻表属性(TID,Tarr,Tdep,Tsta,Tline,Tsequence),其中,TID表示列车编号,Tarr表示列车到站时间,Tdep表示列车离站时间,Tsta表示车站名称,Tline表示线路名称,Tsequence表示站点序列;
5.根据权利要求4所述的方法,其特征在于,所述的步骤4中的利用列车衔接匹配模型和动态仿真演化模型选取衡量换乘站线间衔接能力的时空特征,该时空特征包括基于仿真和匹配的乘客时空出行模式和列车衔接模式,包括:
根据自动售检票***AFC数据、列车运行图和网络拓扑数据拟合各个站点的进站走行、滞留、换乘走行和出站走行分布参数;
将所述进站走行、滞留、换乘走行和出站走行分布参数带入动态仿真演化模型,对每一个乘客个体的出行轨迹进行仿真模拟;
根据乘客出行轨迹和列车时刻表提供基于个体时空特征单元,包括乘客出行时空模式和列车衔接模式。
6.根据权利要求5所述的方法,其特征在于,所述的乘客出行时空模式中涉及的换乘衔接目标站台的乘客滞留后时刻序列、乘客进站到达时刻序列、乘客换乘到达时刻序列和混合客流数量通过动态仿真演化模型获取,具体包括:
滞留乘客、进站乘客和换乘乘客组成混合流,根据时刻进行排序,混合客流的乘客到达时刻序列为:
7.根据权利要求6所述的方法,其特征在于,所述的列车衔接模式中目标列车衔接时长、分时换乘衔接目标列车数量通过列车衔接匹配模型获取,列车剩余承载能力通过动态仿真演化模型获取,具体包括:
确定换乘衔接目标列车衔接时间序列:
8.根据权利要求7所述的方法,其特征在于,所述的定义基于所述时空特征的城市轨道交通网络换乘衔接多层级评估指标,所述指标包括同一衔接方向下列车服务衔接能力匹配、换乘站线间不同衔接方向下换乘能力匹配度、不同换乘站换乘能力匹配度,包括:
定义表征对列车服务、换乘方向服务和换乘站服务的换乘衔接能力的评估指标,该评估指标包括同一衔接方向下列车服务衔接能力匹配度(α)、换乘站内线间不同衔接方向下换乘能力匹配度(β)和不同换乘站换乘能力匹配度(γ);
同一衔接方向下列车服务衔接能力匹配度(α)由列车衔接匹配度x1、换乘成功率x2和换乘时间匹配度计算,换乘站内线间不同衔接方向下换乘能力匹配度(β)由同一衔接方向下α的加权平均值,不同换乘站换乘能力匹配度(γ)是对同一站下β的加权平均值;
计算同一衔接方向下列车服务衔接能力匹配度(α),输入列车衔接匹配度、换乘成功率、换乘时间匹配度,计算同一衔接方向下列车服务衔接能力匹配度(α):
其中,k——第j辆被衔接列车对应的第k辆衔接列车;
n——衔接列车总数量;
ω1——列车衔接匹配度权值;
ω2——换乘成功率权值;
ω3——换乘时间匹配度权值;
x1——同一列车服务的列车衔接匹配度;
x2——列车服务的换乘成功率;
计算换乘站内线间不同衔接方向下换乘能力匹配度(β),对同一换乘方向下的所有被衔接列车的列车衔接匹配度、换乘成功率、换乘时间匹配度取均值进行计算;
其中,j——同一衔接方向下的第j辆被衔接列车;
p——同一方向下的被衔接列车总数;
其他含义如(4)。
计算不同换乘站换乘能力匹配度(γ),对同一换乘站内所有换乘方向中的被衔接列车的列车衔接匹配度、换乘成功率、换乘时间匹配度取均值进行计算;
其中,m——同一个换乘站内所有换乘方向中第m辆被衔接的列车;
l——同一个换乘站内所有换乘后线被衔接列车总数。
其他含义如(4)。
9.根据权利要求8所述的方法,其特征在于,所述的步骤6中的利用所述城市轨道交通网络换乘衔接多层级评估指标构建换乘衔接评价模型,利用所述换乘衔接评价模型分别对不同换乘站、换乘站线间不同换乘方向及同一换乘站不同衔接方向下不同的列车服务能力进行多层级评价分析,包括:
构造加权规范矩阵,将所述列车衔接匹配度x1、换乘成功率x2以及换乘时间匹配度三个评价指标进行向量规范化,即每一列元素都除以当前列向量的范数,得到归一化处理之后的标准形式Z,即同一衔接方向下列车服务衔接能力匹配度α对应的指标规范矩阵;
根据列车衔接匹配度、列车换乘时间匹配度以及换乘成功率的业务逻辑以及定义,当列车的换乘时间匹配度大于1时,换乘乘客无法换乘到该列车,将该列车分配到下一辆衔接列车,该列车与当前衔接列车的匹配度等级最低;
其中,K=1/lnn
分别计算α规范矩阵各指标的最大值Z+和最小值Z-,最大值Z+为最优方案,最小值Z-为最差方案;
计算α规范矩阵中各个评价指标与最优方案的贴近程度Ci;
根据所述接近程度Ci对所有的列车服务进行排序,Ci值越高说明该列车服务换乘衔接效果越好。
判断此时的换乘方向是否遍历完毕,如果没有遍历完毕,则继续进行遍历,如果便利完毕,则判断此时的换乘站是否遍历完毕,如果没有遍历完毕,则继续进行遍历,反之结束程序。
分别将同一衔接方向下列车服务衔接能力匹配度(α)中的各指标按换乘方向以及车站进行加权平均,得到换乘站内线间不同衔接方向下换乘能力匹配度(β)、不同换乘站换乘能力匹配度(γ)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211557287.9A CN116341921B (zh) | 2022-12-06 | 2022-12-06 | 一种数据驱动的城市轨道交通换乘衔接能力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211557287.9A CN116341921B (zh) | 2022-12-06 | 2022-12-06 | 一种数据驱动的城市轨道交通换乘衔接能力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116341921A true CN116341921A (zh) | 2023-06-27 |
CN116341921B CN116341921B (zh) | 2023-09-26 |
Family
ID=86893574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211557287.9A Active CN116341921B (zh) | 2022-12-06 | 2022-12-06 | 一种数据驱动的城市轨道交通换乘衔接能力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116341921B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358357A (zh) * | 2017-07-12 | 2017-11-17 | 北京市轨道交通设计研究院有限公司 | 城市轨道交通换乘车站评价方法 |
CN111367900A (zh) * | 2020-02-26 | 2020-07-03 | 北京交通大学 | 基于afc数据的城市轨道交通网络常态限流强度的计算方法 |
WO2021068602A1 (zh) * | 2019-10-10 | 2021-04-15 | 北京全路通信信号研究设计院集团有限公司 | 一种多制式多业务轨道交通仿真模拟方法及*** |
CN115049156A (zh) * | 2022-08-11 | 2022-09-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通线网运行图衔接优化方法、电子设备及存储介质 |
-
2022
- 2022-12-06 CN CN202211557287.9A patent/CN116341921B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358357A (zh) * | 2017-07-12 | 2017-11-17 | 北京市轨道交通设计研究院有限公司 | 城市轨道交通换乘车站评价方法 |
WO2021068602A1 (zh) * | 2019-10-10 | 2021-04-15 | 北京全路通信信号研究设计院集团有限公司 | 一种多制式多业务轨道交通仿真模拟方法及*** |
CN111367900A (zh) * | 2020-02-26 | 2020-07-03 | 北京交通大学 | 基于afc数据的城市轨道交通网络常态限流强度的计算方法 |
CN115049156A (zh) * | 2022-08-11 | 2022-09-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通线网运行图衔接优化方法、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
任美君;朱从坤;: "轨道交通换乘站换乘设施服务水平评价指标与标准研究", 盐城工学院学报(自然科学版), no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN116341921B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580404B (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
CN110428096B (zh) | 基于票务信息的城市轨道交通多交路运输组织优化方法 | |
CN103984994B (zh) | 一种城市轨道交通客流高峰持续时间预测方法 | |
CN105844362B (zh) | 一种城市交通综合出行决策装置 | |
CN111191816B (zh) | 城市轨道交通乘客出行时间链辨识*** | |
CN111598427B (zh) | 一种城市轨道交通站点重要度评价方法 | |
CN108009972B (zh) | 一种基于多源数据校核的多方式出行o-d需求估计方法 | |
CN110222972B (zh) | 一种基于数据驱动的城市轨道交通路网协同限流方法 | |
US20210354731A1 (en) | Method and system for identifying traveling backward passengers and boarding trains in rail transit | |
CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
CN108665140A (zh) | 一种城际铁路客运枢纽交通衔接***评价方法 | |
CN110149593A (zh) | 基于移动台信令的路网客流状态辨识方法 | |
CN111898793B (zh) | 一种组合出行方式下考虑用户感知差异性的路径选择方法 | |
CN106897801A (zh) | 司机分类的方法、装置、设备以及存储介质 | |
CN112990648A (zh) | 一种轨道交通网络运营稳定性评估方法 | |
Yu et al. | Data-driven approach for solving the route choice problem with traveling backward behavior in congested metro systems | |
CN115547052A (zh) | 改进自适应大领域算法的动态需求响应电动公交调度方法 | |
CN110909434A (zh) | 一种低碳导向下的城市公共交通干线网络设计方法 | |
CN111899511A (zh) | 一种共线线路avl数据的公交车到站时间预测方法 | |
Si et al. | Urban transit assignment model based on augmented network with in-vehicle congestion and transfer congestion | |
CN111008736A (zh) | 用于新航线的开通决策方法及*** | |
CN116341921B (zh) | 一种数据驱动的城市轨道交通换乘衔接能力评估方法 | |
CN111126878B (zh) | 一种基于生态指数的城市交通运行评价方法 | |
Wang et al. | Mass transit route network design using genetic algorithm | |
CN116564551A (zh) | 一种数据-知识驱动的城市轨道交通风险辨识方法 |
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 |