CN117236790B - 城市轨道交通运力与客流适应性评估方法、***及设备 - Google Patents
城市轨道交通运力与客流适应性评估方法、***及设备 Download PDFInfo
- Publication number
- CN117236790B CN117236790B CN202311490207.7A CN202311490207A CN117236790B CN 117236790 B CN117236790 B CN 117236790B CN 202311490207 A CN202311490207 A CN 202311490207A CN 117236790 B CN117236790 B CN 117236790B
- Authority
- CN
- China
- Prior art keywords
- train
- passenger
- capacity
- station
- index
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 95
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000002452 interceptive effect Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 32
- 238000011160 research Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 3
- 239000013598 vector Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种城市轨道交通运力与客流适应性评估方法、***及设备，涉及城市轨道交通列车运行图评价领域。该方法需要的数据基础包括：线路基本信息、该线路全天的乘客刷卡信息、列车时刻表、列车定员、列车额定容量，利用交互匹配算法获得所需的列车载客量、车站滞留人数、上车人数、候车时间四类微观指标，在评估层面，建立了线路平均满载率、平均乘车舒适度、平均候车时间、车站滞留总人次四个评估指标，根据得到的微观指标计算出全天各时段对应的评估指标，然后采用CRITIC法对各指标进行赋权，最后基于TOPSIS法对全天各时段的运力客流适应性程度进行评估，得到各时段的评估结果。
Description
技术领域
本发明属于城市轨道交通列车运行图评价技术领域，具体涉及一种城市轨道交通运力与客流适应性评估方法、***及设备。
背景技术
近年来，城市轨道交通凭借其快捷、绿色、安全和运量大的特点，逐渐成为居民的主要出行方式，很好地缓解了城市化带来的道路交通拥堵问题。但是随着我国人民生活水平的不断提高，乘客对于出行的需求更加多样化，对快捷性、安全性、舒适性等方面提出了更高的要求，这就需要运营单位加大运力投入以提高服务水平。运营单位作为运力供给方，希望运力能够被充分利用，但这样会降低服务水平，而乘客作为需求方，希望得到较高的服务水平，但这样可能让运力浪费，因此运力利用和乘客需求一定程度上是矛盾的。为了既满足乘客出行需求，又避免运力被过多浪费，运营单位需要合理地配置有限的运力资源，而对城市轨道交通运力客流的适应性进行科学、准确评估，可以为运力调整提供方向，因此是一项十分重要的工作。城市轨道交通客流适应评估工作主要可以分为三大步骤：首先是相关数据的准备，如时刻表、客流数据等，然后是评估指标的选取、定义、计算，最后是选取合适的评估方法进行评估。当前对于城市轨道交通运力客流适应性的评估方法，还存在以下不足：
1．大多都是直接基于以分钟间隔统计的OD客流数据，进而计算出上下车人数、载客量，乘客候车时间等微观指标，并没有基于乘客刷卡数据，设计乘客和列车的交互匹配算法得到这些微观指标，微观指标不够准确。
2．描述运力利用和乘客需求两方面的评估指标的量化方法还有改善空间，例如过去采用最大断面满载率描述运力利用，未考虑其他断面的运力利用情况；平均乘车舒适度只是采用各个区间舒适度的平均值，未考虑不同区间载客量的差异；乘客的平均候车时间多采用均匀客流下乘客候车时间为发车间隔的一半，未从实际考虑。
发明内容
本发明针对现有技术的不足，提供一种城市轨道交通运力与客流适应性评估方法、***及设备。
本发明通过以下技术方案实现该目的：
一种城市轨道交通运力与客流适应性评估方法，包括以下步骤：
S1：采集运力与客流数据信息并对数据进行预处理；
S2：确定微观指标并基于预处理的采集数据通过交互匹配算法计算微观指标；
S3：确定评估指标并根据微观指标计算评估指标矩阵；
S4：基于CRITIC-TOPSIS法对评估指标矩阵进行城市轨道交通运力与客流适应性评估。
进一步，所述步骤S1具体包括如下步骤：
S1.1：采集运力与客流数据信息，包括：线路基本信息，包含运营时间及站点个数信息；列车时刻表；线路全天的乘客刷卡数据，包含乘客编号、进出站编号、进出站时刻信息；列车定员、列车额定容量信息；
S1.2：数据预处理：对列车时刻表数据和乘客刷卡数据进行预处理，处理流程包括：将列车时刻表及乘客刷卡信息中的时间信息均统一换算为以秒为单位的时间；剔除乘客刷卡数据中的异常数据，包括：有信息缺失的数据、在运营时间范围外产生的交易数据、出站时间早于进站时间的数据及同站进出的数据。
进一步，所述微观指标包括列车载客量、车站滞留人数、上车人数、候车时间；所述评估指标包括线路平均满载率、平均乘车舒适度、平均候车时间、车站滞留总人次。
进一步，所述步骤S2具体采用如下步骤：
S2.1：输入预处理后的列车时刻表数据、乘客刷卡数据以及线路基本信息和列车容量信息，并构建一个空的表示站台的数据容器platform，用以容纳站台乘客信息；每位乘客信息由编号ID，出发站O，到达站D，进站时间Tin和出站时间Tout五个字段组成；
S2.2：初始化k=1，k∈{1,2,…,n}为列车集合；
S2.3：构建一个空的表示列车的数据容器car，用以容纳车上乘客信息。类似地，列车作为承载乘客的载体，也可以看成由表示车上乘客的向量构成的矩阵。初始化列车容量为CN，CN表示列车额定容量，列车的剩余容量C为一个变量，令i=Sk[1]，i∈Sk={Sk[1],Sk[2],…,Sk[end]}为k列车的可达车站集合，Sk是所有车站集合的子集，Sk∈{1,2,…,m}；
S2.4：若i是列车的终到站且为线路终点站，转至S2.10；否则，根据乘客的进站时间Tin及出发站O筛选出到i站等候k次列车的乘客，将这些乘客添加至对应的站台容器platform[i]中，筛选条件如下：
且O=i，表示出发站O为当前i站
其中，tbegin表示列车运营开始时间，dTi k表示第k次列车在第i站的离开时间；
计算此时在i站等候k次列车的候车人数Wi k，Wi k值等于站台容器platform[i]此时的数据量，如下式所示：
；
S2.5：若i是列车的始发站，转至S2.6；若i是小交路的终点站，转至S2.7；否则，根据车上乘客的到达站D为当前i站，表示为，从列车容器car中删除在i站下车的乘客，然后计算此时k列车的剩余容量，此时列车的剩余容量为列车额定容量与此时列车容器car中还剩余的乘客数量之差，如下所示：
；
S2.6：计算在i站上k列车的人数及这些乘客候车时间的总和/>，上车人数由此时列车的剩余容量决定，计算式如下：
；
在i站等候k列车乘客的候车时间总和为所有上车乘客候车时间之和，计算式如下：
；
其中，表示乘客j的进站时间；
然后将站台容器platform[i]中能上车的乘客添加至列车容器car中，并更新此时列车的剩余容量，最后从站台容器platform[i]中删除刚上车的乘客， 完成乘客的上车过程，转至S2.8；
S2.7：根据乘客的到达站筛选出列车容器car中不在i站下车的乘客，这部分乘客需要下车后继续等候下趟列车，将这些乘客添加到站台容器platform[i]中，然后转至S2.10；
S2.8：计算i站未能上k列车而滞留的人数及k列车在区间(i,i+1)的载客量/>，滞留人数为此时站台容器platform[i]剩余的乘客数量，表示为候车人数/>与上车人数之差，计算式如下：
；
当k列车在i站完成乘客的上下车过程后，其在区间(i,i+1)运行时的载客量计算式如下：
；
S2.9：令i=i+1，转至S2.4，直到遍历完k列车的所有可达车站；
S2.10：判定k是否为最后一班列车，若是，则计算结束；若否，则令k=k+1，转至S2.3，直到遍历完所有列车；
通过上述S2.1至S2.10过程获得所有列车在所有区间的载客量、在所有车站的候车时间总和、滞留人数、上车人数四个微观指标。
进一步，所述步骤S3中根据微观指标计算评估指标矩阵，具体采用如下步骤：
S3.1：初始化时段为列车运营开始时间；
S3.2：根据四个微观指标的发生时间筛选出在该时段范围内的微观指标；
S3.3：计算该时段的线路平均满载率，k列车在区间(i,i+1)的列车满载率的计算式如下：
；
式中，为k列车在区间(i,i+1)的载客量，C0为列车定员；
研究时段内线路平均满载率ρ的计算式如下：
；
式中，Train为研究时段内涉及列车的集合，Sk为k列车在研究时段内的行程中包含的车站集合，|Sk|为集合Sk所包含的车站数量；
S3.4：计算平均乘车舒适度，当载客量低于列车座位数时，舒适度为1；舒适度随载客量增加而降低；当载客量达到列车定员时，舒适度为0；当载客量超过列车定员后，舒适度为负，为简化计算，k列车在区间(i,i+1)的乘车舒适度用“降半梯形函数”来进行表示，计算式如下：
；
式中，seat为座位数，为k列车在区间(i,i+1)的载客量，C0为列车定员，CN为列车额定容量且大于列车定员；
平均乘车舒适度为所有列车在所有区间的乘车舒适度进行加权平均，各个区间权重按照区间载客量占所有区间载客量总和的比例确定，研究时段内的平均乘车舒适度f的计算式如下：
；
式中，为k列车在区间(i,i+1)的乘车舒适度，/>为该舒适度的权重；
S3.5：计算平均候车时间，乘客的平均候车时间是研究时段内整条线路所有上车乘客候车时间的平均值，其计算式如下：
；
式中，tw为平均候车时间，为在i站坐上k列车的乘客候车时间总和，/>为在i站乘坐上k列车的人数；
S3.6：计算车站滞留总人次，研究时段内车站滞留总人次L的计算式如下：
；
式中，为k列车离开i站后的滞留人数；
S3.7：判定该时段是否为运营最终收车时段，若是，则计算结束；若否，继续下一个时段，转至S3.2，直至计算出所有运营时段对应的四个评估指标；
通过上述S3.1至S3.7过程最终得到n×4的评估指标矩阵，n代表全天的运行时段数，每个时段对应有4个评估指标。
进一步，所述步骤S4中的基于CRITIC-TOPSIS法进行最终评估，其具体步骤如下：
S4.1：使用CRITIC法对评估指标赋权，具体步骤如下：
设有n个待评估样本，m个评估指标，形成原始的评估指标矩阵：
；
S4.1.1对各项指标进行标准化处理，使得标准化后的各项指标的取值全部落于[0,1]区间，对于平均乘车舒适度指标，其为效益性指标，其标准化处理公式为：
；
对于平均候车时间和车站滞留总人次两个指标，其为成本型指标，其标准化处理公式为：
；
对于线路平均满载率指标，其为中间型指标，设理想取值为，其标准化公式为：
；
标准化后的评估指标矩阵变为：
；
S4.1.2计算指标变异性，第j个指标的标准差计算式如下：
；
式中，是第j个指标的平均值，j=1,2,…m，n为评估样本数；
S4.1.3计算指标冲突性，第j个指标与其他指标的冲突性计算式如下：
；
式中，为指标i和指标j之间的相关性系数；
S4.1.4计算信息量及权重，第j个指标的信息量的计算公式为：
；
第j个指标被分配的权重为：
；
S4.2：利用TOPSIS法对不同时段的运力客流适应性进行评估，具体步骤如下：
S4.2.1构建标准化加权矩阵，在标准化后的评估指标矩阵基础上，对每项评估指标乘以对应的权重，得到标准化加权矩阵：
；
S4.2.2确定正负理想解及各时段的指标距正负理想解的距离：设第j个指标的正理想解为，负理想解为/>；
正理想解：
；
负理想解：
；
第i个时段距离正理想解与负理想解的距离为：
；
S4.2.3计算第i个时段的运力客流适应性评估值：
；
式中，Zi为第i个时段内运力与客流适应性的评估值，其取值范围为[0,1]，值越大，表明i时段内运力与客流的适应性程度越好。
本发明还提供了一种城市轨道交通运力与客流适应性评估***，使用上述的城市轨道交通运力与客流适应性评估方法，所述***包括：
数据采集及预处理模块，所述数据采集及预处理模块用于采集运力与客流数据信息，并对数据进行预处理，剔除乘客刷卡数据中的异常数据；
微观指标生成模块，所述微观指标生成模块用于基于预处理的数据信息采用交互匹配算法计算微观指标数据；
评估指标生成模块，用于根据微观指标计算出所述评估指标矩阵；
评估模块，用于通过CRITIC-TOPSIS综合评价对不同时段的运力与客流适应性进行评估。
本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的城市轨道交通运力与客流适应性评估方法。
本发明还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的城市轨道交通运力与客流适应性评估方法。
相对于现有技术，本发明具有的有益效果为：
本发明综合考虑了运力利用和客流需求两方面的指标，指标的赋权采用了较为全面的CRITIC法，并且通过实现乘客列车的交互匹配算法来获得更加贴近实际的微观指标，评估指标的量化方式更加合理。该方法可以为城市轨道交通列车运力与客流需求的适应性程度进行科学合理有效的分析与评价，反映出运力配置是否合理，为列车运力调整提供参考，为列车运行图质量优化提供理论支撑。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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示例性的，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，还可以根据提供的附图引申获得其它的实施附图。
图1为本发明评估方法流程图；
图2为微观指标计算过程流程图；
图3为评估指标计算过程流程图；
图4为各时段评估结果图；
图5为归一化后各时段的评估指标相对值图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明公开了一种城市轨道交通运力与客流适应性评估方法，如图1所示，包括以下步骤：
步骤S1：采集运力与客流数据信息并对数据进行预处理。
S1.1：首先采集如下数据，包括：线路基本信息，包含运营时间及站点个数信息；列车时刻表，列车时刻表是描述每趟列车在每个车站到发时刻的技术文件；该线路全天的乘客刷卡数据，包含乘客编号、进出站编号、进出站时刻信息；列车列车定员、列车额定容量信息。
已知评估线路上行方向包括35个站点，运营时间为5:00-23:00；列车时刻表包含全天273趟列车在35个站点的到发时刻，格式为HHMMSS，大小交路的列车在交路之外车站的到发时刻为空；乘客刷卡数据包含乘客一卡通编号、乘客进站编号、乘客出站编号、乘客进站时间、乘客出站时间五个字段，时间的格式同样为HHMMSS，共四十万余条刷卡信息；该线路列车全天采用6B编组，定员为1460，额定容量为1660。
S1.2：对数据进行预处理：将列车时刻表中的时间格式由HHMMSS换算为S(秒)，剔除乘客刷卡数据中的异常数据，包括：有信息缺失的数据、在运营时间范围外产生的交易数据、出站时间早于进站时间的数据及同站进出的数据。
步骤S2：确定微观指标并基于预处理的采集数据通过交互匹配算法计算微观指标。
微观指标包括列车载客量、车站滞留人数、上车人数、候车时间，通过交互匹配算法计算微观指标，流程如图2所示，具体采用如下步骤：
S2.1：输入预处理后的列车时刻表数据、乘客刷卡数据以及线路基本信息和列车信息，并构建一个空的表示站台的数据容器platform，用以容纳站台乘客信息；每位乘客信息由编号ID，出发站O，到达站D，进站时间Tin和出站时间Tout五个字段组成，因此每位乘客信息可以视为一个五维的行向量，站台作为容纳乘客的载体之一，就可以视为由表示站台乘客的向量构成的矩阵；
S2.2：初始化k=1，k∈{1,2,…,n}为列车集合；
S2.3：构建一个空的表示列车的数据容器car，用以容纳车上乘客信息。类似地，列车作为承载乘客的载体，也可以看成由表示车上乘客的向量构成的矩阵。初始化列车容量为CN，CN表示列车额定容量，列车的剩余容量C为一个变量，令i=Sk[1]，i∈Sk={Sk[1],Sk[2],…,Sk[end]}为k列车的可达车站集合，Sk是所有车站集合的子集，Sk∈{1,2,…,m}；
S2.4：若i是列车的终到站且为线路终点站，转至S2.10，否则，根据乘客的进站时间Tin及出发站O筛选出到i站等候k次列车的乘客，然后将这些乘客添加至对应的站台容器platform[i]中，筛选条件如下：
且O=i，表示出发站O为当前i站
其中，tbegin表示运营开始时间，dTi k表示第k次列车在第i站的离开时间。
计算此时在i站等候k次列车的候车人数Wi k，Wi k值等于站台容器platform[i]此时的数据量，如下式所示：
；
S2.5：若i是列车的始发站，转至S2.6；若i是列车终到站但不是线路的终点站，即小交路模式的终点站，转至S2.7；否则，根据车上乘客的到达站D为当前i站，表示为，从列车容器car中删除在i站下车的乘客，然后更新此时k列车的剩余容量C，此时列车的剩余容量为列车额定容量与此时列车容器car中还剩余的乘客数量之差，如下所示：
；
S2.6：计算在i站上k列车的人数及这些乘客候车时间的总和/>，上车人数由此时列车的剩余容量决定，计算式如下：
；
在i站等候k列车乘客的候车时间总和为所有上车乘客候车时间之和，计算式如下：
；
其中，表示乘客j的进站时间。
然后将站台容器platform[i]中能上车的乘客添加至列车容器car中，并更新此时列车的剩余容量，最后从站台容器platform[i]中删除刚上车的乘客，完成乘客的上车过程，转至S2.8；
S2.7：根据乘客的到达站筛选出列车容器car中不在i站下车的乘客，这部分乘客需要下车后继续等候下趟列车，将这些乘客添加到站台容器platform[i]中，然后转至S2.10；
S2.8：计算i站未能上k列车而滞留的人数及k列车在区间(i,i+1)的载客量/>，滞留人数就是此时站台容器platform[i]剩余的乘客数量，也可以表示为候车人数/>与上车人数/>之差，计算式如下：
；
当k列车在i站完成乘客的上下车过程后，其在区间(i,i+1)运行时的载客量也就确定了，其计算式如下：
；
S2.9：令i=i+1，转至S2.4，直到遍历完k列车的所有可达车站；
S2.10：判定k是否为最后一班列车，若是，则计算结束；若否，则令k=k+1，转至S2.3，直到遍历完所有列车。
通过上述S2.1至S2.10过程获得所有列车在所有区间的载客量，在所有车站的候车时间总和、滞留人数、上车人数四个微观指标。
使用MATLAB进行上述S2.1至S2.10算法的实现，将全天列车的趟数、站点个数、列车定员及额定容量等数据信息采用变量进行存储；构建一个1×5的元胞数组，每个元胞为273×34的二维数组，分别用于保存每趟车在每个区间的载客量、在每个站的上车人数、每个站上车乘客的候车时间总和、每个站的滞留人数这四个微观指标以及这些微观指标发生的时刻；构建一个1×34的元胞数组代表34个站台(第35个不需要考虑)，列车采用数组来表示；接下来就可以根据前面所提到的乘客-列车的交互匹配算法，从全天第一趟列车第一个车站开始依次遍历所有列车和所有车站，推演乘客候车过程及乘客上下车与列车进出站过程，完成乘客与列车的交互匹配，程序最终返回保存了四个微观指标和时间信息的1×5元胞数组。
步骤S3：确定评估指标并根据微观指标计算评估指标矩阵。
评估指标包括线路平均满载率、平均乘车舒适度、平均候车时间、车站滞留总人次，根据微观指标计算评估指标矩阵，流程如图3所示，具体采用如下步骤：
S3.1：初始化时段为列车运营开始时间；
S3.2：根据四个微观指标的发生时间筛选出在该时段范围内的微观指标；
S3.3：计算该时段的线路平均满载率，线路平均满载率是指研究时段内所有列车满载率的平均值，此为描述列车运输能力利用情况的指标，而列车满载率是指列车在某区间运行时的载客量与列车定员的比值，反映了该列车在该区间运输能力的利用情况，列车满载率越高，该列车在该区间运输能力的利用就越好，k列车在区间(i,i+1)的列车满载率的计算式如下：
；
式中，为k列车在区间(i,i+1)的载客量，C0为列车定员。
对研究时段内的整条线路来说，需要考虑列车在每个区间运输能力利用的情况，故可以用研究时段内涉及的所有列车满载率的平均值来衡量，即为线路平均满载率，线路平均满载率越高，表明整条线路运力的利用情况就越好，每趟列车在每个区间都承载了尽可能多的乘客，这是运营单位希望看到的，但考虑到当线路平均满载率过高时，可能出现乘客过度拥挤、车站滞留的现象，导致乘客流失或者引发安全问题，这又是运营单位不愿发生的，故线路平均满载率应该属于一个中间型指标，其理想取值应该根据不同线路的客流特点而有所不同，研究时段内线路平均满载率ρ的计算式如下：
；
式中，Train为研究时段内涉及列车的集合，Sk为k列车在研究时段内的行程中包含的车站集合，|Sk|为集合Sk所包含的车站数量。
S3.4：计算平均乘车舒适度，平均乘车舒适度是指研究时段内涉及所有列车在所有区间的乘车舒适度的平均值，此为描述乘客对于乘车舒适性需求的指标。据相关研究表明，影响乘客乘车舒适度的因素很多，如乘客心理、空气湿度、空气温度、空间密度等，但主要还是取决于与拥挤程度有关的空间舒适度，本发明基于空间舒适度的角度，认为乘客乘车舒适度取决于列车承载乘客数量的多少：当载客量低于列车座位数时，人人都有座，舒适度为1；当乘客多起来，有乘客站立时，舒适度随载客量增加而降低；当载客量达到列车定员时，此时只能保证乘客的基本空间，较为拥挤，舒适度为0；当载客量超过列车定员后，乘客之间有明显互相挤压，人满为患，舒适度为负，为简化计算，k列车在区间(i,i+1)的乘车舒适度用“降半梯形函数”来进行表示，计算式如下：
；
式中，seat为座位数，为k列车在区间(i,i+1)的载客量，C0为列车定员，CN为列车额定容量且大于列车定员。
平均乘车舒适度为研究时段内整条线路涉及的所有列车在所有区间的乘车舒适度的平均值，考虑到实际中不同区间载客量的差异较大，而平均乘客舒适度需要反映多数乘客的乘车舒适度，故应对所有列车在所有区间的乘车舒适度进行加权平均，各个区间权重按照区间载客量占所有区间载客量总和的比例确定，故研究时段内的平均乘车舒适度f的计算式如下：
；
式中，为k列车在区间(i,i+1)的乘车舒适度，/>为该舒适度的权重。
S3.5：计算平均候车时间，平均候车时间是指研究时段内整条线路所有上车乘客候车时间的平均值，此为描述乘客对于乘车快捷性需求的指标。乘客通过乘坐轨道交通列车出行时，对于快捷性有着一定要求，即出行时间要尽可能地短，而出行时间由乘客的候车时间和在车时间组成。当乘客的起终点一定时，其在车时间一般也就固定了，因此乘客的出行时间主要取决于候车时间，候车时间直接影响了乘客出行的快捷性，研究时段内所有乘客的平均候车时间则反映了整条线路的快捷性。需要注意的是，乘客只有乘坐上列车，才存在候车时间，所以，乘客的平均候车时间是研究时段内整条线路所有上车乘客候车时间的平均值，其计算式如下：
；
式中，tw为平均候车时间，为在i站坐上k列车的乘客候车时间总和，/>为在i站乘坐上k列车的人数；
S3.6：计算车站滞留总人次，车站滞留总人次是指研究时段内涉及的所有站台滞留的人次的总和，此为描述乘客对于站台安全性需求的指标。在轨道交通***中，在列车到达站台后，将与乘客完成上下车的交互过程，但由于列车的容量限制，并不是任何情况下候车乘客都可以全部上车，无法上车的乘客只能滞留在站台等候后续列车。特别是在高峰时段、热门站点，乘客滞留的现象会比较严重，不仅使得滞留乘客增加额外的候车时间、站内拥挤程度变高，还会带来一定的安全隐患，因此车站滞留人数在一定程度上可以反映乘客在站台的安全性，研究时段内车站滞留总人次L的计算式如下：
；
式中，为k列车离开i站后的滞留人数；
S3.7：判定该时段是否为运营最终收车时段，若是，则计算结束；若否，继续下一个时段，转至S3.2，直至计算出所有运营时段对应的四个评估指标；
通过上述S3.1至S3.7过程最终得到n×4的评估指标矩阵，n代表全天的时段数，每个时段对应有4个评估指标。
从5:00-6:00时段开始，截止到22:00-23:00时段，根据微观指标发生的时间，筛选出当前时段包含的微观指标，进而计算当前时段内的线路平均满载率、平均乘车舒适度、平均候车时间、滞留总人次四个评估指标；依次计算全天18个时段的四个评估指标，组成18×4的评估指标矩阵，全天18个时段的四个评估指标结果如表1所示：
表1 各时段指标结果
步骤S4：基于CRITIC-TOPSIS法对评估指标矩阵进行城市轨道交通运力与客流适应性评估。
步骤S4.1：采用CRITIC法对指标进行赋权。
在进行多指标综合评估时，合理地给各项指标赋权是一个关键问题，可以分为主观赋权法和客观赋权法。CRITIC法是一种较为全面的客观赋权方法，同时考虑了指标的变异性和冲突性，是一种比熵权法和标准差法更好的客观赋权方法。CRITIC法的基本思想是根据指标的变异性和冲突性综合确定指标权重，用标准差衡量某一指标的变异性，标准差越大，表示指标的变异性越强；以指标间的相关性衡量冲突性，相关性越强，指标间的冲突性越低。
CRITIC法赋权的具体步骤如下：
设有n个待评估样本，m个评估指标，形成原始的评估指标矩阵：
；
S4.1.1：数据标准化处理：为了消除不同指标的不同量纲对评估结果的影响，需要对各项指标进行标准化处理，使得标准化后的各项指标的取值全部落于[0,1]区间。对于平均乘车舒适度指标，其为效益性指标(越大越好)，其标准化处理公式为：
；
对于平均候车时间和车站滞留总人次两个指标，其为成本型指标(越小越好)，其标准化处理公式为：
；
对于线路平均满载率指标，其为中间型指标(越靠近理想值越好)，设理想取值为，其标准化公式为：
；
标准化后的评估指标矩阵变为：
；
S4.1.2：计算指标变异性：在CRITIC法中，指标的变异性是以同一指标不同取值的标准差来体现的，第j个指标的标准差计算式如下：
；
式中，是第j个指标的平均值，j=1,2,…m，n为评估样本数。
S4.1.3：计算指标冲突性：在CRITIC法中，指标的冲突性是以某一指标与其他指标之间的相关性为基础的，第j个指标与其他指标的冲突性计算式如下：
；
式中，为指标i和指标j之间的相关性系数。
S4.1.4：计算信息量及权重：基于指标的变异性和冲突性，可以得到指标所包含的信息量的大小，信息量越大，则指标在评估体系中的作用就越大，就应该分配更多的权重。第j个指标的信息量的计算公式为：
；
第j个指标被分配的权重为：
；
首先对四个评估指标进行标准化消除量纲；平均乘车舒适度采用效益型指标(越大越好)的标准化公式，平均候车时间和车站滞留总人次采用成本型指标(越小越好)的标准化公式，而线路平均满载率采用中间型指标(越靠近理想值越好)的标准化公式，认为恰好不出现滞留情况时的线路平均满载率为理想取值，这时既保证了运力被充分地利用又不会出现滞留这种严重影响乘客服务水平的情况，在本例中线路平均满载率的理想取值为ρbest=0.4；然后根据CRITIC法计算各项指标的冲突性和变异性，进而得到各项评估指标的权重，权重结果如表2所示：
表2 各评估指标权重
再将标准化后的评估指标乘以各自的权重得到标准化加权矩阵，以便后面进行TOPSIS评估。
步骤S4.2：利用TOPSIS法对不同时段的运力客流适应性进行评估。
TOPSIS(优劣解距离法)是一种常用的综合评估方法，其基本思想在于选出正负理想解后，根据当前一组指标取值接近正理想解远离负理想解的相对贴近度作为判断其优劣的标准。TOPSIS法可操作性强，能够充分利用原始数据，在众多领域得到了广泛的应用。本发明中，将利用TOPSIS法对不同时段的运力客流适应性进行评估，具体步骤如下：
S4.2.1：构建标准化加权矩阵，在标准化后的评估指标矩阵基础上，对每项评估指标乘以它对应的权重，得到标准化加权矩阵：
；
S4.2.2：确定正负理想解及各时段的指标距正负理想解的距离：设第j个指标的正理想解为，负理想解为/>；
正理想解：
；
负理想解：
；
第i个时段距离正理想解与负理想解的距离为：
；
S4.2.3：计算第i个时段的运力客流适应性评估值：
；
式中，Zi为第i个时段内运力与客流适应性的评估值，一般称为贴近度，其取值范围为[0,1]，值越大，表明i时段内运力与客流的适应性程度越好。
最终利用TOPSIS法对研究对象全天各时段的运力与客流适应性进行评估的评估结果如表3所示：
表3 各时段评估结果
如图4所示，通过结果图能够直观了解各时段的运力客流适应性评估结果，由此得出：全日运力客流适应性最差的是运营开始时段5:00-6:00和收车时段22:00-23:00以及早高峰的8:00-9:00时段，均只有47%左右。早高峰6:00-10:00各时段适应性波动幅度很大，6:00-7:00和9:00-10:00适应性程度接近70%，适应性较好；但7:00-8:00和8:00-9:00时段在55%以下，适应性较差。平峰10:00-16:00时段适应性值不高但比较平稳，在57%-60%之间。晚高峰16:00-19:00适应性较好，均在65%以上；其中17:00-18:00达到最优值77%，适应性很好。
如图5所示，为深入分析线路上行方向全日运力客流适应性程度的变化原因，将各项评估指标归一化消除量纲后统一绘制，以方便看出各项指标随时间的协同变化情况。线路平均满载率反映运力的利用效率，其余3个指标反映乘客服务水平，从图5中可以看出，运营开始5:00-6:00和收车时段22:00-23:00时段，除了无乘客滞留现象和乘车舒适度较好之外，线路平均满载率很低，运力利用程度较差，平均候车时间也很长，乘客出行时间较长；在早高峰8:00-9:00时段，除了线路平均满载率比较接近理想满载率之外，乘车舒适度较低，车站有很多滞留乘客且引起平均候车时间较长，乘客服务水平很低，无法满足客流需求；因此这三个时段的运力客流适应性是全日最差的。早高峰6:00-7:00和9:00-10:00两个时段，因处于早高峰开始和末尾，4个指标均处于较优状态，故适应性程度接近70%；早高峰7:00-8:00时段虽然线路平均满载率到达48%，比较接近理想满载率，平均候车时间也比较短，但是因为乘车舒适度很低且有乘客滞留现象，故适应性程度也不高，只有54%左右。平峰时段10:00-16:00虽然反映乘客服务水平的3个指标均较优，但是反映运力利用效率的线路平均满载率很低，接近全日最低的运营开始和收车时段，故适应性程度也不高，介于57%-60%之间。晚高峰16:00-19:00时段，各项指标均处于较优状态，故运力客流适应性程度较高，其中17:00-18:00的适应性程度达到了最高77%。由以上分析可见，运力客流的适应性程度由4个指标综合决定，单独某一个或两个指标的优势无法弥补其他指标的劣势，只有4个指标均较好时，运力客流的适应性才能达到最好。
综合上述分析，可以得出：运营开始5:00-6:00、收车时段22:00-23:00、早高峰的7:00-9:00及平峰时段10:00-16:00，某些指标较差，故运力客流适应性程度不高，应该采取相应的措施来进行改善。但是，对于运营开始及收车时段，由于客流需求非常小，主要矛盾在于线路平均满载率和平均候车时间，无论怎样调整，这两个指标总会有一个比较差，无法同时达到较优水平，这在客观上无法避免，因此不必进行调整。而对于早高峰7:00-9:00，运力与客流适应性较差的原因是提供的运力远远无法满足客流需求，造成列车拥挤、乘客乘车舒适度较差、大量乘客滞留的情况，因此可以考虑提高该时段的运力，例如缩短发车间隔或者是在客流集中区间开行小交路模式；对于平峰10:00-16:00，运力客流适应性程度不高是线路平均满载率很低，运力利用程度较差导致的，因此可以考虑降低该时段的运力，例如延长发车间隔或者在客流集中区间开行小交路模式。
本发明还公开了一种城市轨道交通运力与客流适应性评估***，使用上述的城市轨道交通运力与客流适应性评估方法，该***包括：
数据采集及预处理模块，所述数据采集及预处理模块用于采集运力与客流数据信息，并对数据进行预处理，剔除乘客刷卡数据中的异常数据；
微观指标生成模块，所述微观指标生成模块用于基于预处理的数据信息采用交互匹配算法计算微观指标数据；
评估指标生成模块，用于根据微观指标计算出所述评估指标矩阵；
评估模块，用于通过CRITIC-TOPSIS综合评价对不同时段的运力与客流适应性进行评估。
本发明还公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述的城市轨道交通运力与客流适应性评估方法。
本发明还公开了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的城市轨道交通运力与客流适应性评估方法。
Claims (6)
1.一种城市轨道交通运力与客流适应性评估方法，其特征在于，包括以下步骤：
S1：采集运力与客流数据信息并对数据进行预处理，具体包括如下步骤：
S1.1：采集运力与客流数据信息，包括：线路基本信息，包含运营时间及站点个数信息；列车时刻表；线路全天的乘客刷卡数据，包含乘客编号、进出站编号、进出站时刻信息；列车定员、列车额定容量信息；
S1.2：数据预处理：对列车时刻表数据和乘客刷卡数据进行预处理，处理流程包括：将列车时刻表及乘客刷卡信息中的时间信息均统一换算为以秒为单位的时间；剔除乘客刷卡数据中的异常数据，包括：有信息缺失的数据、在运营时间范围外产生的交易数据、出站时间早于进站时间的数据及同站进出的数据；
S2：确定微观指标并基于预处理的采集数据通过交互匹配算法计算微观指标，所述微观指标包括列车载客量、车站滞留人数、上车人数、候车时间；计算微观指标采用如下步骤：
S2.1：输入预处理后的列车时刻表数据、乘客刷卡数据以及线路基本信息和列车容量信息，并构建一个空的表示站台的数据容器platform，用以容纳站台乘客信息；每位乘客信息由编号ID，出发站O，到达站D，进站时间Tin和出站时间Tout五个字段组成；
S2.2：初始化k=1，k∈{1,2,…,n}为列车集合；
S2.3：构建一个空的表示列车的数据容器car，用以容纳车上乘客信息；初始化列车容量=CN，CN表示列车额定容量，列车的剩余容量C为一个变量，令i=Sk[1]，i∈Sk={Sk[1],Sk[2],…,Sk[end]}为k列车的可达车站集合，Sk是所有车站集合的子集，Sk∈{1,2,…,m}；
S2.4：若i是列车的终到站且为线路终点站，转至S2.10；否则，根据乘客的进站时间Tin及出发站O筛选出到i站等候k次列车的乘客，将这些乘客添加至对应的站台容器platform[i]中，筛选条件如下：
且O=i，表示出发站O为当前i站
其中，tbegin表示列车运营开始时间，dTi k表示第k次列车在第i站的离开时间；
计算此时在i站等候k次列车的候车人数Wi k，Wi k值等于容器platform[i]此时的数据量，如下式所示：
；
S2.5：若i是列车的始发站，转至S2.6；若i是小交路的终点站，转至S2.7；否则，根据车上乘客的到达站D为当前i站，表示为，从列车容器car中删除在i站下车的乘客，然后更新此时k列车的剩余容量C，此时列车的剩余容量为列车额定容量与此时列车容器car中还剩余的乘客数量之差，如下所示：
；
S2.6：计算在i站上k列车的人数及这些乘客候车时间的总和/>，上车人数由此时列车的剩余容量决定，计算式如下：
；
在i站等候k列车乘客的候车时间总和为所有上车乘客候车时间之和，计算式如下：
；
其中，表示乘客j的进站时间；
然后将站台容器platform[i]中能上车的乘客添加至列车容器car中，并更新此时列车的剩余容量，最后从站台容器platform[i]中删除刚上车的乘客，完成乘客的上车过程，转至S2.8；
S2.7：根据乘客的到达站筛选出列车容器car中不在i站下车的乘客，这部分乘客需要下车后继续等候下趟列车，将这些乘客添加到站台容器platform[i]中，然后转至S2.10；
S2.8：计算i站未能上k列车而滞留的人数及k列车在区间(i,i+1)的载客量/>，滞留人数为此时站台容器platform[i]剩余的乘客数量，表示为候车人数/>与上车人数/>之差，计算式如下：
；
当k列车在i站完成乘客的上下车过程后，其在区间(i,i+1)运行时的载客量计算式如下：
；
S2.9：令i=i+1，转至S2.4，直到遍历完k列车的所有可达车站；
S2.10：判定k是否为最后一班列车，若是，则计算结束；若否，则令k=k+1，转至S2.3，直到遍历完所有列车；
通过上述S2.1至S2.10过程获得所有列车在所有区间的载客量、在所有车站的候车时间总和、滞留人数、上车人数四个微观指标；
S3：确定评估指标并根据微观指标计算评估指标矩阵，所述评估指标包括线路平均满载率、平均乘车舒适度、平均候车时间、车站滞留总人次；
S4：基于CRITIC-TOPSIS法对评估指标矩阵进行城市轨道交通运力与客流适应性评估。
2.根据权利要求1所述的城市轨道交通运力与客流适应性评估方法，其特征在于，所述步骤S3中根据微观指标计算评估指标矩阵，具体采用如下步骤：
S3.1：初始化时段为列车运营开始时间；
S3.2：根据四个微观指标的发生时间筛选出在该时段范围内的微观指标；
S3.3：计算该时段的线路平均满载率，k列车在区间(i,i+1)的列车满载率的计算式如下：
；
式中，为k列车在区间(i,i+1)的载客量，C0为列车定员；
研究时段内线路平均满载率ρ的计算式如下：
；
式中，Train为研究时段内涉及列车的集合，Sk为k列车在研究时段内的行程中包含的车站集合，|Sk|为集合Sk所包含的车站数量；
S3.4：计算平均乘车舒适度，当载客量低于列车座位数时，舒适度为1；舒适度随载客量增加而降低；当载客量达到列车定员时，舒适度为0；当载客量超过列车定员后，舒适度为负，为简化计算，k列车在区间(i,i+1)的乘车舒适度用降半梯形函数来进行表示，计算式如下：
；
式中，seat为座位数，为k列车在区间(i,i+1)的载客量，C0为列车定员，CN为列车额定容量且大于列车定员；
平均乘车舒适度为所有列车在所有区间的乘车舒适度进行加权平均，各个区间权重按照区间载客量占所有区间载客量总和的比例确定，研究时段内的平均乘车舒适度f的计算式如下：
；
式中，为k列车在区间(i,i+1)的乘车舒适度，/>为该舒适度的权重；
S3.5：计算平均候车时间，乘客的平均候车时间是研究时段内整条线路所有上车乘客候车时间的平均值，其计算式如下：
；
式中，tw为平均候车时间，为在i站坐上k列车的乘客候车时间总和，/>为在i站乘坐上k列车的人数；
S3.6：计算车站滞留总人次，研究时段内车站滞留总人次L的计算式如下：
；
式中，为k列车离开i站后的滞留人数；
S3.7：判定该时段是否为运营最终收车时段，若是，则计算结束；若否，继续下一个时段，转至S3.2，直至计算出所有运营时段对应的四个评估指标；
通过上述S3.1至S3.7过程最终得到n×4的评估指标矩阵，n代表全天的运行时段数，每个时段对应有4个评估指标。
3.根据权利要求2所述的城市轨道交通运力与客流适应性评估方法，其特征在于，所述步骤S4中的基于CRITIC-TOPSIS法进行最终评估，其具体步骤如下：
S4.1：使用CRITIC法对评估指标赋权，具体步骤如下：
设有n个待评估样本，m个评估指标，形成原始的评估指标矩阵：
；
S4.1.1对各项指标进行标准化处理，使得标准化后的各项指标的取值全部落于[0,1]区间，对于平均乘车舒适度指标，其为效益性指标，其标准化处理公式为：
；
对于平均候车时间和车站滞留总人次两个指标，其为成本型指标，其标准化处理公式为：
；
对于线路平均满载率指标，其为中间型指标，设理想取值为，其标准化公式为：
；
标准化后的评估指标矩阵变为：
；
S4.1.2计算指标变异性，第j个指标的标准差计算式如下：
；
式中，是第j个指标的平均值，j=1,2,…m，n为评估样本数；
S4.1.3计算指标冲突性，第j个指标与其他指标的冲突性计算式如下：
；
式中，为指标i和指标j之间的相关性系数；
S4.1.4计算信息量及权重，第j个指标的信息量的计算公式为：
；
第j个指标被分配的权重为：
；
S4.2：利用TOPSIS法对不同时段的运力客流适应性进行评估，具体步骤如下：
S4.2.1构建标准化加权矩阵，在标准化后的评估指标矩阵基础上，对每项评估指标乘以对应的权重，得到标准化加权矩阵：
；
S4.2.2确定正负理想解及各时段的指标距正负理想解的距离：设第j个指标的正理想解为，负理想解为/>；
正理想解：
；
负理想解：
；
第i个时段距离正理想解与负理想解的距离为：
；
S4.2.3计算第i个时段的运力客流适应性评估值：
；
式中，Zi为第i个时段内运力与客流适应性的评估值，其取值范围为[0,1]，值越大，表明i时段内运力与客流的适应性程度越好。
4.一种城市轨道交通运力与客流适应性评估***，其特征在于，使用如权利要求1-3任一项所述的城市轨道交通运力与客流适应性评估方法，所述***包括：
数据采集及预处理模块，所述数据采集及预处理模块用于采集运力与客流数据信息，并对数据进行预处理，剔除乘客刷卡数据中的异常数据；
微观指标生成模块，所述微观指标生成模块用于基于预处理的数据信息采用交互匹配算法计算微观指标数据；
评估指标生成模块，用于根据微观指标计算出所述评估指标矩阵；
评估模块，用于通过CRITIC-TOPSIS综合评价对不同时段的运力与客流适应性进行评估。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-3中任一项所述的城市轨道交通运力与客流适应性评估方法。
6.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3中任一项所述的城市轨道交通运力与客流适应性评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311490207.7A CN117236790B (zh) | 2023-11-10 | 2023-11-10 | 城市轨道交通运力与客流适应性评估方法、***及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311490207.7A CN117236790B (zh) | 2023-11-10 | 2023-11-10 | 城市轨道交通运力与客流适应性评估方法、***及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117236790A CN117236790A (zh) | 2023-12-15 |
| CN117236790B true CN117236790B (zh) | 2024-01-26 |
Family
ID=89086380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311490207.7A Active CN117236790B (zh) | 2023-11-10 | 2023-11-10 | 城市轨道交通运力与客流适应性评估方法、***及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236790B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103646374A (zh) * | 2013-12-26 | 2014-03-19 | 北京交通发展研究中心 | 一种地面公交运行舒适性指数计算方法 |
| CN111552913A (zh) * | 2020-04-24 | 2020-08-18 | 东南大学 | 一种新线接入条件下城市轨道交通运能匹配性评价方法 |
| CN113408859A (zh) * | 2021-05-26 | 2021-09-17 | 上海工程技术大学 | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 |
| CN113935593A (zh) * | 2021-09-26 | 2022-01-14 | 上海工程技术大学 | 一种城市轨道交通运输能力与客流需求匹配度计算方法 |
-
2023
- 2023-11-10 CN CN202311490207.7A patent/CN117236790B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103646374A (zh) * | 2013-12-26 | 2014-03-19 | 北京交通发展研究中心 | 一种地面公交运行舒适性指数计算方法 |
| CN111552913A (zh) * | 2020-04-24 | 2020-08-18 | 东南大学 | 一种新线接入条件下城市轨道交通运能匹配性评价方法 |
| CN113408859A (zh) * | 2021-05-26 | 2021-09-17 | 上海工程技术大学 | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 |
| CN113935593A (zh) * | 2021-09-26 | 2022-01-14 | 上海工程技术大学 | 一种城市轨道交通运输能力与客流需求匹配度计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 城市轨道交通列车运行图能力与客流需求匹配度的评价方法;李思杰;徐瑞华;江志彬;;中国铁道科学(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117236790A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108773279B (zh) | 一种电动汽车充电路径规划方法及装置 | |
| Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
| CN111552913B (zh) | 一种新线接入条件下城市轨道交通运能匹配性评价方法 | |
| CN109344991B (zh) | 一种公交线路最高断面客流预测方法 | |
| CN108922178B (zh) | 基于公交多源数据的公交车辆实时满载率计算方法 | |
| Wong et al. | Solution of the Dial‐a‐Ride Problem with multi‐dimensional capacity constraints | |
| CN109034566A (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
| CN105427594B (zh) | 一种基于双向上车客流的公交断面客流量获取方法及*** | |
| CN111260221A (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
| CN111553530B (zh) | 一种城际网约车包车出行运力预测与出行推荐方法及*** | |
| CN109255972B (zh) | 一种基于大数据的地面公交固定线路时刻表的优化方法 | |
| CN114331234B (zh) | 基于乘客出行信息的轨道交通客流预测方法和*** | |
| CN108665140A (zh) | 一种城际铁路客运枢纽交通衔接***评价方法 | |
| CN106296355A (zh) | 一种基于电量匹配的web门户预约租车***及方法 | |
| CN115953186A (zh) | 一种网约车需求模式识别与短时需求预测方法 | |
| CN115860594A (zh) | 一种应用于智能公交排班调度的仿真***及方法 | |
| CN117236790B (zh) | 城市轨道交通运力与客流适应性评估方法、***及设备 | |
| CN108197078B (zh) | 一种基于公交ic卡数据计算公交断面客流量的方法 | |
| 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 | |
| CN114154801A (zh) | 智慧公交组合调度方法、装置及存储介质 | |
| CN112116124A (zh) | 一种基于出行者视角的公交线网优化方案的审计方法 | |
| CN111898863A (zh) | 轨道交通的车辆的动态调度方法和装置 | |
| CN111508220A (zh) | 基于公交人口分布精准进行末端接驳的方法 | |
| CN115713184A (zh) | 一种公交线路运营服务评估方法 | |
| Mullen | Estimating the demand for urban bus travel |
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 |