一种城市轨道交通网络大客流影响的预测方法转让专利
申请号 : CN201010114381.8
文献号 : CN102169606B
文献日 : 2013-05-01
发明人 : 徐瑞华 , 王志强 , 朱炜
申请人 : 同济大学
摘要 :
权利要求 :
1.一种城市轨道交通网络大客流影响的预测方法,其特征在于:包括如下步骤:
(1)构建城市轨道交通网络抽象模型;(2)生成大客流事件;
(3)指定大客流去向/来源车站客流比例;
(4)大客流网络影响分析;
步骤(1)中:
以数学中图论的相关表示方法来描述城市轨道交通网络中各要素,从而构建城市轨道交通网络抽象模型,网络抽象模型中各元素对应的物理意义如下:1)节点:普通车站和换乘站;2)连接弧:两个相邻车站之间有方向的路段;3)弧的权值:对于换乘站之间来说是指在换乘站通道中的换乘时间,而对于普通车站之间或者普通车站与换乘站之间是指列车的区间运行时分;之后,整个城市轨道交通网络就转换为了一个带有权值的有向图,从而把大客流在城市轨道交通网络中影响传播问题转化成了几何图论中的路径分析和搜索问题;
步骤(2)中:如下特性用于描述大客流事件特征的相关信息:1)大客流发生地点:包括线路名和车站名;2)大客流发生车站的客流疏散能力,此能力反映了事发车站每小时最多能疏散多少客流;3)大客流预计发生时间;4)主管部门所要求的大客流疏散完毕时间;
5)大客流数量;6)大客流的到达时间和到达规律;
步骤(3)中:大客流情况下,轨道交通网络客流量包括原有客流量和叠加客流量;大客流叠加客流量的分析包括时间段分析、客流出发站即O站分析和客流终到站即D站分析;
大客流D站客流比例指定方式包括:
1)指定主要车站客流比例方式
当客流走向比较集中,客流的目的地车站主要集中在少数车站范围内时,用户可通过直接指定D站名称和相应的客流比例来分配客流的去向;
∑αD=1 式(1)
其中,0≤αD≤1,为某一指定D站的客流分配比例;
2)分步推算客流比例方式
通过指定客流在到达每一处换乘车站后去往每个方向的客流比例,最终推算出各目的地车站和相应的客流比例信息;使用者指定的是每一个换乘站处去往各个方向的客流分流比例,最终的D站客流分配比例将由客流分配模型间接算得;
αD=υ1υ2...υn 式(2)
其中,υi为在第i个换乘站去往D站方向的客流比例,0≤υi≤1;
3)统计计算客流比例方式
以历史客流数据为基础,通过统计分析指定特征日期内的客流数据,来计算各目的地车站以及相应的客流比例信息;只需要将O站为大客流发生地车站的客流数据提取出来进行相关的统计计算即可;
式(3)
其中,N为参与统计的总天数,γDi为第i天从大客流发生车站去往D站的客流比例;
4)历史大客流分配比例方式
若大客流发生地车站之前发生过类似的大客流事件,那么可利用历史大客流事件的实际D站客流分配比例作为此次事件的D站客流分配比例;
对历史大客流事件进行合理的组织和管理,使用者在实际计算时应该选择具有相同特征的历史大客流数据作为参考;
5)客流来源比例方式
按照乘客一般选用相同的交通方式到达和离去这一思路,通过统计大客流发生车站在指定时间段内的客流来源比例,指定D站的客流分配比例,实际操作中选择历史日期的客流数据作为参考;
式(4)
其中,ωi为指定时间段内从i站去往大客流发生车站的客流量,N等于路网中的车站总数减1;
步骤(4)中:在确定大客流去向车站客流比例的基础上,依据分阶段、多路径城市轨道交通网络客流分布模型,进行轨道交通全网络各区间及站点、分时段的叠加客流量,将其与原有客流量相加可得到总客流量信息,从而获得大客流对城市轨道交通网络影响的分析预测结果,在此基础上,进行下述评价:
1)影响时间分析
①起终影响判别标准
认为大客流事件中第一个乘客到达本线的时间作为本线的起始影响时间,而大客流事件中最后一个乘客离开本线的时间作为本线的终止影响时间;
②起终影响时间计算
确定起终影响判别标准后,通过遍历轨道交通网络中区间分时段叠加客流量信息来获得线路的起终影响时间,操作方法如下:a.对于大客流的全网影响时间段不跨天的情况:从大客流发生时间起开始,往后递推时间段,对于每一段时间,遍历本线所有区间的叠加客流量信息,若某一时间段本线路存在某区间的叠加客流量不为零,则该时间段的开始时间为本线路的起始影响时间,遍历过程结束;类似的,从凌晨24点开始,向前递推时间段,对于每一时间段,遍历本线所有区间的叠加客流量信息,若某一时间段本线路存在某区间的叠加客流量不为零,则该时间段的结束时间为本线路的终止影响时间,遍历过程结束;
b.对于大客流的全网影响时间段跨天的情况:起始影响时间的计算方法不变,而终止影响时间的计算方法改为:从第二天的0:00分开始,往后递推时间段,对于每一段时间,遍历本线所有区间的叠加客流量信息,若某一时间段本线路所有区间的叠加客流量都为零,则该时间段的开始时间即为本线路的终止影响时间,遍历过程结束;
2)影响程度分析
将网络中各区间及车站运能与大客流期间的客流量峰值进行对比,根据对比的结果来判断各区间及车站是否受到影响以及影响的程度如何:①划分大客流事件对车站的影响程度等级
②计算区间及车站运能;包括该区间及车站的运能;
③计算区间及车站峰值客流量;车站的峰值客流量由两部分组成,一是大客流扩散至该车站时的剩余客流量,二是该车站原有的日常客流量;
④确定大客流影响程度;通过比较大客流期间各区间及车站峰值客运量与运能之间的关系,对照上述①所述的划分大客流事件对车站的影响程度等级,得出大客流事件对轨道交通网路各区间及车站的影响等级,从而评价大客流对轨道交通网络的影响程度;
3)影响范围分析
根据2)影响程度分析得到的轨道交通网络各区间及车站大客流影响等级,将影响等级在“轻微影响”以上的车站及其所在区段作为大客流在轨道交通网络上的影响范围。
2.根据权利要求1所述的方法,其特征在于:
所述影响范围分析的步骤中,可根据实际业务需要确定影响范围的大客流影响等级阀值。
3.根据权利要求1所述的方法,其特征在于:
所述影响范围分析的步骤中,以“中等影响”取代“轻微影响”作为影响等级阀值。
说明书 :
一种城市轨道交通网络大客流影响的预测方法
技术领域
的大客流,从而对城市客运交通系统产生巨大的挑战。城市轨道交通网络作为城市客运交
通系统中的骨干,大客流事件由于具有人数众多、人流来向复杂、流动性大等一些不确定因
素的特点,对轨道交通网络的运输能力、安全可靠性、协调调度等各个方面造成的交通压力
更大。
的总量预测,并提出相应的应急交通组织方案。城市轨道交通作为大容量的快速客运交通
系统,在网络化运营条件下,大客流事件的影响将呈现出时间、空间上的自身规律和特点,
而现有技术中对大客流事件在轨道交通网络上的时间、空间传播扩散影响缺少有效的分析
预测方法。
下,城市轨道交通网络需要在网络运营组织方案、运行计划调整、安全保障等多方面作出及
时调整和优化,其基础则是大客流发生后的轨道交通网络客流变化规律,即大客流对城市
轨道交通网络在时间、空间两个维度上的影响。
市轨道交通网络影响预测的方法,用于实现对城市轨道交通线网大客流的影响时间、影响
程度和影响范围的分析预测。本发明在对城市轨道交通网络模型的抽象构建之上,基于大
客流产生及传播规律的深入分析,提出了大客流产生规律、大客流去向确定、网络客流分布
计算以及大客流影响分析评价方法等在内的大客流对城市轨道交通网络影响预测的一套
完整方法。
通车站和换乘站;2)连接弧:两个相邻车站之间有方向的路段;3)弧的权值:对于换乘站
之间来说是指在换乘站通道中的换乘时间,而对于普通车站之间或者普通车站与换乘站之
间是指列车的区间运行时分。在规定了节点、连接弧和它们的权值之后,整个城市轨道交通
网络就转换为了一个带有权值的有向图,从而把大客流在城市轨道交通网络中影响传播问
题转化成了几何图论中的路径分析和搜索问题。
车站名;2)大客流发生车站的客流疏散能力,此能力反映了事发车站每小时最多能疏散多
少客流;3)大客流预计发生时间;4)主管部门所要求的大客流疏散完毕时间;5)大客流数
量;6)大客流的到达时间和到达规律。
均分布模型、负指数分布模型和爱尔朗分布模型。
客流量即突增大客流在轨道交通网络中产生的额外客流量,该部分数值无法直接从历史记
录中获取,是需要重点要研究和分析的对象。
(O站)就是大客流事发车站,而客流终到站(D站)则不得而知,需要通过设计方法来分析
得到。
站客流分配比例:
站处去往各个方向的客流分流比例,最终的D站客流分配比例将由客流分配模型间接算
得。
取出来进行相关的统计计算即可。
成D站客流分配比例的计算。
理,使用者在实际计算时应该选择具有相同特征的历史大客流数据作为参考。
的客流数据作为参考。
客流量相加可得到总客流量信息,从而获得大客流对城市轨道交通网络影响的分析预测结
果。在此基础上,进行下述评价:
为大客流事件对本线的影响已经结束。在具体操作过程中,有两种标准可供选择:
务水平恢复到初始情况的时间作为线路的终止影响时间。
存在某区间的叠加客流量不为零,则该时间段的开始时间为本线路的起始影响时间,遍历
过程结束;类似的,从凌晨24点开始,向前递推时间段,对于每一时间段,遍历本线所有区
间的叠加客流量信息,若某一时间段本线路存在某区间的叠加客流量不为零,则该时间段
的结束时间为本线路的终止影响时间,遍历过程结束。
间,遍历本线所有区间的叠加客流量信息,若某一时间段本线路所有区间的叠加客流量都
为零,则该时间段的开始时间即为本线路的终止影响时间,遍历过程结束。
流量峰值进行对比,根据对比的结果来判断各区间及车站是否受到影响以及影响的程度如
何。具体方法如下:
无影响 事发前后车站客流量变化很小,运营方案保持不变的情 况下服务水平没有变化。
轻微影响 事发前后车站客流量变化轻微,运营方案保持不变的情 况下服务水平虽有降低但仍不会形成客流拥挤。
中等影响 事发前后车站客流量变化明显,运营方案保持不变的情 况下虽勉强能满足客流运送的需要,但乘客已经非常拥挤,服务水平很低。
较大影响 事发前后车站客流量变化很大,运营方案不变时已无法 满足客流运送的需要,必须加强运能运力,但客流量峰值仍没有超过线路的最大运能。
严重影响 事发前后车站客流量变化巨大,线路的最大运能已无 法满足客流运送的需要,需要引导客流改用其它交通方式完成出行。
史数据及前述网络客流分布的计算中得到。
客流对轨道交通网络的影响程度。
此外,实际操作过程中,还可根据实际业务需要确定影响范围的大客流影响等级阀值(如
以“中等影响”取代“轻微影响”作为影响等级阀值)。
统,针对世博会期间可能出现的大客流事件进行了模拟应急处置及列车开行方案的优化调
整研究。该系统还在某城市轨道交通网络的应急中心中得到了应用,实现了大客流事件影
响分析及应急处置的自动化和智能化,同时,其应急管理部门在日常的应急监控过程中经
常利用该系统模拟大客流事件的处置过程,锻炼应急处置人员的临机处理能力,获得了很
好的实际效果和企业效益。
附图说明
具体实施方式
定。
破80万人次,而高峰小时的入园、离园客流量最高时更是达到20万人次/小时。届时,大量
客流量在短时间内涌入世博园区附近的轨道交通西藏南路站、马当路站、云台路站以及耀
华路站,导致大客流事件发生。大客流事件由于具有人数众多、人流来向复杂、流动性大等
一些不确定因素的特点,对轨道交通网络的运输能力、安全可靠性、协调调度等各个方面面
临的交通压力更大,为此,需要事先对世博会期间轨道交通网络大客流影响进行预测分析,
为做好世博会期间轨道交通运营组织工作奠定基础。
发了城市轨道交通网络大客流组织仿真系统,该系统包含了大客流影响仿真子系统。
_MPS_MassTreat_0001 大客流信息的录入:输入大客流发生的时间、地 点、人数、客流到达规律和车站疏散能力的信息。
_MPS_MassTreat_0002 D站客流比例的指定:通过五种方式的任意一种 指定大客流人数的去向比例。
_MPS_MassTreat_0003 影响情况显示和开行方案调整:将大客流对各线 路和全网的影响时间及断面客流变化情况进行显示, 用户根据需要调整线路开行方案。
_MPS_MassTreat_0004 分析结果汇总、输出和保存:将大客流的影响情 况进行汇总显示,用户根据需要可选择输出分析报告 和保存的功能。
_MPS_InfoManage_0001 大客流信息的组织和浏览:用树形目录将历史 大客流分析结果信息进行组织,选中某大客流事件 后,显示该事件的总体信息。
_MPS_InfoManage_0002 详细情况的查看和分析报告的生成:详细查看 选中大客流事件的断面客流分布变化,根据需要输 出Word事件分析报告。
_MPS_CMInfoManage_0001 特征大客流信息的组织和浏览:用树形目录将 实际大客流统计信息进行组织,选中指定大客流后, 显示该事件的D站客流分配比例信息。
_MPS_CMInfoManage_0002 特征大客流信息的录入和管理:用户根据需要 进行实际大客流信息的添加和删除操作。
藏南路站、马当路站、耀华路站、云台路站以及耀华路站,这5座车站在高峰小时的入园、离
园时段将发生大客流事件。大客流特征信息包括:
方式与轨道站点的衔接状况等因素,如表5所示。指定主要车站客流比例的系统输入界面
如图6所示。
6号线 金桥路 0.15
2号线 张江高科 0.02
9号线 漕河泾开发区 0.30
1号线 汶水路 0.12
3号线 江湾镇 0.12
2号线 北新泾 0.08
8号线 市光路 0.02
1号线 莘庄 0.09
3号线 上海南站 0.10
可视化图、表的形式输出2010年5月1日世博会期间轨道交通8号线耀华路车站发生大客
流的影响时间、影响范围及影响程度等预测结果。相应的预测结果及输出界面如图7所示。
一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施
例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在
本发明的保护范围之内。