轨道交通车站乘客集散系统Anylogic仿真优化

为了研究地铁轨道交通车站站台乘客行为的特殊性对地铁轨道交通车站设施设备布局的影响,本文运用基于社会力模型算法的Anylogic动态仿真软件构建了面向复杂交织乘客行人流的地铁轨道交通站台场景模型。以某市地铁轨道交通车站为例对该模型进行了校核与验证,针对地铁车站内的设施设备布局的缺陷提出了优化改进措施。实证研究表明:优化后的地铁轨道交通站台场景模型,能够科学合理地阐述客流组织与地铁轨道交通之间的动态关系,同时对其他地铁轨道交通车站的规划设计与运营具有重要的借鉴与指导意义。     

面向组件式GIS技术的宁波市轨道交通与常规公交接驳数字化管理系统设计与实现

采用计算机组件式GIS技术、空间分析技术以及轨道交通与常规公交线网分析评价模型等科学方法,融合区域人口、土地利用现状与公交设施、轨道交谈线网数据、公交线网运营数据、站点IC刷卡数据和公交GPS数据等海量信息,建设宁波市轨道交通与常规公交接驳数字化管理系统。该系统能够对公交客流和公交线路进行分析评估,并能实现对公交车辆的实时动态管理与应急响应。实验证明:该系统可检测公交有效乘客量,轨道交通有效乘客量、评测乘客拥挤度状况并预警,如前方站点客流预警、拥挤路段预警以及公交的运营满载预警等从而为宁波市轨道交通与常规公交的接驳一体化发展提供有力的辅助决策。     

轨道交通换乘站楼梯异质客流仿真

行人交通仿真是研究轨道交通换乘效率的重要方法。在实地数据调研的基础上，基于AnyLogic软件设计异质客流在地铁换乘站楼梯处走行仿真。根据个体占用空间及步行速度，分为普通乘客、携带大件行李乘客和老年乘客。考虑对外交通枢纽和生活居住用地的站点等多类站点，依据客流结构设计多水平异质客流和同质客流的仿真场景，对异质客流通过楼梯的舒适、安全、效率等特性计算评价，并进行敏感性分析。结果表明，异质客流乘客间的相互作用比同质客流更显著，四类场景的疏散效率最大相差12.9%;楼梯宽度大于4.2米时，拥堵的临界输入客流量λ最大相差3000p/h。     

短时公交客流的弦不变量预测方法

短时公交客流预测是智能公交系统动态调度的基础.文中根据短时公交客流数据特性,提出基于弦理论的短时公交客流预测方法,模拟弦结构建立弦不变量客流预测模型(SI-PFPM),并采用遗传算法优化SI-PFPM中各参数.提出基于动态时间弯曲距离的仿射传播(AP)聚类算法,对短时公交客流时间序列进行聚类分析.利用SI-PFPM预测聚类子集数据,并分析预测残差,验证SI-PFPM可以预测短时公交客流的假设成立.最后将SI-PFPM的预测性能与现有方法进行对比分析,验证SI-PFPM对短时公交客流预测的有效性.     

考虑客流拥堵的城轨网络脆弱性评估

考虑区段中断造成的客流拥堵,提出城轨网络脆弱性定量评估方法。利用动态客流分配模型模拟突发中断后客流在城轨时空网络中的分布情况,以乘客广义出行费用增长为指标衡量各运行区段的脆弱性,鉴别关键区段;并根据车站客流动态,确定应采取限流措施的车站与时段。以北京市轨道交通网络为例计算突发中断下各区段脆弱性,研究结果表明,复兴门至王府井区段、雍和宫至建国门区段和天通苑至大望路区段为该网络中的关键区段。当复兴门至王府井区段临时中断时,应在复兴门站、王府井站、大望路站与四惠东站实施限流,并在西单站与天安门东站实行封站。该方法能评估突发中断下城轨系统客流拥堵动态,为客运组织应急规划提供数据支持和决策评价。     

考虑轨道交通换乘需求的公交发车时刻优化模型

轨道交通与地面公交的接驳换乘优化,是城市公共交通系统提升服务水平的重要建设方向.针对该问题,本文研究了在满足常规乘客乘车需求的前提下,如何通过优化公交发车时刻实现公交与轨道交通的高效换乘.首先,挖掘乘客出行轨迹信息获取轨道交通与常规公交的历史换乘客流量,然后训练多层感知器神经网络对轨道交通站点出站后换乘公交的客流需求进...     

基于WiFi数据的地铁车站客流预警模型

为了降低地铁车站因客流增加或突发事件产生的客流安全风险,提出了基于WiFi探针检测数据的地铁车站客流预警模型。基于WiFi探针客流数据采集原理、数据属性特征和探针网络化布设方案,实现了对WiFi探针原始数据的预处理。同时建立了基于时间序列的地铁车站短时客流预测模型,并与线性回归模型进行了比较,通过计算地铁车站客流承载能力,构建了车站客流预警指标和分级预警模型。最后以上海地铁江苏路站为例进行模型验证,结果表明,基于WiFi探针技术的地铁车站客流检测和预测模型具备可行性和有效性,且预警模型对客流预警应用和研究有一定的参考意义。     

基于等间隔运行模式的群组电梯系统优化调度方法

针对群组电梯系统运行调度优化问题,本文采用多目标优化模型,基于电梯群组等间隔运行模式的操作规则,建立一类以乘客平均候梯时间最短为主要目标的群组优化策略.通过分析群组电梯系统运行中乘客候梯时间、服务时间、轿厢拥挤度和电梯能耗等指标,建立电梯系统运行的动态指标评价模型,考虑电梯客流的随机性因素,提出乘客候梯等间隔派梯规则和算法,实现了电梯系统多目标优化的动态调度方法.实验结果表明,对比传统的最短距离调度算法,本文方法可以降低乘客平均候梯时间13.1%,提高群组电梯系统工作性能.     

基于改进PSO-LSTM模型的城市轨道交通站点客流预测

城市轨道交通站点的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测随时间的变动而变动,长短时记忆网络能对其进行深度的训练和特点提取.为提升预测性能,以成都轨道交通火车北站为例,设计一种基于改进PSO-LSTM模型的城市轨道交通站点短时客流预测办法.通过实例研究分析,验证了改进后的PSO-LSTM模型在城市轨道交通站点短时客流预测中具有更好的预测性能.     

基于深度学习的轨道交通客流量预测模型

为提升客流量预测精度,提出基于深度学习的轨道交通客流量预测模型。首先,通过自助站台系统收集乘客的进出站信息。其次,初步处理数据,包括数据清洗、归一化整理。最后,整合不同模型中的客流量数据,以揭示它们之间的相关性。基于深度学习中的卷积神经网络算法,构建了一种新型的轨道交通客流量预测模型,该模型利用历史客流数据进行训练,并能够自动学习数据中的复杂特征和规律,从而精准预测未来客流量变化。实验结果显示,所设计的模型精度达到89.91%,表明新模型在客流量预测准确性方面取得了显著的提升。     

城市轨道交通客流需求分析模型及计算机仿真

针对传统“四阶段法”交通需求分析集聚特征显著、系统环境适应性差等问题以及城市交通系统很难进行实体仿真的缺陷,提出了一种基于城市综合公交统筹和TransCAD仿真的城市轨道交通客流分析模型。该模型基于“四阶段法”基本步骤,在第一阶段中,考虑了不同人口类别的出行强度和空间分布特征,给出了一种基于人口分类和出行目的的发生吸引模型;在交通分布中,引入K-因子和综合行程费用修正重力分布模型;在交通方式划分和分配中,结合合理系统结构边界和出行时间价值,对城市轨道交通客流分配进行精细配流。实验表明：通过对城市人口进行分类,考虑城市交通系统结构和各交通方式的出行广义费用可大大提高客流分析的精度和鲁棒性。     

基于神经网络的城市轨道交通短期客流预测研究

该文结合神经网络来研究城市轨道交通中短期客流预测问题。设计出了基于自回归神经网络的轨道交通客流预测模型、模型描述及其模型训练算法。通过matlab仿真实验来验证预测模型的性能,优于将最小二乘支持向量机与离散一维Daub4小波分析结合起来预测效果。     

基于改进ARIMA模型的城市轨道交通短时客流预测研究

城市轨道交通的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测的客流量数据规律性较弱、随机误差干扰较强,ARIMA(Autoregressive Integrated Moving Average)模型能对因变量产生的推迟量、产生随机误差的滞后值及当前值进行预测.为验...     

轨道交通无障碍换乘模式下的客流分配

轨道交通线路上的途径客流是线路客流的重要组成部分,将无障碍换乘客流准确地分配到各途经线路可以给后续各项客流分析提供数据支持。参照公交线路起点—终点（OD）反推技术,把吸引权系数法引入轨道交通无障碍换乘模式下的线路客流分配中,根据不同线路的进出站客流数据定义吸引权系数,加权客流换乘次数和途径站点数,建立轨道交通无障碍换乘模式下的一种客流分配模型。实例验证表明,在应用此模型时,考虑客流高峰区间,合并不同时段区间下的计算结果,可以得到更好的精度。     

基于宜居性的城市轨道交通布局规划优化研究

为提升城市轨道交通附近居民居住舒适度,提出基于宜居性的城市轨道交通布局规划优化研究。在宜居性理论背景下,建立城市轨道交通布局指标,确定布局规模,在交通站点数量相同的规划方案中获取最优规划方案。利用综合评价法分析城市轨迹交通布局规划方案,计算交通线路客流覆盖量,构建城市轨道交通布局规划模型。实验结果表明,基于宜居性的城市轨道交通布局规划优化方法不仅可以提高城市轨道交通布局的利用率,还可以降低城市轨道交通布局重复率,从而提高城市轨道交通布局的整体规划效果。     

基于人工蜂群算法的轨道交通列车行车间隔优化

轨道交通运营组织作为轨道交通运营企业管理的核心,在降低企业运营成本、提升服务水平和旅客出行效率方面起着非常重要的作用。提出一种基于人工蜂群（ABC）优化算法的列车行车间隔优化策略,在考虑运营企业和旅客各自利益的基础上,以列车发车间隔为决策变量,建立旅客平均候车时间最小和列车等候时间最大的双目标非线性规划模型。采用ABC算法对模型进行优化求解,结合京津城际铁路某日不同时段客流基础数据进行仿真,实例验证了所提算法和模型的有效性。     

基于卷积长短时记忆神经网络的城市轨道交通短时客流预测

我国城市轨道交通正处在快速发展阶段,城轨交通短时客流预测对保障运营安全、优化线网结构,进而构建智慧城市具有重要意义.城轨短时客流除了具有周期性、随机性等时间特征之外,跨时段的断面客流具有相似性,并且相邻站点客流之间存在空间联系.对此,充分考虑以上城轨短时客流的时空特征,基于卷积长短时记忆神经网络(ConvLSTM)与自适应k-means聚类算法,提出城轨短时客流预测的深度学习模型k-ConvLSTM,并通过实验对模型关键参数进行寻优;同时,基于深圳市地铁IC卡的真实客流数据对模型的有效性进行检验.结果表明,k-ConvLSTM在均方根误差、绝对误差均值、绝对误差百分比方面,均优于仅考虑时空特征的深度学习模型-----卷积网络(CNN)与长短时记忆网络(LSTM)的并行混合模型和ConvLSTM内嵌式网络模型,仅考虑时间特征的深度学习模型-----LSTM网络和双向长短时记忆网络(Bi-LSTM),以及浅层机器学习模型-----BP神经网络和支持向量回归模型(SVR).     

基于灵活编组的城轨车底运用计划及鲁棒客流控制策略

针对通勤客流需求的动态性、不均衡性和随机性等复杂特征,提出基于灵活编组的城轨车底运用计划及鲁棒客流控制策略两阶段随机规划模型.第1阶段为编组类型指派和车底运用计划优化模型,以极小化系统运营成本为目标;第2阶段为车站协同限流鲁棒优化模型,以极小化乘客等待时间为目标.通过线性化方法将原模型重构为可被CPLEX等优化软件直接求解的混合整数线性规划模型.算例结果表明,灵活编组模式在仅增加0.5%乘客等待时间的基础上,可降低约30.2%的系统运营费用,表明灵活编组方案在满足客流需求的同时可合理地降低运营费用.此外,所提出鲁棒客流控制策略能够避免传统鲁棒优化方法过于保守的问题,对于实际运营过程中随机客流需求具有较好的适应性.     

城市轨道交通系统运行仿真平台的设计与实现

为研究不同客流状况下轨道交通的运行效率和应急方案效率评估,以及突发事件下应急策略的仿真和定量分析,提出了一种城市轨道交通运行仿真平台。该系统从列车运动模型、自动列车控制(ATC)系统结构模型、轨旁设备对象功能模型和移动闭塞系统模型等4个方面对城市轨道交通运行仿真系统进行建模。在此基础上,以VC++作为开发平台,结合计算机网络以及数据库技术,设计并实现了完整的地铁运行仿真平台。在时刻表的驱动下,仿真平台可以实现列车的自动运行。该系统以轨道交通8号线数据进行验证,仿真结果与真实时刻表达一致。