发明名称 一种城市轨道交通网络大客流影响的预测方法
摘要 一种城市轨道交通网络大客流影响的预测方法,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。本发明可应用于城市轨道交通网络大客流组织仿真系统的开发。该系统还可在城市轨道交通网络的应急中心中得到应用,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。
申请公布号 CN102169606B 申请公布日期 2013.05.01
申请号 CN201010114381.8 申请日期 2010.02.26
申请人 同济大学 发明人 徐瑞华;王志强;朱炜
分类号 G06Q10/04(2012.01)I;G06Q50/26(2012.01)I 主分类号 G06Q10/04(2012.01)I
代理机构 上海智信专利代理有限公司 31002 代理人 吴林松
主权项 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;∑α<sub>D</sub>=1        式(1)其中,0≤α<sub>D</sub>≤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;α<sub>D</sub>=υ<sub>1</sub>υ<sub>2</sub>...υ<sub>n</sub>     式(2)其中,υ<sub>i</sub>为在第i个换乘站去往D站方向的客流比例,0≤υ<sub>i</sub>≤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;<maths num="0001"><![CDATA[<math><mrow><msub><mi>&alpha;</mi><mi>D</mi></msub><mo>=</mo><mfrac><mrow><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>&gamma;</mi><mi>Di</mi></msub></mrow><mi>N</mi></mfrac></mrow></math>]]></maths>式(3)其中,N为参与统计的总天数,γ<sub>Di</sub>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;<maths num="0002"><![CDATA[<math><mrow><msub><mi>&alpha;</mi><mi>D</mi></msub><mo>=</mo><mfrac><msub><mi>&omega;</mi><mi>D</mi></msub><mrow><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>&omega;</mi><mi>i</mi></msub></mrow></mfrac></mrow></math>]]></maths>式(4)其中,ω<sub>i</sub>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<img file="FSB00001018241800022.GIF" wi="1911" he="302" /><img file="FSB00001018241800031.GIF" wi="1913" he="487" />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。
地址 200092 上海市四平路1239号