一种城市轨道交通乘客上下车时间的预测方法技术

本发明专利技术公开了一种城市轨道交通乘客上下车时间的预测方法，所述方法包括：S1：采集轨道交通运行信息得到乘客上、下车人数与乘客上、下车时间的散点图；S2：拟合所述散点图得到乘客上、下车流量变化曲线，建立乘客上车时间预测的分段函数模型和乘客下车时间预测模型；S3：考虑乘客排队行为对所述模型进行优化；S4：采用最小二乘法求解优化的所述模型得到乘客上、下车时间实时预测模型，本发明专利技术建立乘客上车时间预测的分段函数模型，并考虑乘客排队行为对乘客上、下车时间的影响，能够更为准确地预测乘客上、下车时间，提高轨道交通的运营效率，对缩短乘客上、下车时间优化方案的提出具有指导意义。

Method for Forecasting Passenger alighting time of Urban Rail Transit

The invention discloses a forecasting method of time off the city rail transit passengers, the method includes: collecting S1 rail transportation information are scattered on and off the bus and the number of passengers boarding and alighting time map; S2: fitting the plot to get on and off the bus passengers flow curve, set up the passengers on the train time prediction model and the piecewise function passengers time prediction model; S3: consider the passenger model to optimize the queuing behavior; S4: the optimization model is solved by using the least square method when the passengers get off, between the real-time prediction model, the piecewise function model of passenger boarding time prediction, and consider passengers queuing behavior affects passengers to get on and off time, can more accurately predict the passengers get on and off time, improve the efficiency of rail transport operations, It has guiding significance to shorten the time of passengers getting on and off.

【技术实现步骤摘要】

本专利技术涉及城市轨道交通运行领域，更具体地，涉及一种城市轨道交通乘客上下车时间的预测方法。
技术介绍
进入2l世纪，随着我国城市化水平的不断提高，城市人口密度将迅速加大，由此产生的交通拥堵问题也会越来越严峻，这将成为制约经济、社会、文化发展的重要因素之一。城市轨道交通作为公共交通的重要组成部分，将成为解决城市交通拥堵的有效交通方式。由于城市轨道交通具有节能、省地、运量大、全天候、准点、无污染又安全等特点，可以得出这样的结论：城市轨道交通的发展完全符合可持续发展原则。因此，未来很长一段时间将会是城市轨道交通蓬勃发展的黄金期。据可靠资料显示，截止到2015年底，我国的北京、上海等几十个城市已经拥有的轨道交通运营总里程已达3290公里。根据远期规划，到2020年全国城市轨道交通总里程将达到6100公里，其中北京市城市轨道交通的总里程将超过1000公里，公共交通将成为80％左右市民的主要出行交通工具，其中有50％左右的人将经常使用城市轨道交通作为出行工具。目前，北京市城市轨道交通路网的高峰日总客流达到了1100万人次，并且伴随着路网的不断完善，客流量随之増加，但与此同时，运营管理的问题日益凸显，一些车站站台的乘客滞留问题亟待解决，尤其是早晚高峰时期，对于车站站台乘客的管理措施不够完善，乘客滞留问题给车站管理带来了巨大压力，降低了乘客的出行效率。当前，随着人们出行水平的提高、时间观念的增强以及对安全的需求增长，研究人员对影响轨道交通运行的影响因素进行了越来越多地研究。在地铁车站中，上下车是主要的交通活动之一，乘客上下车的速度不仅影响着地铁站内人群的活动，同时也影响地铁列车的停车时间以及地铁的服务水平。对地铁乘客上下车时间进行因素影响分析，对改善地铁乘车环境，提高地铁服务水平具有重要的意义。乘客在上下车的过程中，经常出现抢上抢下、秩序混乱的现象，不仅降低了乘客上下车的效率，也带来了严重的安全隐患。这些现象严重制约了城市轨道交通的高效运行，所以研究乘客上下车行为，对地铁运营和对乘客上、下车行为的正确疏导具有预测和指导作用，对于缓解城市公共交通压力和改善现行的公共交通现状有着十分重要的意义。迄今为止，国内外对行人交通研究的深度远远不及机动车交通，其调查和分析方法需要不断地改进和完善。传统的研究方法仅仅对影响乘客上下车的因素进行定性的研究，因此，需要提供一种能够准确预测轨道交通在高峰时段和非高峰时段的乘客上下车时间的预测方法，同时考虑乘客上下车行为对乘客上下车时间的影响，更为准确地反映乘客在不同客流情况下的乘客上下车时间的实时预测。
技术实现思路
为了解决以上问题，本专利技术提供了一种城市轨道交通乘客上下车时间的预测方法，采用分段函数模型建立乘客上车时间预测模型，并考虑乘客排队行为对乘客上下车时间的影响，对乘客上下车时间预测模型进行优化，能够更为准确地预测乘客上下车时间，为正确疏导乘客上下车行为提供参考，提高轨道交通的运营效率。为达到上述目的，本专利技术采用下述技术方案：一种城市轨道交通乘客上下车时间的预测方法，其特征在于，所述方法包括：S1：采集轨道交通列车运行信息、站台信息、客流信息和乘客信息，统计分析所述信息得到乘客上、下车人数与乘客上、下车时间的散点图；S2：根据所述散点图拟合乘客上、下车流量变化曲线，根据所述曲线曲率变化建立乘客上车时间预测的分段函数模型和乘客下车时间预测模型；S3：考虑乘客排队行为对所述分段函数模型和所述乘客下车时间预测模型进行优化，得到乘客上、下车时间的优化预测模型；S4：采用最小二乘法求解所述乘客上、下车时间的优化预测模型得到乘客上、下车时间的实时预测模型。优选的，所述列车运行信息包括列车到站时间、列车发车时间和列车停车间隔。优选的，所述站台信息包括乘客候车位置和候车区域的大小。优选的，所述客流信息包括站台出入口客流、上车客流、下车客流、乘客站台分布、车内乘客人数、车内乘客密度和行人密度。优选的，所述乘客信息包括乘客行走速度、乘客人均占地面积、是否携带行李和乘客年龄分布。优选的，所述步骤S2中根据所述乘客上车流量变化曲线的曲率变化将所述曲线分为非高峰段、过渡段和高峰段，建立所述乘客上车时间预测的分段函数模型为f(x)=a1x3+a2x2+a3x+a4x≤Mb1x+b2M≤x≤Nc1x2+c2x+c3x>N]]>其中，a1，a2，a3，a4，b1，b2，c1，c2，c3为模型未知参数，M为非高峰段乘客上车人数的最大值，N为高峰段乘客上车人数的最小值；根据所述乘客下车流量变化曲线的曲率变化建立所述乘客下车时间预测模型为f(y)＝αyβ其中，α，β为模型未知参数。优选的，所述S3包括以下步骤：S31：建立多队乘客形成的乘客上车的队列宽度模型W＝Wlayer+(n-1)DlayerWlayer＝Wmax+Wswayn=[W-Wlayer+DlayerDlayer]]]>其中，W多队乘客形成的乘客上车的队列宽度模型，为Wlayer为相邻两队乘客中心沿垂直队列方向的距离，n为队列数量，Dlayer为靠近车门中心的乘客排队时所需的宽度，Wmax为乘客的最大肩宽，Wsway为靠近车门中心的乘客排队时的波动宽度，[X]表示最接近X的整数；S32：根据所述队列宽度建立乘客排队行为下列车车门通过能力模型，首先建立车门通过能力模型为Cd=∂z∂t]]>其中，Cd为列车车门的通过能力，z为待上、下车的乘客人数；之后，根据采集的所述信息，得到实际情况下乘客排队的队列数量，得到平均每队乘客通过能力模型为Cl=Cdl]]>其中，l为乘客排队的队列数量；由此，根据所述队列宽度模型，得到乘客排队行为下列车车门通过能力模型为C=nCl=nCdl]]>S33：采用所述列车车门通过能力模型对所述分段函数模型进行优化得到乘客上、下车时间的优化预测模型，所述优化预测模型为t(z,θ)=∫f(θ)f(z+θ)dt=ln∫f(θ)f(z+θ)dtCd=ln[f(z+θ)-f(θ)]]]>其中，θ为已上车的乘客人数。本专利技术的有益效果如下：本专利技术公开的一种城市轨道交通乘客上下车时间的预测方法，在大量统计信息和对乘客上下车排队行为的研究的基础上，建立乘客上下车时间实时预测模型，能够更为准确地预测乘客上、下车时间，为正确疏导乘客上下车行为提供参考，同时对缩短乘客上下车时间优化方案的提出具有指导意义，提高轨道交通的运营效率。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明。图1示出了本专利技术所述的一种城市轨道交通乘客上下车时间的预测方法流程示意图。图2示出了乘客人数与乘客上车时间的散点图。图3示出了乘客人数与乘客下车时间的散点图。图4示出了乘客上车的排两队行为仿真图。图5示出了乘客排队上、下车时的位置重叠现象示意图。图6示出了验证乘客上车时间实时预测模型的仿真结果。图7示出了验证乘客下车时间实时预测模型的仿真结果。具体实施方式为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表本文档来自技高网...

【技术保护点】
一种城市轨道交通乘客上下车时间的预测方法，其特征在于，所述方法包括：S1：采集轨道交通列车运行信息、站台信息、客流信息和乘客信息，统计分析所述信息得到乘客上、下车人数与乘客上、下车时间的散点图；S2：根据所述散点图拟合乘客上、下车流量变化曲线，根据所述曲线曲率变化建立乘客上车时间预测的分段函数模型和乘客下车时间预测模型；S3：考虑乘客排队行为对所述分段函数模型和所述乘客下车时间预测模型进行优化，得到乘客上、下车时间的优化预测模型；S4：采用最小二乘法求解所述乘客上、下车时间的优化预测模型得到乘客上、下车时间的实时预测模型。

【技术特征摘要】
1.一种城市轨道交通乘客上下车时间的预测方法，其特征在于，所述方法包括：S1：采集轨道交通列车运行信息、站台信息、客流信息和乘客信息，统计分析所述信息得到乘客上、下车人数与乘客上、下车时间的散点图；S2：根据所述散点图拟合乘客上、下车流量变化曲线，根据所述曲线曲率变化建立乘客上车时间预测的分段函数模型和乘客下车时间预测模型；S3：考虑乘客排队行为对所述分段函数模型和所述乘客下车时间预测模型进行优化，得到乘客上、下车时间的优化预测模型；S4：采用最小二乘法求解所述乘客上、下车时间的优化预测模型得到乘客上、下车时间的实时预测模型。2.根据权利要求1所述方法，其特征在于，所述列车运行信息包括列车到站时间、列车发车时间和列车停车间隔。3.根据权利要求1所述方法，其特征在于，所述站台信息包括乘客候车位置和候车区域的大小。4.根据权利要求1所述方法，其特征在于，所述客流信息包括站台出入口客流、上车客流、下车客流、乘客站台分布、车内乘客人数、车内乘客密度和行人密度。5.根据权利要求1所述方法，其特征在于，所述乘客信息包括乘客行走速度、乘客人均占地面积、是否携带行李和乘客年龄分布。6.根据权利要求1所述方法，其特征在于，所述步骤S2中根据所述乘客上车流量变化曲线的曲率变化将所述曲线分为非高峰段、过渡段和高峰段，建立所述乘客上车时间预测的分段函数模型为f(x)=a1x3+a2x2+a3x+a4x≤Mb1x+b2M≤x≤Nc1x2+c2x+c3x>N]]>其中，a1，a2，a3，a4，b1，b2，c1，c2，c3为模型未知参数，M为非高峰段乘客上车人数的最大值，N为高峰段乘客上车人数的最小值；根据所述乘客下车...

【专利技术属性】
技术研发人员：董海荣，陈静，姚秀明，魏成杰，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11