一种基于场景的城市轨道交通网络大客流分配方法组成比例

一种基于场景的城市轨道交通网络大客流分配方法，包括以下步骤：对现实中的城市轨道交通网络进行抽象，构建系统模型作为大客流分配的网络基础；对大客流出行所处的具体场景做出判断，确定所需的OD数据；选择相适应的客流分配单元模型，并通过单元模型的组合构成基于特定场景的大客流分配模型；应用对应的有效算法对模型进行合理求解，从而得到基于特定场景的城市轨道交通网络大客流分布的各项指标。通过本发明专利技术的方法计算得到的城市轨道交通网络大客流分布指标等较现有技术更为合理准确，为城市轨道交通运营管理部门面向大客流条件做好运营组织管理工作提供了充分的依据。

【技术实现步骤摘要】
一种基于场景的城市轨道交通网络大客流分配方法
本专利技术属于城市轨道交通网络化运营管理中的客流分布计算及应急事件处置

技术介绍
因大型活动举办或应急事件疏散而引发的大客流事件，一方面在短时间内产生高强度和高密度的客流，常规的城市交通组织管理难以满足需求；另一方面，大客流事件的发生概率又远高于偶发的公共突发事件，从而更具现实急迫性。城市轨道交通作为城市交通的骨干，亟需做好上述大客流条件下的运营组织管理工作，而运营组织管理的前提是准确掌握大客流对轨道交通网络的影响以及由此带来的网络客流分布的变化，其核心在于解决大客流条件下的网络客流分配问题。大客流条件下的城市轨道交通网络客流分配属于交通分配研究的范畴，而交通分配问题缘起自城市道路交通的规划与管理实践。对于城市道路交通而言，从1956年美国芝加哥地区交通规划[1]至今经历了50余年的发展，交通分配模型已较为成熟且衍生出众多分支[2-6]，与之相比，交通分配模型映射在城市轨道交通领域的研究成果显得较不充分。而国内对于交通分配问题的研究起步较晚，1979年始由美籍华人交通专家张秋先生介绍引入[7]，未及对国外道路交通分配研究成果的消化、吸收及创新，便已直面当前国内城市轨道交通大发展的新形势[8]。同时，现阶段国内针对大型活动大客流或应急疏散大客流的预测所取得的研究成果大多是对应于出行生成、出行分布和方式划分阶段的需求模型，而对应于交通分配阶段的供给模型研究较少，即便有诸如针对南京“十运会”的路段溢流再分配多路径分配等分配模型的提出[9]，但其研究工作仍显不够深入与完整。再反观城市轨道交通，在这方面的相关研究更少，对应于交通分配阶段的客流分配计算更是基本沿用用于计算日常常态客流的一般模型。此外，城市轨道交通网络上的客流是微观个体出行行为的宏观涌现，而要理解个体的行为，需要阐明的不仅是行为，还包括行为发生的语境[10]；同样地，对乘客出行行为的分析及客流分配计算的讨论也需要在具体特定的界定下才有意义[11]。由于在不同的出行场景下，乘客会有着不同的行为表现，因而需要借鉴现有的出行行为研究方法，参考其研究成果，深入具体地分析大客流条件下的轨道交通乘客出行行为，归纳其特征，构建相应的客流分配模型。上述国内外相关技术情况是本专利技术的背景基础，但在当前国内城市轨道交通快速发展及其网络化运营的态势下，缘起于城市道路交通领域的交通分配研究在城市轨道交通领域被赋予了更大的意义，同时，城市轨道交通与城市道路交通两种不同的交通方式性质各异，因大型活动举办或应急事件疏散而引发的大客流需求与日常常态客流需求两类不同的交通需求特征不同，而即便是同类交通需求在不同出行场景下其表现行为也会有很大的差异，为此，本专利技术具有一定的理论意义与实际价值。参考文献：[1]徐慰慈.城市交通规划论[M].上海：同济大学出版社，1997.[2]DafermosS.TrafficEquilibriumandVariationalInequalities.Transp.Sci.1980，14，42-54.[3]DialR.B.Network-optimizedRoadPricing：PartI：AParableandAModel[J].TransportationResearch，1999，47(1)，54-64.[4]FerrariP.RoadPricingandNetworkEquilibrium[J].Transp.Res.B，1995，43(3)，357-372.[5]Friesz，T.，D.Bernstein，T.Smith，R.Tobin，B.Wie.AVariationalInequalityFormulationoftheDynamicNetworkUserEquilibriumProblem[J].Oper.Res.1993，41(1)，179-191.[6]Nagurney，A.NetworkEconomics：AVariationalInequalitiesApproach[M].KluwerAcademicPublishers，Norwell，MA，1993.[7]SheffiY.城市交通网络：用数学规划方法进行网络平衡分析[M]，云辉，戴香菊(译).成都：西南交通大学出版社，1992.[8]国家发展和改革委员会综合运输研究所.2010年城市轨道交通行业发展研究报告[M].北京：中国铁道出版社，2010.[9]崔洪军，魏连雨，陆建.大型活动交通分配改进方法[A].第六届交通运输领域国际学术会议论文集[C].大连：大连理工大学出版社，2006.[10](美)布斯等.研究是一门艺术[M]，陈美霞等(译).北京：新华出版社，2009.[11]杨东援.交通规划决策支持系统[M].上海：同济大学出版社，1997.
技术实现思路
在大客流事件发生情况下，城市轨道交通网络需要在运营组织方案、运行计划调整、安全保障措施等诸多方面做出及时调整和优化，其基础则是大客流发生后的轨道交通网络客流变化规律，即大客流在城市轨道交通网络上的分布情况。为有效满足大客流条件下城市轨道交通运营组织方案制定及大客流疏散处置辅助决策的需要，本专利技术在城市轨道交通大客流出行场景及乘客行为分析基础上，按照有无信息作用及外地乘客是否“本地化”两项条件的不同组合，提出了面向四类典型出行场景的城市轨道交通网络大客流分配方法，用于计算大客流在城市轨道交通网络上的时空分布。本专利技术在对城市轨道交通网络模型的抽象构建之上，基于对大客流出行场景及乘客行为的深入分析，提出了场景判断及OD数据生成、分配模型选用及组合、大客流分配模型求解等在内的对城市轨道交通大客流在网络上进行分配的一套完整方法。本专利技术方法流程如图1所示。首先，对现实中的城市轨道交通网络进行抽象，构建系统模型作为大客流分配的网络基础；其后，根据有无信息作用及外地乘客是否“本地化”两项条件对大客流出行所处的具体场景做出判断，并基于AFC系统(AutomaticFareCollectionSystem，轨道交通自动售检票系统)功能，利用海量历史客流信息同时结合运营管理人员的丰富经验得到所需的OD数据；在此基础上，选择相适应的客流分配单元模型，并通过单元模型的组合构成基于特定场景的大客流分配模型；最后，应用对应的有效算法对模型进行合理求解，从而得到基于特定场景的城市轨道交通网络大客流分布的各项指标。具体过程包括以下步骤：(1)城市轨道交通网络抽象模型构建本专利技术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区段；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上分配问题转化成了几何图论中的路径分析和搜索问题。(2)场景判断及OD数据生成网络客流分布是微观个体出行行为的宏观涌现，而要理解个体的行为，需要阐明的不仅是行为，还应包括行为发生的语境本文档来自技高网...

【技术保护点】
一种基于场景的城市轨道交通网络大客流分配方法，其特征在于：包括以下步骤：(1)、对现实中的城市轨道交通网络进行抽象，构建系统模型作为大客流分配的网络基础；(2)、对大客流出行所处的具体场景做出判断，确定所需的OD数据；(3)、选择相适应的客流分配单元模型，并通过单元模型的组合构成基于特定场景的大客流分配模型；(4)、应用对应的有效算法对模型进行合理求解，从而得到基于特定场景的城市轨道交通网络大客流分布的各项指标。

【技术特征摘要】
1.一种基于场景的城市轨道交通网络大客流分配方法，其特征在于：包括以下步骤：(1)、对现实中的城市轨道交通网络进行抽象，构建系统模型作为大客流分配的网络基础；(2)、对大客流出行所处的具体场景做出判断，确定所需的OD数据；(3)、选择相适应的客流分配单元模型，并通过单元模型的组合构成基于特定场景的大客流分配模型；(4)、应用对应的有效算法对模型进行合理求解，从而得到基于特定场景的城市轨道交通网络大客流分布的各项指标；所述步骤(2)中根据有无“信息”及外地乘客是否“本地化”两项条件对大客流出行所处的场景做出判断；其中，所述“信息”是指运营管理部门提供反映路网状况的交通服务信息，所述“本地化”是指通过行前规划或现场问询方式借助本地乘客经验选择路径；界定四类现实中大客流出行场景：场景I：无信息无本地化；场景II：无信息有本地化；场景III：有信息无本地化；场景IV：有信息有本地化；对具体场景做出判断后，基于轨道交通自动售检票系统功能，利用包括历史客流在内的信息得到所需的OD数据；面向所述大客流出行的四类不同场景，需要针对大客流两类乘客在上述出行场景下的路径选择行为特征来确定合适的单元模型，再通过这些单元模型组合来构建基于场景的网络大客流分配模型；进一步包括：不同场景下的大客流分配计算是由相应的本地客流分配计算与外地客流分配计算两部分构成的，其基础的关键模型分别为阻抗分层考虑的客流分配模型、基于最少换乘的客流分配模型以及基于随机用户均衡原则的客流分配模型；对于本地乘客而言，主要受信息作用影响，在无信息作用下以阻抗分层考虑的客流分配模型计算其客流分布情况；在有信息作用下以基于随机用户均衡原则的客流分配模型计算其客流分布情况；对于外地乘客，主要受“本地化”过程发生与否的影响，在“本地化”过程未发生时以基于最少换乘的客流分配模型计算其客流分布情况；在“本地化”过程发生时以阻抗分层考虑的客流分配模型计算其客流分布情况；阻抗分层考虑的客流分配模型用于计算无信息作用下的本地客流分布以及“本地化”过程发生时的外地客流分布；它是将影响乘客出行的确定性时间因素和不确定性拥挤程度、换乘方便性因素分两阶段来对路径的客流分配比例进行计算和修正，以时间阻抗为主确定客流在路径上的初始分配比例，再考虑路径上的换乘次数和静态的拥挤程度对该比例进行修正；基于最少换乘的客流分配模型用于计算“本地化”过程未发生时的外地客流分布，它是根据大客流外地乘客由于对轨道交通路网的不熟悉而持有的路径选择特征，首先以换乘次数多少确定路径的选择优先级，换乘次数少的路径优先级别高，将被优先分配客流量；当同一优先级别下存在多条路径时，再考虑时间因素或旅行站数进行客流量的分配；在信息作用场景下，路网拥挤状况实时信息被提供给大客流乘客，此时，大客流中的本地乘客一方面会根据自己以往的经验结合实时信息不断调整出行路径，另一方面由于信息的不完全性及乘客个体经验的差异又使得这种调整存在一定的随机性，从而遵循随机用户均衡原则进行路径选择；所述有效算法为K短路径搜索算法、最少换乘路径搜索算法以及基于K短路随机加载的MSA算法；K短路径搜索算法：一种基于深度优先的DeletionAlgorithm删除路径搜索算法，用以得到两点间所有的不包含重复节点的K条路径，该算法描述如下：Step1：利用Dijkstra算法求得有向图(N，A)中以开始节点s为根的最短路径树，标记从开始节点s到结束节点t之间的最短路径为Pk，k＝1；Step2：如果k小于要求的最短路径的最大数目K，并且仍然有候选路径存在，令当前路径P＝Pk，转Step3；否则，程序结束；Step3：找出当前路径P中从第一个节点开始的入度大于1的第一个节点，记为nh；如果nh的扩展节点n’h不在节点集N中，则转Step4，否则找出路径P中nh后面所有节点中，其对应的扩展节点不在N中的第一个节点，记为ni，转Step5；Step4：为节点nh构建一个扩展节点n’h，并把其添加到集合N中，同时从图(N，A)中所有nh的前驱节点连接一条到n’h的弧，弧对应的权重不变，添加这些弧到弧集A中，但nh在P中的前一个节点nh-1除外；计算从开始节点s到n’h的...

【专利技术属性】
技术研发人员：朱炜，徐瑞华，
申请(专利权)人：朱炜，徐瑞华，
类型：发明
国别省市：