【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。