专利名称：一种城市轨道交通网络大客流影响的预测方法
技术领域：
本发明属于城市轨道交通网络化运营中的大客流影响及应急处置技术领域。
背景技术：
城市大型活动(博览会(如世博会)、大型体育会(如奥运会、Fl大奖赛)、大型庆典(如国庆庆典)、节假日(如春节)、演唱会等)将在特定时间段内产生高强度、高密度的大客流，从而对城市客运交通系统产生巨大的挑战。城市轨道交通网络作为城市客运交通系统中的骨干，大客流事件由于具有人数众多、人流来向复杂、流动性大等一些不确定因素的特点，对轨道交通网络的运输能力、安全可靠性、协调调度等各个方面造成的交通压力更大。目前，国内外现有该技术领域中主要采用了基于客运需求总量预测的方法，即根据大型活动的特点，运用传统的交通需求预测分析方法，进行大型活动举办期间客运需求的总量预测，并提出相应的应急交通组织方案。城市轨道交通作为大容量的快速客运交通系统，在网络化运营条件下，大客流事件的影响将呈现出时间、空间上的自身规律和特点， 而现有技术中对大客流事件在轨道交通网络上的时间、空间传播扩散影响缺少有效的分析预测方法。
发明内容
城市大型活动举办期间，大客流将在部分车站形成大客流事件，并通过网络进一步传播和扩散，从而对城市轨道交通整体网络运用产生重大影响。在大客流事件发生情况下，城市轨道交通网络需要在网络运营组织方案、运行计划调整、安全保障等多方面作出及时调整和优化，其基础则是大客流发生后的轨道交通网络客流变化规律，即大客流对城市轨道交通网络在时间、空间两个维度上的影响。为有效满足大客流事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，本发明基于大客流产生特征及其网络传播规律的分析，提出了大客流对城市轨道交通网络影响预测的方法，用于实现对城市轨道交通线网大客流的影响时间、影响程度和影响范围的分析预测。本发明在对城市轨道交通网络模型的抽象构建之上，基于大客流产生及传播规律的深入分析，提出了大客流产生规律、大客流去向确定、网络客流分布计算以及大客流影响分析评价方法等在内的大客流对城市轨道交通网络影响预测的一套完整方法。本发明方法流程如
图1所示，具体过程包括如下步骤(1)城市轨道交通网络抽象模型构建本发明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；幻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
5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。(2)大客流事件生成大客流事件的产生对于城市轨道交通网络而言，其产生主要在车站，因此，本发明提出了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；幻大客流发生车站的客流疏散能力，此能力反应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力)大客流数量；6)大客流的到达时间和到达规律。上述大客流事件信息中，前5项信息资料可从城市轨道交通运营部门或其他相关部门收集得到。第6项信息资料则可采用概率分布进行描述，可选择的概率分布模型有平均分布模型、负指数分布模型和爱尔朗分布模型。(3)大客流去向(来源)车站客流比例指定大客流情况下，轨道交通网络客流量包括原有客流量和叠加客流量。原有客流量即正常情况下轨道交通网络已经具有的客流量，这部分数值可直接从数据库中读取；叠加客流量即突增大客流在轨道交通网络中产生的额外客流量，该部分数值无法直接从历史记录中获取，是需要重点要研究和分析的对象。大客流叠加客流量的分析包括时间段分析、客流出发站(0站)分析和客流终到站 (D站)分析。其中，时间段信息可以从步骤( 客流的到达规律信息中获得，客流出发车站 (0站)就是大客流事发车站，而客流终到站(D站)则不得而知，需要通过设计方法来分析得到。本发明设计了五种大客流D站客流比例指定方式，旨在利用城市轨道交通系统已有的历史客流数据信息以及轨道交通运营管理工作人员的丰富经验来分析确定大客流的D 站客流分配比例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。Σ aD = 1式(3)其中，0彡aD彡1，为某一指定D站的客流分配比例。以这种方式分配客流方便迅速、简单直观，但要求管理人员具有丰富的运营管理经验，能够准确把握客流的趋势和动向。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。与第一种方式不同的是，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。a D = U1U2- υη式⑷其中，υ i为在第i个换乘站去往D站方向的客流比例，0 ( Ui^ I0与方式(1)相比，该方式降低了对管理人员运营管理经验的要求，使用者只需掌
6握好各换乘站去往各方向的客流比例即可，最终的结果可由系统间接算得。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。一般只需要将0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。
r H% = ^IM式(5)
D ^其中，N为参与统计的总天数，YDi为第i天从大客流发生车站去往D站的客流比例。可用的客流统计方式有很多，常用的有年平均、月平均、周平均、指定日期范围内平均、指定特征日期平均等等。只要数据库中存在所需日期的客流数据，即可利用该方式完成D站客流分配比例的计算。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。鉴于大客流的起因有多种，包括体育比赛、文艺活动、产品展览、群众集会等多种情况，而各种情况的客流特征互有差异，因此必须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。 D = ^^式(6)其中，Coi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。(4)大客流网络影响分析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起终影响判别标准分析大客流对轨道交通网络中各线路的起终影响时间首先需要确定一个起始影响和终止影响的标准，即什么情况下认为大客流事件开始对本线产生影响，什么情况下认为大客流事件对本线的影响已经结束。在具体操作过程中，有两种标准可供选择a.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；b.不论叠加客流量如何，只考虑区间总客流量和区间原有运能的对比情况，将线路中任一区间服务水平发生变化的时间作为线路的起始影响时间，而线路中所有区间的服务水平恢复到初始情况的时间作为线路的终止影响时间。考虑到分析结果存在一定的误差，并且富裕的时间段范围具有更高的可靠性，本发明选择第一种判别标准来分析计算各线的起终影响时间。②起终影响时间计算确定起终影响判别标准后，本发明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，具体操作方法如下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M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)影响程度分析大客流在轨道交通网络中的传播呈逐步扩散的趋势，如图3所示。本发明为了有效评价大客流对轨道交通网络的影响程度，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。具体方法如下①划分大客流事件对车站的影响程度等级，如表1所示。表1大客流事件对车站的影响等级划分
权利要求
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；( 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。
2.根据权利要求1所述的方法，其特征在于步骤(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；幻连接弧两个相邻车站之间有方向的路段；幻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。
3.根据权利要求1所述的方法，其特征在于步骤O)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；幻大客流发生车站的客流疏散能力，此能力反应了事发车站每小时最多能疏散多少客流；幻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。
4.根据权利要求1所述的方法，其特征在于步骤(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(0站)分析和客流终到站(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；Σ aD = 1式⑶其中，0彡Ci11彡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；aD=U 1U2... "η式⑷其中，Ui为在第i个换乘站去往D站方向的客流比例，Ui^l;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；一般只需要将0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；其中，N为参与统计的总天数，Ym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；
5.根据权利要求1所述的方法，其特征在于步骤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M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
6.根据权利要求5所述的方法，其特征在于所述影响范围分析的步骤中，可根据实际业务需要确定影响范围的大客流影响等级阀值，比如以“中等影响”取代“轻微影响”作为影响等级阀值。
全文摘要
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。
文档编号G07C11/00GK102169606SQ20101011438
公开日2011年8月31日 申请日期2010年2月26日 优先权日2010年2月26日
发明者徐瑞华, 朱炜, 王志强 申请人:同济大学