-
题名拥堵条件下城市轨道交通“乘客-列车”分配方法
- 1
-
-
作者
闫旭
彭其渊
张永祥
刘晓薇
谷丽婷
冯涛
-
机构
西南交通大学交通运输与物流学院
西南交通大学综合交通运输智能化国家地方联合工程实验室
香港理工大学物流及航运学系
-
出处
《铁道科学与工程学报》
北大核心
2025年第5期2027-2039,共13页
-
基金
国家重点研发计划项目(2022YFB4300502)
国家自然科学基金资助项目(72201218)
四川省科技计划资助项目(2023NSFSC0901)。
-
文摘
实现拥堵条件下乘客到列车的精细化分配,对提高城轨客流的拥堵管理水平、辅助乘客出行决策具有重要意义。为此,针对线路层面,考虑乘客因拥堵延误所导致列车搭乘的不确定性,提出一种融合深度学习与知识推理的“乘客-列车”分配方法。首先,利用特征学习构建带有约束的双通道全连接神经网络模型,对乘客的进入(即进站及候车)与离开(即出站)过程时间展开估计;其次,根据估计结果构建基于相似性度量的列车推断模型,计算面向整个可行列车集合的离散分配概率,从而将乘客分配至其最可能搭乘的列车;最后,为克服数据异质性偏差,基于以上模型并结合领域知识制定若干偏差纠正策略以提高列车分配精度。收集重庆轨道交通3号线的自动售检票与列车时刻表数据展开实例分析,结果表明:不依赖独立假设或额外数据,所提出方法能实现至少87.12%目标乘客的合理分配,相比不使用纠偏策略的基线模型匹配率提高约12.50个百分点,具有较好的分配性能;与基于既有先进方法的基准模型相比,分配结果的一致性可达90.12%,具有较高的可信度,且部署后的计算效率显著高于基准模型,能更好应对大规模实际问题。此外,所提出方法可同步估计乘客出行的延误特征(如留乘次数分布、列车登乘概率等),从而更好地满足管理者与乘客的决策或出行需求,并有助于加深对客流拥堵态势的感知与理解。研究成果进一步丰富了城轨客流分配的精细化理论与方法,并能够为网络层面“乘客-列车”的分配提供重要支撑。
-
关键词
城市轨道交通
乘客-列车分配
深度学习
偏差纠正策略
拥堵延误特征
-
Keywords
urban rail transit
passenger-to-train assignment
deep learning
bias correction strategy
congestion delay characteristics
-
分类号
U293.13
[交通运输工程—交通运输规划与管理]
-
