基于轨道交通自动售检票系统(Automatic Fare Collection,AFC)统计获得的集计型客流数据,依据行为分析理论,提出1种适用于路网结构变化条件下的城轨站间客流量分布预测模型。首先,基于随机效用最大化理论,构建乘客目的地选择模型,选取...基于轨道交通自动售检票系统(Automatic Fare Collection,AFC)统计获得的集计型客流数据,依据行为分析理论,提出1种适用于路网结构变化条件下的城轨站间客流量分布预测模型。首先,基于随机效用最大化理论,构建乘客目的地选择模型,选取终点站吸引客流量、列车运行时间、乘客在站换乘时间、乘客换乘次数、起终点站的线位关系和站点属性6个指标构建效用函数,以反映目的地吸引力、城轨服务水平、起终点站之间的线位匹配关系等对乘客目的地选择行为的影响,在此基础上,建立站间客流量分布预测模型;然后,利用代表个人法将AFC数据转化为非集计型数据,基于WESML(Weighted Exogenous Sampling Maximum Likelihood)估计方法,实现对目的地选择的非集计预测模型的参数标定。采用广州地铁6号线开通前后的AFC数据,对该预测模型的预测效果进行检验。结果表明:在新线接入导致地铁线网结构发生变化的条件下,全线网站间客流量分布预测的平均绝对误差仅为36人,因此该预测模型具有较高的预测精度。展开更多
为研究地铁车站留乘特征,基于地铁自动售检票(auto fare collection,AFC)刷卡数据和运行图数据,研究了地铁车站留乘概率分布估计方法.首先,基于乘客进、出站刷卡时刻与列车到、发时刻的关系,构造了聚集时间最大值、疏解时间的概率分布函...为研究地铁车站留乘特征,基于地铁自动售检票(auto fare collection,AFC)刷卡数据和运行图数据,研究了地铁车站留乘概率分布估计方法.首先,基于乘客进、出站刷卡时刻与列车到、发时刻的关系,构造了聚集时间最大值、疏解时间的概率分布函数,提出了基于截断样本的聚集、疏解时间分布估计方法;其次,通过研究乘客进、出站刷卡时间、聚集时间、疏解时间及留乘次数间的关系,提出了地铁车站留乘概率分布估计方法;最后,以某地铁区段为例,在估计了留乘程度不同、类型不同车站的聚集、疏解时间分布的基础上,估计了这些车站在平峰、高峰时段内的留乘概率分布.案例分析表明,在显著水平为5%的条件下,聚集、疏解时间分布估计结果可信;估计所得留乘概率分布与实地调查所得一致.展开更多
文摘基于轨道交通自动售检票系统(Automatic Fare Collection,AFC)统计获得的集计型客流数据,依据行为分析理论,提出1种适用于路网结构变化条件下的城轨站间客流量分布预测模型。首先,基于随机效用最大化理论,构建乘客目的地选择模型,选取终点站吸引客流量、列车运行时间、乘客在站换乘时间、乘客换乘次数、起终点站的线位关系和站点属性6个指标构建效用函数,以反映目的地吸引力、城轨服务水平、起终点站之间的线位匹配关系等对乘客目的地选择行为的影响,在此基础上,建立站间客流量分布预测模型;然后,利用代表个人法将AFC数据转化为非集计型数据,基于WESML(Weighted Exogenous Sampling Maximum Likelihood)估计方法,实现对目的地选择的非集计预测模型的参数标定。采用广州地铁6号线开通前后的AFC数据,对该预测模型的预测效果进行检验。结果表明:在新线接入导致地铁线网结构发生变化的条件下,全线网站间客流量分布预测的平均绝对误差仅为36人,因此该预测模型具有较高的预测精度。
文摘为研究地铁车站留乘特征,基于地铁自动售检票(auto fare collection,AFC)刷卡数据和运行图数据,研究了地铁车站留乘概率分布估计方法.首先,基于乘客进、出站刷卡时刻与列车到、发时刻的关系,构造了聚集时间最大值、疏解时间的概率分布函数,提出了基于截断样本的聚集、疏解时间分布估计方法;其次,通过研究乘客进、出站刷卡时间、聚集时间、疏解时间及留乘次数间的关系,提出了地铁车站留乘概率分布估计方法;最后,以某地铁区段为例,在估计了留乘程度不同、类型不同车站的聚集、疏解时间分布的基础上,估计了这些车站在平峰、高峰时段内的留乘概率分布.案例分析表明,在显著水平为5%的条件下,聚集、疏解时间分布估计结果可信;估计所得留乘概率分布与实地调查所得一致.
