时变网络下轨道交通出行路径动态选择模型——以武汉市为例

发布时间：2021-07-17 17:51

　　轨道乘客出行路径选择模型在轨道站台设计、线网规划、运营管理等领域应用广泛。为解决传统换乘路径分配方法在考虑乘客出行自主性方面及在应对供需动态演化方面存在不足的问题,提出一种基于时变网络载体的轨道交通出行路径动态选择模型,可用于真实模拟不同时段的客运强度与设施服务对路径选择的影响。并结合全网乘客进出站信息、轨道运行时刻表、人工调查、静态线网结构等数据,分析个体出行与网络整体满载情况的相关性。在此基础上,将基于站点的轨道网络简化为基于换乘区间的拓扑结构,并结合客流指标获取算法,进行武汉市轨道乘客出行特征仿真测试。实验结果表明,该模型强调网络环境的时效差异,能够更加精细、完备地模拟出行偏好,模型具有普适性,并具有与轨道交通规划、土地利用规划等专项规划相结合的潜力。 

【文章来源】：交通信息与安全. 2020,38(03)北大核心CSCD

【文章页数】：9 页

【部分图文】：

轨道网络第i个周期的拥挤情况由其紧前的若干周期决定示意图Fig.1Congestionintheperiodioftherailnetworkisdeterminedbysomeprecedingones-

交通信息与安全2020年3期第38卷总225期参数值aβγδ2.001.801.601.401.201.000.800.600.400.2007:00—09:0013:00—15:0017:00—19:0020:00—22:00时段图2式（1）中各参数的标定值Fig.2Calculatedvaluesofeachparameterinstatement（1）车内时间权重α与换乘时间权重β?γ?δ共同决定广义出行成本。同步调节参数α与γ，研究不同时段下路径选择概率的变化情况。如表3所示，对于直达路径，参数α对结果的灵敏度更高，对于换乘路径，参数β?γ?δ对结果的作用力更强。对于参数的变化，高峰期均比平峰期敏感。在其它参数保持标定值的情况下，随着参数α由1.0增加至2.0，直达路径在高峰期和平峰期的选择概率分别下降18.99%和13.94%，换乘路径选择比例相应上升。原因在于直达路径车内成本逐渐覆盖换乘因素，乘客自主选择拥挤度稍低的换乘方案，这在高峰期表现得更为明显。同理，随着参数γ由1.0增加至2.0，换乘线路在高峰期和平峰期的选择概率分别下降8.44%和2.7%，直达路径选择比例相应增长。原因在于随着换乘复杂度的提升，拥挤度因素被换乘时耗逐渐代替，直达路径被更多人选择，这对通勤出行群体更具吸引力。39.037.035.033.031.029.027.025.023.0闸机时间/min闸机时间序列线性（闸机时间序列）有效闸机时间图3工作日07∶30—08∶00武汉市轨道“金银潭—江汉路”区间乘客通过闸机时间序列Fig.3Traveltimeseriesof“Jinyintan—JianghanRoad”sectionduring07∶30—08∶00onweekdays通过闸机的样本序列3.2客流指标获取为进

全网200万余对站点OD逐个搜索多路径需要大量运算资源。参考基于线路的拓扑转换方法[14]，本文将基于全网站点的断面集合转化为基于换乘站点的区间组合（见图5）。将换乘站点之间形成的换乘区间视为节点，换乘区间之间的联系视为邻接关系[15]，简化后的搜索规模压缩至54个换乘区间（双向）。除轨迹起终站点所在区间，换乘行为影响出行途经换乘区间所有断面的客流。图4基于传统线路站点的武汉市轨道网络拓扑结构Fig.4TopologicalstructureofWuhanrailtransitbasedontraditionallinesandstations图5基于换乘区间的武汉市轨道网络拓扑结构Fig.5TopologicalstructureofWuhanrailtransitbasedontransferintervals网络搜索方面，将标定有效闸机时间的站点OD集合映射到简化拓扑结构中，参考多路径搜索算法[16]，基于广义出行成本计算每组出行组合的断面客流量与换乘站点客流量，具体步骤如下。步骤1。建立简化的网络拓扑，每个轨道站点归属于某一换乘区间（换乘站进出情况在步骤3~4中设计虚拟换乘[17]排除），重塑基于换乘区间的O′D′组合。步骤2。针对某站点OD，按照实际起终站点均不是、其中之一是、以及二者都是换乘区间节点，分3种情况建立实际起终站点OD与（见图4中节点）与最近邻换乘区间节点O′D′（见图5中节点）的几何关系。步骤3。对于步骤2中的O′D′，在有效闸机时间时变网络下轨道交通出行路径动态选择模型——以武汉市为例——王冠钟鸣李建忠孙贻璐53

【参考文献】：
期刊论文
[1]基于前景理论的轨道交通乘客路径选择模型[J]. 黄婷婷,朱海燕,杨聚芬.  都市快轨交通. 2019(02)
[2]基于轨道交通网络特点的K最短路算法研究[J]. 钟璧樯,楼栋,周一威.  都市快轨交通. 2019(01)
[3]共享单车出行特性与出行行为分析[J]. 冉林娜,李枫.  交通信息与安全. 2017(06)
[4]城市轨道交通网络乘客换乘路径选择行为模型[J]. 陈坚,王曼,李和平,段力伟.  交通运输系统工程与信息. 2017(06)
[5]大数据时代城市交通学发展的机遇[J]. 汪光焘.  城市交通. 2016(01)
[6]考虑换乘时间影响的城市轨道交通路径选择行为研究[J]. 钱堃,陈垚,毛保华.  交通运输系统工程与信息. 2015(02)
[7]交通网络拓扑结构及特性研究综述[J]. 于海宁,张宏莉,余翔湛.  华中科技大学学报(自然科学版). 2012(S1)
[8]城市轨道交通客流分配的改进Logit模型及方法[J]. 林湛,蒋明青,刘剑锋,四兵锋.  交通运输系统工程与信息. 2012(06)
[9]城市轨道交通乘客路径选择模型及算法[J]. 刘剑锋,孙福亮,柏赟,许娟.  交通运输系统工程与信息. 2009(02)
[10]无缝换乘条件下城市轨道交通网络客流分配模型及算法[J]. 四兵锋,毛保华,刘智丽.  铁道学报. 2007(06)



本文编号：3288653