城市轨道交通区间乘客交通流状态判别研究
发布时间：2021-11-12 03:39
轨道交通区间乘客交通流状态是轨道交通运营管理部门进行客流管理的基础,区间乘客交通流状态信息的获取,有利于轨道交通决策者进行客流疏导及运营计划调整,状态信息的及时发布有利于乘客进行出行路径选择。科学合理的区间乘客交通流状态判别可有效提升轨道交通乘客的服务水平,因此,本文基于区间乘客交通流特性,构建一种实时轨道交通区间乘客交通流状态判别方法,重点研究区间乘客交通流状态的定义及其判别模型的构建。论文首先进行区间乘客交通流状态的定义,通过轨道交通客流相关指标研究,进行区间乘客交通流特性分析,通过乘客对列车服务水平的满意度分析,发现列车车厢的乘客拥挤度是反映区间乘客交通流状态的重要指标,经过车厢拥挤程度相关指标研究,选取断面满载率为拥挤指标,以此反映区间乘客交通流状态,最后,引入立席密度评价标准,根据不同车厢舒适度等级下的立席密度范围,通过立席密度与断面满载率之间的转化关系,进行断面满载率的阈值区间划分,以此进行区间乘客交通流状态的定性、定量描述,将区间乘客交通流状态划分为自由流状态、稳定流状态、轻度拥挤状态、中度拥挤状态、严重拥挤状态。基于区间乘客交通流波动与时间上的关联特征,进行状态判别模型...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图3-2张府园至新街口区间的断面客流量
东南大学硕士学位论文38图3-3张府园至新街口区间的断面客流统计数据与采集数据对比图从图3-3可看出，断面客流统计数据与采集数据的折线图基本吻合，数据统计较为准确，晚高峰断面客流数据稍有偏差，可能由于乘客到达站台人数计算中按历史经验得出的换乘比例大于实际换乘比例。3.5本章小结本章基于轨道交通无障碍换乘条件下的乘客交通流原始交易数据，进行断面客流数据的实时统计。具体工作有：采集轨道交通AFC原始交易记录数据，首先进行数据预处理，利用Python软件进行线网OD分布统计，提取1号线上行方向OD分布概率矩阵，统计运营日当天的站台到达乘客人数，然后依次计算各班次列车在1号线各站的上车人数，下车人数等各项指标，最终得所有班次列车在1号线各站的发车载客量，获取目标区间断面客流量。
东南大学硕士学位论文444.3.5最优分割方案求解（1）最佳分类数求解q1qn最佳分类数q的选择是进行最优分割的关键问题，在已知分类数q的情况下，可搜寻最小分类损失函数Lp(n,q)，对应的分割p(n,q)即为最优解。最佳分类数q的提取方法大致分为两类：1）经验法，通过人工实践经验进行主观判断，不具有一般性；2）阈值法，满足|L[p(n,q1)]-L[p(n,q)]|（0）的q为最佳分类数[94]，L[p(n,q1)]-L[p(n,q)]为曲线相邻两点连线的斜率，当q达到一定值后，斜率伴随q的增大无限接近于零，说明分类损失函数值将无限趋近于同一值，分类结果的差异性不会伴随q值的增大而明显减小，因此本文通过计算曲线相邻两点连线的斜率，采取阈值法进行最佳分类数q的提龋记opQ为最优分割的最佳分类数，根据有序样本聚类，得到分类损失函数Lp(266,q)随分类数q的变化趋势如图4-1所示。从下图分类损失函数的变化趋势图中可看出，目标函数随q值的增大呈单调递减趋势，分类损失函数为典型的凹函数，当opqQ时，损失函数伴随q的增大不会有明显变化，opqQ时为最佳分类数。图4-1基于最优分割的损失函数变化趋势图由历史训练数据可得，当0.0019时，可得断面客流参数样本的最优划分。计算得图4-1最佳分类数42opQ，因此，指定分类数q42，相应损失函数7L[p(266,42)]0.056710。指定分类数后，求解过程如下。（2）最优分割求解过程传统的有序聚类算法在枚举所有分类数q的所有分类情况下，限定q值，对比分类
【参考文献】：
期刊论文
[1]采用递归有序聚类的信号控制时段划分方法[J]. 李文婧,孙锋,李茜瑶,马东方. 浙江大学学报(工学版). 2018(06)
[2]基于上海市道路交通状态指数的交通拥堵简析[J]. 张扬. 交通与运输(学术版). 2017(02)
[3]有序聚类分析法的改进及其在水文序列突变点识别中的应用[J]. 袁满,王文圣,叶濒璘. 水文. 2017(05)
[4]轨道交通站台拥挤指数计算模型[J]. 刘映池,朱顺应,彭增辉,胡磊,郑骞,王红. 物流技术. 2017(04)
[5]有序样本聚类方法在城市轨道交通运营时段划分中的应用[J]. 曾小旭,汪林,罗贤迪,张宁,赵圣娜. 都市快轨交通. 2017(02)
[6]基于路网客流模态的城市轨道交通网络拥堵演变机理[J]. 李曼,王艳辉,晋君,贾利民. 东南大学学报(自然科学版). 2017(02)
[7]城市交通综合指数、交通出行指数及其数学建模分析[J]. 李尚哲. 文理导航(下旬). 2017(01)
[8]城市轨道交通运营客流交通状态评价[J]. 王雪梅,陈莹,张宁. 城市轨道交通研究. 2016(12)
[9]城市轨道交通线网拥挤度指标体系研究[J]. 施云惠,熊梦伟,孙艳丰. 铁道科学与工程学报. 2016(11)
[10]北京城市轨道交通客流密集度指数研究[J]. 魏运,李得伟,高国飞,郑宣传. 都市快轨交通. 2015(03)
博士论文
[1]城市轨道交通车厢合理立席密度的研究[D]. 吴奇兵.北京交通大学 2015
[2]城市轨道交通客流预测与分析方法[D]. 王玉萍.长安大学 2011
[3]城市轨道交通乘客交通特性分析及建模[D]. 曹守华.北京交通大学 2009
硕士论文
[1]城市轨道交通站点客流不确定性机理及预测研究[D]. 徐世鹏.东南大学 2016
[2]城市轨道交通断面客流估计[D]. 潘攀.东南大学 2015
[3]基于客流需求的城市轨道交通时刻表优化研究[D]. 汪林.东南大学 2015
[4]城市轨道交通立席密度研究[D]. 赵亮.北京交通大学 2009
[5]城市轨道交通枢纽乘客交通流状态分析与评价[D]. 马莉.北京交通大学 2009
[6]城市轨道交通枢纽乘客流交通特性分析及建模[D]. 李灿.北京交通大学 2008
[7]基于乘客集散动态仿真的城市轨道交通枢纽评价研究[D]. 苗晓娟.北京交通大学 2008
[8]城市轨道交通枢纽乘客交通设施服务水平研究[D]. 张驰清.北京交通大学 2008
[9]城市道路交通状态判别方法研究[D]. 於毅.北京交通大学 2007
[10]城市轨道交通客流特征分析[D]. 张成.西南交通大学 2006
本文编号：3490090
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图3-2张府园至新街口区间的断面客流量
东南大学硕士学位论文38图3-3张府园至新街口区间的断面客流统计数据与采集数据对比图从图3-3可看出，断面客流统计数据与采集数据的折线图基本吻合，数据统计较为准确，晚高峰断面客流数据稍有偏差，可能由于乘客到达站台人数计算中按历史经验得出的换乘比例大于实际换乘比例。3.5本章小结本章基于轨道交通无障碍换乘条件下的乘客交通流原始交易数据，进行断面客流数据的实时统计。具体工作有：采集轨道交通AFC原始交易记录数据，首先进行数据预处理，利用Python软件进行线网OD分布统计，提取1号线上行方向OD分布概率矩阵，统计运营日当天的站台到达乘客人数，然后依次计算各班次列车在1号线各站的上车人数，下车人数等各项指标，最终得所有班次列车在1号线各站的发车载客量，获取目标区间断面客流量。
东南大学硕士学位论文444.3.5最优分割方案求解（1）最佳分类数求解q1qn最佳分类数q的选择是进行最优分割的关键问题，在已知分类数q的情况下，可搜寻最小分类损失函数Lp(n,q)，对应的分割p(n,q)即为最优解。最佳分类数q的提取方法大致分为两类：1）经验法，通过人工实践经验进行主观判断，不具有一般性；2）阈值法，满足|L[p(n,q1)]-L[p(n,q)]|（0）的q为最佳分类数[94]，L[p(n,q1)]-L[p(n,q)]为曲线相邻两点连线的斜率，当q达到一定值后，斜率伴随q的增大无限接近于零，说明分类损失函数值将无限趋近于同一值，分类结果的差异性不会伴随q值的增大而明显减小，因此本文通过计算曲线相邻两点连线的斜率，采取阈值法进行最佳分类数q的提龋记opQ为最优分割的最佳分类数，根据有序样本聚类，得到分类损失函数Lp(266,q)随分类数q的变化趋势如图4-1所示。从下图分类损失函数的变化趋势图中可看出，目标函数随q值的增大呈单调递减趋势，分类损失函数为典型的凹函数，当opqQ时，损失函数伴随q的增大不会有明显变化，opqQ时为最佳分类数。图4-1基于最优分割的损失函数变化趋势图由历史训练数据可得，当0.0019时，可得断面客流参数样本的最优划分。计算得图4-1最佳分类数42opQ，因此，指定分类数q42，相应损失函数7L[p(266,42)]0.056710。指定分类数后，求解过程如下。（2）最优分割求解过程传统的有序聚类算法在枚举所有分类数q的所有分类情况下，限定q值，对比分类
【参考文献】：
期刊论文
[1]采用递归有序聚类的信号控制时段划分方法[J]. 李文婧,孙锋,李茜瑶,马东方. 浙江大学学报(工学版). 2018(06)
[2]基于上海市道路交通状态指数的交通拥堵简析[J]. 张扬. 交通与运输(学术版). 2017(02)
[3]有序聚类分析法的改进及其在水文序列突变点识别中的应用[J]. 袁满,王文圣,叶濒璘. 水文. 2017(05)
[4]轨道交通站台拥挤指数计算模型[J]. 刘映池,朱顺应,彭增辉,胡磊,郑骞,王红. 物流技术. 2017(04)
[5]有序样本聚类方法在城市轨道交通运营时段划分中的应用[J]. 曾小旭,汪林,罗贤迪,张宁,赵圣娜. 都市快轨交通. 2017(02)
[6]基于路网客流模态的城市轨道交通网络拥堵演变机理[J]. 李曼,王艳辉,晋君,贾利民. 东南大学学报(自然科学版). 2017(02)
[7]城市交通综合指数、交通出行指数及其数学建模分析[J]. 李尚哲. 文理导航(下旬). 2017(01)
[8]城市轨道交通运营客流交通状态评价[J]. 王雪梅,陈莹,张宁. 城市轨道交通研究. 2016(12)
[9]城市轨道交通线网拥挤度指标体系研究[J]. 施云惠,熊梦伟,孙艳丰. 铁道科学与工程学报. 2016(11)
[10]北京城市轨道交通客流密集度指数研究[J]. 魏运,李得伟,高国飞,郑宣传. 都市快轨交通. 2015(03)
博士论文
[1]城市轨道交通车厢合理立席密度的研究[D]. 吴奇兵.北京交通大学 2015
[2]城市轨道交通客流预测与分析方法[D]. 王玉萍.长安大学 2011
[3]城市轨道交通乘客交通特性分析及建模[D]. 曹守华.北京交通大学 2009
硕士论文
[1]城市轨道交通站点客流不确定性机理及预测研究[D]. 徐世鹏.东南大学 2016
[2]城市轨道交通断面客流估计[D]. 潘攀.东南大学 2015
[3]基于客流需求的城市轨道交通时刻表优化研究[D]. 汪林.东南大学 2015
[4]城市轨道交通立席密度研究[D]. 赵亮.北京交通大学 2009
[5]城市轨道交通枢纽乘客交通流状态分析与评价[D]. 马莉.北京交通大学 2009
[6]城市轨道交通枢纽乘客流交通特性分析及建模[D]. 李灿.北京交通大学 2008
[7]基于乘客集散动态仿真的城市轨道交通枢纽评价研究[D]. 苗晓娟.北京交通大学 2008
[8]城市轨道交通枢纽乘客交通设施服务水平研究[D]. 张驰清.北京交通大学 2008
[9]城市道路交通状态判别方法研究[D]. 於毅.北京交通大学 2007
[10]城市轨道交通客流特征分析[D]. 张成.西南交通大学 2006
本文编号：3490090
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3490090.html
