论文部分内容阅读
随着城市交通规模的不断扩张,城市轨道交通路网体系逐步完善。在“一票换乘”的运营模式下,分析乘客的动态分布规律,监测路网客流变化是客流预测和运营管理的基础。自动售检票(Automatic Fare Collection System)系统提供的AFC数据包含了每位乘客的起屹点以及进出站时间等信息数据,从AFC数据中挖掘乘客的个体出行信息是一个好的突破点,因此我们可以挖掘这些数据的潜在信息,分析路网的客流分布特征,目前基于AFC数据的城轨交通客流分析的研究大多专注于多路径选择和客流分配,虽然可以很好的匹配乘客的出行路径,但是无法追踪乘客的运行轨迹,实时观测路网客流的分布状态。本文基于客流匹配,分析路网客流的时空分布特征。首先基于AFC数据构建乘客的路径选择模型,确定每位乘客的出行路径,分析乘客的运行模式;然后依据时间轴线,把乘客匹配到路网的具体空间位置上,统计路网中站点和断面的客流量进行分析研究;最后设计了城轨交通路网客流分布、拥堵状态的动态演示系统的实现方案。基于以上设想,本文提出了一种融合FCM聚类,模糊匹配和密度概率比例修正的路径匹配算法和一种基于客流匹配的城轨路网客流分析算法。针对以往基于AFC数据的路径匹配算法中遗漏类簇中心和无法一一匹配的问题,本文路径匹配算法的研究以有效路径作为分类中心,把有效路径划分为基准旅行时间可分和不可分的两类实验集,对不可分的有效路径创新性的引入了模糊匹配算法,以模糊函数测量样本集与分类中心的亲密度,实现了乘客与路径的一一匹配。为了提高基准旅行时间估算的精准度,修正了进出站步行时间的拟合算法,以部分站点的均值代替全部站点的拟合值,在此基础上引用了密度概率比例修正函数有效减小实验误差,提高精准度。实验证明,该算法可在保证精准度的同时实现乘客与路径的一一匹配。针对路网站点和断面客流来源多样化,人工调查耗时大,单方面统计不全的问题,本文创新性的提出了一种基于客流匹配的客流分析算法。该算法基于路径匹配的结果,确定了乘客的乘车路径,在此基础上,利用AFC数据和运营数据,结合有效路径基准旅行时间概率分布参数的估计值为路网站点和断面划分标记并赋予定值,按时间把客流匹配在出行路径上的相应站点和断面上,统计站点和断面的客流量进行分析研究,并将该研究应用于北京城轨交通线路图进行路网客流分布和拥堵状态的动态演示。实验结果证明,该算法可以很好的分析路网客流的分布特征,便于观测路网客流的变化,具有现实意义。