城市轨道交通新线接入客流预测与路网评估

来源 :北京工业大学 | 被引量 : 0次 | 上传用户:fjzxf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着社会经济水平的不断提高,城市居民出行的需求也在不断攀升,为缓解交通需求与供给之间的矛盾,城市轨道交通新线不断建设并投入使用。为了在新线接入前定量化评价新线开通对路网和服务水平的影响,以便及时制定出合理的新线列车组织、客运组织方案等,首先需要完成的工作就是客流预测。但复杂的城市轨道交通网络结构和差异化的城市空间结构布局,增加了城市轨道交通中进站量、出站量和客流分布量等的预测难度,传统工程可行性研究中新线客流预测很难满足日常运营的需求。  本文结合北京市轨道交通的历史客流数据,在对所有车站进行聚类分析的基础上,预测新线接入条件下的新站和既有站的进出站量和OD客流分布量,在此基础上进行客流分配和客流仿真,并提出了一套新线接入后路网运营评估指标体系,深入研究了新线接入后对全路网客流的影响。  首先,基于历史客流数据对既有线网中的所有车站进行聚类分析,得到不同类型车站的客流特征,并构建能反映车站属性的各项评估指数。对新线周边进行实地调查,给定新站的各项评估指数,进而结合不同类别客流曲线特征预测出新站的进出站量。  其次,从诱增客流和转移客流两方面分析了新线接入对既有线网的客流影响,通过分析历史客流数据,对既有线客流进行调整。  再次,通过相关分析,线性拟合预测新线相关的OD分布,通过对既有OD分布量进行调整得到既有站之间的OD分布,并利用Logit模型进行客流分配。  然后,分别针对乘客和列车进行仿真,精确的掌握每个乘客从进站到出站的走行和乘车路径,准确预测新线接入后路网的客流分布情况。  最后,提出常规评估指标和拥挤度指标体系,对新线接入后路网的客流情况进行评估,找到路网客流的集聚点,为路网运营计划调整提出建议。  为了验证方法模型的可操作性及准确性,本文对2015年底北京市城市轨道交通新线接入条件下的路网进行了客流预测与运营评估,并对模型的准确性进行验证,模型的平均预测误差保持在10%左右,具有较高的精度和良好的适用性。
其他文献
近年来,人均汽车保有量不断上涨,虽然部分大中型城市采取了尾号限行的措施,但是交通拥堵的状况依然愈演愈烈。尤其是早晚高峰期间及节假日的庞大交通流量使得负荷早已接近饱
随着移动互联网技术的高速发展和“互联网+”的提出,互联网业务应用需求日益多元化和复杂化以及网络规模急剧膨胀,对于网络数据传输路径的优化以保障网络数据的高效转发提出了
随着互联网的广泛应用,报表已成为企业信息统计的主要手段。报表用表格、统计图等格式动态显示数据,使得数据和格式完全分离,不仅可以准确快速的统计企业数据,还具有权限控制
近年来,随着技术的发展,移动设备在人们的日常生中扮演着越来越重要的角色。相对于传统的个人计算机,移动设备凭借便携性和日趋强大的功能,逐渐成为们获取和处理信息的一种重要手
人体行为识别技术具有非常广泛的应用前景和巨大的社会经济效益,其在视频监控、人机交互、医疗健康看护、虚拟现实等领域具有广泛应用前景。近年来,随着图像获取技术的进步,尤其
随着人们生活水平的提高,传统的计算模式越来越不能满足人们对于智能化软件的需求。20世纪末,科学界提出了普适计算的概念,普适计算是利用上下文感知技术,为人们提供智能化的
当前的入侵检测技术在实际应用中尚存在很多缺陷,如误报率和漏报率比较高、检测效率低以及智能化程度不足等。为了提高检测精度,降低误报率和漏报率,人们大都将研究重点放到
随着信息处理技术的发展,图像已成为存储和传递视觉信息的重要方式之一。然而图像在采集、传输过程中往往引入噪声,给后续的图像处理带来不便,如何基于含噪图像恢复出高质量图像
与计算机相比,人眼属于高度进化的生物视觉系统,而视觉信号又是人类获取周边环境信息的最主要和最直观的来源,现实生活中80%以上的感官数据来源于视觉。所以我们可以非常轻易
数据存储技术是利用计算机硬件资源和软件技术对数据进行有效采集、处理和存储的过程,目的是为应用提供数据支持。随着数据数量的急剧增加及应用需求的多样化,数据存储技术面临