城市轨道交通网络乘客出行路径反演推定模型与方法研究——基于数据驱动的行程时间特征分析

Analyzing a passenger’s travel route is the foundation for calculation of passenger flow distribution on network, which is the prerequisite of network operation and management for urban rail transit (URT). At network operation stage, the passenger flow to be calculated were generated in the past, that is a kind of so-called inversion. The existing route choice modeling method is static to a great extent and cannot well describe travel’s dynamic process, meanwhile the travel time between origin and destination (O-D), which is an important information to improve the result, is also not be used. Thus, in this study we plan to do as following: 1) Analyzing the characteristics of O-D travel time with automatic fare collection (AFC) data, automatic train supervision (ATS) data and manual survey data. The characteristics include the correlation and volatility between O-D travel time and route choice. 2) Modeling the travel process with the idea of “inversing”. The developed model is mainly based on the O-D travel time data as well as ATS data and survey data. It includes route choice estimation and travel process deduction. 3) Aiming to validate the proposed inversion model, the model will be tested on the real network of the Shanghai Metro. This study effort will propose novel theory and method for calculating URT passenger flow distribution under network operation, and consequently be beneficial for improving URT operation and management.

科学计算和分析客流在网络上的分布情况是城市轨道交通网络化运营管理的依据，对乘客出行路径的分析是其重要基础性问题。网络客流分布计算的对象是已经发生的客流，本质上是一种客流“反演”，现有的路径选择估计方法未能很好地利用O-D行程时间这一重要信息来提升计算的准确程度，同时也忽略了对动态出行过程的把握，导致计算结果产生偏差。为此，本项目拟开展以下研究：1）基于网络化运营过程中产生的AFC票卡、ATS行车以及客流调查数据，研究城市轨道交通网络O-D行程时间特征，包括与路径选择之间的关联特征和波动特征；2）以O-D行程时间为主要依据，基于其特征分析建立数据驱动的乘客出行路径反演推定模型，包括路径选择反推模型和出行过程推演模型；3）依托上海城市轨道交通实际网络进行实证研究，检验模型适用的有效性。研究成果可为网络化运营环境下城市轨道交通客流分布计算提供理论方法，提高城市轨道交通系统的现代化运营管理水平。

科学计算和分析客流在网络上的分布情况是城市轨道交通网络化运营管理的依据，对乘客出行路径的分析是其重要基础性问题。本项目主要选取AFC票卡数据、ATS行车数据，以及客流调查数据，解析O-D行程时间与出行路径选择的关联特征，同时辨析其中蕴涵的波动特性，建立城市轨道交通网络乘客出行路径反演推定模型及方法。研究成果可为网络化运营环境下城市轨道交通客流分布计算提供理论方法，提高城市轨道交通系统的现代化运营管理水平。.通过对海量AFC票卡数据分析揭示了乘客O-D行程时间与出行路径选择之间存在关联关系，同时也发现由于受个体行为差异及出行环境中随机扰动因素的影响，这一“关联性”中也蕴涵着“波动性”。从乘客在O-D间一次完整的“出行链”角度出发，将乘客一次O-D出行的行程时间划分为多个组成部分（包括进站走行时间、站台等候时间、乘车时间、换乘时间、出站走行时间等），研究提出了综合AFC票卡、ATS行车与客流调查数据的上述分段时间分布函数的建模及标定方法。基于海量AFC历史数据，引入Rodriguez-Laio改进快速聚类技术，研究提出了一种基于数据驱动的乘客路径选择集行程时间合理阈值标定方法，代替了常规的人工调查手段并可实现滚动更新。在上述基础上，融合利用城市轨道交通网络化运营过程中的AFC票卡和ATS行车数据以及乘客走行时间参数数据，深入分析了乘客实际选择的影响因素，研究提出了基于行程时间阈的乘客乘车方案多维匹配推定模型，以及在此基础上实现乘客出行路径反演推定的方法。.上述研究均基于国内城市轨道交通网络实际数据，解决的问题是我国城市轨道交通运营管理部门面临的重要基础性问题，提出的乘客路径选择集行程时间合理阈值标定、基于行程时间阈的乘客乘车方案匹配推定等理论方法已经在北京地铁系统的有关工作中进行了实际应用，具有较好的推广价值。

内容获取失败，请点击重试