原文传递
城市轨道交通线路区间客流拥挤状态辨识方法研究
| 论文题名： | 城市轨道交通线路区间客流拥挤状态辨识方法研究 |
| 关键词： | 轨道交通;线路区间;拥挤指数;ACO-FCM改进算法;AFC数据 |
| 摘要： | 随轨道交通出行分担率的快速提升，运能与需求之间的矛盾日益突出，站点限流、客流拥挤、列车满载率过高等现象频繁发生，这不仅降低了轨道交通运营服务水平，还使得运营安全风险升高，在此背景下，如何科学合理掌握轨道交通网络的客流拥挤状态，成为了提高轨道交通运营效率、保证运营安全的关键。据此本文提出了运用线路区间拥挤指数描述线路区间客流拥挤状态的理论和计算方法，并建立了城市轨道交通拥挤状态辨识模型。具体研究内容及结论如下： （1）本文在明确拥挤客流定义的基础上，分析了轨道交通拥挤客流时空特性和传播特性，总结了形成拥挤客流的主要影响因素，将“站点拥挤指数”和“断面客流量”作为线路区间客流拥挤指数的关键指标，构建了轨道交通线路区间客流拥挤指数计算模型。 （2）分析研究了线路区间客流拥挤指数关键指标——断面客流量的估计方法。此方法主要包括以下内容：根据改进最短路径算法搜索轨道交通任意OD对间的有效路径，利用高斯混合模型（GMM）将客流分配至各路径，按照乘客进出站时间与列车时刻表关系将乘客匹配至各列车，计算统计得出断面客流量。 （3）基于线路区间客流拥挤指数的计算，结合模糊聚类算法（FCM）和蚁群算法（ACO）的优势,改进了线路区间客流拥挤状态辨识算法，提出了ACO-FCM改进聚类算法，解决了模糊聚类算法收敛速度慢和易生成局部最优解的问题。 （4）将线路区间客流拥挤指数计算模型和ACO-FCM改进聚类算法应用于重庆市轨道交通网络，输出线路区间客流拥挤指数及客流拥挤状态辨识结果，结合ANOVA方差分析，对比分析了模糊聚类算法与ACO-FCM改进聚类算法的聚类效果，结果显示，ACO-FCM改进聚类算法的辨识结果中，不同等级客流拥挤指数之间均方差更大，是模糊聚类算法均方差的185.6%，同一等级内客流拥挤指数之间均方差更小，是模糊聚类算法的15.3%，说明了ACO-FCM改进聚类算法的聚类效果更优，验证了此客流拥挤状态辨识方法的有效性。 本文基于轨道交通AFC数据构建的城市轨道交通线路区间拥挤指数模型和改进的线路区间客流拥挤状态辨识算法，完善了线路区间客流拥挤状态的评价指标体系，有效提高了城市轨道交通线路区间客流拥挤状态辨识的准确性，初步解决了客流拥挤状态等级划分模糊的问题，为城市轨道交通管理部门制定拥挤客流疏解方案提供了参考依据。 |
| 作者： | 牟保卫 |
| 专业： | 交通运输 |
| 导师： | 李淑庆 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
