基于AFC数据的地铁车站留乘概率分布估计
2022-04-21毛远思
西南交通大学学报 2022年2期
关键词:方向
陈 欣 ,罗 霞 ,朱 颖 ,毛远思
(1. 西南交通大学交通运输与物流学院,四川 成都 611756;2. 西南交通大学综合交通运输智能化国家地方联合工程实验室,四川 成都 611756;3. 中国中铁股份有限公司,北京 100039)
国内大多地铁系统面临着拥挤问题,在高峰时段,即使使用最小的发车间隔,留乘依然频发. 留乘现象指:由于到达列车容量限制或无法接受拥挤程度,乘客需要在站台等候一班以上列车的现象. 留乘现象为估计和推断乘客的时空分布带来了挑战,这恰是地铁系统运营组织优化和服务水平评价的基础. 例如,留乘增加了候车时间,降低了行程时间可靠性,继而影响了乘客的路径选择行为[1-2];在构造基于网络均衡的客流分配方法时,需将留乘纳入效用函数[3-4]. 同时,留乘增大和模糊化了同一路径和不同路径上乘客旅行时间的差异,在构建基于行程时间的乘客-行程匹配模型[5-6]时也需考虑留乘的影响.留乘概率分布可反映一定时间段内乘客在地铁车站留乘不同次数的概率,能够直观地描述地铁车站留乘的程度. 因此,研究地铁车站留乘概率分布,对提升乘客时空分布推算与估计结果的准确性具有重要意义.
国内罕有研究留乘的文献. 由于有换乘行为的乘客行程不确定因素多,研究多假设在同一车站换乘与无换乘乘客具有相同的留乘概率分布[5,7],并使用无换乘乘客的自动售检票(auto fare collection,AFC)数据和列车运行图数据估计地铁车站留乘概率分布. 无换乘乘客……
登录APP查看全文
