軌道交通區(qū)間乘客交通流狀態(tài)是軌道交通運營管理部門進行客流管理的基礎(chǔ),區(qū)間乘客交通流狀態(tài)信息的獲取,有利于軌道交通決策者進行客流疏導及運營計劃調(diào)整,狀態(tài)信息的及時發(fā)布有利于乘客進行出行路徑選擇�？茖W合理的區(qū)間乘客交通流狀態(tài)判別可有效提升軌道交通乘客的服務水平,因此,本文基于區(qū)間乘客交通流特性,構(gòu)建一種實時軌道交通區(qū)間乘客交通流狀態(tài)判別方法,重點研究區(qū)間乘客交通流狀態(tài)的定義及其判別模型的構(gòu)建。論文首先進行區(qū)間乘客交通流狀態(tài)的定義,通過軌道交通客流相關(guān)指標研究,進行區(qū)間乘客交通流特性分析,通過乘客對列車服務水平的滿意度分析,發(fā)現(xiàn)列車車廂的乘客擁擠度是反映區(qū)間乘客交通流狀態(tài)的重要指標,經(jīng)過車廂擁擠程度相關(guān)指標研究,選取斷面滿載率為擁擠指標,以此反映區(qū)間乘客交通流狀態(tài),最后,引入立席密度評價標準,根據(jù)不同車廂舒適度等級下的立席密度范圍,通過立席密度與斷面滿載率之間的轉(zhuǎn)化關(guān)系,進行斷面滿載率的閾值區(qū)間劃分,以此進行區(qū)間乘客交通流狀態(tài)的定性、定量描述,將區(qū)間乘客交通流狀態(tài)劃分為自由流狀態(tài)、穩(wěn)定流狀態(tài)、輕度擁擠狀態(tài)、中度擁擠狀態(tài)、嚴重擁擠狀態(tài)�；趨^(qū)間乘客交通流波動與時間上的關(guān)聯(lián)特征,進行狀態(tài)判別模型... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

圖3-2張府園至新街口區(qū)間的斷面客流量

東南大學碩士學位論文38圖3-3張府園至新街口區(qū)間的斷面客流統(tǒng)計數(shù)據(jù)與采集數(shù)據(jù)對比圖從圖3-3可看出，斷面客流統(tǒng)計數(shù)據(jù)與采集數(shù)據(jù)的折線圖基本吻合，數(shù)據(jù)統(tǒng)計較為準確，晚高峰斷面客流數(shù)據(jù)稍有偏差，可能由于乘客到達站臺人數(shù)計算中按歷史經(jīng)驗得出的換乘比例大于實際換乘比例。3.5本章小結(jié)本章基于軌道交通無障礙換乘條件下的乘客交通流原始交易數(shù)據(jù)，進行斷面客流數(shù)據(jù)的實時統(tǒng)計。具體工作有：采集軌道交通AFC原始交易記錄數(shù)據(jù)，首先進行數(shù)據(jù)預處理，利用Python軟件進行線網(wǎng)OD分布統(tǒng)計，提取1號線上行方向OD分布概率矩陣，統(tǒng)計運營日當天的站臺到達乘客人數(shù)，然后依次計算各班次列車在1號線各站的上車人數(shù)，下車人數(shù)等各項指標，最終得所有班次列車在1號線各站的發(fā)車載客量，獲取目標區(qū)間斷面客流量。

東南大學碩士學位論文444.3.5最優(yōu)分割方案求解（1）最佳分類數(shù)求解q1qn最佳分類數(shù)q的選擇是進行最優(yōu)分割的關(guān)鍵問題，在已知分類數(shù)q的情況下，可搜尋最小分類損失函數(shù)Lp(n,q)，對應的分割p(n,q)即為最優(yōu)解。最佳分類數(shù)q的提取方法大致分為兩類：1）經(jīng)驗法，通過人工實踐經(jīng)驗進行主觀判斷，不具有一般性；2）閾值法，滿足|L[p(n,q1)]-L[p(n,q)]|（0）的q為最佳分類數(shù)[94]，L[p(n,q1)]-L[p(n,q)]為曲線相鄰兩點連線的斜率，當q達到一定值后，斜率伴隨q的增大無限接近于零，說明分類損失函數(shù)值將無限趨近于同一值，分類結(jié)果的差異性不會伴隨q值的增大而明顯減小，因此本文通過計算曲線相鄰兩點連線的斜率，采取閾值法進行最佳分類數(shù)q的提齲記opQ為最優(yōu)分割的最佳分類數(shù)，根據(jù)有序樣本聚類，得到分類損失函數(shù)Lp(266,q)隨分類數(shù)q的變化趨勢如圖4-1所示。從下圖分類損失函數(shù)的變化趨勢圖中可看出，目標函數(shù)隨q值的增大呈單調(diào)遞減趨勢，分類損失函數(shù)為典型的凹函數(shù)，當opqQ時，損失函數(shù)伴隨q的增大不會有明顯變化，opqQ時為最佳分類數(shù)。圖4-1基于最優(yōu)分割的損失函數(shù)變化趨勢圖由歷史訓練數(shù)據(jù)可得，當0.0019時，可得斷面客流參數(shù)樣本的最優(yōu)劃分。計算得圖4-1最佳分類數(shù)42opQ，因此，指定分類數(shù)q42，相應損失函數(shù)7L[p(266,42)]0.056710。指定分類數(shù)后，求解過程如下。（2）最優(yōu)分割求解過程傳統(tǒng)的有序聚類算法在枚舉所有分類數(shù)q的所有分類情況下，限定q值，對比分類

【參考文獻】：
期刊論文
[1]采用遞歸有序聚類的信號控制時段劃分方法[J]. 李文婧,孫鋒,李茜瑤,馬東方.  浙江大學學報(工學版). 2018(06)
[2]基于上海市道路交通狀態(tài)指數(shù)的交通擁堵簡析[J]. 張揚.  交通與運輸(學術(shù)版). 2017(02)
[3]有序聚類分析法的改進及其在水文序列突變點識別中的應用[J]. 袁滿,王文圣,葉瀕璘.  水文. 2017(05)
[4]軌道交通站臺擁擠指數(shù)計算模型[J]. 劉映池,朱順應,彭增輝,胡磊,鄭騫,王紅.  物流技術(shù). 2017(04)
[5]有序樣本聚類方法在城市軌道交通運營時段劃分中的應用[J]. 曾小旭,汪林,羅賢迪,張寧,趙圣娜.  都市快軌交通. 2017(02)
[6]基于路網(wǎng)客流模態(tài)的城市軌道交通網(wǎng)絡(luò)擁堵演變機理[J]. 李曼,王艷輝,晉君,賈利民.  東南大學學報(自然科學版). 2017(02)
[7]城市交通綜合指數(shù)、交通出行指數(shù)及其數(shù)學建模分析[J]. 李尚哲.  文理導航(下旬). 2017(01)
[8]城市軌道交通運營客流交通狀態(tài)評價[J]. 王雪梅,陳瑩,張寧.  城市軌道交通研究. 2016(12)
[9]城市軌道交通線網(wǎng)擁擠度指標體系研究[J]. 施云惠,熊夢偉,孫艷豐.  鐵道科學與工程學報. 2016(11)
[10]北京城市軌道交通客流密集度指數(shù)研究[J]. 魏運,李得偉,高國飛,鄭宣傳.  都市快軌交通. 2015(03)

博士論文
[1]城市軌道交通車廂合理立席密度的研究[D]. 吳奇兵.北京交通大學 2015
[2]城市軌道交通客流預測與分析方法[D]. 王玉萍.長安大學 2011
[3]城市軌道交通乘客交通特性分析及建模[D]. 曹守華.北京交通大學 2009

碩士論文
[1]城市軌道交通站點客流不確定性機理及預測研究[D]. 徐世鵬.東南大學 2016
[2]城市軌道交通斷面客流估計[D]. 潘攀.東南大學 2015
[3]基于客流需求的城市軌道交通時刻表優(yōu)化研究[D]. 汪林.東南大學 2015
[4]城市軌道交通立席密度研究[D]. 趙亮.北京交通大學 2009
[5]城市軌道交通樞紐乘客交通流狀態(tài)分析與評價[D]. 馬莉.北京交通大學 2009
[6]城市軌道交通樞紐乘客流交通特性分析及建模[D]. 李燦.北京交通大學 2008
[7]基于乘客集散動態(tài)仿真的城市軌道交通樞紐評價研究[D]. 苗曉娟.北京交通大學 2008
[8]城市軌道交通樞紐乘客交通設(shè)施服務水平研究[D]. 張馳清.北京交通大學 2008
[9]城市道路交通狀態(tài)判別方法研究[D]. 於毅.北京交通大學 2007
[10]城市軌道交通客流特征分析[D]. 張成.西南交通大學 2006



本文編號：3490090