一种轨道站点等待时间和等待人数的计算方法

摘要

本发明公开了一种轨道站点等待时间和等待人数的计算方法，根据乘客的出行时间和列车运行时间，计算进站站点的站台等待时间；估算进站站点站台上等待人数。乘客在城市轨道系统出行中，出行时间包括进站、出站步行时间，在车时间和进站等待时间这三部分。对于同一组起讫点而言，其列车行驶时间是恒定的，而乘客的行走时间也大同小异。等待人数仅考虑在站台上等车的乘客，不考虑在站内由于个人原因徘徊不上车的情况。本发明基于大量AFC数据，实现不同时段轨道系统各站点的等待时间的实时计算，并通过各位乘客的等待时间确定站台等待人数。本发明所采用的原理简单，易于实现，对于城市轨道交通管理部门客流控制与管理具有很好的参考意义。

说明书

技术领域

本发明涉及城市轨道交通系统管理与监测领域，提出了一种基于数据驱动的城市轨道交通网络等待时间动态计算方法。该方法仅依靠AFC数据和列车时刻表来计算等待时间。

背景技术

随着城市的快速发展，交通拥堵问题愈演愈烈。近年来，城市轨道交通凭借运量大、可靠性高、安全、便捷等优势，已经成为缓解交通拥堵的重要交通方式[1,2]。

城市轨道交通大客流集散效应为运管管理部门提出了严峻的考验,大客流最直接的表现为乘客等车时间延长,造成乘车延误。虽然轨道列车客运量大，但是在高峰时刻依然无法满足通勤乘客的需求，因而有些乘客在高峰时期需要在轨道站内等待下一辆列车，甚至是下下辆。乘客在车站的等车时间已经成为评价车站服务水平的关键因素[3]。张海丽[4]提出地铁站内排队通道的服务水平等级划分方法。曹志超[5]通过调查建立了乘客候车时间满意度模型，并定量评估了城市轨道交通突发大客流应急策略的优劣。准确真实地计算乘客在轨道站内候车时间可优化轨道站点的限流制度，对地铁发车间隔安排具有重要意义，同时对车站容纳能力、设备设施评估也有很好的借鉴意义。

对于轨道站点等待时间的计算，国内外学者研究较少。Osuna、Wu等学者计算乘客平均候车时间的传统方法是基于乘客候车时间服从均匀分布的假设，取为发车间隔时间的一半[6-8]。Newell、Hurdle、Daganzo等学者建立了流体动力学模型仿真乘客上车规律,计算了乘客总体等待时间用于优化列车调度和开行方案[9-11]。国内学者则更着重于通过地铁的运营信息、乘客的个人特性等来研究乘客的候车时间。Zhou和Zhong[12，13]提出了广义资源限制的开行方案优化模型,利用分支定界算法计算了总等车时间和在途时间最小的时刻表。Liebchen[14]提出了完善图模型(well-established graph model),优化了柏林列车时刻表,缩短了乘客在换乘和车站的等车时间。曹志超等[15]针对乘客候车时间计算模糊问题，在考虑乘客实时到达规律、OD(起讫点)分布、发车间隔和列车运能基础上，提出可用于城市轨道交通网络和双向的大客流和常规客流的候车时间累计计算方法。曹守华[16]针对乘客走行特性，分析了乘客在地铁站内的分布规律。SUN[17]通过对轨道站点等待时间的人工调查数据和AFC数据，分析乘客的出行行为。陈艳艳等人[18]通过高峰时间的乘客旅行时间与非高峰时间的乘客旅行时间之间的关系，选取各时段的均值来计算高峰时间车站的等待时间。

综上所述，针对轨道站点等候时间国内外学者进行了由简单到复杂的研究，从不同角度给出了站点等候时间的计算方法，但是普遍需要人工调查或多种数据源支撑。在交通快速发展、交通矛盾日益突出的今天，以往数据调查复杂性高、时效性低、模型计算复杂且精确度较低的计算研究方法已经不能满足需要，这就需要一种计算简单、数据获取较为容易、实用性强的站点等候时间计算方法，为轨道客流管理提供参考依据。本专利结合AFC数据、列车运营时刻表，发明了一种数据驱动的轨道交通站点等待时间计算方法，可以结合两种数据源，确定乘客的站台等待时间；并基于各乘客的站台等待时间确定全天站台等待人数，为城市轨道交通运营管理部门客流管理控制提供技术支持与决策依据。

参考文献：

[1]S.Su,T.Tang,Y.Wang,Evaluation of strategies to reducing tractionenergy consumption of metro systems using an optimal train control simulationmodel,Energies 9(2016)105.

[2]X.Li,K.L.Hong,An energy-efficient scheduling and speed controlapproach for metro rail operations,Trans.Res.B-Meth.64(2014)73–89.

[3]Wardman,M.A review of British evidence on time and service qualityvaluations[J].Transportation Research Part E,2001,37(23):107128.

[4]张海丽.城市轨道交通车站乘客通行服务水平的仿真评价研究[D].北京：北京交通大学，2011.

[5]曹志超.网络条件下城市轨道交通突发大客流演化机理和应急策略研究[D].北京：北京交通大学，2013.

[6]Osuna E E,Newell,G.F.Central strategies for an idealized publictransport system[J].Transportation Science,1972,6(1):5272.

[7]Wu J,QuY,Sun H,et al,Data-driven model for passenger route choicein urban metro network,Physica A:Statistical Mechanics and its Applications,Vol.524,2019,pp.787-798.

[8]石俊刚,周峰,朱炜,徐瑞华.基于AFC数据的城轨乘客出行路径选择比例估计方法[J].东南大学学报(自然科学版),2015,45(01):184-188.

[9]Newell,G.F.Dispatching policies for a transportation route[J].Transportation Science,1971,5(2):91105.

[10]Hurdle V F.Minimum cost schedules for a public transportationroute[J].Transportation Science,1973,7(2):109157.

[11]Daganzo,C.F.Fundamentals of Transportation and Traffic Operations[M].Pergamon:Elsevier Science Ltd.,1997:301302.

[12]Zhou X,Zhong M.Train scheduling for high-speed passenger railroadplanning applications[J].European Journal of Operational Research,2005,167(3):752771.

[13]Zhou X,Zhong M.Single-track train timetabling with guaranteed op-timality:branch and bound algorithms with enhanced lower bounds[J].Transportation Research Part B,2006,41(3):320341.

[14]Liebchen,C.The first optimized railway timetable inpractice.Trans-portation Science,2008,42(4):420435.

[15]曹志超，袁振洲，张思林，等.城市轨道交通大客流等车时间计算模型[J].铁道标准设计，2015(3)：33—37.

[16]曹守华.城市轨道交通乘客交通特性分析及建模[D].北京：北京交通大学，2009.

[17]Sun Yanshuo，Xu Ruihua.Rail transit travel time relia-bility andestimation of passenger route choice behavior[J].Transportation ResearchRecord，2012，2275:58-67.

[18]陈艳艳,陈兴斌,吴克寒,李金山,熊杰.基于IC卡数据的轨道站点候车时间特征分析[J].重庆交通大学学报(自然科学版),2019,38(01):102-107.

发明内容

本发明的目的在于提供一种轨道站点等待时间的计算方法，并以北京市轨道站点为研究对象，通过AFC数据和列车运营时刻表，对实际站点站台等待时间和等待人数进行实时计算。

为了达到以上目的，本发明设计了一种轨道站点等待时间和等待人数的计算方法，包括以下步骤：

S1基于乘客的AFC数据，根据出行时间和列车运行时间，计算进站站点的站台等待时间；

S2估算进站站点站台上等待人数。

具体而言，乘客在城市轨道系统出行中，出行时间包括进站、出站步行时间，在车时间和进站等待时间这三部分，如式(1)。对于同一组起讫点而言，其列车行驶时间是恒定的，而乘客的行走时间也大同小异。

式中，T

等待时间与等待的乘客人数密切相关，计算某一时刻有多少人在站台上等待的方法如下。

等待人数仅考虑在站台上等车的乘客，不考虑在站内由于个人原因徘徊不上车的情况。指定时刻站台等待人数的计算步骤如下：

1)从站点运营开始，计算选择无换乘、单一路径出行乘客的等待时间

2)将进站步行时间、等待时间

3)当乘客的进站刷卡时间小于指定时刻，同时上车时刻大于该时刻，则该乘客被认为是无换乘、单一路径出行的等待的乘客；

4)统计符合3)的乘客数，除以扩样系数μ，得到指定时刻站台等待人数。

其中，扩样系数μ由公式(4)求得：

式中，v

之所以选取无换乘、单一路径出行乘客是因为：一般情况下，乘客在轨道交通系统中完成一次出行需要经历进站、乘车、换乘(如有需要)、出站等过程，因此乘客出行时间包括进站走行时间、进站站台等待时间、在车时间、换乘走行时间、换乘站台等待时间、出站走行时间等。由于无障碍换乘条件下的城市轨道交通AFC数据无法记录乘客的出行路径，导致乘客整个出行过程在一个“黑箱”中进行，无法直接获得乘客的站台等待时间等实时监测数据。为此，本专利采用单一无换乘路径的乘客作为研究对象。

在计算进出站步行时间方面，假设在某时间段内，对于同一组起讫点而言，其列车行驶时间是恒定的，乘客走行时间差异甚小，可以忽略不计；同时，假设同一组起讫点中，出行时间最小的单一无换乘路径的乘客在出行中为到达站台后立即乘坐列车，不存在站台等车的行为，因此可以采用该类乘客的数据计算走行时间，如式(2)所示。

式中，

进站站点等待时间

按照这个方法得到早高峰时段每位进站乘客的等待时间。

有益效果

本发明基于大量AFC数据，可以针对每位乘客估算出其站台等待时间，从而实现不同时段轨道系统各站点的等待时间的实时计算，并通过各位乘客的等待时间确定站台等待人数(上述技术描述并未提及计算过程与大量AFC数据之间的联系，建议进行下相关性描述)。本发明所采用的原理简单，易于实现，采用数据驱动的方法进行研究，仅通过历史AFC客流数据、实时上传的AFC客流数据和列车时刻表数据等结构化数据，不依赖于人工调查、视频图像等，数据获取成本低，能大大减少日常监测的劳动强度，适用于城市轨道交通日常运营过程中全网各站的实时监测，动态识别车站乘客聚集风险等级，从而提高城市轨道交通智能化管控水平，为城市轨道交通日常运营安全提供有力保障。最好也就技术细节以及本发明实现的技术原理进行下描述，比如显著区分现有技术的技术原理细节。

附图说明

图1为沙河站点乘客早高峰等待时间频数分布图。

图2为沙河站点等待时间均值变化图。

图3为沙河站点乘客早高峰等待时间频数分布图。

具体实施方式

为使上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

1.计算站台等待时间

由于出行路径的复杂性、多样性，这里仅选择单一无换乘的OD对进行计算。

这里以北京市轨道交通系统为例进行分析，鉴于北京地铁系统运营车站数量已达334座，为了说明方法的可行性，选择工作日个体样本进站量这一指标进行验证，其余车站、其他指标类似，就不再一一罗列。选取沙河站正常运营工作日(2014年4月20日)的AFC数据作为样本进行分析。表1为沙河站8:00—9:00日单一无换乘OD对情况，以该时段为例进行说明，其余时段方法一样，不再赘述。为保证数据具有代表性，选取同方向每个轨道站点的所有不需换乘且路径单一的OD对进行分析。故，选择沙河—西二旗作为以沙河站点为起点的单一无换乘OD对。

表1沙河站8:00—9:00日OD客流量降次排名情况

乘客在城市轨道系统出行中，出行时间主要包括进站、出站步行时间，在车时间和进站等待时间这三部分，如式(1)。对于同一组起讫点而言，其列车行驶时间是恒定的，而乘客的行走时间也大同小异。因此，特定起讫点情况下，不同时间段出行时间的不同主要受到其进站等待时间的影响。

式中，T

在计算进出站步行时间方面，假设出行时间最短的乘客为到达站台后立即乘坐列车，即该乘客没有站点等待时间，如式(2)所示。

式中，

站点等待时间已成为评价站点服务水平的重要因素，根据前文的分析可知进站站点等待时间

按照这个方法可以得到沙河站早高峰时段每位进站乘客的等待时间，图1为沙河站从8:00到9:00，进站乘客的站点等待时间频数分布图；同时，也可以得到沙河站全天1h粒度的站点等待时间，图2为沙河站从运营开始到运营结束分时站点等待时间均值的曲线。

2.计算进站站点的等待人数

等待时间与等待的乘客人数密切相关，计算某一时刻有多少人在站台上等待的方法如下。

等待人数仅考虑在站台上等车的乘客，不考虑在站内由于个人原因徘徊不上车的情况。指定时刻站台等待人数的计算步骤如下：

5)从站点运营开始，计算选择无换乘、单一路径出行乘客的等待时间

6)将进站步行时间、等待时间

7)当乘客的进站刷卡时间小于指定时刻，同时上车时刻大于该时刻，则该乘客被认为是无换乘、单一路径出行的等待的乘客；

8)统计符合3)的乘客数，除以扩样系数μ，得到指定时刻站台等待人数。

其中，扩样系数μ由公式(4)求得：

式中，v

按照这个方法可以得到沙河站全天15min粒度的站台等待人数，图3为沙河站从6:00到22:00，进站站台等待人数曲线，以此类推可以确定其他站点站台等待乘客情况。