城市轨道交通自动数据源下乘客路径选择行为的研究

• 作 者: 陈蕴清
• 出 处: 山东大学
• 发表日期: 2004年期
• 关键词: 城市轨道交通 AFC AVL 无法登车概率 高斯混合模型 最大似然概率估计 出行路径选择 路径诱导

随着大城市人口的积聚,大量人员在城市中迁移,地铁系统承载了超越其容限的客流压力。掌握乘客的路径选择行为模式,对地铁公司的缓解拥堵、运营规划及客流管理等重大意义。以往对乘客路径选择行为的研究大都以人工调查为基础,然而传统人工调查是在某时某地投入巨大的人力物力来收集调查问卷,这决定了该方法存在收集的样本容量较小、调查成本高、调查结果不一定准确等问题。缓解拥堵的重要途径是客流分配,而乘客的路径选择比例是客流分配的输入。因此研究地铁系统中乘客的路径选择行为具有重要理论意义和实用价值。本论文首先概述了已有的乘客路径选择估计方面的研究工作,并探讨了存在的问题及其解决途径。由此提出了一种基于自动售检票系统(Automated Fare Collection,AFC)和车辆自动定位(Automatic Vehicle Location,AVL)数据,推测在拥堵情况下乘客路径选择行为的方法,内容如下:1.针对地铁系统内因拥堵造成乘客无法登车的情况,提出了一种基于混合高斯模型、AFC和AVL的乘客无法登车概率的估计方法,通过与真实人工调查数据对比验证了模型的有效性;2.针对复杂地铁网络拥堵状况下乘客路径选择的不确定性,提出一种基于最大似然概率(Maximum Likelihood Estimation,MLE)模型并融合乘客无法登车概率估计的乘客路径选择估计方法,且用仿真数据验证了模型的有效性。最后整合客流分配模型及路径选择估计方法,发现合理诱导对缓解关键站点的拥堵情况效果显著,并探索了结合离散选择模型(Discrete Choice Model,DCM)研究诱导的可行性及其应用前景,还用实际数据和仿真数据做了初步验证。本论文的研究结果可为缓解地铁系统拥堵,制定合理、有效、经济的客流诱导方案及运营策略提供决策支持。