论文部分内容阅读
轨道交通是缓解城市交通拥堵的有效手段，但日益增长的客流使其承载压力越来越大。其中，换乘车站作为轨道线网的重要节点，是城市居民日常集散换乘所在地，换乘车站内部，客流流线密集交织，换乘线路复杂，尤其在早晚客流高峰时段，乘客换乘效率低，车站服务水平下降，极易出现拥堵现象，进而产生瓶颈，导致车站承载能力降低，同时增加内部安全隐患。为解决拥堵问题，提高车站承载能力，本文对车站瓶颈识别与优化方法进行了研究，提高了乘客出行效率，保证车站合理有序安全地运营。
通过对车站内外影响因素的分析，提出了车站基本承载能力与车站系统承载能力的定义并分析了站内设施设备，客流组织，列车运营，土地利用及交通接驳五个方面的影响因素，之后通过Origin软件将在车站内部各设施设备处所采集客流密度、客流速度、客流量数据进行拟合计算，得出各设施设备对车站承载能力的影响关系，为进一步寻找瓶颈做铺垫。
提出了基于约束理论的车站瓶颈定义，并选取平均排队长度和平均等待时间作为车站瓶颈识别指标。利用K均值聚类算法得到4个聚类中心的基础上，将识别指标划分为5个等级；然后基于排队论建立了各设施设备的排队模型，确定平均排队长度与平均等待时间的隶属函数，最后通过改进的隶属度函数识别出轨道交通车站瓶颈的位置和等级。
提出了增大设施面积，客流控制，引导乘客换乘绕行等多种瓶颈优化方式，确定以乘客平均排队时间和乘客平均走行时间为目标的瓶颈优化模型，在此基础上确定瓶颈优化的约束条件分别为客流量进站约束、客流量出站约束、客流出入量平衡约束、节点服务能力约束和节点最大容量约束，并选用自适应粒子群算法对模型求解。
以重庆市两路口站为案例，运用Massmotion软件对该站高峰时期的客流运行状况进行仿真，通过乘客平均密度热力图和乘客密度堆积图，识别站内瓶颈并对瓶颈进行多方式优化。通过与排队论模型比较，得出识别瓶颈相同的结果，验证了模型的有效性，然后将优化结果与粒子群算法求解结果进行比较，得到了最佳优化方案为方案三，在进行客流控制的基础上进行引导乘客换乘绕行，其中方案三相较方案一综合权重后的时间降低了23.2%，相较方案二综合权重后的时间降低了10.3%。
通过对车站内外影响因素的分析，提出了车站基本承载能力与车站系统承载能力的定义并分析了站内设施设备，客流组织，列车运营，土地利用及交通接驳五个方面的影响因素，之后通过Origin软件将在车站内部各设施设备处所采集客流密度、客流速度、客流量数据进行拟合计算，得出各设施设备对车站承载能力的影响关系，为进一步寻找瓶颈做铺垫。
提出了基于约束理论的车站瓶颈定义，并选取平均排队长度和平均等待时间作为车站瓶颈识别指标。利用K均值聚类算法得到4个聚类中心的基础上，将识别指标划分为5个等级；然后基于排队论建立了各设施设备的排队模型，确定平均排队长度与平均等待时间的隶属函数，最后通过改进的隶属度函数识别出轨道交通车站瓶颈的位置和等级。
提出了增大设施面积，客流控制，引导乘客换乘绕行等多种瓶颈优化方式，确定以乘客平均排队时间和乘客平均走行时间为目标的瓶颈优化模型，在此基础上确定瓶颈优化的约束条件分别为客流量进站约束、客流量出站约束、客流出入量平衡约束、节点服务能力约束和节点最大容量约束，并选用自适应粒子群算法对模型求解。
以重庆市两路口站为案例，运用Massmotion软件对该站高峰时期的客流运行状况进行仿真，通过乘客平均密度热力图和乘客密度堆积图，识别站内瓶颈并对瓶颈进行多方式优化。通过与排队论模型比较，得出识别瓶颈相同的结果，验证了模型的有效性，然后将优化结果与粒子群算法求解结果进行比较，得到了最佳优化方案为方案三，在进行客流控制的基础上进行引导乘客换乘绕行，其中方案三相较方案一综合权重后的时间降低了23.2%，相较方案二综合权重后的时间降低了10.3%。