论文部分内容阅读
摘 要：客流是地铁运营的核心数据，本文研究客流分析、预警功能架构搭建、报警阈值计算算法，对运营信息分析系统客流分析与预警功能进行研究。
关键词：客流预警;客运组织;客流数据
前言
客流是地铁运营的核心数据，一是为车站常态及非常态的客流组织提供正确性、有效性和及时性的数据支撑，从而提升客运枢纽的组织管理水平;二是实时获取地铁车站和网络的客流数据，提升地铁安全防范及应急指挥水平，促进轨道交通的精细化管理和信息化发展。三是为信息化系统建设，提供数据层面的支撑。四是实时地铁交通信息的发布，能够指导居民出行选择合理的出行方式及出行路径。可通过运营信息分析系统客流分析与预测功能，智能化运用数据，挖掘数据价值，便于掌握车站及轨道网络运营状况。
1.客流分析与预警研究
1.1运营信息分析系统概述
运营信息分析系统是基于先进的手机信令人流动态分析系统、 ACC清分系统采集的轨道网络运营的实时和历史数据，通过多种数据模型处理计算生成多项定量化的、实时性较强的运营服务指标。
1.2运营信息分析系统在客流分析与预警方面的功能
运营信息分析系统通过采集的实时手机信令数据，动态调整清分参数，实现精细化清分，其中断面客流量和区间拥挤度指标的时间粒度精细化到5min，其他指标的时间粒度精细化到2min。此外实现线网分时段、分区域的短时客流预测、大客流预警及应急管理、异常情况影响动态预警。
2.客流分析与预警
2.1.客流分析功能搭建
将客流分析功能分为数据支撑和客流时空状态分布业务处理两部分，分别设置数据库、指标存储库。一方面基于数据库收集AFC实时刷卡交易明细数据、实时ATS数据、实时手机信令数据、OD比例、阈值参数等信息，调用查询计算引擎对其计算处理。另一方面基于存放函数定义、公式定义、指标定义、查询定义、报表定义、报告定义等资源的指标存储库，经过指标选择、过滤后制作成已经定义好的函数、公式、指标，从该库中读取数据写入接口。最终通过综合分析、实时计算处理和历史数据纵向、横向比较，生成并展示轨道交通实时分时间粒度客运量、断面客流量、进出站量和换乘量等指标。
2.2.客流预警功能搭建
突发大客流的特点主要是时间和空间上存在较大的难以预测性，需指定大客流发生的时间和地点以及客流量大小，加载大客流情况下客流预测模型，通过实时监测客流指标、短时客流预测指标、同类型的历史参考数据，对大客流事件影响的时间范围、空间范围进行预警。
2.3.报警阈值计算算法
进/出站客流报警阈值由系统根据历史5分钟进出站客流数据计算，断面拥挤度报警阈值由系统根据历史断面拥挤度数据计算，均有三种模型可选。报警系数分3级，A、B、C分别代表当前值达到阈值的比例。系统计算客流当前值与报警阈值的比例，再与报警系数比较进行报警。达到不同系数，报警显示有区分。
2.3.1.历史正态分布算法
进/出站客流报警阈值A = 20个历史同期5分钟进/出站客流的均值+3倍标准差
断面拥擠度报警阈值 = 20个历史同期断面拥挤度的均值 + 3倍标准差;
2.3.2.历史最高值算法
进/出站客流报警阈值A = 5分钟进/出站客流历史最高值
断面拥挤度报警阈值 = 断面拥挤度历史最高值
2.3.3.历史平均值算法
进/出站客流报警阈值B = 20个历史同期5分钟进/出站客流平均值×上浮系数
断面拥挤度报警阈值 = 20个历史同期断面拥挤度平均值×上浮系数
2.4.客流预警模拟演示
模拟发生设备故障后10分钟至15分钟，对客流产生影响，拥挤度过高的区间以及客流压力过大车站会显示预警状态，如下图所示。
实现线网分时段、分区域的短时客流预测、大客流预警及应急管理、异常情况影响动态预警。
提供换乘客流数量及流向分析显示，建立历史及实时数据统计分析校正机制，并可通过实时/短时客流数据、同类型的历史参考数据，对大客流事件影响的时间范围、空间范围进行预测。
3.结论
运营信息分析系统前期由于历史数据没有积累，系统无法判读数据的合理性，还需要人工干预，中后期随着系统数据积累，客流分析算法训练成熟，可逐步转换为系统自动发布为主。该系统通过优化现有资源，实现精细化、信息化、高效化管理。此外为仿真平台和运力配置计划提供模拟客流的提供数据支撑，为轨道交通列车运行组织和车站客运组织提供重要依据。
参考文献：
[1]陈建宇.基于AnyLogic的成都北站铁路客流换乘城市轨道交通仿真研究[D].西南交通大学，2014.
[2]孙宇.城市轨道交通车站通行设施能力匹配性评估与瓶颈识别方法研究[D].北京交通大学，2016.
关键词：客流预警;客运组织;客流数据
前言
客流是地铁运营的核心数据，一是为车站常态及非常态的客流组织提供正确性、有效性和及时性的数据支撑，从而提升客运枢纽的组织管理水平;二是实时获取地铁车站和网络的客流数据，提升地铁安全防范及应急指挥水平，促进轨道交通的精细化管理和信息化发展。三是为信息化系统建设，提供数据层面的支撑。四是实时地铁交通信息的发布，能够指导居民出行选择合理的出行方式及出行路径。可通过运营信息分析系统客流分析与预测功能，智能化运用数据，挖掘数据价值，便于掌握车站及轨道网络运营状况。
1.客流分析与预警研究
1.1运营信息分析系统概述
运营信息分析系统是基于先进的手机信令人流动态分析系统、 ACC清分系统采集的轨道网络运营的实时和历史数据，通过多种数据模型处理计算生成多项定量化的、实时性较强的运营服务指标。
1.2运营信息分析系统在客流分析与预警方面的功能
运营信息分析系统通过采集的实时手机信令数据，动态调整清分参数，实现精细化清分，其中断面客流量和区间拥挤度指标的时间粒度精细化到5min，其他指标的时间粒度精细化到2min。此外实现线网分时段、分区域的短时客流预测、大客流预警及应急管理、异常情况影响动态预警。
2.客流分析与预警
2.1.客流分析功能搭建
将客流分析功能分为数据支撑和客流时空状态分布业务处理两部分，分别设置数据库、指标存储库。一方面基于数据库收集AFC实时刷卡交易明细数据、实时ATS数据、实时手机信令数据、OD比例、阈值参数等信息，调用查询计算引擎对其计算处理。另一方面基于存放函数定义、公式定义、指标定义、查询定义、报表定义、报告定义等资源的指标存储库，经过指标选择、过滤后制作成已经定义好的函数、公式、指标，从该库中读取数据写入接口。最终通过综合分析、实时计算处理和历史数据纵向、横向比较，生成并展示轨道交通实时分时间粒度客运量、断面客流量、进出站量和换乘量等指标。
2.2.客流预警功能搭建
突发大客流的特点主要是时间和空间上存在较大的难以预测性，需指定大客流发生的时间和地点以及客流量大小，加载大客流情况下客流预测模型，通过实时监测客流指标、短时客流预测指标、同类型的历史参考数据，对大客流事件影响的时间范围、空间范围进行预警。
2.3.报警阈值计算算法
进/出站客流报警阈值由系统根据历史5分钟进出站客流数据计算，断面拥挤度报警阈值由系统根据历史断面拥挤度数据计算，均有三种模型可选。报警系数分3级，A、B、C分别代表当前值达到阈值的比例。系统计算客流当前值与报警阈值的比例，再与报警系数比较进行报警。达到不同系数，报警显示有区分。
2.3.1.历史正态分布算法
进/出站客流报警阈值A = 20个历史同期5分钟进/出站客流的均值+3倍标准差
断面拥擠度报警阈值 = 20个历史同期断面拥挤度的均值 + 3倍标准差;
2.3.2.历史最高值算法
进/出站客流报警阈值A = 5分钟进/出站客流历史最高值
断面拥挤度报警阈值 = 断面拥挤度历史最高值
2.3.3.历史平均值算法
进/出站客流报警阈值B = 20个历史同期5分钟进/出站客流平均值×上浮系数
断面拥挤度报警阈值 = 20个历史同期断面拥挤度平均值×上浮系数
2.4.客流预警模拟演示
模拟发生设备故障后10分钟至15分钟，对客流产生影响，拥挤度过高的区间以及客流压力过大车站会显示预警状态，如下图所示。
实现线网分时段、分区域的短时客流预测、大客流预警及应急管理、异常情况影响动态预警。
提供换乘客流数量及流向分析显示，建立历史及实时数据统计分析校正机制，并可通过实时/短时客流数据、同类型的历史参考数据，对大客流事件影响的时间范围、空间范围进行预测。
3.结论
运营信息分析系统前期由于历史数据没有积累，系统无法判读数据的合理性，还需要人工干预，中后期随着系统数据积累，客流分析算法训练成熟，可逐步转换为系统自动发布为主。该系统通过优化现有资源，实现精细化、信息化、高效化管理。此外为仿真平台和运力配置计划提供模拟客流的提供数据支撑，为轨道交通列车运行组织和车站客运组织提供重要依据。
参考文献：
[1]陈建宇.基于AnyLogic的成都北站铁路客流换乘城市轨道交通仿真研究[D].西南交通大学，2014.
[2]孙宇.城市轨道交通车站通行设施能力匹配性评估与瓶颈识别方法研究[D].北京交通大学，2016.