国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：如何根據客流的動態分布狀況來為過飽和車站提供實時進站客流控制方案，已成為中國城市軌道交通路網安全高效運營管理迫切需要解決的問題。文章在收集國內外相關研究文獻的基礎上，從軌道交通網絡客流OD動態估計、軌道交通車站客流控制等方面對國內外研究現狀進行了綜述和分析，并針對后續可進一步工作研究的內容進行了展望。

關鍵詞：軌道交通車站；過飽和；客流；協調控制

Abstract: How to provide real-time inbound passenger flow control solutions for over-saturated stations based on the dynamic distribution of passenger flows has become an urgent issue for the safe and efficient operation and management of urban rail transit networks in China. Based on the collection of related research literature at home and abroad, this paper reviews and analyzes the research status from OD dynamic estimation of passenger flow in rail transit network and passenger flow control in rail transit station. Some further study in the future are put forward.

Key words: Urban rail station; Oversaturation; Passenger flow; Coordinated control

1　引言

城市軌道交通客流快速、安全輸送是城市軌道交通運營組織工作的重中之重。隨著城市軌道交通建設的快速發展和成網運營，軌道交通路網客運量持續攀升。目前，上海工作日高峰時段，部分斷面客流飽和度達130%，人民廣場、世紀大道等大型換乘站，客流密度超過每平方米2.5人，上海軌道交通日均最高客流量已經突破1200萬人次。北京地鐵調價后，曾一度地鐵日均客流減少80萬，但很多線路的高峰小時滿載率 依舊超過100%，個別線路滿載率竟然達到138%，北京全市線路單日客流總量現已超過1300萬人次，單日客流反超調價前。如此龐大的客流量以及在路網上復雜的時空分布為中國城市軌道交通客流組織和車站客流控制帶來了巨大的挑戰，如何根據客流的動態分布狀況來為過飽和車站提供實時進站客流控制方案，已成為中國城市軌道交通路網安全高效運營管理迫切需要解決的問題。

軌道交通車站是其客流的起點和終點，短時間內巨大的客流量進出對車站的承載能力是一種巨大的考驗。一些車站早晚高峰時段站外、站廳、通道、站臺到處都是擠得密密麻麻的人群，高密度的客流對行人安全帶來了巨大的安全隱患，同時也容易由于人多擁擠引起設備故障，如2011年北京地鐵5號線因人多車門被擠出現故障，導致多處站臺列車晚點、車站被封，嚴重影響整個線路乃至路網的運行效率。車站客流的有序、適量進入是軌道交通車站、線路、路網正常運營的必要條件。

圖1 5號線天通苑北站站外早高峰排隊客流

圖2 10號線國貿站早高峰站臺客流

圖3 13號線西二旗站通道及站臺早高峰客流

圖4 1號線建國門站早高峰上車客流

各個車站不同的客流需求導致運力不均衡，有的車站人滿為患，進站等候時間長，長途跋涉到達站臺仍需等待幾輛列車通過后才能擠上擁擠的列車；而同一線路上有的車站則相對冷清，乘客能順暢進站，列車上相對寬松很多。如北京地鐵5號線天通苑北站、天通苑站早高峰需要排隊15-20分鐘才能進站安檢，而僅三站之隔的5號線立水橋站卻相對容易得多?？土鞯姆植疾痪鈱е峦痪€路上的運力資源分配不均衡，使高峰期內本就捉襟見肘的運力資源沒有得到充分的利用。

客流需求與運輸能力不協調不匹配，早晚高峰客流需求的短期劇增促使運輸需求與供給間結構性不均衡矛盾突出，客流擁擠嚴重，乘客安全風險加大，以限流為手段的客流需求管理措施成為當前有效措施之一。然而，當前運營管理過程中關于限流措施的制定尚缺乏科學的理論依據和計算方法，更多地依靠經驗，管控措施粗放，效率低下。因此，亟需建立一套系統的科學理論與方法，以準確估計客流的動態分布，實時了解軌道交通車站的客流狀態，為建立高效的車站尤其是過飽和車站客流控制策略提供科學依據和理論基礎。

2　國內外研究現狀及發展動態分析

目前，國內外對城市軌道交通客流控制的研究主要集中在兩個方面，即軌道交通網絡客流OD動態估計和車站客流控制。

2.1　軌道交通網絡客流OD動態估計

客流OD動態估計是軌道交通系統實施動態運營管理與控制的基礎，它為動態運營管理和控制提供重要的基礎輸入。在交通網絡客流OD估計領域，國際上最早由nguyen等人首次提出了基于最大熵模型的客流需求OD估計模型，并采用Bregman方法進行求解^[1~2]；Wong等人隨后針對其分配矩陣的稀疏化特性，提出了改進的優化算法^[3]；Lam則提出了基于服務頻率的公共交通網絡OD估計模型及其算法^[4]；我國學者對于軌道或公共交通網絡的OD估計工作大部分也以最大熵優化模型為基礎，采用啟發式或Markov過程進行Bayes估計等方法進行求解，如徐瑢采用Markov過程針對不確定信息下的公共交通網絡OD分布進行估計^[5]，本項目申請者提出了基于偏最小二乘支持向量回歸模型的軌道交通客流預測方法^[6]。

OD矩陣估計研究經歷了由靜態OD矩陣估計到動態OD矩陣估計的兩個階段，靜態OD矩陣估計一般假設估計時段內交通狀況均勻，無需考慮諸如擁塞的產生和消散、交通流的分散特征、路網傳播性等交通流特征。然而，隨著交通擁擠問題的日益嚴重，研究交通需求與運輸供給間動態平衡關系，挖掘交通流擁擠的產生、消散、傳播等特征成為關注的熱點，為此，考慮交通流動態傳播特性的動態OD矩陣估計理論和方法得以建立和發展。

從20世紀80年代中期開始，Cascetta^[7~9]、 Bell^[10~11]、Cremer^[12~14]等著名學者較早地將靜態OD估計方法拓展到動態OD估計領域，系統性地構建了一批具有重要價值的估計模型。Cremer較早提出了四種動態OD矩陣估計模型，包括最小二乘模型、約束優化模型、迭代估計模型和卡爾曼濾波模型，主要針對道路交叉口、城市快速路、高速公路以及城市道路網絡展?？梢钥闯觯捌谙嚓P研究多針對城市道路交通網絡展開，對于軌道交通網絡的客流需求動態估計問題的研究相對缺乏。

在公路交通網絡則以卡爾曼濾波器模型為主，其估計及預測依賴于從仿真器（動態模型）以及實際局部實際數據共同獲取觀測輸入。麻省理工學院的Ashok及Ben-Akiva等人將卡爾曼濾波器模型應用到對交通網絡的時變的出行OD分布估計預測上^[15~17]，Bielaire等進一步發展了基于最小二乘的簡化算法^[18]。Mahmassani及Zhou等則應用卡爾曼濾波器與DynaSMART結合進行交通網絡狀態的估計^[19~22]?？柭鼮V波器本質上在線性空間的最小均方誤差估計器，然而由動態模型得到的觀測量則是非線性的，因此Tavana及Antoniou及等進一步將非線性卡爾曼濾波器應用到對實時的OD分布進行估計^[23~25]。值得注意的是，當預測動態系統結構發生結構性變化時，Chinniah及Denis等人通過設計層次的狀態結構空間以及高階預測因子來動態跟蹤突變，并取得了良好的應用效果^[26~27]。而軌道交通網絡的動態OD實時估計研究成果相對很少，僅姚向明^[28]在標準卡爾曼濾波算法基礎上增加了增益放大系數并進行歸一化處理，建立軌道交通在線O-D矩陣估算模型，該處理過程是為滿足殘差修正過程中無法滿足模型的約束條件而添加，忽略了軌道交通客流分布數據的特殊性，同時存在精度不高方面的不足，使用于較長時間粒度下的估計。

2.2 軌道交通車站客流控制

軌道交通客流控制問題引起國內較多學者的關注和興趣，同時也引起運營管理者的極大關注。然而，針對客流控制措施的制定尚缺乏科學的理論依據和計算方法，實際中指導控流措施的標準和規范較少，地方標準《城市軌道交通運營安全管理規范》^[29]中指出當本站達到或超過客流警戒線（承載能力的70%時），適時采取限流、封站等措施，確?？瓦\組織安全?？土骶渚€（Warning Line of Passenger FlowVolume）是指為車站客運組織工作需采取安全措施而設定的客流量臨界值。該標準是目前唯一較為明確的限流措施執行參考標準，但缺乏較好的實踐指導意義。

劉蓮花等^[30]對緩解軌道交通車站-線路-網絡運輸能力不匹配采取的客流控制措施及計算方法進行了簡要介紹，指出客流控制應從車站級、線路級、網絡級三層控制模式予以實施，但對于控制措施的制定及方法尚不完善。該研究是國內首次提出車站客流控制應從車站協調層面予以進行，前期相關研究多從車站客流承載能力角度進行單個車站的客流控制研究。李建琳^[31]以上海市軌道交通6號線和8號線為背景，對早高峰時段需求與運力的矛盾進行分析，對限流措施提出改進建議，并分析了不同控流措施的運營效果。該研究中客流控制措施的制定主要依靠經驗確定，缺乏一定的科學性。謝諱^[32]對軌道交通換乘站進行了分類，以結點換乘站作為研究對象，分析了其空間布局結構以及在該結構下的高峰期客流控制規則，為確定客流控制開始時間及客流控制方案搜索的結束條件，進一步確定了客流控制觸發指標，并提出了指標的計算方法。雖然換乘節點在軌道交通網絡起到非常重要的作用，但是換乘客流作為網內客流，其所處環境相對封閉，對其進行控制難度較大，一般意義上的限流是指限制客流進入軌道交通系統內部，一旦客流進入系統后，對其控制將十分困難。張正^[33]等分析限流的作用和影響因素，提出車站間限流安全控制實施方式，根據流量平衡原理，分析客流在車站單點、線路和路網上的協同限流方法并研究限流參數的計算方法。最后以北京地鐵13號線為例進行了車站協同限流安全控制實例分析與計算。該研究依據流量平衡原理提出了相對完善的客流控制措施計算方法，但其計算過程中包含較強的假設條件，如各站乘客下車率已知且恒定，未能很好地結合客流OD信息，另外，該方法為啟發式算法，不包含優化目標，車站間的協同性控流體現并不明顯，方法應用上存在一定的局限性。

客流控制問題屬于運輸系統流入控制的研究范圍，與城市快速路及高速公路阻道控制具有較強的相似性。19世紀60年代由Wattleworth和佐佐木.明神最早提出了對交通系統的流入控制理論^[34]。當初的理論僅考慮流入交通的OD特征及其對下游各區間交通的影響，構筑了以城市高速公路主線上各區間的流入交通量不超過其通行能力為約束，高速公路流入交通量最大為目標函數的優化方法，由于采用了線性規劃（LinearProgramming）方法，所以常稱其為LP控制手法^[35]。LP控制方法具有理論的嚴密性和結構的清晰性，但由于路網規模限制及求解困難，難以適應突發狀況及客流波動較大的情況，更多的用于客流平穩狀態下的客流控制。姚向明^[28]就采用了此種LP方法分別從線路層和網絡層兩個層面構建了客流流入協同控制模型。

綜上所述，軌道交通客流分布及車站客流控制模型與方法已得到研究人員的廣泛關注，并已取得了大量的研究成果。然而對于軌道交通系統而言，乘客出行行為較為復雜、可實時采集客流信息有限（一般僅包括進出站客流)，給客流OD的動態估計過程帶來極大困難。目前，尚缺乏有效的估計方法來解決大規模軌道交通網絡客流需求的在線估計問題。因此，有必要利用軌道交通網絡結構特點、結合運輸過程以及客流波動變化規律，從最基本的車站和線路層面出發，研究適用于軌道交通的動態客流需求估計理論與方法，為客流為動態運營管理系統的構建提供準確的基礎輸入數據，進而為制定科學合理的車站限流策略提供理論基礎和技術支撐。

3　過飽和軌道交通車站客流動態協調控制研究展望

綜合上述國內外研究現狀分析，可進行以下幾方面的研究。

（1）基于AFC數據的客流需求分布（OD）估計模型構建

通過統計AFC數據，分析軌道交通線路客流分布結構的波動性與相關性特征，對車站客流分離率進行先驗估計，研究進站客流與出站客流流量關系。在此基礎上基于無味變換卡爾曼濾波器構建以客流分離率為狀態變量的客流需求分布（OD）估計模型，為后續研究奠定數據基礎。

（2）車站過飽和客流狀態判別方法和車站群劃分方法研究

車站群劃分的好壞很大程度上將影響客流協調控制結果，基于此，在深入分析OD統計數據、建立車站關鍵設施觸發指標的基礎上，結合視頻檢測技術，首先建立車站飽和客流狀態判別方法，在此基礎上確定關鍵車站和非關鍵車站，通過分析車站進出站客流量、定義O/D比概念、借鑒道路交通控制子區劃分的距離適當原則和流量相關原則，結合軌道交通特性建立車站群劃分依據，構建車站群劃分方法。

圖5 客流狀態判別方法

圖6 車站群劃分方法

（3）過飽和車站客流協調控制方法與建模

以OD數據為基礎，結合視頻檢測技術和現場觀察測量，分析車站內站臺、通道、樓梯、扶梯等關鍵設施客流分布情況，得到車站進站客流、出站客流、站內客流三者關系。確定采樣周期長度，以車站群為控制單位，運用控制理論建立車站群客流動態協調控制模型。

圖7 車站群客流動態協調控制模型

（4）線路過飽和等級評估模型

線路過飽和等級評估模型用來評估軌道交通線路過飽和客流狀態。分別從表征客流特征的宏觀層面、微觀層面、行人服務水平以及樞紐舒適性方面提取關鍵指標，采用與關鍵指標屬性相匹配的評估方法，根據過飽和客流狀態嚴重程度不同劃分不同等級，建立線路過飽和等級評估模型，對采取客流動態控制方案的軌道交通線路進行評估。

圖8 線路過飽和等級評估模型建模方法

4　總結

綜上所述，過飽和軌道交通車站客流動態協調控制及其相關問題已得到了研究人員的廣泛關注，并已取得了一定的研究成果，但仍有一些核心問題需要進一步解決?；诖?，面對軌道交通常規大客流需求，后續工作可針對以下內容展開研究：采用無味變換卡爾曼濾波器算法對軌道交通的實時OD數據進行分析，提出過飽和車站的概念，對車站過飽和客流狀態判別方法、車站群劃分方法、過飽和車站客流協調控制方法等關鍵技術問題展開研究，在上述研究的基礎上，構筑基于動態OD客流分布數據的車站客流控制理論與方法體系。上述內容的研究成果可為解決軌道交通大客流車站限流控制難題提供新的方法和途徑，在軌道交通客流管理與控制實踐中具有重要的應用前景，同時對城市軌道交通客流控制理論與方法的進一步發展能夠起到一定的推動作用。

參考文獻：

[1] Nguyen, S., Pallottino, S. (1986). Estimating origin destination flows for transit networks. AIRO, RicercaOperativa, 38, 9- 27.

[2] Nguyen, S., Pallottino, S. and Malucelli, F. (1988) Discrete time dynamic estimation model for passenger origin/ destination matrices on transit networks, Transportation Research Part B, 24 (2), 251 - 160,

[3] Wong, S.C. and Tong, C.O. (2002) Estimation of time-dependent origin-destination matrices and transit networks. Transportation Research, 32B, 35 - 48.

[4] Lam, W.H.K, Chan K.S. and Wu Z.X. (2003) Estimation of Transit Origin-Destination Matrices from Passenger Counts Using a Frequency-based Approach". Journal of Mathematical Modelling and Algorithms, 2 (4), 329 - 348.

[5] 徐榕. 不完全信息下公共交通客流OD推算方法[D]. 北京交通大學學位論文, 2011.

[6] HuijuanZHOU,Yong QIN, Yinghong LI. A Partial Least Square Based Support Vector Regression Rail Transit Passenger Flow Prediction Method. International Journal of u- and e- Service, Science and Technology, vol. 7, No.2, 2014, pp.101 -112.

[7] Cascetta, E.. Estimation of Trip Matrices from Traffic Counts and Survey Data: A GeneralizedLeast Squares Estimator[J]. Transportation Research Part 8,1984,18 (4-5) : 289 - 299.

[8] Cascetta, E., Inaudi, D.,Maiguis, G. Dynamic Estimators of Origin-Destination Matrices UsingTraffic Counts[J]. Transportation Science, 1993,27 ( 4 ) : 363 - 373.

[9] Cascetta E., Postorino M. N.. Fixed point approaches to the estimation of OD matrices usingtraffic counts on congested networks[J]. Transportation Science,2001, 35 : 134 - 147.

[10] Bell, M.GH.. The Estimation of Origin-Destination Matrices by Constrained Genmlized LeastSquares[Jl. Transportation Research Part 8,1991,25 (1) : 13 - 22.

[11] Bell, M.GH.. The Real-Time Estimation of Origin-Destination Flows in the Presence of

[12] Platoon Dispersion[J]. Transportation Research Part 8,1991, 25 (2-3) : 115 - 125.

[13] Cremer, M.,Keller, H.. A Systems Dynamics Approach to the Estimation of Entry and Exit O-DFlows[J]. Proceeding of the Ninth International Symposium on Transportation and Traffic Theory, 1984 : 431 - 450.

[14] Cremer, M.,Keller, H.. A New Class of Dynamic Methods for the Identification ofOrigin-Destination Flows[J]. Transportation Research Part 8,1987,21 (2) : 117 - 132.

[15] Ashok, K., (1996). Estimation and prediction of time-dependent origin -destination Flows. Ph.D. Dissertation, MIT, USA.

[16] Ashok, K., Ben-Akiva, M., (1999). Dynamic origin -destination matrix estimation and prediction for real-time traffic management systems.In: Daganzo, C. (Ed.), Proceedings of the 12th International Symposium on Transportation. Elsevier.

[17] Ashok, K., Ben-Akiva, M., (2002). Alternative approaches for real-time estimation and prediction of time-dependent origin - destination flows. Transportation Science 34 (1), 21 - 36.

[18] Chen, C., Petty, K., Skabardonis, A., Varaiya, P., Jia, Z., (2001). Freeway performance measurement system: mining loop detector data. Transportation Research Record 1748, 96 - 102.

[19] Mahmassani, H.S., (2001). Dynamic network traffic assignment and simulation methodology for advanced system management applications. Networks and Spatial Economics 1 (2), 267 - 292.

[20] Peeta, S., Ziliaskopoulos, A., (2001). Foundations of dynamic traffic assignment: the past, the present and the future. Networks and Spatial Economics 1 (2), 233 - 266.

[21] Zhou, X., Mahmassani, H.S., (2005). Recursive approaches for online consistency checking and O -D demand updating for real-time dynamic traffic assignment operation. Journal of the Transportation Research Board 1923, 218 -226.

[22] Zhou, X., Qin, X., Mahmassani, H.S., (2007). Dynamic origin -destination demand estimation using multi-day link traffic counts for planning applications. Transportation Research Record 1831, 30 - 38

[23] Tavana, H., (2001). Internally-consistent estimation of dynamic network origin -destination flows from intelligent transportation systems data using bi-level optimization. Ph.D. Dissertation, University of Texas at Austin, USA.

[24] Tavana, H., Mahmassani, H.S., (2005). Estimation of dynamic origin destination flows from sensor data using bi-level optimization method. Transportation Research Board CD-ROM Paper Preprints (TRB Paper No. 01-3241), National Research Council, Washington, DC.

[25] Antoniou, C., Ben-Akiva, M., Koutsopoulos, H.N. (2007) Nonlinear Kalman filtering algorithm for on-line calibration of dynamic traffic assignment model. IEEE Transaction on ITS, 8 (4), 661-670

[26] Chinniah, C., Burton, R., (2006), Failure monitoring in a high performance hydrostatic actuation system using the extended Kalman filter, Mechatronics, 16 (10), 2006

[27] Xu., X. (2011). Hard failure diagnosis using self-tuning Kalman filter, 134, 326 - 334

[28] 姚向明. 城市軌道交通網絡動態客流分布及協同流入控制理論與方法[D]. 北京交通大學博士論文, 2014.

[29] 北京市交通委員委員會. DB11/T 647-2009城市軌道交通運營安全管理規范[S]. 北京: 北京市質量技術監督局, 2009.

[30] 劉蓮花, 蔣亮. 城市軌道交通網絡客流控制方法研究[J]. 鐵道運輸與經濟, 2011, 33 (5) : 51 - 55.

[31] 李建琳. 上海軌道交通限流客運調整實踐研究[J]. 現代城市軌道交通, 2011, (4) : 81 - 83.

[32] 謝瑋. 城市軌道交通換乘站客流控制方法研究[D]. 北京: 北京交通大學, 2012.

[33] 張正, 蔣熙, 賀英松. 城市軌道交通高峰時段車站協同限流安全控制研究[J]. 中國安全生產科學技術, 2013, 9 (10) : 5 - 9.

[34] Wattleworth J.A, Berry D.S. Peak Period Control of a Freeway System: Some TheoreticalInvestigations[R]. Washington: Texas Transportation Institute, 1965,89 : 1 - 25.

作者簡介：

周慧娟（1975-），女，湖南隆回人，副教授，碩士生導師，現任教于北方工業大學，研究方向是軌道交通客流組織與控制。

劉小明（1974-），男，河北唐山人，教授，博士生導師，現任教于北方工業大學，研究方向是智能交通控制理論與技術、城市交通系統工程。

摘自《自動化博覽》2019年12月刊