摘要：用户画像广泛应用于个性化推荐、广告精准投放等领域,但目前轨道交通领域的相关研究尚不完善,存在乘客画像的信息少、维度单一、指标设计和挖掘不充分等问题。通过从运营管理者和乘客服务多角度系统梳理互联网+城市轨道交通乘客画像的新需求,进而结合AFC和土地等多源数据,构建满足新需求下的轨道交通乘客画像指标体系,并给出关键性指标的计算和推断方法。以北京地铁为例,构建并验证轨道交通乘客画像构建方法的有效性,分析了乘客画像在辅助精细化客流预测方面的应用效果。结果表明,将反映乘客个体出行特征的返程客流加入到S-ARIMA模型中,相比S-ARIMA模型均方根误差(RMSE)下降9.02,对称平均绝对百分比误差(SMAPE)下降0.16%,有效提高客流预测精度。乘客画像未来还能应用在更多的场景,支撑轨道交通的智慧化、一体化出行服务。

摘要：为研究城市轨道交通诱导信息对乘客的影响,考虑信息提供时间、方式、更新频率及其与路径属性之间的交互关系,提出融合诱导信息的城市轨道交通乘客路径选择行为决策框架。考虑乘客在决策时表现出遵循混合决策规则的倾向差异和不同属性感知差异,建立改进的混合效用-后悔模型。将路径属性与诱导信息同时纳入调研情景设计,基于调研结果标定模型中关键参数,结果表明,基于混合决策规则的模型拟合效果最高(调整优度比达0.396)。进一步分析乘客对信息的偏好:相较于下载手机APP,乘客更喜欢社交媒体推送的形式接收诱导信息;引入信息推送频率时间价值,并对比得出,女性、中老年及非通勤乘客更倾向于接受更高频率的诱导信息推送服务;分析各属性弹性值,表明诱导信息提供方式和更新频率应作为管理者的辅助手段,在特定场景下(例如高峰拥堵和突发事故)诱导信息将会发挥更大的作用。研究揭示了诱导信息提供方式如何影响轨道交通乘客的路径决策机理,有助于设计更加精准和高效的诱导信息策略辅助客流组织管理。

摘要：针对突发事件下列车正常秩序的快速恢复与调度优化方案的自动生成问题,现有调度优化模型与一般人工经验难以处理复杂事件场景,且求解效率较低。面向同时包括严重初始延误与区间限速影响的复杂突发事件场景,设计提出大面积列车延误和区间限速等针对性约束,构建基于事件活动网络的列车多目标非线性调度优化模型。为实现实时调度,采用添加中间决策变量构建析取不等约束组方法对列车晚点和取消相关非线性约束进行线性化,同时采用分枝定界算法求解。以武广高速铁路岳阳东至广州南区段为例,验证表明:该模型算法能有效降低列车调度方案的偏离程度,减少事件影响恢复时间29 min,且求解时间在120 s以内,满足现场实时性要求。

摘要：消除客流数据随机噪声和确定神经网络超参数是城市轨道交通短时客流预测组合模型需要解决的关键问题。基于弱化客流数据噪声的自适应噪声完全集成经验模式分解算法(CEEMDAN)将客流时序数据分解为若干个频率和复杂度均不同的固有模态函数分量和剩余分量后,利用引入自适应策略的改进粒子群算法(IPSO)动态求解长短期记忆神经网络(LSTM)超参数的最优值,构建CEEMDAN-IPSO-LSTM组合模型预测城市轨道交通短时客流量。以广州地铁杨箕站自动售检票系统采集的历史进(出)站客流数据为例进行实验,研究结果表明:IPSO算法较PSO算法在基准测试函数Sphere,Sum Squars,Sum of Different Power,Rosenbrock,Rastigrin,Ackley,Griewank和Penalized上的最小值、最大值、平均值和标准差均更接近最佳优化值,CEEMDAN-IPSO-LSTM模型较LSTM模型、CEEMDAN-LSTM模型、CEEMDAN-PSO-LSTM模型的全月全日进(出)站的预测误差评价指标SD,RMSE,MAE和MAPE分别降低了12~40人次(13~35人次)、13~44人次(12~35人次)、6~37人次(12~31人次)和5.08%~46.89%(6.5%~35.1%),R和R2分别提高了0.07%~2.32%(0.86%~3.63%)和0.13%~2.19%(0.67%~1.67%),同时在工作日不同时段和非工作日全日的预测性能均达到最优效果。IPSO算法的收敛速度和参数寻优精度均优于PSO算法,且CEEMDAN-IPSO-LSTM模型可应用于城市轨道交通短时客流量的精确预测,同时可为设计规划线网路线、缓解交通压力、提高乘客出行服务质量等提供基础数据支撑。

摘要：以城市轨道交通为主的乘客智慧出行服务存在群体性服务多、增值服务内容单一等问题,在总结现有的城市轨道交通乘客服务和分析不同乘客出行需求的基础上,提出城市轨道交通乘客智慧出行信息服务平台的业务需求以及技术架构。以乘客画像模块为基础生成乘客的个性化标签,探讨出行诱导模块和增值服务模块的构建方法,将出行诱导信息和增值服务信息与乘客的个性化标签匹配,实现出行规划、出行诱导、广告匹配、服务推送等功能,最终达到全出行链服务、个性精准信息服务、多元化增值服务的目标,支撑新技术、新理念在未来轨道交通运营服务中的应用和实施。

摘要：随着城市轨道交通规模的持续扩大,运营成本也在不断增加。车站是城市轨道交通运营管理的重要节点,在既有管理模式下,其人力成本在城市轨道交通总运营成本中占据较高比例,探索车站管理的创新模式已成为城市轨道交通降本增效的重要方向。结合国内外城市轨道交通车站管理现状,总结区域车站集中值守模式的内涵和基本特征,提出区域车站集中值守模式下车站及人员管理的新框架。进一步探讨区域划分数量、区域中心站选择及管辖范围的设置原则;在此基础上,设计区域集中值守模式的设置流程及关键方法。以国内某条地铁线为例,得出区域中心站及普通站的设置方案,并估算了人力资源优化效果。研究结果对提高车站运营管理水平,促进我国城市轨道交通可持续发展具有重要参考价值。

摘要：瓶颈识别是城市轨道交通车站规划设计和运营管理亟待解决的难题。本文在既有静态瓶颈和动态瓶颈的基础上,按动态瓶颈产生原因将其细化为原发性瓶颈及继发性瓶颈;研究瓶颈的动态传播特性,提出关联瓶颈与瓶颈簇理论,以此刻画瓶颈传播机理,并在此基础上构建车站动态瓶颈识别方法;以瓶颈簇理论为支撑,定量分析单个设备能力对车站集散能力的影响程度,提出基于灵敏度分析的瓶颈疏解策略。最后,对北京地铁某车站进行案例分析,验证该瓶颈识别方法的有效性与实用性。案例表明,该方法能够有效识别车站瓶颈,明确瓶颈之间的依附关系以及瓶颈的重要程度。与既有方法相比减少66.7%的仿真次数,可以明显提高识别效率。

摘要：为顺应新时代轨道交通“城际+地铁”超大线网规模运营的发展趋势,结合千万客流常态下的站务运作发展需求,围绕安全运营、服务提升、降本增效目标,针对新兴的智慧站务管理系统,分析系统功能需求的全面性、现场实际操作的契合性以及与“移动化管理”的有机结合方面的不足,将原本的轨道交通车站业务进行拆分重组后,提出适配智慧站务升级和模块化管理的4项新的功能需求:车站监测、信息传递、系统控制和现场处理,在此基础上搭建城市轨道交通智慧站务移动运作系统。应用智慧站务移动运作系统将使得车站具备智能感知能力、自主运行能力和良好的应急处置能力,为轨道交通智慧车站的建设提供了一种高效适用的站务运作模式,助力轨道交通迈入智慧新时代。

摘要：针对大部分客流预测系统存在预测客流指标不全,时空粒度较粗,多场景的适用性不足等问题,以大规模网络化运营的城市轨道交通精细化客流预测需求为研究对象,分析适应多场景铁路网客流预测实现方法,利用Hadoop、Spark&Hive、Redis、微服务、H5等先进技术搭建客流预测大数据平台,实现铁路网交通出行量(OD,Origin Destination)的精细化客流功能,为调度指挥和客运管理提供进站、出站、换乘、断面客流量等全指标、精细化时空粒度的客流预测数据支持,提升轨道交通调度指挥针对性、客流组织合理性和客运服务水平。