首页> 中文学位 >城市轨道交通自动数据源下乘客路径选择行为的研究
【6h】

城市轨道交通自动数据源下乘客路径选择行为的研究

代理获取

目录

声明

摘要

1.1 课题研究背景

1.2 论文的研究问题及内容

1.3 MTR系统简介

1.3.1 当前运营状况

1.3.2 票价政策

1.4 论文结构

第二章 地铁系统乘客路径选择研究概述

2.1 自动数据源

2.2 乘客路径选择估计

2.3 乘客无法登车估计

2.4 路径生成方法

第三章 客流分配估计与应用

3.1 OD路径选择估计模型

3.2 无法登车估计模型

3.2.1 高斯混合模型推测

3.3 OD路径生成算法

3.4 乘客可行性路径选择模型

3.5 客流分配模型

3.6 应用研究

3.6.1 出行诱导方案

3.6.2 离散选择模型参数标定

第四章 无法登车及路径选择估计模型验证

4.1 实例研究数据概述

4.1.1 AFC数据

4.1.2 AVL数据

4.1.3 Network、Survey数据

4.1.4 仿真数据

4.2 模型验证与分析

4.2.1 无法登车估计

4.2.2 路径选择概率

4.3 应用分析

第五章 总结与展望

附录

参考文献

致谢

攻读学位期间科研成果及参与项目

展开▼

摘要

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。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号