城市轨道交通网络大客流管控理论与方法

前言 0 绪论 1 城市轨道交通大客流的形成与传播机理 1.1 大客流的定义、分类与风险 1.1.1 大客流的定义 1.1.2 大客流的分类 1.1.3 大客流风险 1.2 大客流的形成机理 1.2.1 物理结构网络 1.2.2 列车运行网络 1.2.3 乘客出行网络 1.2.4 乘客与列车的交互机理 1.2.5 大客流的形成原因 1.2.6 大客流的风险演化 1.3 列车运行延误对大客流的影响机理 1.3.1 铁路与城市轨道交通列车延误对客流的影响差异分析 1.3.2 列车运行延误的形成原因 1.3.3 列车运行延误传播的基本特点 1.3.4 大客流传播的影响因素 1.3.5 列车运行延误对客流产生的影响 1.3.6 网络化运营条件下的延误对大客流的影响 1.3.7 客流延误指标 2 城市轨道交通大客流可视化分析 2.1 网络客流分析 2.1.1 分析的目的 2.1.2 分析的关键 2.2 OD客流分析 2.2.1 全网主要OD流向 2.2.2 关键节点的OD流向 2.2.3 组团的OD流向 2.3 进出站客流分析 2.3.1 网络进出站客流 2.3.2 线路进出站客流 2.4 在站客流分析 2.5 换乘客流分析 2.6 断面客流分析 2.6.1 基于日期变化的网络断面客流分析 2.6.2 结合GIS地图的网络断面客流可视化 2.6.3 结合拓扑图的网络断面客流可视化 2.6.4 分区间断面客流特征分析 2.6.5 全日分时*大断面客流分析 2.6.6 运能运量适应性分析 3 城市轨道交通大客流感知 3.1 大客流感知的主要指标 3.1.1 客流量 3.1.2 客流密度 3.1.3 客流移动速度 3.1.4 乘客移动轨迹 3.1.5 异常状态信息 3.2 大客流感知的主要区域 3.2.1 出入口 3.2.2 通道 3.2.3 站台 3.2.4 列车 3.3 大客流感知技术 3.3.1 AFC技术 3.3.2 车辆称重技术 3.3.3 热敏传感技术 3.3.4 智能视频分析技术 3.3.5 Wi—Fi嗅探技术 3.3.6 蓝牙定位技术 3.3.7 手机信令技术 3.3.8 不同检测技术应用情况分析 3.4 基于数据驱动的大客流处置 3.4.1 多元感知数据的融合 3.4.2 客流分析及风险预判 3.4.3 客流处置的智能化决策 3.5 基于感知技术的运营应用场景与需求分析 3.5.1 乘客出行路径的还原 3.5.2 网络实时客流的分布与评估 3.5.3 网络客流预警与预测 3.5.4 网络列车的实时定位与能力评估 3.5.5 车站设施设备的实时能力评估 3.5.6 站台候车引导 3.5.7 网络出行信息发布与引导 3.6 案例分析 4 基于Wi-Fi嗅探技术的城市轨道交通车站客流分析技术 4.1 基于Wi-Fi嗅探技术的车站客流轨迹数据采集 4.1.1 轨迹数据采集原理 4.1.2 AP设备布设方法与数据上报机制 4.1.3 Wi-Fi嗅探数据隐私保护方法 4.2 基于Wi-Fi嗅探数据的车站原始轨迹数据分析 4.2.1 Wi-Fi原始嗅探数据构成 4.2.2 标准轨迹数据构成 4.2.3 Wi-Fi嗅探轨迹数据隐私安全保护 4.2.4 车站Wi-Fi嗅探轨迹数据特征分析 4.2.5 Wi-Fi嗅探轨迹数据的质量分析 4.3 Wi-Fi嗅探数据质量调研分析 4.3.1 原始Wi-Fi嗅探数据质量调研 4.3.2 AP加密后原始Wi-Fi数据质量调研 4.4 车站原始轨迹数据清洗 4.4.1 噪声数据形成原因分析 4.4.2 噪声数据清洗目标及原则 4.4.3 基于高斯滤波的RSSI信号数据清洗 4.4.4 基于车站路网模型的时空数据清洗 4.4.5 噪声数据清洗质量评价 4.4.6 车站非常规乘客数据清洗 4.4.7 车站轨迹数据完整度清洗 4.5 车站乘客的出行轨迹还原 4.5.1 车站乘客轨迹还原的难点分析 4.5.2 车站乘客轨迹链定义 4.5.3 车站轨迹链划分算法 4.5.4 轨迹链划分准确度 4.6 案例分析 4.6.1 轨迹数据输入及预处理 4.6.2 全日轨迹数据还原结果 4.6.3 还原轨迹数据扩样 4.6.4 车站客流特征分析 4.6.5 车站流线分析 5 基于Wi-Fi嗅探技术的城市轨道交通网络客流分析技术 5.1 基于时空网络的乘客出行链还原方法 5.1.1 出行链的描述 5.1.2 出行链的组成 5.1.3 乘客出行链还原问题 5.1.4 时空网络的构建方法 5.1.5 乘客出行链还原的相关约束 5.1.6 乘客出行链还原流程 5.2 基于出行链的网络客流分析 5.2.1 客流计算方法 5.2.2 客流出行特征分析 5.2.3 与其他相关数据的融合方法 5.3 案例分析 5.3.1 案例网络概况 5.3.2 出行链还原结果分析 5.3.3 列车断面满载率数据的计算与展示 5.3.4 上下车和换乘人数的计算与展示 6 城市轨道交通大客流预警技术 6.1 客流预警的基础理论 6.1.1 客流预警的分类 6.1.2 客流预警的流程 6.1.3 客流预警的分级 6.1.4 客流预警时空需求分析 6.1.5 客流预警指标体系 6.1.6 客流预警的方法 6.2 历史客流数据特征提取方法 6.2.1 基于层次聚类的客流特征分类 6.2.2 基于改进的箱线图法的历史数据特征向量提取 6.2.3 基于长短期的历史客流数据特征更新算法 6.3 车站实时客流异常识别 6.3.1 车站实时客流异常识别框架 6.3.2 车站实时客流异常识别原则 6.3.3 车站实时客流异常识别指标分析 6.3.4 车站实时客流异常识别指标体系 6.4 案例分析 6.4.1 数据预处理 6.4.2 客流数据历史特征提取 6.4.3 车站实时客流异常识别 6.4.4 车站突发事件条件下的异常识别 7 城市轨道交通限流技术 7.1 大客流控制技术 7.1.1 大客流控制原则 7.1.2 大客流组织措施 7.1.3 大客流的控制方法 7.1.4 客流诱导与出行信息发布 7.2 限流的基础理论 7.2.1 限流的原因 7.2.2 限流的作用 7.2.3 限流的分类 7.2.4 常态限流与临时限流的比较 7.2.5 限流方案的评价 7.3 协同限流 7.3.1 协同限流的原因 7.3.2 协同限流的目标 7.3.3 协同限流的作用及影响 7.3.4 协同限流的方法 7.3.5 限流方案的编制流程 7.3.6 常态限流方案的影响因素分析 7.4 线路限流与列车跳停协同优化模型 7.4.1 研究现状 7.4.2 问题描述 7.4.3 模型构建 7.4.4 Q学习算法的站车协同优化 7.4.5 案例分析 附录