城市轨道交通短时客流预测体系框架及关键技术

WANG Xue-mei1 ZHANG Ning1 ZHANG Yun-long2 1．Intelligent Transportation Systems Institute,
Southeast University, Nanjing 210096, China 2．Texas A&M University, College Station, TX77840
矩阵两类基础客流数据；在此基础上，构建线网客流分配模型，结合视频数据 、站点平面布置和列车运行时
刻表三类数据，考虑乘客步行时间的影响，估计断面客流数据；接着，在分析站点客流和断面客流数据时空特
性的基础上，分别预测站点和断面短时客流；利用站点客流和断面客流短时预测结果反推未来 OD 矩阵；同时
引入 GARCH 模型分析预测结果的可靠性，以提高短时客流预测结果的可信度。
中的
ckn
项改为
ckn
/ cn
或
ckn
/
cn min
，其中
cn
为第
n
个
OD
对间所有有效路径的平均广义费用，
cn min
为第
n
个
OD 对间所有有效路径中的最小广义费用。
2.2 断面客流估计方法
自动售检票系统记录的交易信息可分为进站 交易记录和出站交易记录，前者记录乘客通过进站 闸机的信息，具体包括电子车票卡号、进站站点、 进站时刻等信息，可用于统计某一时段内具体车站 通过进站闸机的客流状况；后者记录乘客通过出站 闸机的交易信息，具体包括电子车票卡号、进站站 点、进站时刻、出站站点、出站时刻等，可用于统 计某一时段内具体车站通过出站闸机的客流状况和 线网客流 OD 矩阵。从图 1 可以看出，断面客流估 计的基本原理是从线网客流 OD 矩阵数据出发，采 用线网客流分配模型估计断面客流，其基本形式为：
1 短时客流预测体系构建
城市轨道交通短时客流预测体系分为四大系 统：输入系统、处理系统、预测系统和输出系统。
2 短时客流预测关键技术
2.1 线网客流分配模型 由于城市轨道交通采用“无缝换乘”运营方
108
交通运输工程与信息学报 第 11 卷 第 2 期 2013 年 6 月 Journal of Transportation Engineering and Information No.2 Vo1.11 Jun. 2013
输入系统主要负责数据的输入，包括自动售检票系 统（AFC）采集的乘客进出站交易数据（简称一类 数 据 ）、 视 频 检 测 器 采 集 的 通 道 和 楼 梯 客 流 量 以 及 乘 客 步 速 数 据 （ 简 称 二 类 数 据 ）、 站 厅 平 面 布 置 图 提供的通道和楼梯基本尺寸以及乘客进出站（或换 乘 ） 步 行 轨 迹 （ 简 称 三 类 数 据 ）， 前 两 者 属 于 动 态 数据，后者属于静态数据。处理系统主要负责数据 的初步处理，将上述三类数据通过合理的统计分 析，转换成预测系统所需的站点客流数据、断面客 流数据和线网客流 OD 矩阵数据。预测系统主要负 责基于处理系统处理后的数据，建立合理的预测模 型。输出系统主要负责预测数据的输出，输出与日 常轨道运营息息相关的短时客流数据。城市轨道交 通短时客流预测体系框架如图 1。需要说明的是， 站点客流是针对具体站点，在统计时段内通过进出 站闸机的乘客数量，根据乘客进出站方向可以细分 为进站客流和出站客流；断面客流指线路上任一区 间中某断面位置在统计时段内通过的乘客数量，在 数量上等于在该统计时段内通过的所有列车的载 客量之和；线网客流 OD 矩阵指在某一时间片段内， 以乘客进站的站点作为起点，以乘客出站的站点作 为终点，起终点间的乘客交通出行量分布。
索网络有效路径，建立分配模型。传统的 Logit 模
型假定路径广义费用 C=kn
ckn
+
ε
n k
中的随机项
ε
n k
相互
独立，且服从相同的 Gumbel 分布，那么第 n 个 OD
对第 k 条可选择路径被选择的概率为：
∑ pkn =
exp(−θ ckn ) exp(−θ cln )
l
（1）
式中， ckn 为第 n 个 OD 对间第 k 条路径上的可确定
1．东南大学，教育部智能运输系统工程研究中心， 南京，210096
2．德州农机大学，大学城，TX77840
摘 要：针对当前城市轨道交通短时客流预测系统性不强等问题，构建短时客流预测体系框架，并讨论预测过
程涉及的关键技术。框架的构建以自动售检票系统（AFC）获得的数据为出发点，统计站点客流和线网客流 OD
收稿日期：2012-07-06. 作者简介：王雪梅（1988-），女，江苏大丰人，东南大学硕士研究生，研究方向为轨道交通运营与管理。
107
交通运输工程与信息学报
2013 年
第2期
an assignment model of passenger flow for the network, combined with three types of the data sources, that is ,video data, station layout and train timetable, and considering the impact of the walking activities of passengers, was built, and the sectional passenger flow was estimated. Then, based on the analysis of the spacial and temporal characteristics of the passenger flows at station and section, the two passenger flows were forecasted respectively; Afterwards, the network passenger flow OD matrix was backstepped by the short term forecasting results of the passenger flows. Meanwhile, the GARCH model was introduced to analyze and to improve the forecast reliability.
Key words：Urban rail transit，framework, short term passenger flow forecast, reliability analysis
0引言
城市轨道交通运营管理的核心是根据轨道交 通客流的变化有效调配和使用系统资源，及时调整 运营策略，保证轨道交通安全完成运输服务任务。 而短时客流预测与分析作为运营管理的基础，能够 为站台拥挤管理和应急响应提供参考依据，同时也 是轨道交通服务水平、系统运行状态评价的重要决 策指标。目前，轨道交通短时客流预测研究才刚刚 起步，主要集中于研究预测算法的适用性，包括时 间序列模型和神经网络模型，已经在国内外部分城 市得到初步应用。但是相关研究还仅仅局限于单条 线路的短时客流预测的研究成果，基于线网的短时 客流预测研究则相对较少。此外现有的短时客流预 测方法和模型主要借鉴道路交通流短时预测研究 成果，各方法和模型的应用相对独立[1-2]，尚未形成 城市轨道交通短时客流预测的体系框架。利用城市 轨 道 交 通 自 动 售 检 票 系 统 （ Automatic F are Collection, 简称 AFC）采集的实时交易数据，本文 在充分吸收国内外现有短时客流预测研究成果的 基础上，构建城市轨道交通短时客流预测体系框 架，分析和优选短时客流预测过程中的核心模型。
的
广
义
费
用
；
ε
n k
为随机项，且
E(
ε
n k
)=0； θ
是一个
与
ε
n k
的方差有关的参数。109来自交通运输工程与信息学报
2013 年
第2期
但传统的 Logit 模型存在不足，即路径的选择 概率是由路径间费用的绝对差决定的，这会在分配
过程中导致一些不合理的结果，可以采用相对费用 差计算路径选择概率改进 Logit 模型[5]，即将式（1）
关键词：城市轨道交通；体系框架；短时客流预测；可靠性分析；
中图分类号：U492.4+33
文献标识码：A
文章编号：1672-4747（2013）02-0107-07
Framework and Key Technologies of Short Term Passenger Flow Forecast of Urban Rail Transit
通线网客流分配相关研究主要分为两大类：一是最
短路径分配方法，假设客流全部选择最短路径，将
客流分配给最短路径，该方法简便易用，但忽略了
影响乘客出行路径选择的换乘次数、换乘时间、车
内拥挤度等因素；二是随机分配方法，为每条路径
确定一个效用值，模拟乘客希望选择效用最大的路
径的心理，以 Logit 模型为主要建模依据，通过搜
输入系统 处理系统
自动售检票系统： 乘客进出站交易数据
视频检测器：通道 和楼梯客流量 乘客步速数据
站点平面布置图： 通道和楼梯基本尺寸 乘客进出站（或换乘）步行轨迹
列车运行时刻 表：列车到离
站时间
站点客流 数据
线网客流OD 矩阵数据
乘客进出站（或换乘）步行时间
线网客流 分配模型
估计断面客流数据
预测系统
Abstract：In view of the systemic deficiencies in current research of short term passenger flow forecast of urban rail transit, a forecast framework of short term passenger flow was constructed. Based on the collected data from the automatic fare collection (AFC) systems, the passenger flow at the stations and the network OD matrix were collected. On this basis,
∑∑ Va =
PijaTij
ij
（2）
式中， Va 表示断面 a 上的流量； Tij 表示从起点 i 到
终点 j 的流量；Pija 表示 Tij 中经过断面 a 的流量的比
交通运输工程与信息学报2013年第2期110但传统的logit模型存在不足即路径的选择概率是由路径间费用的绝对差决定的这会在分配过程中导致一些不合理的结果可以采用相对费用差计算路径选择概率改进logit模型5即将式1中的nkc项改为nnkcc或minnnkcc其中nc为第n个od对间所有有效路径的平均广义费用minnc为第n个od对间所有有效路径中的最小广义费用
交通运输工程与信息学报 第 11 卷 第 2 期 2013 年 6 月 Journal of Transportation Engineering and Information No.2 Vo1.11 Jun. 2013
城市轨道交通短时客流 预测体系框架及关键技术
王雪梅 1 张 宁 1 张云龙 2
式，换乘客流信息无法直接由自动售检票系统 （AFC）获取，以致于客流在网络中的路径分配比例
也不能直接得到。由图 1 可以看出，城市轨道交通 线网客流分配是进行短时客流预测的基础。线网客 流分配模型的好坏直接影响到断面客流数据的估 计，若模型构建太过粗糙，则估计断面客流数据的 精度降低；反之，模型构建太过精细，不但断面客 流数据估计的精度得不到提高，反而会增加计算 量，降低计算速度，最终导致预测时效性差。因此， 构建线网客流分配模型显得尤为关键。
目前，国内外对于城市轨道交通客流分配模型和 算法的研究，大多是借鉴城市道路交通网络流量的 分配理论和常规公交客流分配理论的成果。周刚， 吴 祥 云 等 [3-4] 在 国 内 率 先 将 道 路 配 流 理 论 运 用 到 城 市轨道交通配流，将轨道交通的阻抗函数分为路段 阻抗和节点阻抗，基于均衡分配原理，建立了城市 轨道交通网络的客流量均衡分配模型。城市轨道交
站点客流时空特征分析 站点客流短时预测模型
线网客流OD矩阵反推模型
断面客流时空特征分析 断面客流短时预测模型
可靠性分析
输出系统
站点客流预测数据
线网客流OD矩阵预测数据
断面客流预测数据
图 1 城市轨道交通短时客流预测体系框架 Fig.1 Framework of urban rail transit short-term passenger flow forecast