基于旅行时间的轨道交通客流分配模型研究

论文总字数：28342字

摘 要

本文基于南京市轨道交通系统积累的AFC原始数据，采用数据挖掘技术与机器学习算法对轨道交通系统的客流特征进行探究。首先，从时间分布、空间分布、历史用户与旅行时间共四个层面挖掘并分析南京市轨道交通客流各个维度的特性，展示地铁客流随时间空间变化而变化的动态过程，并采用可视化的方式进行展示，同时对特征背后的影响因素进行分析；其次，利用列车运营时刻表将地铁乘客出行时间分解为候车时间、乘车时间与出站时间三个阶段，对三阶段的分布规律分别探究，以南京地铁AFC实际数据验证了候车时间服从均匀分布，出站时间服从对数正态分布的假设；最后，以地铁乘客旅行时间为聚类对象，选取南京市轨道交通网络中的4个无障碍换乘OD对，采用K-means的聚类分析方法，构建轨道交通换乘客流分配模型，并根据客观实际验证分析了客流分配模型。

关键词：轨道交通；乘客旅行时间；客流分配

Research on Passenger Flow Assignment Model of Rail Transit Based on Travel Time

21015101 Wang Wenjia

Supervised by Professor He Tiejun

Abstract

Based on the AFC raw data accumulated by Nanjing rail transit system, this paper uses data mining technology and machine learning algorithm to explore the passenger flow characteristics of Nanjing rail transit system. Firstly, the characteristics of passenger flow in rail transit are analyzed from the time, space and historical user level, and the dynamic process of passenger flow changing with time and space is displayed visually. Meanwhile, the affecting elements behind the properties are explored and analyzed. Secondly, the travel time of subway passengers is decomposed into three stages, waiting time、passenger time and departure time by train operation timetable . The three stages are explored separately. The assumption that waiting time obeys uniform distribution and departure time obeys lognormal distribution is verified by the actual data of Nanjing Metro AFC. Finally, subway passengers’ travel time of four accessible transfer OD pairs in Nanjing rail transit network are selected as cluster objects, and K-means cluster analysis method is used to construct the passenger flow assignment model for rail transit, and the passenger flow assignment model is verified and analyzed according to the objective reality.

Key Words: Rail Transit; Passenger Travel Time; Passenger Flow Allocation

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 2

1.2.1 乘客旅行时间模型 2

1.2.2 客流分配模型 3

1.2.3 有效路径搜索算法 5

1.3 研究方案和研究技术路线 6

第二章 轨道交通客流数据处理 9

2.1 主要数据处理软件简介 9

2.1.1 Python语言 9

2.1.2 SPSS 9

2.1.3 Power Map 10

2.2 轨道客流数据来源简介 10

2.2.1 AFC系统工作原理简介 10

2.2.2轨道交通客流数据简介 10

2.3 轨道客流数据处理方法 12

第三章 轨道交通客流特征分析 14

3.1 轨道交通客流时间特征 14

3.1.1 轨道客流周特征 14

3.1.2 轨道客流日特征 16

3.2 轨道交通客流空间特征 20

3.3 轨道交通客流用户特征 20

3.4 轨道交通用户旅行时间特征 22

第四章 乘客旅行时间分布与客流分配模型 25

4.1 乘客旅行时间 25

4.1.1 乘客旅行时间定义 25

4.1.2乘客旅行时间的构成 25

4.1.3 乘客旅行时间分布特征 26

4.2 乘客旅行时间模型 26

4.2.1 候车、乘车、出站时间分布 26

4.2.2 旅行时间分布验证过程 27

4.2.3 模型验证 27

4.3 K-Means聚类算法 30

4.3.1 K-Means聚类算法原理 30

4.3.2 算法流程 31

4.3.3 轨道客流数据处理步骤 32

4.4 南京市轨道客流数据聚类分析 32

4.4.1聚类结果 32

4.4.2 模型验证与分析 33

第五章 总结与展望 35

5.1 主要成果 35

5.2 研究展望 35

致谢 37

参考文献 38

第一章 绪论

剩余内容已隐藏，请支付后下载全文，论文总字数：28342字