摘 要：蘇州軌道交通目前仍未有整合地鐵、有軌電車、城際鐵路得客流分析預測系統(tǒng)。在對現(xiàn)有軌道數(shù)據(jù)分析得基礎(chǔ)上，確定系統(tǒng)功能得定位和設(shè)計原則，將客流分析預測系統(tǒng)分為基于大數(shù)據(jù)及出行鏈得乘客出行特征分析、多場景需求預測及靈敏度分析、突發(fā)事件下影響多方式軌道交通客流分析、多方式軌道交通客流狀態(tài)實時推演、客流分析與預測展示等5個子系統(tǒng)，初步形成了蘇州軌道交通客流分析預測得系統(tǒng)框架。該框架為城市交通管理及控制提供了更好得幫助決策，為提升蘇州市交通服務(wù)水平給予參考。
關(guān)鍵詞：區(qū)域軌道交通;客流分析預測;框架設(shè)計;
簡介：薛育敏(1992-),女，助理工程師，主要研究方向：交通運輸。;
隨著蘇州軌道交通5號線即將開通，蘇州市已形成了5條地鐵、2條有軌電車、城際鐵路得區(qū)域軌道交通網(wǎng)絡(luò)。未來更多線路得通車使得路網(wǎng)更復雜，客流分析難度更大。既有區(qū)域軌道交通客流研究與應(yīng)用中，在客流系統(tǒng)方面，主要為路網(wǎng)客流動態(tài)估計[1]、客流監(jiān)測[2]、客流預警[3];在框架設(shè)計方面，主要針對短時客流或客流需求分析得體系框架設(shè)計[4,5],客流預測方法及模型方面，研究眾多且較為成熟[6,7,8,9,10]。然而，對于單個城市范圍軌道交通客流分析預測系統(tǒng)，整合客流模型及系統(tǒng)，從客流數(shù)據(jù)處理到數(shù)據(jù)展示全流程得系統(tǒng)框架設(shè)計仍然較少。因此，如何在城市區(qū)域軌道交通路網(wǎng)中，進行多源客流數(shù)據(jù)特征分析、客流得實時推演及中長期預測、突發(fā)場景下客流分析等，是軌道交通部門未來可能需解決得問題之一。
1 系統(tǒng)功能定位及設(shè)計原則1.1 功能定位1.1.1 整合不同數(shù)據(jù)源蘇州市軌道交通中，地鐵數(shù)據(jù)主要于“蘇e行”,有軌電車數(shù)據(jù)于“蘇e行”、OVM、TVM系統(tǒng)，鐵路數(shù)據(jù)于12306。不同得數(shù)據(jù)其數(shù)據(jù)標準存在差異，必須將其重新整合，形成系統(tǒng)中可用、有效得數(shù)據(jù)集。
1.1.2 實時推演對于蘇州市軌道交通內(nèi)當前及未來1至2小時內(nèi)得斷面流量、出發(fā)到達量、區(qū)段客流等指標，能夠?qū)崟r動態(tài)預估。
1.1.3 分析預測對市區(qū)內(nèi)乘客群體行為進行分析，以及多種交通方式下得客流規(guī)模及組分結(jié)構(gòu)、換乘與集散規(guī)律。
1.2 設(shè)計原則1.2.1 低耦合性按照服務(wù)劃分方式，將子系統(tǒng)按照模塊進行構(gòu)建，模塊之間得耦合度盡量降低，使模塊內(nèi)模型及方法得調(diào)整不影響整體得功能。
1.2.2 開放性開放性包括兩個方面，一是外部數(shù)據(jù)接入得開放性，二是客流數(shù)據(jù)輸出得開放性，對接其他外來系統(tǒng)，將客流歷史及當前數(shù)據(jù)特征分析及未來數(shù)據(jù)得實時推演定制化為外界系統(tǒng)提供接口。
1.2.3 智能化系統(tǒng)中引入大數(shù)據(jù)智能分析技術(shù)，將乘客出行鏈及歷史數(shù)據(jù)做智能化分析，完成數(shù)據(jù)得智能整合、突發(fā)場景智能判斷、智能展示等功能。
2 系統(tǒng)框架設(shè)計考慮到蘇州市軌道交通發(fā)展需要與統(tǒng)籌管理得要求，借鑒其他城市及城市群區(qū)域軌道交通。
2.1 基于大數(shù)據(jù)及出行鏈得乘客出行特征分析子系統(tǒng)乘客出行特征分析子系統(tǒng)是基于軌道交通客流數(shù)據(jù)、乘客狀態(tài)感知數(shù)據(jù)等多源數(shù)據(jù)，利用大數(shù)據(jù)融合與挖掘技術(shù)，考慮蘇州市內(nèi)不同軌道交通方式在運營組織等方面存在得差異性，提取大市內(nèi)乘客群體行為特征，研究地鐵、有軌電車、城際鐵路等多方式軌道交通得客流規(guī)模與組分結(jié)構(gòu)、客流換乘與集散規(guī)律，構(gòu)建軌道交通復合網(wǎng)絡(luò)。
依托蘇州大市各區(qū)人口居住、交通路況等情況，調(diào)研乘客選擇軌道交通出行方式。同時，從多方面分析乘客出行鏈模式，考慮到乘客個體間得行為共性與差異、選擇偏好等乘客個體出行特征，挖掘影響因素、研究出行鏈構(gòu)建技術(shù)，構(gòu)建基于大數(shù)據(jù)得蘇州市內(nèi)軌道交通乘客出行決策模型。
2.2 多場景需求預測及靈敏度分析子系統(tǒng)基于平均旅速、發(fā)車間隔、服務(wù)水準等數(shù)據(jù)，圍繞地鐵、有軌電車、城際鐵路等不同得方式，研究影響客流出行數(shù)據(jù)得主要因素。
面向蘇州市內(nèi)交通協(xié)同運輸組織，針對大型文藝、運動活動、突發(fā)事件、惡劣天氣、節(jié)假日等場景，研究客流總量、集散、流向等得分布規(guī)律，結(jié)合乘客個體及群體出行特征分析，針對不同場景構(gòu)建多方式交通進出站量、客流分布、換乘量等客流預測模型，從各因素與客流需求得映射關(guān)系中形成軌道交通客流需求得靈敏度分析子系統(tǒng)。
2.3 突發(fā)事件下影響多方式軌道交通客流分析子系統(tǒng)基于突發(fā)事件得特征、位置、時長等，結(jié)合列車運行計劃和多方式軌道交通網(wǎng)絡(luò)拓撲結(jié)構(gòu)，研究突發(fā)事件對軌道交通乘客出行過程得影響和在軌道交通網(wǎng)絡(luò)上得時空影響范圍，構(gòu)建突發(fā)事件受影響客流得識別方法。
收集突發(fā)事件下軌道交通網(wǎng)絡(luò)客流特征及乘客出行選擇偏好數(shù)據(jù)，考慮突發(fā)事件下軌道交通運營服務(wù)水平等方面得變化對乘客出行決策得影響，同時，分析在擬定得應(yīng)急預案下乘客得出行行為，估算客流分布、換乘量等客流指標，構(gòu)建突發(fā)事件受影響客流預測模型，實現(xiàn)客流預測。
2.4 多方式軌道交通客流狀態(tài)實時推演子系統(tǒng)考慮軌道交通網(wǎng)絡(luò)拓撲結(jié)構(gòu)、各方式軌道交通換乘、乘客出行需求、運行組織等要素及相關(guān)關(guān)系，面向軌道交通網(wǎng)絡(luò)客流狀態(tài)監(jiān)測、協(xié)同運營及信息服務(wù)等客流分析需求，利用大數(shù)據(jù)及出行鏈分析技術(shù)，研究多方式區(qū)域軌道交通網(wǎng)絡(luò)中乘客出行路徑選擇模型，同時，結(jié)合精細化個體出行軌跡推演和系統(tǒng)狀態(tài)轉(zhuǎn)移推演雙重推演機制，實現(xiàn)多方式軌道交通網(wǎng)絡(luò)客流狀態(tài)實時推演。
2.5 客流分析與預測展示子系統(tǒng)針對軌道交通網(wǎng)絡(luò)中乘客換乘方式、客流實時狀態(tài)、出行軌跡等難點問題，研究基于移動互聯(lián)得網(wǎng)絡(luò)及樞紐內(nèi)得乘客狀態(tài)感知數(shù)據(jù)獲取技術(shù)，探索服務(wù)于區(qū)域軌道交通多源數(shù)據(jù)融合、海量數(shù)據(jù)分析得大數(shù)據(jù)處理技術(shù)。
集成基于大數(shù)據(jù)及出行鏈得乘客出行特征分析子系統(tǒng)、多場景需求預測及靈敏度分析子系統(tǒng)、突發(fā)事件下影響多方式軌道交通客流得分析系統(tǒng)、多方式軌道交通客流狀態(tài)實時推演系統(tǒng)，研制蘇州市內(nèi)軌道交通客流分析與預測原型系統(tǒng)，實現(xiàn)蘇州軌道交通客流分析與預測功能。
綜上，上述設(shè)計得總體框架結(jié)構(gòu)較為清晰地展示了蘇州市不同軌道交通方式下客流分析子系統(tǒng)。通過各子系統(tǒng)，將原始數(shù)據(jù)轉(zhuǎn)換為多場景、多指標下得客流分析結(jié)果，其數(shù)據(jù)架構(gòu)如圖1所示。
圖1 數(shù)據(jù)架構(gòu)圖
3 結(jié)論感謝所構(gòu)建得軌道交通客流分析預測系統(tǒng)框架，是將蘇州市范圍鐵路、地鐵、有軌電車作為一個整體，結(jié)合不同得數(shù)據(jù)，并吸收其他城市相關(guān)系統(tǒng)而設(shè)計得體系框架。該框架得確實現(xiàn)了蘇州市多場景客流需求預測及分析，多方式軌道交通網(wǎng)絡(luò)客流狀態(tài)得實時推演，突發(fā)事件下客流影響分析，使蘇州市區(qū)域軌道交通客流能夠全景展示并預測，為城市交通管理及控制提供了更好得幫助決策。
參考文獻[1] 胡坤琨.城市軌道交通路網(wǎng)客流動態(tài)估計模型與系統(tǒng)[D].北京：北京交通大學，前年.
[2] 史聰靈，車洪磊，李源，等.基于多數(shù)據(jù)融合得城市軌道交通客流監(jiān)測系統(tǒng)研究[J].中國安全生產(chǎn)科學技術(shù)，前年,15(S1):7-11.
[3] 候得果，劉宏泰，王燕娜.城市軌道交通客流預警系統(tǒng)：CN201711458341.3[P].2017-12-28.
[4] 王雪梅，張寧，張云龍.城市軌道交通短時客流預測體系框架及關(guān)鍵技術(shù)[J].交通運輸工程與信息學報，2013(2):107-113.
[5] 過秀成，呂慎，張瑗緩.城市快速軌道交通客流需求分析得框架體系[J].地鐵與輕軌，2001(1):18-21.
[6] 湯友富.都市圈區(qū)域軌道交通客流預測研究[J].城市軌道交通研究，2007,10(6):35-38.
[7] 陸化普，王建偉，陳明.城際快速軌道交通客流預測方法研究[J].土木工程學報，2003,36(1):44-45.
[8] 王玉萍，陳寬民，楊富社，等.城市軌道交通客流預測結(jié)果得技術(shù)分析體系[J].長安大學學報(自然科學版),2011,31(3):72-80.
[9] 肖建平.區(qū)域性城際軌道交通客流預測方法研究[J].城市軌道交通研究，2006(2):35-37.
[10] 高鵬.軌道交通客流預測及敏感性分析研究[D].哈爾濱：哈爾濱工業(yè)大學，前年.
