[发明专利]一种城市轨道交通站台乘客的分布预测方法

说明书

技术领域

本发明涉及城市轨道交通站台乘客分布的预测领域。更具体地，涉及一种城市轨道交通站台乘客的分布预测方法。

背景技术

随着城市轨道交通的发展，地面交通的压力和空气污染问题得到不断缓解，同时城市土地资源的利用率也不断提高。但随之而来的是地铁站台复杂的物理结构带来的客流问题，尤其是在高峰时期产生的复杂客流问题。乘客的动态特性不仅与自身的物理特性有关，同时与自身的行为习惯相关。在过去的几十年里，物理学、心理学、计算机科学等领域的研究人员对乘客动力学越来越感兴趣，因此，许多有效的关于乘客运动的宏观和微观研究方法被提出。

作为轨道交通重要组成部分的站台通常会存在相对庞大而复杂的客流。乘客在地铁站台上的行为包括行走、候车区域选择、等待列车、上下车等，由于乘客的行为习惯具有很强的随机特性，实际的乘客候车区域选择行为很难被模拟。当前，现场数据的采集以及实际的调查工作等十分耗费人力、物力和时间成本，因此，建立一套比较完整的描述乘客候车区域选择行为的理论方法用以预测站台乘客分布的问题往往比较困难。

由于乘客的候车区域选择行为将直接导致站台上乘客分布的不同以及影响车厢内乘客的拥挤度，因此，对这方面的研究是非常重要的一项工作。站台乘客分布的预测情况能够使工作人员及时监管客流并人为干扰站台乘客的分布，同时也为站台设施的布局提供参考。

因此，需要提供一种城市轨道交通站台乘客的分布预测方法，以满足实际客流分布预测的需求。

发明内容

本发明要解决的一个技术问题是提供一种城市轨道交通站台乘客的分布预测方法，充分考虑乘客属性、客流情况以及站台物理特性等因素的影响，有效地预测站台乘客的分布，实现站台客流的监管和调整。

为解决上述技术问题，本发明采用下述技术方案：

本发明公开了一种城市轨道交通站台乘客的分布预测方法，其特征在于，所述方法包括：

S1：统计城市轨道交通站台各候车区域内乘客分布的历史数据；

S2：构建乘客选择各候车区域的总预期花费模型，基于总花费最小原则和所述历史数据，对所述总预期花费模型进行校验得到乘客候车区域选择模型；

S3：采用所述乘客候车区域选择模型预测各候车区域内乘客的分布。

优选的，所述历史数据包括乘客属性、下车乘客的数量、通知列车到达前乘客的数量、列车打开车门前增加的乘客数量和未上车的乘客数量。

优选的，所述乘客属性包括乘客年龄、各年龄段乘客人数占总乘客人数的比例和各年龄段乘客人数的体重、身体半径、期望行走速度和反应时间。

优选的，所述S2包括：

S21：计算乘客选择各候车区域分别产生的总预期花费模型；

S22：根据总花费最小原则，得到最佳候车区域；

S23：根据所述历史数据校验所述最佳候车区域的总预期花费模型中的敏感参数，得到乘客候车区域选择模型。

优选的，所述最佳候车区域为

w^*＝argminC^iw,w＝1,2,3,...,n-1,n

其中，argmin()为取最小值函数，C^iw为乘客到候车区域i的总预期花费模型，n为候车区域的总数。

优选的，所述总预期花费模型为乘客到各候车区域所产生的预期花费模型、各候车区域内的乘客数量所产生的预期花费模型、乘客与各候车区域构成的三角区内的乘客密度所产生的预期花费模型和影响乘客候车区域选择的不确定因素带来的预期花费之和。

优选的，所述乘客到各候车区域所产生的预期花费模型为

其中，d^iw(t,x,y)为t时刻乘客i从当前位置(x，y)到候车区域w的距离，β₁为敏感正系数，α₁为惯性正参数，μ(t,x,y)为乘客选择到候车区域w过程中受到周围乘客密度影响的程度；

所述α₁为

其中，dwell(t)＝1表示列车此时停在站内，dwell(t)＝0表示列车此时未停在站内，luggage(t)＝1表示乘客携带大件行李，luggage(t)＝0表示乘客未携带大件行李，和是正参数；

所述μ(t,x,y)为

其中，ρ(t,x,y)代表周围乘客的密度，ρ₀为临界密度，χ为正参数。

优选的，所述各候车区域内的乘客数量所产生的预期花费模型为