[发明专利]基于AFC大数据的城市轨道大客流模型构建方法

说明书

本发明公开了一种基于AFC大数据城市轨道大客流模型构建方法，包括步骤：S1：获取一段时间内车站内各部位的最大服务能力；S2：通过AFC数据获取前期该车站该段时间内的客流量；S3：根据步骤S1和S2获取的数据建立大客流模型本发明主要通过轨道交通车站内的客流数据，与某时段内车站各部位的最大服务能力之间的差值来实现大客流判断，进而为城市轨道的安全提供量化研究方案，避免大客流引起的城市轨道安全问题。

技术领域

本发明涉及城市交通领域，尤其涉及一种基于AFC大数据的城市轨道大客流模型构建方法。

背景技术

城市轨道交通大客流主要从以下几个角度进行定义：客流量相对于组织能力来定义、客流量相对于设备承载能力来定义、客流量相对于平时客流量来定义以及从乘客状态出发定义大客流。有人研究：将客流量与平时的组织能力作对比来定义大客流，认为大量客流在极短的时间内涌进一种交通方式，并且客流的增长超出了该交通方式平时的组织能力时发生大客流。有人研究：认为大客流是相对于线路、车辆、相关设备能力的概念，当客流量远远超过城市轨道设施设备的承载能力的时候，其服务水平下降，这时大客流发生，主要表现为车站内客流极度拥挤、乘客速度变慢、相互干扰严重。有人研究：则将客流量与平时客流量进行对比，认为当客流的增长速率远远超过平时的客流增长速率并达到限制程度时大客流发生。有人研究：则是在与日常客流量作对比的情况下界定大客流，认为当客流量超过日常客流组织的最大承受能力时大客流发生。也有人从乘客状态角度阐述了大客流，认为轨道交通大客流是相对于其服务水平、运力水平的一个概念，利用客流个体数量、速度等参数来辨识和界定大客流状态。

大客流类型方面的研究，将大客流分为常发大客流和偶发大客流，其中偶发大客流包含节假日、大型活动、恶劣天气引发的大客流。将大客流分为计划性大客流和无计划性大客流。也有对突发大客流进行了定义，认为突发大客流是由各种大型活动或重要节假日引发，主要特点是客流的集聚和消散时间很短、发生范围小。还有一些学者将大客流与其他领域结合起来进行研究，有学者针对大客流事件，通过构建非线性混合整数规划数学模型，得到最佳列车编组方案，并将其放在一个用户友好的界面中，并在2004年的雅典奥运会中得到应用。一些学者对城市轨道交通客流特征作了研究，包括车站内部客流和轨道网络客流，分析内容主要有客流的点-线-面时空分析、车站内部客流行为分析以及关键位置客流特征分析等。在客流时空特征方面，轨道交通线路客流随时间变化而动态变化的特征为研究点；对换乘车站各衔接线路上的客流量以及时空特性进行分析，作为运行时刻表的制定依据。在车站内部客流行为特征研究方面，有人重点研究了网络客流分布就列车延误的关系。有人对城市轨道交通枢纽的进站客流、出站客流和换乘客流的交通特性进行定性和定量分析，以此作为联系性设施处的乘客交通流状态划分的依据。在城市轨道交通广义客流特征研究的基础上，一些学者对大客流特征进行了相应的研究。包括突发大客流、突发大客流的四阶段预测方法及流程，在此基础上分析城市轨道交通的列车停站方案的种类和特点，从运营组织效率出发建立不同停站方案的基本优化模型；研究在大客流发生时，出入口、通道、售票机及乘降设备上的客流特征，在此基础上分析客流组织的影响因素。

以上相关研究，并没有系统提出大客流如何进行量化，模型化，以便从微观角度得到数据分析，从而为由客流拥挤引起的安全事故预防和减少作出突出性贡献。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于AFC大数据的城市轨道大客流模型构建方法，该方法将大客流事件进行量化，模型化，为由客流拥挤引起的安全事故预防和减少作出贡献。

技术方案：本发明所述的基于AFC大数据的城市轨道大客流模型构建方法包括以下步骤：

S1：获取一段时间内车站内各部位的最大服务能力；

S2：通过AFC数据获取前期该车站该段时间内的客流量；

S3：根据步骤S1和S2获取的数据建立大客流模型