薛育敏
(蘇州高新有軌電車集團(tuán)有限公司運(yùn)營(yíng)分公司 蘇州 215129)
隨著蘇州軌道交通5號(hào)線即將開通,蘇州市已形成了5條地鐵、2條有軌電車、城際鐵路的區(qū)域軌道交通網(wǎng)絡(luò)。未來(lái)更多線路的通車使得路網(wǎng)更復(fù)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(dòng)態(tài)估計(jì)[1]、客流監(jiān)測(cè)[2]、客流預(yù)警[3];在框架設(shè)計(jì)方面,主要針對(duì)短時(shí)客流或客流需求分析的體系框架設(shè)計(jì)[4,5],客流預(yù)測(cè)方法及模型方面,研究眾多且較為成熟[6-10]。然而,對(duì)于單個(gè)城市范圍軌道交通客流分析預(yù)測(cè)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)展示全流程的系統(tǒng)框架設(shè)計(jì)仍然較少。因此,如何在城市區(qū)域軌道交通路網(wǎng)中,進(jìn)行多源客流數(shù)據(jù)特征分析、客流的實(shí)時(shí)推演及中長(zhǎng)期預(yù)測(cè)、突發(fā)場(chǎng)景下客流分析等,是軌道交通部門未來(lái)可能需解決的問題之一。
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)主要來(lái)源于“蘇e行”,有軌電車數(shù)據(jù)來(lái)源于“蘇e行”、OVM、TVM系統(tǒng),鐵路數(shù)據(jù)來(lái)源于12306。不同來(lái)源的數(shù)據(jù)其數(shù)據(jù)標(biāo)準(zhǔn)存在差異,必須將其重新整合,形成系統(tǒng)中可用、有效的數(shù)據(jù)集。
1.1.2 實(shí)時(shí)推演 對(duì)于蘇州市軌道交通內(nèi)當(dāng)前及未來(lái)1至2小時(shí)內(nèi)的斷面流量、出發(fā)到達(dá)量、區(qū)段客流等指標(biāo),能夠?qū)崟r(shí)動(dòng)態(tài)預(yù)估。
1.1.3 分析預(yù)測(cè) 對(duì)市區(qū)內(nèi)乘客群體行為進(jìn)行分析,以及多種交通方式下的客流規(guī)模及組分結(jié)構(gòu)、換乘與集散規(guī)律。
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(jìn)行構(gòu)建,模塊之間的耦合度盡量降低,使模塊內(nèi)模型及方法的調(diào)整不影響整體的功能。
1.2.2 開放性 開放性包括兩個(gè)方面,一是外部數(shù)據(jù)接入的開放性,二是客流數(shù)據(jù)輸出的開放性,對(duì)接其他外來(lái)系統(tǒng),將客流歷史及當(dāng)前數(shù)據(jù)特征分析及未來(lái)數(shù)據(jù)的實(shí)時(shí)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)的智能整合、突發(fā)場(chǎng)景智能判斷、智能展示等功能。
考慮到蘇州市軌道交通發(fā)展需要與統(tǒng)籌管理的要求,借鑒其他城市及城市群區(qū)域軌道交通。
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(yùn)營(yíng)組織等方面存在的差異性,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的客流規(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(fù)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(shí),從多方面分析乘客出行鏈模式,考慮到乘客個(gè)體間的行為共性與差異、選擇偏好等乘客個(gè)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)的蘇州市內(nèi)軌道交通乘客出行決策模型。
基于平均旅速、發(fā)車間隔、服務(wù)水準(zhǔn)等數(shù)據(jù),圍繞地鐵、有軌電車、城際鐵路等不同的方式,研究影響客流出行數(shù)據(jù)的主要因素。
面向蘇州市內(nèi)交通協(xié)同運(yùn)輸組織,針對(duì)大型文藝、運(yùn)動(dòng)活動(dòng)、突發(fā)事件、惡劣天氣、節(jié)假日等場(chǎng)景,研究客流總量、集散、流向等的分布規(guī)律,結(jié)合乘客個(gè)體及群體出行特征分析,針對(duì)不同場(chǎng)景構(gòu)建多方式交通進(jìn)出站量、客流分布、換乘量等客流預(yù)測(cè)模型,從各因素與客流需求的映射關(guān)系中形成軌道交通客流需求的靈敏度分析子系統(tǒng)。
基于突發(fā)事件的特征、位置、時(shí)長(zhǎng)等,結(jié)合列車運(yùn)行計(jì)劃和多方式軌道交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),研究突發(fā)事件對(duì)軌道交通乘客出行過程的影響和在軌道交通網(wǎng)絡(luò)上的時(shí)空影響范圍,構(gòu)建突發(fā)事件受影響客流的識(shí)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(yùn)營(yíng)服務(wù)水平等方面的變化對(duì)乘客出行決策的影響,同時(shí),分析在擬定的應(yīng)急預(yù)案下乘客的出行行為,估算客流分布、換乘量等客流指標(biāo),構(gòu)建突發(fā)事件受影響客流預(yù)測(cè)模型,實(shí)現(xiàn)客流預(yù)測(cè)。
考慮軌道交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、各方式軌道交通換乘、乘客出行需求、運(yùn)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(cè)、協(xié)同運(yùn)營(yíng)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(shí),結(jié)合精細(xì)化個(gè)體出行軌跡推演和系統(tǒng)狀態(tài)轉(zhuǎn)移推演雙重推演機(jī)制,實(shí)現(xiàn)多方式軌道交通網(wǎng)絡(luò)客流狀態(tài)實(shí)時(shí)推演。
針對(duì)軌道交通網(wǎng)絡(luò)中乘客換乘方式、客流實(shí)時(shí)狀態(tài)、出行軌跡等難點(diǎn)問題,研究基于移動(dòng)互聯(lián)的網(wǎng)絡(luò)及樞紐內(nèi)的乘客狀態(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)分析的大數(shù)據(jù)處理技術(shù)。
集成基于大數(shù)據(jù)及出行鏈的乘客出行特征分析子系統(tǒng)、多場(chǎng)景需求預(yù)測(cè)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的分析系統(tǒng)、多方式軌道交通客流狀態(tài)實(shí)時(shí)推演系統(tǒng),研制蘇州市內(nèi)軌道交通客流分析與預(yù)測(cè)原型系統(tǒng),實(shí)現(xiàn)蘇州軌道交通客流分析與預(yù)測(cè)功能。
綜上,上述設(shè)計(jì)的總體框架結(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(chǎng)景、多指標(biāo)下的客流分析結(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
本文所構(gòu)建的軌道交通客流分析預(yù)測(cè)系統(tǒng)框架,是將蘇州市范圍鐵路、地鐵、有軌電車作為一個(gè)整體,結(jié)合不同來(lái)源的數(shù)據(jù),并吸收其他城市相關(guān)系統(tǒng)而設(shè)計(jì)的體系框架。該框架的確實(shí)現(xiàn)了蘇州市多場(chǎng)景客流需求預(yù)測(cè)及分析,多方式軌道交通網(wǎng)絡(luò)客流狀態(tài)的實(shí)時(shí)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(yù)測(cè),為城市交通管理及控制提供了更好的輔助決策。