91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

             （同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室上海201804）

摘要為提升綜合交通樞紐運(yùn)營(yíng)效率，加強(qiáng)對(duì)大客流狀況及客流結(jié)構(gòu)波動(dòng)的預(yù)警，對(duì)樞紐內(nèi)部

不同交通方式分擔(dān)率進(jìn)行科學(xué)預(yù)測(cè)，運(yùn)用馬爾科夫模型，通過(guò)調(diào)研獲取綜合交通樞紐客流集散方式結(jié)構(gòu)在不同狀態(tài)下的轉(zhuǎn)移矩陣，對(duì)私家車(chē)、出租車(chē)、公共汽車(chē)及軌道交通這4種交通方式的客流分擔(dān)率變化情況進(jìn)行分析，建立樞紐客流分擔(dān)率預(yù)測(cè)模型。以虹橋樞紐為例進(jìn)行實(shí)例驗(yàn)證，為綜合交通樞紐調(diào)度管理策略的建立提供基礎(chǔ)。

關(guān)鍵詞  交通樞紐  客流分擔(dān)率  馬爾科夫模型

    為了保證綜合交通樞紐能夠有序高效運(yùn)營(yíng)，同時(shí)努力優(yōu)化資源的配置，提高各種交通方式設(shè)備的綜合利用率，對(duì)樞紐內(nèi)部不同交通方式的需求量進(jìn)行科學(xué)地預(yù)測(cè)顯得尤為重要。

    目前國(guó)內(nèi)外對(duì)于交通需求的預(yù)測(cè)研究主要是在規(guī)劃階段如何進(jìn)行客流的中長(zhǎng)期預(yù)測(cè)，預(yù)測(cè)過(guò)程中采用的研究手段較多，在出行者對(duì)不同交通方式需求的預(yù)測(cè)中，最為常用的方法就是四階段法、非集計(jì)模型、時(shí)間序列分析預(yù)測(cè)法，以及馬爾科夫方法。但現(xiàn)階段的研究結(jié)論主要有如下不足：①客流預(yù)測(cè)精度不足�，F(xiàn)有的交通組織和調(diào)度仍依靠實(shí)時(shí)數(shù)據(jù)采集進(jìn)行管理和調(diào)整。對(duì)大面積延誤、自然災(zāi)害、突發(fā)事件等狀態(tài)下的交通組織前瞻準(zhǔn)備不足，此類事件下，實(shí)時(shí)交通組織和調(diào)度壓力較大；②影響客流分擔(dān)率的因素考慮不全。雖然現(xiàn)階段存對(duì)多種交通方式客流分擔(dān)率的研究，甚至是對(duì)交通樞紐的客流分擔(dān)率的研究，但是事實(shí)上，分擔(dān)率研究中，轉(zhuǎn)移概率矩陣的獲得十分困難，因?yàn)橛绊懡煌ǚ绞睫D(zhuǎn)移的因素較多，且具有不確定性。目前的研究結(jié)果僅僅考慮了各時(shí)段下交通分擔(dān)率的變化，但未考慮不同天氣、節(jié)假日、各交通方式服務(wù)水平、突發(fā)事件等因素對(duì)交通分擔(dān)率的影響。

    為實(shí)現(xiàn)對(duì)多種因素影響下交通樞紐客流分擔(dān)率的預(yù)測(cè)，針對(duì)客流變化與影響因素的多樣性，建立基于馬爾科夫模型的交通樞紐客流需求估計(jì)模型。

1  樞紐客流分擔(dān)率波動(dòng)分析

    對(duì)2012年全年及2013年1～3月的以日為最小顆粒度的虹橋綜合交通樞紐客流數(shù)據(jù)及各類交通方式發(fā)車(chē)數(shù)量進(jìn)行分析，結(jié)論如下。

    (1)出行方式多樣化。綜合多模式交通樞紐有多種交通方式，用戶的方式選擇多樣性大大增強(qiáng)，用戶可以根據(jù)自身出行的目的地和時(shí)間要求，選擇公交、地鐵、磁浮、機(jī)場(chǎng)大巴和出租車(chē)等交通方式離開(kāi)交通樞紐。以虹橋綜合交通樞紐為例，該樞紐2013年2月的各交通方式承擔(dān)比例統(tǒng)計(jì)見(jiàn)表1。

    由表1可見(jiàn)，旅客在虹橋樞紐可以選擇飛機(jī)、鐵路、出租、公交車(chē)、軌道交通等多種交通方式。旅客出行表現(xiàn)出一定的多樣化特點(diǎn)。

    (2)出行選擇的規(guī)律性。不同的工作日各交通方式的客流分擔(dān)量上也有一定的穩(wěn)定性。以虹橋樞紐2012年3月5日～6月10日的軌道交通客流承擔(dān)量分布為例（見(jiàn)圖1），以周為單位的客流分擔(dān)量有一定的穩(wěn)定性，總體上表現(xiàn)為隨著周日到周五，軌道交通分擔(dān)量有所上升，而周六分擔(dān)量較低�？梢�(jiàn)用戶的出行選擇在一定的時(shí)段顆粒度上存在規(guī)律性。

 由此可見(jiàn)，不同的外界條件會(huì)影響到用戶對(duì)于出行方式的選擇，實(shí)現(xiàn)對(duì)不同時(shí)段、天氣造成的出行選擇變化的準(zhǔn)確預(yù)估，并根據(jù)預(yù)估結(jié)果進(jìn)行相關(guān)交通方式的調(diào)度管理，則可提升樞紐旅客的疏散效率，提高各類交通方式的服務(wù)水平。

2  建立客流需求估計(jì)模型

2.1  馬爾科夫模型

    在隨機(jī)現(xiàn)象中，不僅要考慮某一時(shí)刻下系統(tǒng)的狀態(tài)，還要研究系統(tǒng)狀態(tài)隨時(shí)間變化而發(fā)生變化的過(guò)程。馬爾科夫過(guò)程是上述隨機(jī)過(guò)程中的一種，它滿足下面2個(gè)假設(shè)：①t+時(shí)刻系統(tǒng)狀態(tài)的概率分布只與t時(shí)刻的狀態(tài)有關(guān)，與t時(shí)刻以前的狀態(tài)無(wú)關(guān)；②從t時(shí)刻到t+時(shí)刻的狀態(tài)轉(zhuǎn)移與t的值無(wú)關(guān)。

    由于交通樞紐內(nèi)旅客對(duì)交通方式的選擇是一個(gè)動(dòng)態(tài)的隨機(jī)過(guò)程，所以本文采用馬爾科夫模型來(lái)描述這種隨機(jī)波動(dòng)的動(dòng)態(tài)過(guò)程。使用馬爾科夫模型進(jìn)行建模的過(guò)程分為3步：①進(jìn)行資料的收集并明確各交通方式客流分擔(dān)率的初始狀態(tài)；②建立狀態(tài)轉(zhuǎn)移概率矩陣，這是整個(gè)分析過(guò)程的重點(diǎn)；③由初始分擔(dān)率和狀態(tài)轉(zhuǎn)移概率矩陣推出預(yù)測(cè)的客流分擔(dān)率。

2.2模型建立

2.2.1  客流情況調(diào)研

    為了獲取虹橋樞紐旅客的出行選擇影Ⅱ向因素，了解在不同外界條件下旅客在選擇出行方式時(shí)的轉(zhuǎn)移概率，在虹橋樞紐進(jìn)行了大范圍的出行情況調(diào)研。本次調(diào)研采取SP問(wèn)卷調(diào)查的方法。研究?jī)?nèi)容主要包括時(shí)段、天氣和交通擁擠對(duì)旅客出行選擇的影響。

2.2.2建立狀態(tài)轉(zhuǎn)移矩陣

1個(gè)狀態(tài)下預(yù)測(cè)出的該交通方式客流分擔(dān)率，即基于i狀態(tài)的預(yù)測(cè)值。

    數(shù)字代表不同的交通方式，1為私家車(chē)，2為公交車(chē)，3為出租車(chē)，4為軌道交通。

    不同天氣情況、某交通方式擁擠程度下，其轉(zhuǎn)移矩陣P也不同。

2.3實(shí)證研究

    以虹橋樞紐為例，向虹橋樞紐交通中心調(diào)取2011年～2013年客流量數(shù)據(jù)，對(duì)上述模型的預(yù)測(cè)結(jié)果進(jìn)行驗(yàn)證。

    不同天氣條件的客流分擔(dān)率估計(jì)主要依據(jù)客流調(diào)研結(jié)果的分析，可確定不同天氣狀態(tài)下的狀態(tài)轉(zhuǎn)移概率矩陣，從而進(jìn)行客流分擔(dān)率預(yù)測(cè)。

    其中晴天的各交通方式客流分擔(dān)率為S₁=[0.158 2  0.193 0  0.216 3  0.432 5]。

對(duì)不同天氣狀態(tài)進(jìn)行定義見(jiàn)表2。

    選取高溫天氣為例，2012年7月2日至6日均為35℃高溫天氣，則有：

    其中狀態(tài)轉(zhuǎn)移矩陣由前期虹橋樞紐調(diào)研結(jié)果的分析確定，因此該狀態(tài)轉(zhuǎn)移概率矩陣僅適用于虹橋樞紐客流需求預(yù)測(cè)。

實(shí)際的客流分擔(dān)率對(duì)比見(jiàn)表3。

3預(yù)測(cè)結(jié)果分析

    (1)依據(jù)馬爾科夫模型進(jìn)行樞紐交通方式客流分擔(dān)率預(yù)測(cè)結(jié)果較為準(zhǔn)確，誤差最大為1. 8%，最小為0. 4%，均在實(shí)際客流分擔(dān)率上下浮動(dòng)。

    (2)同一天氣狀態(tài)下的客流分擔(dān)率存在較大差異，極值差最大達(dá)到2. 1%，可能是因?yàn)橛绊懣土鞣謸?dān)率的因素非常復(fù)雜，包括出行時(shí)段、天氣、交通方式的特性、交通環(huán)境情況、旅客偏好及票價(jià)等因素影響，因此后續(xù)研究中可針對(duì)上述因素進(jìn)行更為全面的考慮，以提升預(yù)測(cè)的準(zhǔn)確度。

    (3)由以上實(shí)例驗(yàn)證可看出，由于模型的轉(zhuǎn)移概率矩陣由調(diào)查數(shù)據(jù)直接統(tǒng)計(jì)得到，因此通常情況下，人們對(duì)于特殊條件如天氣、擁擠疏散等因素的顧忌與考慮對(duì)選擇的影響會(huì)被放大，導(dǎo)致部分轉(zhuǎn)移向某交通方式的概率變大，這是造成預(yù)測(cè)誤差的一個(gè)原因。

    例如高溫天氣條件下，一般出行者在問(wèn)卷調(diào)查時(shí)往往會(huì)選擇舒適性較好的私家車(chē)或軌道交通而放棄公交車(chē)及出租車(chē)，但是若出行者真正在高溫天氣下出行，也許會(huì)延續(xù)其平時(shí)的慣用出行方式，因此會(huì)產(chǎn)生預(yù)測(cè)與實(shí)際的偏差，導(dǎo)致對(duì)地鐵和私家車(chē)分擔(dān)率預(yù)測(cè)結(jié)果偏大，對(duì)公交車(chē)及出租車(chē)的預(yù)測(cè)結(jié)果偏小。對(duì)于這一點(diǎn)，可嘗試通過(guò)利用一些隨機(jī)統(tǒng)計(jì)模型進(jìn)行計(jì)算，以排除被調(diào)查者主觀方面的影響，留待后續(xù)研究。

4結(jié)語(yǔ)

    運(yùn)用馬爾科夫模型，通過(guò)調(diào)研獲取綜合交通樞紐客流集散方式結(jié)構(gòu)在不同狀態(tài)下的轉(zhuǎn)移矩陣，對(duì)私家車(chē)、出租車(chē)、公共汽車(chē)及軌道交通這4種交通方式的客流分擔(dān)率變化情況進(jìn)行分析和預(yù)測(cè)，為綜合交通樞紐調(diào)度管理策略的建立與提出提供了新思路，并通過(guò)實(shí)例研究說(shuō)明了該方法的可行性與可靠性。