西安城市路网布局对轨道客流时空分布特征的影响研究

为深度挖掘城市路网布局和轨道交通间的内在联系和耦合机理，推进城市空间和轨道交通协调发展，以城市规划理论为依据建立空间轴线模型，分析西安主城区路网布局下的轨道客流时空特征。结果表明：以碑林、莲湖、新城为团组的核心区块与城市空间协调性良好；1—6号线交织区内各线站点可达性高，边缘区客流承载能力弱；1号线、2号线的客流吸引力强，客流群聚现象明显的高集成度站点构成交织区的十字骨架，通勤客流在早高峰由线网移至高集成度站点，返程客流逆向流回低集成度站点，呈现典型的潮汐特征；皮尔逊系数及双尾显著性检测表明，路网形态变量与轨道客流间存在或正或负的强相关性，该思路可以为轨道交通系统优化城市空间结构和协调空间组织提供理论支持。     

基于智能调度技术的铁路客运安检集中判图系统研究

既有铁路客运安检作业模式下，每台安检仪均需配置1名值机员，存在工作效率不高和人力浪费问题。提出一种基于智能调度技术的铁路客运安检集中判图系统，将安检仪联网，在中心站建立集中判图室，集中处理代管站的安检判图任务，并设计值机员和处置员的作业流程，以及安检通道的配套设施。详细分析和设计了智能调度技术，以最小化旅客等待时间为目标，提出了“先到先分配”的调度策略；基于正态分布对旅客到达时间进行预测，并根据旅客到达人数均值确定值机员作业人数，提出了动态调整值机员作业人数的策略。最后开展实验测试，结果表明：集中判图系统可满足铁路安检判图和处置的时效性要求，在旅客等待时间均值提高1.2%的情况下，值机员作业人数可减少56.3%。     

基于空间计量模型的城市土地利用对地铁客流影响研究

揭示城市土地利用与地铁客流的相互作用机理是实现地铁与城市区域功能一体化发展的基础。以北京市为例，将地铁车站之间的空间效应作为变量纳入回归方程，并用精细化的POI数据反映土地利用情况，构建基于空间计量模型的地铁车站出站客流与周边土地利用关系模型。计算结果表明：(1)空间计量模型对空间数据回归精度更高，其中，地理加权回归模型更能精确描述客流的空间异质性；(2)对工作日早高峰出站客流量有积极影响的因素按显著性排序为：写字楼=政府机构>科研教育>公司单位>金融；按单位用地类型增减对客流量的影响程度：政府机构>写字楼>金融>科研教育>公司单位；按影响车站数量：写字楼>公司单位>金融>科研教育=政府机构；(3)各类用地对车站客流的影响存在区位差异。     

基于多模态信息融合的智能高速铁路旅客运输保障技术研究

2022年北京冬奥会是全球首个三赛区联动的一场冰雪盛会，京张高速铁路作为重要配套工程，研究高质量运输保障技术具有重要意义。以此为背景，提出多模态信息融合应用于铁路票务体系的概念及技术架构；采用定量定性结合方法，基于多模态信息融合理论进行多元运输客流成分分析，提出冬奥会赛时客流预测手段，研究并构建了多元客流高速铁路运输模式匹配、复杂非常态票额及席位管理、列车超停控制与预警的旅客运输保障体系。研究结论及成果为冬奥运输与旅客需求匹配提供了理论支撑，提供了管理精细化、流线不交叉的组织策略，有效降低了疫情扩散风险和社会面疫情管理成本，辅助保障冬奥列车的运输安全，并在冬奥会期间京张高速铁路运营过程中得到验证。     

显性差异特征的铁路客运产品谱系设计研究

长期以来,我国铁路客运产品谱系化特征不明显,在铁路网规模扩大、运营场景复杂的背景下,越来越难以适应日益增长和复杂的旅客异质性出行需求。在阐述国外铁路客运产品谱系化特征和做法的基础上,分析我国铁路客运产品分类的适应性,以及新时代背景下铁路客运产品实现谱系化的紧迫性和必要性;基于我国铁路设施设备条件、经营管理方式和列车开行特点,借鉴国外成熟经验,提出以“车-流”匹配效益最优为目标的客运产品谱系化设计思路和谱系结构框架,对巨量复杂需求用有限品类列车分类匹配运输资源、服务水平、客流组织、行车组织等内容,对推动铁路客运产品从“弱差异化”谱系特征向“显性差异”谱系特征转变具有重要意义。     

基于多因素决策的市域（郊）铁路制式定量决策研究

<正>一、市域（郊）铁路制式选择及范围市域（郊）铁路是连接都市圈中心城市城区和周边城镇组团，为通勤客流提供快速度、大运量、公交化运输服务的轨道交通系统。目前，国内已获批的市域（郊）铁路分布在北京、杭州、金华、温州等城市以及长三角、成渝、长株潭等都市圈。结合已批的项目情况和互联互通相关要求，根据国家部委相关文件精神，市域（郊）铁路的制式选择主要有交流25千伏供电的A、B、C、D型车，直流1 500伏供电的A、B型车，磁浮等几种制式，速度目标值范围一般为120～160公里/小时。     

时间序列聚类下的城市轨道交通客流预测研究

掌握不同城市轨道交通车站的客流短时变化规律是应急措施制定、常规客流组织和列车开行的关键依据，研究主要探索预测方法对城市轨道交通短时客流预测精度的影响，以西安地铁2号线为例进行实例分析。基于车站的进出站客流属性，运用时间序列聚类方法将城市轨道交通车站划分为4类；运用极端梯度推进决策树(XGBoost)、BP神经网络和自回归滑动平均模型(ARMA)分别对各类车站的短时客流进行预测，并对比各类车站的客流预测结果。结果表明，西安地铁2号线的车站可以分为商业办公车站、密集型居住车站、轻型居住车站和旅游文化车站4类；4类车站客流预测精度最高的方法分别为XGBoost、ARMA、ARMA和BP神经网络；在预测时效方面，XGBoost展示了更大的优越性。研究结果可以对各类车站建立相适应的客流管控措施提供基础建议。     

基于误差融合模型的地铁车站客流监测方法研究

针对城市轨道交通拥堵问题和智慧地铁发展要求，提出了一种基于误差融合的城市轨道交通短时客流预测模型。采用灰色关联分析方法对客流关键影响因素进行识别，基于线性回归模型对车站客流进行预测，并进一步利用神经网络模型对预测误差进行修正，以广州地铁十八号线某站的进、出站客流数据为例进行案例研究。研究结果表明：与传统统计模型及单一的神经网络模型对比，基于误差融合的短时客流预测模型均方根误差分别降低了38.0%与29.6%，平均绝对误差分别降低了46.4%与35.1%，证明了该模型在短时客流预测方面的准确性、可靠性，为地铁车站客流监控提供了技术支撑。     

考虑步行影响范围的城市轨道交通客流需求预测

新建轨道交通车站无法根据历史数据进行客流预测，为了对新建车站的客流进行准确预测，研究从社会经济属性的角度探索城市轨道交通的客流需求。根据实际调查获得车站客流生成影响范围，并基于泰森多边形对影响范围的重叠区域进行重新划分。以路网距离为约束，建立考虑车站影响范围的地理加权回归模型，获取社会经济属性和接驳交通对于轨道交通客流生成的具体贡献度。西安市轨道交通数据的研究结果表明，步行、公交和公共自行车产生接驳客流的主要路网距离为800 m,230 m和300 m；平均每条公交线路数和每个公共自行车桩数分别产生16.368次和2.371次客流；人口密度、就业岗位密度和人均GDP与客流关系表现为三者每增加1%，客流量分别增加0.47%,0.53%和-0.21%。研究成果可用于确定西安市新建轨道交通车站位置和规模，并预测其相应的客流。