基于多源数据的城市轨道交通清分方法研究.pdfVIP

摘要

城市轨道交通成网运营诱增的客流需求，增加了客流运动复杂度，在无缝换乘运营

模式下，仅依靠自动售检票系统(AFC)采集的交易数据和现有概率推断的方法无法准确

得知乘客的真实路径选择。而随着许多新兴技术在城市轨道交通系统的应用，感知乘客

在城市轨道交通系统内出行的出行状态成为了可能，运用这些采集到的多元乘客出行相

关信息，分析其出行行为特征，还原乘客在网络中的真实出行过程，有利于保证城市轨

道交通收益清分的准确性。本文在了解了国内外相关领域研究现状的基础上，构建城轨

网络模型以搜寻可行路径，从宏观和微观层面分别分析乘客的出行特征，给出了两种清

分模型，最后，提出了一种清分方案选择模型。

首先，本文分析了城市轨道交通网络的物理拓扑结构，得到网络、线路和站点间的

映射关系，据此建立网络模型，利用提出的带约束的OD对可行路径搜索算法得到网络

中OD对的可行路径集，该模型输出的结果是后续两种清分模型算法构建的基础。

其次，提出基于旅行时间分布的清分模型，利用手机信令数据重构其在网络中的出

行路径，得到OD对间可行路径的“种子”选择概率，设置此概率的修正比例系数，利

用高斯混合模型估计OD对旅行时间分布这一宏观客流出行指标，以OD对旅行时间分

布估计值与从AFC交易数据得到的观测值之间的KL散度为目标函数，建立非线性优

化模型，标定修正比例系数，以拟合地铁乘客在网络中的真实路径选择概率。该模型为

纯数据驱动模型，能够充分利用手机信令数据与AFC交易数据进行信息互补。在不同

OD和运营时间，其对路径选择概率的估计相对误差小于3%，同时表现出良好的鲁棒

性，当输入数据标准差误差达到30%时，模型相对误差在3%以内。

然后，通过拆解乘客出行链，分析乘客在网络中的微观出行特征，估计乘客在站台

的等待列车数量分布，从而得到乘客在站台的登车概率。利用起点站登车概率推断换乘

站登车概率，最后根据乘客在站台的登车概率推断选择可能出行方案集合的概率，利用

极大似然法估计路径选择概率。该模型同样是数据驱动模型，能够以85%的精确度估计

路径选择概率用于收益清分。

最后，利用上述两种清分模型输出的路径选择概率，计算OD对出站客流在时间上

的分布与观测分布间的KL散度，同时考虑OD对客流需求和运营时间构建二项Logit

选择模型，通过样本数据训练，得到一个能够针对不同运营时间和运营区域提出不同清

分方案的选择模型。本文提出的模型输出能够为收益清分提供支撑，可用于分析客流运

动规律，为日常运营管理提供数据依据，增加了运营管理者解决实际清分问题的手段。

关键词：城市轨道交通；出行行为分析；轨迹重构；票务清分；非线性优化

ABSTRACT

Thenetworkoperationofurbanrailtransitinducestraveldemandanditscomplexity.Itis

hardtopredictapassenger’spathchoiceinthenetworkpreciselyusingtheprobability-based

methodinthe‘one-tapin-one-tapout’operationmode.However,manyemergingtechnologies

anddevicesexistinurbanrailtransitsystems.Itenablesoperatorstocapturepassengertravel

statusinformationinthenetwork.Analyzingpassengertravelbehaviorusingmassivemulti-

sourcedatatounderstandthetravelprocessissignificanttoensuretheaccuracyofrevenue

sharingforurbantransit.Afterreviewingrelatedresearch,thisstudyconstructsanurbanrail

networkmodelforfeasibleroutesearching.