地铁车站高峰时段客运组织优化策略研究.pdfVIP

人民公交总第202期

PEOPLESPUBLICTRANSPORTATION

摘要：本文基于地铁车站高峰时段客流组织优化需求，对客流时空分布特征和行为模式进行系统分析，提出了一套基于深

度学习的客运组织优化方法。通过引入GRU模型实现高峰客流精准预测，采用元胞自动机构建微观人流仿真模型优化通道

布局，运用深度强化学习算法动态调整运力配置。实证研究表明，该方法使目标车站乘客进站时间缩短15%，站台滞留时

间减少17.6%，特殊群体满意度提升11.5%，显著提升了高峰时段运营效率和服务质量。

关键词：地铁车站；高峰客流；运营优化

地铁车站高峰时段客运组织优化策略研究

██文/邱宇█1杨帆2

████1.南京地铁运营有限责任公司█2.南京地铁运营安防科技有限公司

城市轨道交通是解决大城市交通拥堵问题的重要选化算法，动态调整列车发车频率，并完善站内标识引导

择，而高峰时段客流集中是影响地铁车站运营效率和服和安检系统，以缩短乘客进站及候车时间，提升特殊群

务质量的主要瓶颈。针对高峰时段客流特性开展精细化体出行便捷性。

运营组织优化，不仅能够提升地铁运能，满足高峰客运

需求，也是落实国家交通发展战略，建设“安全、便捷、2 地铁车站高峰时段客运组织优化流程

高效、绿色”现代综合交通运输体系的必然要求[1-2]。本2.1优化目标

文在分析地铁车站高峰期客流特性的基础上，探索客运基于前文对地铁车站高峰时段客流特性的分析，本

组织优化策略，以期为提升地铁运营服务水平提供理论文旨在构建一套科学、高效的客运组织优化流程。该流

支撑和实践参考。程应充分考虑高峰期客流在时间和空间上的不均衡分布，

并针对不同乘客群体的出行需求，提出差异化的优化策

1 地铁车站高峰时段客流特性分析略。具体来讲，客运组织优化流程应实现以下目标：精

本研究基于智能客流分析系统（Intelligent 准预测高峰期客流，为运力调配提供决策依据；优化站

Passenger Flow Analysis System，简称IPFAS）对某大厅布局和设施配置，提高客流疏导效率；动态调整列车

型换乘站的高峰时段乘客行为进行为期3个月的跟踪调发车频率和停站时长，缓解站台拥挤；完善站内标识引

查。结果表明，乘客进站速度较平峰时段下降22.4%，导和服务设施，关注特殊群体出行体验。

由1.43 m/s降至1.11 m/s；候车时平均站台停留时间由2.2优化流程

76 s增至124 s，增幅高达63.2%；列车满载率则由65%2.2.1 分析客流数据实现高峰时段精准预测

攀升至92%。同时，基于年龄和身体状况，对老年乘客高峰时段客流预测的核心是捕捉客流动态变化规律。

（≥60岁）和携童出行乘客进行了针对性分析。数据显传统的时间序列模型如ARIMA，往往假设序列在不同时刻

示，该类乘客群体在高峰期出行占比由平峰时段的8.7%的变化是平稳的，难以刻画客流的非线性波动特征。为

增加至17.3%，并呈逐月上升趋势。针对性调研结果表此，本文引入门控循环单元（Gated Recurrent Unit，简

明，53.5%的特殊群体乘客反映高峰期候车时间过长，称GRU）模型，通过门控机制自适应地调整不同时刻的

42.6%的特殊群体乘客反映进出站存在一定困难。基于信息流，增强模型对客流波动的刻画能力[3]。具体来说，

zr

上述统计分析，建议运营单位结合大数据挖掘技术和优GRU引入更新门和重置门分别控制当前状态对历史信息

tt

1022025/10