城市轨道交通乘客行为与能耗关联性建模研究.pdfVIP

城市轨道交通乘客行为与能耗关联性建模研究1

城市轨道交通乘客行为与能耗关联性建模研究

摘要

城市轨道交通作为现代城市交通体系的重要组成部分，其能源消耗问题日益受到关

注。本研究旨在建立城市轨道交通乘客行为与能耗之间的关联性模型，通过系统化分析

乘客出行特征、客流分布规律与系统能耗之间的内在联系，为轨道交通运营优化和节能

减排提供科学依据。研究采用多源数据融合技术，结合机器学习算法和统计学方法，构

建了基于乘客行为特征的能耗预测模型。通过对国内多个城市轨道交通系统的实证分

析，验证了模型的有效性和可靠性。研究结果表明，乘客出行时间分布、空间分布、换

乘行为等特征对系统能耗具有显著影响，其中高峰时段的客流集中度与牵引能耗呈正

相关关系，换乘站的设计布局对辅助系统能耗影响显著。基于这些发现，本研究提出了

针对性的节能策略，包括客流引导优化、列车运行图调整、车站设备智能控制等，预计

可实现系统整体能耗降低8%12%。本研究成果不仅丰富了轨道交通能源管理理论，也

为实际运营提供了可操作的决策支持工具，对推动城市轨道交通绿色可持续发展具有

重要意义。

引言与背景

研究背景与意义

随着我国城市化进程的加速推进，城市轨道交通系统迎来了前所未有的发展机遇。

截至2022年底，全国已有55个城市开通轨道交通运营线路，运营里程超过9000公里，

年客运量突破200亿人次。轨道交通作为大容量、高效率的城市公共交通骨干，在缓

解交通拥堵、促进城市空间结构优化等方面发挥着不可替代的作用。然而，轨道交通系

统也是城市能源消耗的重要领域，据统计，轨道交通行业年耗电量约占全国总用电量的

1.5%，且呈逐年上升趋势。在”双碳”战略目标背景下，如何实现轨道交通系统的绿色低

碳运营已成为行业面临的重要课题。

乘客行为作为轨道交通系统的核心驱动因素，直接影响着列车运行、车站设备等各

子系统的能源消耗模式。传统能耗管理多从设备层面入手，缺乏对乘客行为与能耗关联

性的系统研究。事实上，乘客的出行时间选择、路径规划、换乘行为等特征会通过影响

列车满载率、运行频次、车站设备负荷等间接决定系统能耗水平。因此，深入解析乘客

行为与能耗的内在关联机制，构建科学准确的关联性模型，对于实现轨道交通精细化能

源管理、提升运营效率具有重要理论价值和实践意义。

城市轨道交通乘客行为与能耗关联性建模研究2

国内外研究现状

国外对轨道交通能耗问题的研究起步较早，主要集中在列车牵引能耗优化、车站设

备能效提升等方面。欧洲铁路研究委员会(ERRI)早在20世纪90年代就开展了列车运

行能耗与线路条件关系的系统性研究，提出了基于运行图的能耗计算方法。日本学者通

过分析东京地铁客流数据，建立了乘客密度与车站空调系统能耗的关联模型。近年来，

随着大数据技术的发展，欧美研究者开始利用智能卡数据、视频监控等多源信息，探索

乘客行为模式对系统整体能耗的影响机制。

国内相关研究虽然起步较晚，但发展迅速。北京交通大学、同济大学等高校科研团

队在轨道交通能耗建模方面取得了系列成果。中国城市轨道交通协会发布的《城市轨道

交通能源消耗统计与分析报告》显示，不同城市轨道交通系统的单位客运量能耗差异可

达30%以上，这种差异很大程度上源于乘客行为特征的差异。然而，现有研究多集中

于单一因素分析，缺乏对乘客行为多维度特征与能耗综合关联性的系统研究，尤其缺乏

可量化的预测模型和决策支持工具。

研究内容与框架

本研究围绕”乘客行为能耗”关联性这一核心问题，构建了系统化的研究框架。首先，

通过文献综述和理论分析，明确影响轨道交通能耗的关键乘客行为要素；其次，建立多

源数据采集与融合体系，获取乘客行为与能耗的同步监测数据；然后，采用机器学习和

统计学方法，构建关联性模型并验证其有效性；最后，基于模型分析结果提出节能优化

策略。研究内容涵盖乘客行为特征提取、能耗影响因素识别、关联性模型构建、节能策

略优化等多个方面，形成从理论到实践的完整研究链条。

本研究采用定性与定量相结合的研究方法，综合运用案例分析、数据挖掘、模型仿

真等多种技术手段。研究数据来源于国内5个典型城市的轨道交通系统，涵盖不同规

模、不同发展阶段的运营场景。通过对比分析不同城市、不同线路、不同时段的乘客行

为与能耗数据，提炼具有普适性的规律