客流监测

客流监测（精选7篇）

客流监测 篇1

一、引言

目前, 我国高速铁路营业里程占世界高铁运营里程的60%以上, 这表明我国已真正进入了高铁时代。高速铁路旅客列车开行方案的设计, 是高速铁路旅客运输组织工作的核心, 其设计质量对于提升铁路社会和经济效益具有决定性作用, 关系到高速铁路运营管理工作的成败。而客流, 作为制定开行方案的关键数据, 其合理有效的获取方法, 是制定高速铁路列车开行方案, 指导高铁列车运输组织的关键环节。

二、高速铁路客流数据的实际监测

随着我国客票发售系统的不断升级和更新, 铁路系统彻底告别了以往的硬板票时代, 不但使得客票的发售更加方便快捷, 并且使客票数据的统计在技术上完全突破了壁垒。

旅客购买车票后, 以下关键信息会记录于铁路客票发售系统当中。系统中所记录的下列关键信息便可以全面而准确地描述制定和调整列车开行方案所需要的客流数据:购票人姓名及身份证号码可以识别不同的旅客;购票人所选乘列车车次即可识别出选乘相关高速铁路列车的旅客;购票人的出发站和到达站便可以反映出旅客的OD (Origin and Destination, 即出发地和目的地) 。

根据以上信息, 便可以初步得到所需统计的高速铁路系统中的客流数据:若aij表示该高速铁路线路中在第i站上车, 在第j站下车的旅客数, 则可以利用铁路客票系统中的统计数据得到一个初步的旅客出行OD。对于设有n个车站的高速铁路线路而言, 该高速铁路系统内的旅客出行OD如表1所示:

三、高速铁路客流数据的修正

上文研究了铁路客流数据的统计方法以及旅客出行的初步OD矩阵的获取方法。有学者认为, 通过铁路客票数据的统计不能够完全准确地得出旅客的出行OD, 而通过路段流量的反推方法才能更好地获得旅客出行OD流量[1]。

路段流量是指在相邻两个站点间的路段中沿某一方向输送的旅客总流量。事实上, 通过表1便可以求出路段流量。设ai、bi分别为在铁路线路的第i站的上、下客流人数, vi表示第i个路段 (第i站和第i+1站之间的路段) 的客流流量, 则根据表1所示的各数据可以得到某一方向的路段流量 (流向为第i站到第i+1站) [2]:

根据上述三式, 就可以把铁路线路的所有路段流量计算出来, 另一个方向的路段流量也按照上述方法计算。

根据路段流量反推旅客出行OD矩阵的思路可以概括性地描述为:路段流量实际上是OD客流在路段上的线性叠加, 在某一方向上, 一个路段上的流量, 是该方向的所有OD点对的流量按照该OD点对流量在该路段上的分配比例分配在该路段上的流量的总和。因此, 根据路段流量反推旅客出行OD矩阵实际上是一个将OD流量分配至各路段的逆过程, 即交通分配的逆过程。

根据路段流量反推旅客出行OD矩阵的方法可以简单地概括为:

第1步:构造一个初始的旅客出行OD矩阵描述初始OD流量;

第2步:在初始OD矩阵的基础上, 利用交通分配模型求解初始OD流量分配在各路段上的理论流量vak;

第3步:计算理论路段流量vak和实测路段流量va的偏差量Dak:

第4步:引入一个旅客出行OD矩阵的精度要求ε, 若所构造的旅客出行OD矩阵满足精度要求, 即所有路段理论流量vak的偏离度满足精度要求, 如式 (5) 所述:

则认为所构造的初始OD矩阵可以描述实际的旅客出行的OD矩阵, 若不满足精度要求, 则进行下一步计算;

第5步:利用此次计算所得出的偏差量Dak构造初始OD矩阵修正率的计算公式, 利用该修正率修正初始OD矩阵后得到新的OD矩阵;

第6步:在迭代后得到的新OD矩阵的基础上, 按照上述步骤判断该OD矩阵是否满足精度要求, 如此重复迭代, 直到经过修正后的OD矩阵满足精度要求为止, 此OD矩阵被认为是可以描述实际的旅客出行的OD矩阵。

四、实际监测和预测相结合的高铁客流数据获取方法

由于铁路部门获取客流数据和执行按照客流数据编制的列车开行方案在时间上不是同步的, 因此在制定列车开行方案时, 列车开行方案执行当日的客流数据是不能提前通过监测获得的。这就需要对列车开行方案执行当日的客流情况进行短期客流预测。

在高速铁路的运营过程中, 根据一般的客流变化规律可以将客流分为三种情况, 即日常客流、周期性变化的客流以及突发事件诱发的客流。因此在进行短期客流预测时, 需要针对上述三种客流情况采取不同的方法:

(一) 日常客流。

本文将高速铁路的日常客流定义为非节假日时期的工作日客流, 因为根据我国高速铁路的运营经验, 高速铁路的周末客流较工作日存在较为明显的增长, 因此在这里不把周末客流作为日常客流。

在预测之前, 需要将已经获取的最新近阶段的客流数据分为等分若干个时期。越近的时期的客流数据对预测数据的影响越大。基于此, 日常客流的预测结果应遵循以下公式计算:

上式中, Aijn+1为预测时段内站点i和j之间的OD流量;Akij为已获得客流数据的时间段k内站点i和j之间的OD流量;xk为已获得客流数据的时间段k对预测客流数据的影响权重, 其中k值越大 (距离预测时间段越近) , 权重值越大。根据上式, 即可预测出列车开行方法执行期间各站点间的旅客出行OD流量, 并以此指导列车开行方案的制定与调整。

(二) 周期性变化客流。

按照客流周期性的变化规律, 客流会发生明显的波动, 例如日常运营时期发生在周末的小高峰客流、“十一黄金周”等全国性节假日期间的客流还有春运、暑运期间的客流, 这些客流称为周期性变化客流。

周期性变化客流是基于对近期日常客流数据以及历史时期客流数据的实际监测统计结果进行的, 有条件细化到对铁路线路统计范围的各站点的OD流量进行预测, 因此可以提出周期性变化客流的预测结果计算公式:

上式中, Aij为考虑周期性客流波动的站点i和j之间的OD流量预测值;Aij为不考虑周期性客流波动的站点i和j之间的OD流量预测值, S为周期性波动指数。

周期性波动指数, 需要通过从历史数据中比较日常客流数据和波动后的客流数据而获得。通过观察每一个周期的日常客流数据和波动后的客流数据, 可以获得该周期内的周期性波动指数, 如式 (8) 所示:

按照上述方法获取每个周期的波动指数后, 选取所获取的近期若干个周期的周期波动指数, 通过简单移动平均法求得所需要的周期性波动指数:

上式中, Sn+1为所需预测的周期波动指数;Sn为通过历史数据求得的近期各个周期的周期波动指数。

按照上述方法, 可以求得客流发生周期性变化的时期各站点间的旅客出行OD流量, 并以此指导列车开行方案的制定与调整。

(三) 突发事件诱发客流。

突发事件所诱发的客流变化, 主要是指自然灾害、线路整修、大型经贸或文体活动等事件所导致的较大规模的客流波动。这些事件当然在大多数情况下是可以预知的, 这便为其所诱发的客流波动的预测提供了可能。针对突发事件诱发客流的客流量预测可以按照下述方式进行:

1. 根据事件的实际情况确定大致的客流变化总量。

事实上, 针对自然灾害、线路整修、大型经贸或文体活动等事件, 是可以大致预估出此事件所导致的客流变化量的。

2. 确定与事件产生关联的站点OD对。

根据突发事件的发生地点以及影响范围, 结合预测对象线路的各站点吸收客流的能力, 确定事件会影响到的站点OD对:

设S是受到事件影响的站点OD对的集合, 引入变量x, 有:

3. 确定事件诱发的各关联OD对上的客流改变量。

针对事件诱发的客流总量的改变量, 根据事件对各关联OD站点影响程度的大小, 参考站点OD对原OD量的大小, 将其分配至各站点OD对ΔAij中, 使得:

4. 预测突发事件诱发后统计范围内各站点间的旅客出行OD流量。

首先预测未发生突发事件的情况下各站点间的旅客出行OD量Aij, 然后根据突发事件作用下各站点OD的改变量ΔAij确定突发事件诱发后的各站点间的旅客出行OD流量Aij:

五、结语

本文通过分别对高铁客流数据的实际监测方法、客流数据的修正方法以及短期客流预测方法进行研究, 从而提出了实际监测与客流预测相结合的高速铁路客流数据获取方法, 以期对高速铁路列车开行方案的制定提供技术支持。

摘要：本文首先研究了高铁客流数据的实际监测方法, 在此基础上, 通过对客流数据修正方法的研究, 提出了利用路段流量反推OD矩阵的方法对客流数据进行修正的方法, 从而可获得反映旅客实际出行需求的OD数据。最后, 针对日常客流、周期性客流以及突发事件诱发客流, 对其短期客流预测方法进行了研究, 从而最终提出了实际监测与客流预测相结合的高速铁路客流数据获取方法。

关键词：高铁客流,实际监测,数据修正,短期预测

参考文献

[1]王济儒, 查伟雄, 李剑.由车站上下车客流量估计铁路OD矩阵[J].交通运输工程与信息学报, 2004

[2]杨永凯, 宋瑞, 李海荣.地铁客流预测模型的分析与研究[A].中国运筹学会.第四届中国青年运筹与管理学者大会论文集[C].中国运筹学会, 2001

地铁换乘站客流组织研究 篇2

关键词：换乘车站,客流组织,换乘方式,站台形式

1 研究背景

地铁作为城市公共交通中的一环, 它的重要性和受重视程度也在与日俱增。随着各大城市修建地铁速度的加快, 越来越多的城市将拥有自己的地铁线网。换乘站的数量必然会随着线网的发展而上升, 因此地铁换乘的客流组织已经成为地铁运营组织的重点问题, 越来越具有普遍意义, 值得深入的研究。

2 换乘站客流组织的影响因素

要研究换乘站客流组织, 就必须从换乘站客流组织的影响因素着手。并通过分析各种方式的利弊, 结合客流组织的原则, 制定各种换乘方式的客流组织方案。

地铁换乘的几个重要指标是:便利性、安全性、通过能力。对乘客换乘而言, 提高服务水平的关键是缩短换乘时间, 即便利性。在换乘站, 换乘时间长短是与站台组合形式以及换乘方式是直接相关的。

2.1 站台组合形式

站台组合的形式分同平面和上下两层两类。同平面站台组合主要有双岛式、岛侧式和单岛式三种 (如图1所示) 。

上下层站台配置组合主要有一字形 (即上图单岛式) 、岛岛式 (十字形) 、岛侧式 (草字头形) 、侧侧式 (井字形) 、T形和L形等形式 (如图2所示) 。

2.2 换乘方式介绍

换乘方式取决于线路连接与站台组合。线路连接主要有交叉、衔接和平行交织等方式。交叉有两线交叉、三线交叉和四线交叉等不同形式;衔接和平行交织通常是两线连接, 其中衔接又有T形衔接和L形衔接两种情形。

地铁线路的连接形式与站台的组合形式在地铁车站建立时就已经决定了, 因此根据不同的形式, 地铁的换乘又有如下五种方式:

站台换乘:是指乘客由下车站台直接到上车站台进行换乘, 有同站台换乘和上下层站台换乘两种方式。广州地铁体育西站机场线是以这种方式换乘, 香港地铁也多以这种方式进行换乘。

结点换乘:是指在两线路交叉处, 将两线隧道重叠部分构造成共用换乘平台的整体结点, 并通过楼梯将两座车站站台连通, 乘客通过楼梯与换乘平台进行换乘。广州地铁公园前站和客村站都使用这种换乘方式。

站厅换乘:是指乘客由下车站台经过两线共用的站厅收费区到上车站台进行换乘。广州地铁体育西路站就是使用这种方式在1、3号线之间进行换乘。

通道换乘:在两线交叉处, 车站结构完全分开, 当车站站台相距稍远不能直接通过站厅进行换乘时, 就需要在两车站之间设置独立的连接通道和楼梯, 这种换乘方式称为通道换乘。上海人民广场站就是使用这种换乘方式。

3 地铁换乘站的客流组织的研究

3.1 换乘站客流组织的特点及原则

地铁换乘方式具有多样性, 复杂性的特点。而且换乘站一般客流较大, 同时客流流线复杂, 具有多向性、不均衡性等特点。换乘站应该根据不同的换乘方式, 在客流组织管理上注意采用不同的方法。总原则是组织好换乘客流, 缩短换乘路径, 减少换乘客流与进出站客流的交叉、干扰, 保持客流运送过程的畅通, 避免拥挤, 更重要一点是保证安全, 便于大客流发生时及时疏散。

为此, 在进行客流组织时应特别考虑下面几个方面的原则。

遵循客流组织的特点, 当站台等候乘客超过站台的容量时, 应采取"由内至外、由下至上"的客流控制方式, 以便换乘客流组织能在一个安全稳定的环境中进行。

根据售检票点的位置、出入口、扶梯、楼梯位置, 合理安排人员引导, 利用栏杆与铁马使行人流动线简单、明确, 尽量减少客流交叉、对冲。

保证换乘通道的畅通, 严格区分快速通道与慢速通道, 人流汇聚点减少功能性服务, 使人流得以快速疏散。

完善行人导向系统, 快速分流, 减少客流集聚和过分拥挤现象。

满足换乘客流的方便性、安全性、舒适性等一些基本要求。如:恶劣天气下的保护、气候调节、对残疾人专门设计无障碍通道;又如:充足的照明、开阔的视野以及突发事件的应急系统等。

3.2 换乘站的客流组织

根据以上几点, 结合对各种换乘方式的分析, 整理出不同换乘方式客流组织的一些注意事项以及它们的优缺点。

同站台换乘时, 乘客在同一站台另一侧换乘。这种换乘距离也是很小, 然而仍存在两线换乘客流之间的对冲 (特别是两侧同时到站) 。为了避免这种情况发生, 车站应加强播放提醒广播, 避免发生危险。制约同站台换乘能力的主要因素是站台宽度与列车间隔, 前者关系到站台的容量, 后者关系到站台出清的快慢。这两者都是客流组织时必须考虑的因素。

上下层站台换乘即一字换乘或结点换乘时, 如果只使用单一的换乘方式换乘能力较小。这种换乘方式需要通过楼梯、扶梯等位移设备辅助换乘。这些设备的通过能力就决定了换乘的通过能力, 因此需要安排人员在设备附近进行引导或广播, 充分发挥设备的通过能力并且保证安全。如果上下层站台还存在共用换乘平台, 即在共用换乘站厅有4个客流方向, 必须放置栏杆或铁马将不同线路不同方向的换乘客流分隔, 避免客流交叉。具体措施如图3所示。

站厅换乘方式增加了乘客的换乘路径, 乘客下车后, 无论出站还是换乘, 都必须经过站厅。但是由于下车客流都只朝一个方向流动, 客流行进速度较快。这对站台与站厅的连接设备通行能力要求较高。为避免站台拥挤, 必须在扶梯楼梯安排专人引导;引导乘客使用通行能力较好的设备设施。在站厅层, 必须做好进出站客流与换乘客流的快速分流, 充分利用导向和工作人员引导。此外在站厅通道要将两条线路的换乘客流分隔, 避免客流对冲;换乘客流到达站厅层后, 客流由4向变为2向, 方便分隔与引导。广州地铁体育西路站利用栏杆明确地将站厅付费区分隔, 所有换乘的乘客都靠右行走, 大大提高了换乘的速度。

通道换乘是站内换乘路径最远的换乘方式, 对于换乘乘客来说并不方便。然而它却能利用充分的空间组织客运分流。这种方式是最舒适的换乘方式, 客流组织也较容易, 安全性足够高。

通过以上分析可以看出, 每种换乘方式都有其自身的优缺点, 所以, 只有多种换乘方式的灵活组合才能更大效率地缩短乘客换乘时间, 完善换乘条件。如广州地铁客村站, 就是以站厅换乘与结点换乘相结合的方法, 使狭小的站台高速分流, 提高换乘速度与安全性。公园前站虽然只使用结点换乘一种方式, 但它两条线路的站台都是一岛两侧式, 利用站台组合的多样性优势, 同时能将换乘客流与出站客流分隔, 而且两条线路的换乘客流不对冲, 这种换乘方式的效率也非常高。

结束语

地铁是对城市影响较大的公共交通工具, 实际运营情况证明, 如何促进地铁车站换乘客流进行合理的组织、发挥地铁运输的潜力、提高车站员工效率、发挥地铁设备的最大效能、提高地铁运营管理的效益, 值得广大从事该行业的工作者研究。

参考文献

[1]彭辉《城市轨道交通系统》人民交通出版社2008年

[2]张国宝《城市轨道交通运营组织》上海科学技术出版社2006年

商场客流分析探讨及其应用研究 篇3

关键词：客流监测,构件,数据挖掘,决策支持

0 引 言

在商场领域,客流量信息是其运作的一个重要因素。商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具[1]。构建一个基于商业智能的商场客流监测系统可以为商场管理者的经营决策提供快速、准确、全面的基础数据支持。

单单分析客流数据得到的结果还很片面,必须结合销售数据、员工信息进行综合分析,进而通过相应的策略改善经营、刺激消费、吸引消费。

1 客流监测技术的比较

随着计算机统计方法和分析技术的提高,有很多可行的计算机辅助分析方法可用。影像分析是其中比较主要的一种监测技术,但由于几何因素的限制,如距离和速度等不能被直接测量;同时,顾客的影像在重叠的时候也不能被很好地测量,所以其观察的角度十分狭窄。雷达感应是另外一种监测客流的应用技术,它可以克服几何因素的束缚,但是,由于雷达感应器天线的缘故造成其视角受到很大的限制。激光感应技术同样可以克服几何因素的束缚,而且其广阔的视角使其在众多解决方案中脱颖而出[2],系统最终决定采用激光感应技术分析工具。

本系统采用了HeadCount客流监测统计工具,其硬件主要包括本地计算机、串行通信电缆、中继器、传感计数器,如图1所示。计数传感器通过在特定的区域内放射四束红外线,借助经过训练的神经网络,最终得到此时的客流数目和行进的方向。

2 智能化的客流监测系统解决方案

构建一个智能化的商场客流统计分析平台,要求系统基于客流数据,结合POS系统销售数据、员工考勤数据等,实现各类报表实时查询、多功能综合数据查询、历史数据对比查询、横向数据对照查询以及大规模数据的统计分析等功能。

2.1 系统架构分析

为了使系统具有良好的可扩展性和可维护性,采用了基于构件[3]的层次化软件架构结合MVC设计模式,如图2所示。通过数据和表示的分离,合理的层次划分,达到高内聚、低耦合,这符合软件工程技术的要求。层次结构从纵向划分系统,将系统分割成若干个串联通信的层次。层次之间通过公开的接口交互,隐藏内部实现,在保持公开接口的前提下可以相对独立演化。采用基于构件的技术,有利于系统可扩展性能的提高,使系统具有更大的灵活性。MVC设计模式的主要优点是数据和表现分离,支持多个界面共享同一模型,这可以极大地提高数据展示的灵活性。

数据层将商场数据进行收集、整理、转换和存储,作为分析层的数据基础。分析层通过查询分析工具、数据挖掘工具、OLAP工具等对数据进行分析处理。应用层则主要是用户界面,向用户提供丰富的数据展示。

2.2 数据远程传输

系统采用基于C/S模式的数据实时传输,选择线程技术,在网络故障恢复后自动进行重新连接。

数据的保密性是对系统的一个重要的要求,可采用的加密手段有很多,比如使用Sun提供的JSSE为基于Socket的java程序提供SSL支持。但是,SSL的效率不符合我们的要求。这里采用一种先将数据压缩,然后对数据进行DES加密传输的方法,如图3所示。压缩减少了网络传输数据量,提高效率;加密确保了信息的机密性。目的端通过解密和解压缩的方法得到需要的数据。

2.3 数据预处理

尽管系统采用的客流监测工具能够达到较高的准确率,但还是有可能出错,为了保证数据质量,必须对客流数据进行处理,也就是通常说的ETL。

1) 数据补救

针对客流数据不完整的情况,需要给出适当的补救,使之不失真。而目前处理缺失数据的基于填补的方法已经有很多,比如:单一填补、多重填补[4]等。从效率的角度和客流数据特殊性来考虑,本系统采取用同一历史时期的客流数据进行补救的单一填补方法。

2) 数据调整

数据调整基于空间的客流量占有率,系统采用平均摊补的调整方法,使正常的营业开始和结束时间点的客流量趋势符合图4的条件,其主要思想是计算营业结束点的占有率差额,然后平摊到从营业开始到营业结束的各个时间点上。

2.4 数据分析与展示

运用数据挖掘[5]技术、联机分析处理技术来处理和分析数据,通过对多维形式组织起来的数据采取钻取、切片、切块、旋转、透视等操作来剖析数据,使用户能从多个角度、多侧面地观察数据仓库的数据,借助连续的动态图表直观地显示分析者所要探询的经营状况及市场规律。

可塑性差的传统报表难以满足商家适应性和智能性的需求,系统采用XML Schema模式定义语言对图表框架和图表数据进行建模处理,增加了图表展示的灵活度和可扩展性,图5是建模示例。其中,左面部分表示图表框架建模,用于抽取图表元素;右面部分表示图表数据建模,用于和图表框架建立映射。

3 基于客流分析的决策支持

构建智能化的商场客流监测分析系统,可以从时间、空间不同的经营指标角度进行全方位分析,从而得出科学准确的结论。

借助客流信息分析,可以对商场的管理和决策提供以往无法获得的商场客流特征。一方面能够反映出商场潜在的经营问题;另一方面也可以针对客流的高低峰分布采取相应的营销手段和必要的安全防范措施。结合销售信息分析;通过比较不同时间、空间粒度的销售,店中店明细,人均消费,提袋率等重要信息,一方面可以在各点的营业额、销售量的统计基础上,进行横向、纵向比较分析,盈亏分析等经营业绩分析;另一方面也可以衡量商场的销售潜力结合员工信息分析,通过人均空间利用率、员工成本受益率、单位面积员工成本、单位客流员工成本等分析指标,借助事先量化的员工工作指标,管理人员可以跟踪、评价员工的工作绩效,逐步引导员工的思想和行动与企业的整体目标保持一致。

4 结束语

谁掌握信息,谁就掌握财富。对商场行业而言,客流是商场消费的载体,换句话说,就是潜在的利润。对客流数据的采集,并结合销售、考勤等数据进行综合分析,符合商家的要求。本文提出的基于商业智能的商场客流监测系统充分地满足了企业对客流数据分析的要求,通过本系统,可以辅助决策者制定商场行业的战略发展目标、市场策略,完善服务质量,提高客户满意度,最终有效地提高商场在行业中的竞争力。

参考文献

[1]钟晓鸣.运用商业智能提高零售企业竞争力[J].商场现代化,2005(24).

[2]Nobuaki Ishihara,Huijing Zhao,Ryosuke Shibasaki.Tracking passenger movement with ground-based laser scanner[C].In:Proceedings of the22th Asian Conference on Remote Sensing,National University of Sin-gapore,2001.

[3]Alan W Brown.大规模基于构件的软件开发[M].赵文耘,张志,等译.北京:机械工业出版社,2003.

[4]周艺彪,姜庆五,赵根明.不完全数据处理方法——多重填充[J].中华预防医学杂志,2004(6):424-426.

邻近机场的客流竞争模型研究 篇4

机场是航空客运的集散枢纽, 它的发展不仅直接关系到航空公司的客运服务, 更是整个城市中各种交通方式的综合换乘体系中不可或缺的环节。目前, 国内外学者对机场的相关研究主要集中在客流的换乘衔接与枢纽的建立等方面, 关于在地理位置上邻近的不同机场之间可能存在的客流竞争或共享关系的研究还非常少。另一方面, 航空公司对于机场的垄断和竞争行为的研究一直是领域内的热点。由于民航业具有自然垄断性, 放松管制以后的航空公司自由进入市场实行竞争, 不但未使价格降低到竞争性水平, 反而造成过度进入, 产生恶性竞争, 影响行业的利润率, 也造成了国有资产的大量流失。之后人们开始对于传统的自然垄断理论以及放松管制后的完全竞争理论进行了反思和修正, 并开始借鉴美国民航业的成功经验。可见, 自然垄断性的存在是航空业竞争中的一个关键特征。

基于上述考虑, 本文试图回答下面两个问题:第一, 民航业中的自然垄断性如何作用于邻近机场之间的客流竞争;第二, 邻近机场的竞争与航空公司之间竞争的区别是什么。

首先, 我们将分析民航业中引起自然垄断性的规模经济效应, 并根据航空公司和机场之间的关系阐明规模经济效应的传递效果。然后, 我们将把规模经济效应引入到模型中, 为了定量地分析和预测该效应对机场的发展趋势和最终竞争结果的影响, 采用Lotka-Volterra模型对邻近机场的竞争行为进行建模。最后, 我们将对竞争模型进行数值仿真, 验证方法的有效性。

2 模型的建立与分析

2.1 航空业自然垄断性的体现

根据民航业的基本经济属性, 自然垄断性来源于规模经济效应, 具体体现在下面几个方面:

(1) 通过密度经济、运输枢纽的通过能力经济、运载工具的运载能力经济等来体现。在一定时间内, 随着航班往返频率或载运率的提高, 公司的固定成本将逐渐摊薄, 平均成本曲线向下倾斜。这种情况被称作密度经济。在密度经济作用下, 拥有飞机数、座位数、吨位数相同的两个航空公司之间, 飞机利用率高的企业, 其实际生产规模将大于飞机利用率低的企业。同时, 密度经济还会形成一种正反馈机制, 当飞机载运率达到临界值以上时, 航班之间的间隔时间越短, 运输的便利性就越明显, 其载运量会呈加速增长趋势, 进而促进企业经营规模的扩大。

(2) 范围经济效应。如果把航空运输企业在不同航线上提供的运输服务看作不同的产品, 那么一个公司一般都是多产品的供给者。当一个企业在多个航线上提供运输服务时, 将表现出明显的范围经济效应, 即随着航线的增加, 每一航线上的运输量会相应增加, 并使总运输量递增, 从而使每一航线上单位产品的成本下降。

综上所述, 民航业的自然垄断性主要由规模经济效应引起, 其中一个明显的结果可以概括为:在一定条件下, 航空公司的运输量增长会直接带动企业的进一步增长, 即具有一种正反馈的机制。

2.2 规模经济效应的传递

通常来讲, 运输业的自然垄断性研究是针对航空公司而言。机场作为航空客运的实现载体, 直接而同步地接纳航空公司的乘客, 在它为多个航空公司提供服务的同时, 这些航空公司在规模经济效应下的反馈变化会直接传递给它们所使用的机场, 因此机场的客流量变化过程同样会受到规模经济效应的影响。除此之外, 与航空公司的单纯规模经济效应有所不同的是, 机场的客流量变化还同时受到换乘交通衔接和机场服务质量等方面的影响。本文将重点讨论这种航空公司传递给机场的规模经济效应对机场客流变化的作用。

2.3 引入正反馈效应的竞争模型

下面考虑两个邻近机场的客流竞争问题。简单来讲, 对于可以在两个邻近机场之间进行选择的每位乘客来说, 这两个机场是竞争关系。由上述分析可知, 机场受规模经济效应的影响, 在客流变化过程中存在为了正反馈的现象。为了定量地分析这种效应对于两个机场在有限客流上的竞争和共生的关系, 采用Lotka-Volterra模型来分析。

2.3.1 模型描述和分析

参数说明:x1和x2分别表示两个机场的实际的客流量;t是整个竞争系统的时间;r1和r2分别表示两个机场的客流量在无限制条件下的增长率;k1和k2分别表示两个机场的运输市场的客流需求;k12和k21表示两个机场之间存在的竞争系数。

在本文的模型中, 由于各个参数涉及实际意义, 只需考虑所有参数值均为正的情况。式 (1) 表示的两种群竞争模型是一个带有正反馈效应的连续型变化系统, 我们用它描述两个机场在长期的竞争过程中, 各自的客流量变化以及相互影响的情况。具体步骤是:先求出式 (1) 的所有不动点, 然后判断这些不动点的稳定性, 具有稳定性的不动点就是系统在变化过程中最终可能进入的各种状态。然后根据这些稳定点分析两个机场在客流量上的竞争态势和最终的均衡情况。

(1) 求出系统的不动点:

解下列方程组:

(2) 分析不动点的稳定性:

下面分别将4个不动点 (x1f, x2f) 代入Jacobian矩阵做稳定性分析:

(1) 对 (x1f=0, x2f=0) 有:

所以不是稳定点;

(2) 对 (x1f=k1, x2f=0) 有:

当满足1-k21k1<0时, 则τ<0, τ2-4Δ= (r1+r2 (1-k21k1) ) 2, Δ>0, 此时是稳定点;

(3) 对 (x1f=0, x2f=k2) 有:

当满足1-k12k2<0时, 则τ<0, τ2-4Δ= (r1 (1-k12k2) +r2) 2, Δ>0, 此时是稳定点;

则τ=[-r1 (1-k12k2) -r2 (1-k21k1) ]/1-k1k2k12k21, Δ=r1r2 (1-k21k1) (1-k12k2) / (1-k1k2k12k21) ,

当满足1-k12k2>0且1-k21k1>0时, 则τ<0, Δ>0, τ2-4Δ>0, 此时是稳定点。

(3) 竞争态势的均衡情况:

下面分别根据每个稳定点, 对两个机场的客流量竞争态势和最终的均衡状况进行分析。根据式 (2) , 得出:

分别以两机场的客流量为坐标轴, 式 (3) 的两个方程对应图中的两条直线, 根据稳定点满足的参数条件分析如下:

第一种:当1-k21k1<0且1-k12k2>0时:

(1) 当1-k21k1<0时, x1f=k1, x2f=0是稳定点。此时可就1-k12k2>0和1-k12k2<0两种情况分别讨论。

图1中的两条直线分别代表方程组 (3) 里的两个式子, 根据式 (1) 可知, 它们分别表示。在每条直线的上方, 该直线对应的机场客流量的变化率小于0, 在该直线下方, 它相应的机场客流量变化率大于0。

由图1可以直观分析两个机场之间的竞争情况:首先, 从靠近坐标轴原点的区域开始, 由于在这里两个直线的增长率都大于0, 都会继续增加, 则经过一段时间后, 到达中间的带状区域。在此区域里上边直线对应的客流量增长率仍大于0, 会持续增长, 而下边直线对应的客流量增长率已经为负, 会持续降低, 这样再经过一段时间后, 只有上面直线对应的机场的客流越来越多, 而下面的越来越少, 最终只有一个机场能够存活, 而另一个在竞争中被淘汰。

第二种:当1-k21k1<0且1-k12k2<0时:

对图2的分析与图1类似, 首先从靠近坐标轴原点的区域开始, 由于两个直线的增长率都大于0, 都会继续增加, 则经过一段时间后, 到达两直线的交点位置, 实现了共生的均衡。然而这种均衡并不稳定。在两边的区域里, 由于上边直线对应的客流量增长率仍大于0, 会持续增长, 而下边直线对应的客流量增长率已经为负, 会持续降低, 这样再经过一段时间后, 两个机场的客流量都将停止增长, 获胜机场拥有最大客流量, 而另一个在竞争中被淘汰。

(2) 当1-k12k2<0时, (x1f=0, x2f=k2) 是稳定点, 同理, 根据与上面相同的分析过程, 竞争的结果仍是只有一个机场能够存活, 而另一个在竞争中被淘汰。

(3) 当1-k12k2>0且1-k21k1>0时,

首先从靠近坐标轴原点的区域开始, 由于在这里两条直线的增长率都大于0, 都会继续增加, 则经过一段时间后, 到达两直线的交点位置, 实现了共生的均衡。这种均衡是稳定的。因为两边区域里, 由于上边直线对应的客流量增长率仍大于0, 会持续增长, 而下边直线对应的客流量增长率已经为负, 会持续降低, 这样再经过一段时间后, 最终达到的位置, 此时由于一个机场的客流量增长率为0, 而另一个机场的增长率会小于0, 因此不会稳定在该区域, 将最终回落至两直线的交点区域, 实现了两个机场的共生。

3 数值仿真

为了直观地分析模型参数的不同取值对机场竞争结果的影响, 我们将分别按照上节讨论的3种稳定点所对应的参数条件, 在MATLAB上对两个机场的竞争态势和最终结果进行数值仿真。表1是两种群竞争模型对应的参数的取值, 其中x10和x20分别表示两个机场客流量的初始状态。下面将分别对这3种情况下的机场客流量随时间变化图进行分析。

表1第一行的所有参数对应图1分析的条件, 满足k1k21>1且k2k12<1。图4是这种情况下竞争中的两个机场的客流量随时间的变化。由图4看出, 开始时机场B的客流量大于机场A;然而在两曲线的交叉点之后, 机场A的客流量在正反馈的效应下急剧地增加, 伴随着机场B的客流量逐渐减少;最终, 机场A完全获胜, 拥有全部市场分额, 而机场B被淘汰。

表1第二行的所有参数满足图2的条件, 即k1k21>1且k2k12>1。由图5看出, 开始时占有竞争优势的B机场在正反馈效应的影响下, 使客流量得以快速增长, 与此同时, A机场的客流量持续降低;最终B机场拥有完全市场份额, 而A机场被淘汰。

表1第三行的所有参数取值满足图3的条件, 即k1k21<1且k2k12<1。由图6看出, 开始阶段B机场的客流量大于A机场, 两个机场的客流量都在逐渐增加;经过了两曲线的交叉点之后, 两个机场的客流量增长都基本达到稳定, 保持了均衡的状态。与前两种结果不同, 此时竞争中的两个机场达到了共存, 各自占有一定的市场份额。

4 结论

本文主要对民航业中的自然垄断性对于邻近机场之间的客流竞争的影响进行了研究。通过分析民航业中引起自然垄断性的规模经济效应, 并根据航空公司对机场的规模经济效应的传递作用, 我们把规模经济效应产生的正反馈机制引入到邻近机场的竞争模型中, 并采用LotkaVolterra模型定量地分析和预测该效应对机场的发展趋势和最终竞争结果的影响, 最后对竞争模型进行数值仿真。分析结果表明, 模型能很好地描述规模经济效应下邻近机场间的竞争情况, 如何更准确地评价邻近机场的竞争情况, 以及深入阐述航空公司和机场之间竞争的关系是我们下一步的研究方向。

摘要：本文分析了民航业中的自然垄断性和规模经济效应从航空公司到机场的传递关系和作用, 通过Lotka-Volterra模型定量的分析了这种正反馈效应下, 邻近机场直接的客流竞争变化和可能的均衡结果, 求解出了竞争系统的稳定状态及其满足的条件, 分别在这些条件下对机场客流量的竞争态势和最终结果进行了数值仿真。分析结果验证了模型的有效性。

关键词：机场竞争,规模经济,正反馈,Lotka-Volterra模型

参考文献

[1]郑维敏.正反馈[M].北京:清华大学出版社, 1998:1-97.

[2]Jorge J, Closas A, Cornejo A.Regional Evaluation of the Positive Feedback between Climate Change and Energy Consumption[C].Proceedings of the1st International Conference on Environmental Engineering and Management, Barcelona, Spain, 1998:23-30.

[3]Ludo Pagie&Melanie Mitchell.A Comparison of Evolutionary and Co-evolutionary Research[J].International Journal of Computational Intelligence and Applications, 2002 (2) .

[4]Elmghraby W, Keskinocak P.Dynamic Pricing in the Presence of Inventory Considerations:Research Overview, Current Pratices and Future Directions[J].Management Science, 2003, 49 (10) :1287-1309.

[5]Bitran G, Caldentey R.An Overview of Pricing Models for Revenue Management[J].Manufacturing&Service Operations Management, 2003, 5 (3) :203-229.

[6]Arthur J Alexander.Japan's Aviation Industry:Deregulation Advances on Broad Front[R].Japan Economic Institute Report No.21, 2000.

[7]李勇, 郑垂勇, 杨国才.企业集群竞争协同演进模型研究[J].科技管理研究, 2007 (6) :208-211.

[8]陆小成, 罗新星.产业集群协同演化与策略选择[J].统计与决策, 2007 (22) :45-48.

[9]秦占欣.民航运输业的网络经济性与政府管制变迁[J].西安交通大学学报:社会科学版, 2004 (5) .

粤港客流高峰持续到元宵节 篇5

距离港珠澳大桥开工已近五年时间。五年来,粤港澳三方倾力合作,来自全国各地的上万名建设者日夜奋战,正加速推动这座世界最长的跨海大桥一步步跨越天堑。

对于珠澳两地来说,港珠澳大桥无疑成为事关两地未来的“命运工程”。而本就一衣带水、唇齿相依的两地,将因为这条纽带而更加紧密联系,共生共荣。港珠澳大桥是一个桥、岛、隧一体化的集群工程项目,其桥隧组合规模世界绝无仅有,技术标准世界最高。这是我国继三峡工程、青藏铁路、京沪高铁之后的又一个世界级基础工程。

港珠澳大桥更承载着全面深化粤港澳合作、加快珠三角经济融合、振兴区域经济的重大历史使命。其对珠江三角洲地区实现改革和发展的宏伟目标,保持港澳地区的持续繁荣稳定,打造世界级城市群具有重要战略意义。

城市公交动态客流统计技术研究 篇6

伴随着城市经济与国际地位发展的需要,城市交通堵塞的问题日益严重。鉴于社会的发展趋势,国家声令推进公共交通的发展,使得公共交通在城市交通中的主体地位得以确立,将关系到国计民生的社会公益事业和城市经济、社会发展紧密联系在一起。显然,当下各大城市交通的恶化状况已经制约了城市的发展,那么,打破这种发展瓶颈,合理地利用现有的公共交通资源,大力发展公共交通是必然趋势。

城市公交动态客流统计是推进城市公交便民出行的基础,也是推进智慧公交的第一步。目前,我国城市公共交通服务水平仍然处在较低水平,严重制约了城市公共交通系统的发展。许多国家公共交通部门应用先进的信息与通信技术进行公交车辆定位、车辆监控、自动驾驶、计算机辅助调度及提供各种公共交通信息以提高公共服务水平。因此,客流量的自动统计成为公共交通系统的重要组成部分,公共交通部门应致力于将计算机智能统计方法应用到公交客流采集统计的过程中,从而为公交管理提供依据。

1 城市公交客流统计技术的概念

城市公交客流统计技术是指充分利用GPS定位技术、智能统计技术、计算机客流分析处理技术及新型信息技术等处理手段来收集公交客流动静态人数变化、客流变化时间、空间等多方位变动的技术,从而能准确统计公交运营车辆动态客流情况,为分析影响成本规制瓶颈的相关因素、科学调整公交线网布局、科学规划公交枢纽站点、动态实时地进行调度优化管理,落实成本规制与财政补贴及围绕转道交通线网扩展对公交线网进行优化调整等热点、难点问题,提供决策的依据。

2 城市公交客流统计技术发展概况

20世纪80年代以来,以美国、日本等为代表的发达国家率先对公交系统的研发给予了高度重视与巨大投入,引进了大量先进的技术,解决了城市公交运营的诸多问题。基于统计分析技术、压力传感器技术、红外传感技术和视频图像处理技术等对上、下车乘客进行目标检测、跟踪和计数判定以获得乘客流量的技术应运而生,现将其各自的优、缺点汇总见表1。基于红外对射遮挡与压力传感器技术的公交客流统计系统在客流高峰期时,无法取得令人满意的效果,准确率只有60%～70%;而基于视频图像处理技术的城市公交客流统计技术在研究中占主流地位,它是利用恰当的几何关系来模拟人眼的视觉特性,从而将属于低级别的原始图像元素划分为高级别的目标物体。比如,基于嵌入式摄像镜头,以采集视频中人体头部和肩部形状为分析目标,通过区域和方向的设定来统计通过的人数,先进的算法极大地提高了统计精确率,高于98%,这完全可以满足应用要求,可广泛用于需要活体统计和限制的场合。同时,需要的硬件设备少,客流统计终端集视频监控与客流量统计分析为一体,极大地简化了采购手续和安装流程,同时实现了视频监控与人数统计分析。总之,在国内外学者的不断研究下,公交乘客的目标检测、跟踪及计数判定准则等方法有了很大的发展,并逐渐成为研究公交车乘客人数统计方法的热点。

国内关于公交动态客流统计分析技术的研究比国外要晚许多,对客流数据的采集及处理、公交线网布局及公交站点的设置、公交运营系统的管理等鲜有涉及。随着城市化进程的加快,传统的城市公交调度模式与客流随机变化之间的矛盾进一步加剧,国内一些城市例如重庆、郑州、柳州等率先尝试智能化公交的建设与运营。基于城市发展的普遍需要,智能公交的建设迫在眉睫。在这样的城市公交运营车辆动态客流统计分析技术背景下,研究探索城市的公交动态客流统计分析技术的发展就更加必要。

我国城市公共交通企业的技术手段总体相对落后,传统手工模式被绝大多数城市沿袭,仅少数城市使用乘客自动计数系统(Automatic Passenger Counting System,APCS)。城市公交动态客流统计技术方法多样,目前广泛应用的自动客流统计系统大多由起步较早的发达国家提出并发展成熟,主要包括IC卡刷卡技术、门道红外光栅检测技术、被动红外式检测技术、主动式红外检测技术、压力踏板检测技术、视频图像处理技术、测重技术、3D技术、RFID统计技术等,现将各类客流统计技术的优、缺点进行对比(见表2)。

近几年,由于学者们不断深入研究生物特征识别技术,关于人体行动行为的分析已成为未来客流统计技术研究的前瞻性方向之一。人体运动行为分析利用计算机视觉技术,在目标检测和目标跟踪的基础上,通过相应算法对其运动行为进行描述和理解。目前,人体运动行为分析多应用于感知接口、视觉监控等领域。希望计算机能够更加容易、方便地识别人体表情和手势,对目标运动行动行为进行分析,为客流统计判定准则的有效性作出贡献。由于公交车内乘客运动行为复杂多变和乘客上、下车拥挤混杂,所以有必要将人体运动行为研究分析纳入城市公交动态客流统计技术系统中,对取得准确的客流数据具有重要意义。

3 南宁市城市公交动态客流统计技术

由于目前手工数据采集和运营调度管理模式非动态暴露出诸多问题,借鉴于国内外其他先进地区的城市公交动态客流统计技术,结合城市经济、地理位置和环境等因素,通过对比目前市场上通行的公共交通动态客流统计技术,对现行的统计技术提出以下改进建议。

3.1 采用“GPS定位+IC卡”技术和视频统计技术

目前,各大城市的市民卡普及率基本达到80%,可通过“GPS定位+IC卡”准确定位乘客的上、下车站点。通过“GPS定位+IC卡”将IC卡系统回传的信息和GPS传回的数字编码结合生成新的数据信息,自动回传实时数据,经分析后方便精准排车、排班,有利于公共交通产业的重新布局和公共交通线网的优化。而对剩下使用现金支付的20%的乘客,则采用视频统计技术弥补,通过在每部公交车上安装的实时高清车载视频监控装置,在车内车外“无死角监控”来辨别乘客数量。

3.2 GPS和RFID两种技术的结合

引进射频识别双芯技术(Radion Frequency I-dentification,RFID),即利用无限射频信号空间耦合(电磁感应或电磁传播)的传输特性,达到自动识别被标识对象的目的,是一种非接触式的自动识别技术。因其具有读取方便快捷、识别速度快、数据容量大、标签数据可动态更改等优势,所以被广泛认可。但由于其只能在固定点进行数据采集,所以在公交领域的应用并未普及。但是,目前GPS信号的覆盖范围已经比较广,可采用以GPS卫星定位系统为主,射频识别技术为辅的方式完成对公交车上动态客流的统计。实时显示出公交车辆的拥挤程度,通过乘客刷卡付费来唤醒系统,乘客上车进行标识并启动系统运行,该技术采集准确率高,同时不受拥挤程度的影响,识别率趋于1 00%。

4 结论

城市公交动态客流统计技术是城市便民系统建设的基础,为其提供精确的客流数据,从而为优化、综合城市公交系统提供有利的数据支撑。本文针对城市发展的基本情况,利用先进的计算机技术、信息处理技术等,将原有的定位技术与引进射频识别双芯技术进行结合,精确统计客流动态与静态变化,使得客流信息的数据处理更加精确,从而为公交车辆、线路、站点及管理等提供明确的动态化信息,克服了传统公交运输各种不确定因素的干扰。城市动态客流统计技术发展建议具有一定的实操性和创新性。上述动态客流统计技术将极大地提高城市公交客流统计效率,有望尽快建立起与城市规模、人口和经济、社会发展相适应的公共交通系统,提高公共交通的吸引力,全面提高公交系统的服务水平,进而提升城市客运分担率,落实公交优先策略,促进公交快速发展,解决城市交通问题。

摘要：随着城市经济的快速发展,急剧增加的机动化出行需求,使得城市交通环境状况日益恶化,为解决这一状况,最直接、最有效的途径就是大力发展公共交通。公交客流的采集统计方法对公交系统的建设与管理起着至关重要的作用,文章致力于借鉴和总结其他地方的先进统计技术,找到适合于城市发展的公交客流统计技术,以便更合理、有效地调度有限的城市公交资源。

地铁线网大客流应对措施研究 篇7

1 我国主要城市地铁发展现状

1969年的北京, 建成了全国第一条地铁线路。截至2014年12月28日, 北京地铁共有18条运营线路, 单日最高运送乘客已突破1000万人次。预计到2016年底, 北京地铁运营总里程将达到660公里以上。天津是我国城市中第2个拥有地铁系统的城市, 目前已开通运营4条地铁线路, 共约140公里。1995年, 上海第一条地铁线路正式投入运营, 上海也成为继北京、天津, 第3个拥有地铁系统的城市, 截至2014年12月28日, 运营线路总长548公里, 车站共计337座。1997年, 广州地铁1号线正式建成通车, 成为我国城市中第4个拥有地铁系统的城市。总长为266公里, 共164座车站。除了这四个最早建设地铁的城市之外, 还有其他40多个城市开通或者正在进行地铁建设, 各个城市的地铁线网, 正在渐渐的形成规模, 地铁站客流量在节假日等出行高峰, 就会异常的增大, 地铁站出现人群密集, 拥挤不堪的现象, 就在无形中带来严重的安全风险。

以国内外的地铁事故实例来列举地铁线网大客流可能会出现的风险。第一个风险是在人多的情况之下, 可能会发生严重的踩踏事件, 造成乘客的伤亡现象。例如1999年, 在白俄罗斯地铁站内, 就发生了这样的踩踏事故, 致使五十四名乘客死亡, 影响恶劣。第二个风险是由于客流量大, 乘客在站台上摩肩接踵你推我挤, 就有可能使得乘客被挤落至轨道, 发生不测。例如在2001年北京地铁1号线 (1号线的建成时间较早, 并没有屏蔽门) , 一名在站台上候车的乘客, 被拥挤的人流挤入轨道内, 此时正好有列车进站, 导致乘客来不及逃避, 当场死亡。第三个风险是乘客在乘坐地铁站内的扶梯时, 发生摔倒从而导致伤亡事故。例如2010年, 深圳地铁站内发生电梯故障, 其中有25名乘客受伤。近年来, 扶手电梯事故更是频频发生, 因此地铁运营单位更要多加防范。城市的公共交通一旦出现任何问题, 都会很快的发酵, 传播, 成为公众舆论探讨的焦点, 这不仅仅是公众对地铁运营单位的问责, 更是对公共交通安全问题的担心, 如果地铁的运营单位不能很好的应对由于大客流引发各种问题, 势必会在社会中失去公信力, 同时也会造成社会秩序的相对混乱。

2 地铁大客流应对措施的探讨

2.1 行车组织的应对措施

遇到问题就要不断地想办法解决, 地铁运营单位首先可通过对行车组织的灵活调度和科学运营, 充分的将列车资源利用起来, 通过对各个线路的控制, 来缓解地铁站大客流的运算压力, 主要有如下三个方面的应对措施。首先要及时的使用备用车。在客运的高峰的时段, 控制中心可灵活的安排备用车辆上线运输。主要需要考虑三点因素, 一是地铁站的客流量情况, 二是站台的大小, 三是换乘站, 因为往往换乘站的人流量是最大的, 流动性最高, 运输高峰时期易发生拥挤现象。其次要合理的组织空客车。毕竟备用车的数量是有限的, 特别针对那些客流量惊人的换乘大站, 要尽快的减少流量。这就可以采取列车在部分站点不载客, 直接运行到这些换乘大站来, 减少站内候车人数。第三是要灵活的调整行车路线。就以北京的上班地铁运行高峰期来说, 二环内和五环的地铁站乘客流量就有着巨大的差距, 针对各个区段的客流的不均衡情况, 地铁就可采用行车交路方式, 来疏导高峰区段客流。

2.2 客运组织应对措施

可针对乘客进行引导和监控, 来控制就地铁站内乘客的流量和流动秩序。可在易发生拥挤事故的关键场所, 如出入口, 站台的扶梯这些地方, 安置围栏, 将进站与出站的乘客分割开来, 尤其是在换乘站这些客流有交汇的地方, 加强引导的作用, 确保站台的通行畅通, 避免滞留现象。在遇到超大流量的情况下, 有时通过引导分隔等方法就不会奏效, 这种情况下就针对客流的特点, 运用点线面控制原则, 启动相应的控制措施, 具体方法有如下四点。首先是车站级客流控制, 分为三个级别。第一个控制级别是当站台上的客流量, 已将超过了候车人数容纳警戒线时, 就要开始在站厅付费区拦截入站乘客, 严格的控制站台候车乘客人数。第二个控制级别是当站厅付费区被拦截乘客数量超过了容纳警戒线时, 就要开始严格控制乘客进入。第三个控制级别是当站厅的地下通道已经人满为患时, 就要在地铁站的入口处开始严格控制乘客的进入。其次是线路客流控制。在上述的控制方法仍不能有效的缓解客流压力时, 就要启动这一控制方式, 及时的关闭预制票点, 进闸机, 将进站客流限制在可控的范围内。第三是线网级客流控制。在线路客流控制不奏效的情况下, 启动线网级客流控制, 在各大站点同时开始线路客流控制模式。若仍未缓解客流压力, 启动第四种措施, 暂停进站。

2.3 加强设备维修以及技术人员保障

高效的运输能力, 就能够应对大客流的冲击, 但是高效的前提是设备的稳定良好运行。车站的车辆以及通讯设备在长期的、长时间的超负荷运载状态下, 如果出现故障, 必然导致运营能力直线下降, 站台的滞留乘客越来越多, 运输系统瘫痪的时间越长, 站台上出现安全事故的概率就越大。所以对设备的检修维护力度, 要狠抓稳打, 建立一套科学而又合理的检修规范和程序, 在检修的频率上有所增多, 保障列车和设备能够稳定的运行, 不会在关键的时刻掉链子。同时随着地铁线网的规模不断地向外扩展, 为了加强对突发事件的应对能力, 设备部门要加强现场技术指导, 将技术人员安排在站点驻扎。

2.4 积极协调外单位保障

在做好以上内部工作和预防措施之后并非就是万事大吉, 地铁的运营部门仍不可掉以轻心, 还应与外部的单位部门联合起来, 共同的合作, 这样才能做到全方位的对客流量进行疏导, 起到控制效果。地铁运营部门要充分的利用媒体力量, 与电信部门展开合作, 定制短信息通知服务。一旦地铁出现紧急事件, 就能实时的向外部发送通知, 告知乘客改变出行方式和出行时间。

3 总结

地铁的便利和快捷高效的运输特质, 随着各大城市地铁项目的建设完成投入运营, 势必会成为越来越多城市居民出行的主流交通方式。地铁运营部门应提前做好应对线网大客流的准备工作, 内外结合, 确保城市公共运输交通系统的安全性, 更好的服务市民。

参考文献

[1]李玉华.广州地铁大客流现状分析与应对措施研究[J].科技风, 2014, (19) :255, 257.

[2]李哲.地铁车站大客流组织客运安全探讨[J].黑龙江交通科技, 2015, (08) :177, 179.