铁路大型客运站候车大厅运用优化研究

《铁路大型客运站候车大厅运用优化研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、铁路大型客运站候车大厅运用优化研究牛振虎，张凯军，杨汝珀指导教师朱昌锋，王庆荣（兰州交通大学交通运输学院，廿肃兰州730070）摘要：本文通过对兰州站旅客的调查，得到旅客候车时间、检票口通过能力等分布规律。通过分析分布函数，得出了大型客运站列车冇效占用候车区时间公式，确定出了使用同一候车区列车最小发车时间间隔的方法，并运用0-1规划模型求解了客运站最少候车分区数。以候车区为重要结点对旅客流线进行分析，用Dijkstra算法找出在不同站台上旅客流线集合；运用系统聚类法対旅客列乖重新分类；采用层次分析法为不同类列车重新分配旅客流线。另外，白检票工作开始起至旅客列车发车时止，以客运人

2、员是否存在并行作业为约束，将阶段计划细化为儿个时间块计划。在以上研究的基础上，以一昼夜客运站候车大厅均衡使用为目标函数，建立动态规划模型，规划一昼夜各候车分区服务车次。最后，以兰州站为例，对模型进行了验证。关键词：候车厅，旅客流线，系统聚类法，规划，动态规划候车大厅是旅客聚集密度最大、旅客停留时间最长、检票进站前的最后场所，旅客需要从候车大厅到检票口检票再经跨线设备到站台上车。屮小型客运站一般釆取集屮候车方式,而大型客运站采用分线路候车方式，候车大厅的合理运用及旅客流线组织对提高大型客运站的工作组织效率有着重要的作用，同时，旅客对候车大厅的印象在很大程度上决定着他们对客运站服务

3、的评价。因此，大型客运站候车大厅运用的优劣对减少旅客流线的交叉、缩短旅客走行距离、方便旅客乘降以及提高候车室的候车能力和检票口的检票能力等都有重要的彫响。近年来，国内外有关学者对铁路客运站的设计理论、客运站旅客运输组织、客运站到发线使用、客运站日班计划编制等方面做了大量的研究[，-13],但対铁路旅客候车厅优化运用的研究甚少。本文综合考虑了旅客流线及候车大厅的均衡使用，对大型旅客候车厅的运用进行优化研究。候车厅运用优化受旅客候车时间分布、列车到达时间分布等因素的影响。该问题类似于排课问题，即每个列车的旅客都要占用候车厅固定的吋I'可、空间，车次和候车厅是严格的映射关系，但和排课

4、问题有区別之处，即每节课开始前教室都为空闲状态，且要上课的学生集合、老师集合是固定的，而候车厅旅客的到达是随机的，列车的到达是按运行图规定、没有明显的规律可循。在任意时刻总有若干候车区旅客是满的、半空的或是空闲的，更困难的是排课问题不考虑学生和老师对学校的熟悉程度，而大部分旅客对某大型客运站是生疏的，旅客流线发生严重交叉、优化不合理极易发生旅客误乘和漏乘，即候车厅运用是一个空间、时间的二维问题，空间上要考虑旅客流线，时间上要考虑旅客候车时间习惯、车次到达规律等,因此，候车厅运用优化是一个复杂的系统工程。1.本文的研究思路（1）通过分析影响候车厅运用优化的因素，分析和研究候车大厅

5、占用的规律。（2）通过对旅客的随机调查统计，分析大型客运站旅客到达车站的分布，讨论分布密度函数的性质，确定出某次列车旅客有效占用候车厅时间、任意两列车使用同一候车区的时间间隔条件；（3）通过调查统计检票速率，分析合理的检票开始时刻，以此为依据细化阶段计划；（4）分析确定候车大厅合理的候车分区。即运用聚类分析的方法对于一日内的客运站接发列车进行分类，应用0・1规划分析候车大厅的最少分区（初始分区），并利用AHP方法对列车进行排序，匹配旅客流线，分析得出各个阶段内候车区的划分，建立网路模型求解最优、次优流线，最后以一昼夜候车大厅均衡使用为目标，采用动态规划方法进行分析具体过程。1.

6、影响候车大厅运用优化的相关因素统计分析2009年3月6口〜3月16日，课题小组对兰州站旅客到达车站的时间分布、旅客的候车时间分布以及检票口每分钟通过的人数等基础数据进行了随机调查，涉及76个车次（不包括3列职工通勤车）、不同时间段、不同旅客群体和兰州站的所有检票口。2.1旅客到达铁路大型客运站的时间分布不同等级、不同类型客运站的始发列车数目、发车时间分布不同，服务的旅客群体也不同，因而旅客到达时间的分布也不同。文献［9］调查了北京西站、无锡站等站旅客到达的时间。本文调查72009年3月10H兰州站旅客到达的时间，结果如图2-1所示。2.2铁路大型客运站旅客候车时间的分布候车时间

7、是从旅客到达车站到所乘列车发车图2-1兰州站2009年3月10日旅客到达时间分布根据对兰州站1142人、涉及73个车次（不包括3列职工通勤车）旅客的调查统计（如图2-2）,可初步判断兰州站旅客候车时间用对数正态分布对图2・1进行拟合，结果如图2・2。根据文献［1,9］,北京站、成都站旅客候车时间近似服从参数"=1.751143、图厶2兰州站旅客候车时间统计分布^=0.332408和“=3.744、$=0.4652的对数正态分布。由此可见，北京候车时间比较密集，而成都、兰州相对稀疏，这三个城市