城市轨道交通客流特征分析

《城市轨道交通客流特征分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学硕士学位论文城市轨道交通客流特征分析姓名：张成申请学位级别：硕士专业：交通运输规划与管理指导教师：张殿业20061201西南交通大学硕士研究生学位论文第1页摘要城市轨道交通项目，是一个城市最大的基础设施建设之一，是一个涉及面广、综合性很强的系统工程。它的建设是城市发展进程中的百年大计，对城市发展模式和人民生产生活都将产生深远的影响。因此，怎样做好城市轨道交通客流特征分析，进而为城市的轨道交通规划创造良好条件；以及轨道交通项目按规划建成后，如何有效发挥城市轨道交通的整体效益，能否促进沿线土地的有效开发利用，都是当前亟待探索解决的重大问题。论文主要从运营阶段和规划阶段两个方面来

2、进行客流特征分析。首先运营阶段客流分析的基础是客流调查，论文整合了现有的运营客流分析的相关研究成果，在此基础上提炼出相应的数据分析指标，得出运营阶段轨道交通客流的时间分布特征、空间分布特征、站台候车旅客分布和换乘客流特点。规划阶段客流特征分析是本论文的重点。其分析过程以客流预测为基础，对城市轨道交通客流产生机理进行了比较详尽的分析，介绍了城市轨道交通客流预测的阶段划分和不同的预测模式，对集计模型和非集计模型两类模型进行了预测方法上的比较，并就目前城市轨道交通客流预测方面所存在的问题进行了分析，引入了换乘客流的预测方法，最后结合实际项目介绍了四阶段法在城市轨道交通客流预测中的应用。对于预

3、测结果的分析，论文介绍了相应的分析指标，并从运量走势分析、客流时空分布对客流状态进行了分析，最后重点分析了高峰时段的出行结构，结合该时段的公交运营特性对比分析了高峰时段的城市轨道交通与常规公交对出行者的吸引力差异。从大公交系统内部和外部分析城市轨道交通客流影响因素，在此基础上着重从线网结构变化、票价因素、运营服务水平、社会经济用地影响四个大的方面对城市轨道交通客流敏感性进行分析。论文还从多方面剖析了预测结果可靠性较差可能存在的原因，并尝试引入置信度和置信区间的概念，采用数据评估程序，对可能产生的数据输入偏差和预测模型的畸变系数进行评估，修正原预测结果，以期达到提高预测结果可靠度的目的。

4、最后论文以西安市为背景，进行了城市轨道交通客流特征实例分析。论文在大量整合已有研究成果的基础上，提出了一些个人的见解：分析了高峰时段的出行结构，并对高峰时段城市轨道交通与常规公交的运营特点以及对出行者的吸引力差异进行了对比分析；结合客流敏感性的影响因素，综合分析了城市轨道交通客流预测结果偏差较大的主要原因，并初步尝试采西南交通大学硕士研究生学位论文第1I页用数据评估程序，对可能产生的数据输入偏差和预测模型的畸变系数进行评估，以提高预测结果可靠度。以上的研究内容以期为城市轨道交通规划与运营提供一定的参考。关键词：城市轨道交通；客流预测：客流特征：客流分析西南交通大学硕士研究生学位论文第1

5、lI页AbstractTheconstructionofurbanrailtransitiscomprehensivesystemengineeringandisoneofthemostsignificantinfrastructuresinthecity,whichhasgreatinfluenceonthedevelopmentofthecityandtheinhabitants’dailylives．Theanalysisofurbanrailtransitpassengerflowwillbenefititsplanning，operationandspeedupthedeve

6、lopmentofthelandnearby．Theanalysisprocessisfocusedontheoperationphaseandplanningphase．Firstofall，thepassengersurveyisthebasisoftheanalysisintheoperationphase．Thepaperintegratedtheexistingresearchesthatarerelatedtotheoperationalpassengerflow,basedonwhichthetime-spacedistribution，thewaitingpasseng

7、erdistributionontheplatformandthetransferpassengerdistributionofurbanrailtransitareprovided．Thepassengerflowanalysisintheplanningphaseisthecoreofthethesiswhichisbasedonthepassengerflowforecast．Theforecastingprocessisdividedi