[发明专利]一种考虑节点吸引度的地铁站客流分配方法

说明书

本发明公开了一种考虑节点吸引度的地铁站客流分配方法，包括如下步骤：1)建立地铁站内交通网络，提取所述交通网络中的网络结构和参数；2)引入地铁节点吸引度和给定起点的客流需求，以最小化站内步行网络总走行时间为目标，建立了UE联合出行分布/交通分配模型；3)利用凸组合法求解所述UE联合出行分布/交通分配模型，并根据求解结果对地铁站内路网客流均衡分配。本发明通过将量化地铁节点标识吸引度加入交通分配模型中，更合理客观的描绘地铁站内客流分配与标识度的服务水平，从而解决现有技术存在的问题。

技术领域

本发明涉及交通路网规划技术领域，尤其涉及到一种考虑节点吸引度的地铁站客流分配方法。

背景技术

现有的交通路网规划，都是以城市交通网络为主要的研究对象，进行路网上的交通流量分配，交通分配的结果可以用来判断路网规划是否有利于缓解城市交通拥挤，对于地铁站内的客流分配方法较少，地铁站内路网可以看作一个小型的路网结构，但地铁站内的路网结构又区别城市交通的路网结构，在考虑地铁站内交通分配的模型中，不能传统考虑出行者全部选取时间最短的路径，不符合客观实践，在实际地铁网络中，出行者往往会受到网络服务水平的影响。

为了解决上述问题，专利号为201910717323.5的专利文件公开了一种基于OD吸引度的城市轨道交通OD客流预测方法，其根据历史数据统计轨道交通网中不同时段OD对间的吸引度值和对应的OD对间的客流，分别表示为OD吸引度矩阵和第一OD矩阵，其中吸引度值反映OD对间吸引客流的程度；基于OD对间的吸引度值划分为多个吸引度等级并选取参考等级；根据OD吸引度矩阵，从第一OD矩阵中提取吸引度值超过参考等级的OD对，构成第二OD矩阵；将第二OD矩阵输入至深度学习模型，经训练获得OD对间的预测客流。

上述方案将全网所有OD对划分为多个OD吸引度水平，使用深度学习方法验证提出的OD吸引度对提高预测精度的有效性，探索OD吸引度水平和时间粒度的最佳组合，但其没有进一步给出如何根据客流预测的结果来引导和分配客流。

因此，有必要对上述方案进行改善，以克服上述缺陷。

发明内容

本发明的目的是提供一种考虑节点吸引度的地铁站客流分配方法，通过将量化地铁节点标识吸引度加入交通分配模型中，更合理客观的描绘地铁站内客流分配与标识度的服务水平，从而解决现有技术存在的问题。

本发明的上述技术目的是通过以下技术方案实现的：

一种考虑节点吸引度的地铁站客流分配方法，包括如下步骤：

1)建立地铁站内交通网络，提取所述交通网络中的网络结构和参数；

2)引入地铁节点吸引度和给定起点的客流需求，以最小化站内步行网络总走行时间为目标，建立了UE联合出行分布/交通分配模型；

3)利用凸组合法求解所述UE联合出行分布/交通分配模型，并根据求解结果对地铁站内路网客流均衡分配。

进一步的，所述步骤1)中交通网络的构建方法如下：

1.1)设定行人的交通节点为入口-闸机-楼扶梯-站台；

1.2)建立地铁站内多个OD子网络，站内走行网络入口-闸机为子网络1，闸机-楼扶梯为子网络2，楼扶梯-站台为子网络3；

1.3)对于网络i，人流输入节点集合为R_i，r∈R_i；人流输出节点集合S_i，s∈S_i；定义节点间的走行通道为步行路段，得到步行路段集合A_i，a∈A_i。

进一步的，所述UE联合出行分布/交通分配模型的构建方法如下：