突发事件下城市轨道交通客流诱导信息影响机理及协同发布策略研究

交通运输、仓储和邮政业

一.科技成果及核心指标 （1）围绕突发事件下客流诱导信息影响机理及协同诱导主题，通过数据挖掘及特征提取手段，分析了突发事件下的客流出行规律，揭示多模式诱导信息对运营中断及行车延误各类场景下的乘客出行决策的影响机理 （2）结合深度学习、Transformer等先进模型，提出了常态及突发事件场景下的动态OD出行需求预测方法，在南京及苏州地铁的算例中，OD预测精度达到90%以上； （3）考虑客流-车流的时空耦合关系，提出了基于人车匹配的网络客流推算方法，有效突破网络客流精准预测及高效推演技术，经实例验证，换乘量及断面量的计算误差达到6.1%，精度提升至90%以上，高峰小时客流推演计算时长＜3分钟； （4）建立了涵盖事前-事中-事后的乘客出行特征，构建了突发事件下多阶段的网络客流动态推演模型与多智能体仿真求解算法；在此基础上，分析事件对网络节点差异化影响，提出满足乘客个性化出行路径推荐方法。 （5）系统提出了突发事件下路径诱导方法及受影响乘客群体的匡算方法，构架了突发场景信息引导下的多目标客流诱导优化模型，设计了多智能体仿真+启发式混合求解算法，实现受影响乘客群体的出行延误时间降低了23.9%，有效提升网络出行效率。 （6）研发了面向正常及突发事件等多场景的大客流预测及动态诱导原型系统，为项目成果的科技转化及应用推广奠定基础。 二、科技成果所处阶段 目前科技成果属于完成核心技术验证及原型系统研发阶段，已经结合历史突发事件场景，在北京、重庆、苏州等地铁线网做了算例测试，验证了可靠性 ，后续还需要增强系统功能的研发及实际工程场景的进一步验证。

一、项目资金需求 后续开展工业级的软件产品研发、产品测试，需要更多的资金投入，预计投资需要500万左右。 二、应用场景需求 为了推进该技术的转化应用，需要提供更多试验场地，提供地铁实际运营所需要的客流、运行图、突发事件数据，开展应用场景测试。

仅限国内转让

（1）保障运营安全、提升运行效率：依托项目成果，可预测各类突发事件下网络客流分布特征，有效辨识网络能力风险点，及时生成客流诱导策略，对于保障地铁运营安全发挥重大作用。 （2）节省出行成本、提升运营水平：提出的突发事件下的客流诱导技术，有效节能乘客出行时间，同时通过优化乘客出行路线，降低高满载率区间数量，提升网络运营服务水平。

北京市自然科学基金丰台前沿项目

北京市科学技术委员会;中关村科技园区管理委员会

1.研究内容 本项目围绕突发事件下轨道交通客流动态诱导的应用需求，从影响机理、预测方法、推演模型、诱导模型、系统研发等方面开展研究。具体包括： （1）系统诱导信息对不同突发场景的乘客行为的影响机理。结合重庆及苏州地铁的历史突发事件数据，通过特征挖掘及乘客行为建模，系统分析了突发事件对线路客流、车站客流、OD客流、出行时间的影响规律，刻画了运营中断及行车延误等突发事件下引导信息对乘客的出行决策行为的影响机理，建立了考虑有无信息干预下的网络客流动态分配模型。 （2）创新性提出多场景的网络客流OD动态预测模型。针对短时客流OD动态预测难题，建立了一种改进的时空长短期记忆模型（Ts-LSTM）用于OD客流预测，该模型创新性地融合可解释性的O-D空间相关性量化方法及具有强相关O-D站点的提取方法；创新性提出一种基于Transformer的OD短时预测模型，模型中融入交通预测四阶段法和乘客广义出行成本等城轨领域特征，实现常态与非常态下的多场景OD预测，预测精度达到91%。 （3）首次提出信息引导下的城轨网络客流动态推演方法。针对大规模地铁网络动态客流计算时间成本高、精度低的技术难题，系统考虑城轨时空网络的客流-车流耦合关系，首次提出基于网络分层的“车站-列车-乘客”快速匹配算法和网络断面客流动态精准计算方法，实例研究证明：换乘客流及断面客流计算误差降至10%以内，达到6.1%，全日推演计算用时不到3分钟。首次提出“事前-事中-恢复”多阶段的运营中断下的线网客流仿真推演算法，仿真刻画了诱导信息干预下受影响乘客的放弃出行、中途出行、原路等待、变更路径等复杂决策行为。 （4）创新性提出网络客流多模式诱导方法及多目标优化技术。分析了时间成本、拥挤成本、换乘次数等影响因素，提出突发事件下动态可达性计算方法及多终端多模式信息发布技术；通过乘客出行画像，提出了基于累积前景理论的出行信息推荐模型，首次建立了突发事件下的多目标客流诱导优化模型，设计了多智能体仿真+斑马优化混合求解算法，明，优化后受影响乘客的综合出行成本及出行延误时间大大降低。 （5）研发了面向常态及事件场景的网络大客流预测与动态诱导原型系统。系统集成了上述模型算法，实现模型构建、场景构建、任务生成、仿真展示、仿真评估等功能，实现了运营中断、行车延误等不同突发事件下的网络客流仿真推演及诱导优化，已在重庆地铁、苏州地铁等地铁网络测试应用。 2.重要研究成果 （1）突破了网络客流精准预测及高效推演技术，换乘客流及断面客流计算误差6.1%，全日的计算用时不到3分钟，超出高峰小时客流推演计算＜5分钟的远期目标。 （2）突破既有单站无差异的诱导信息发布模式，实现“站-线-网”差异化诱导信息发布，提出突发事件下的多目标客流诱导优化模型，受影响乘客群体的出行延误时间降低23.9%，提升网络出行效率。 （3）发表高水平学术论文6篇，其中SCI检索、EI检索论文2篇；申请发明专利6项,其中授权发明专利5项；取得软件著作权4项。 （4）研发了面向常态及事件场景的网络大客流预测与动态诱导原型系统，满足了常态及突发事件下城市轨道交通客流推演仿真及诱导优化的动态需求。 3.经济社会效益 （1）保障运营安全、提升运行效率：依托项目成果，可提前分析各类突发事件下网络客流分布特征，有效辨识网络能力风险点，及时生成客流诱导策略，对于保障地铁运营安全发挥重大作用。 （2）节省出行成本、提升运营水平：提出的突发事件下的客流诱导技术，有效节能乘客出行时间，同时通过优化乘客出行路线，大大降低高满载率区间数量，提升网络运营服务水平。 （3）培养技术人才、提升服务品质：项目培养了博士研究生3人，硕士研究生3人，博士后出站2人，晋升高级工程师2人，正高级工程师1人，为行业培养了创新复合型人才，提升了企业创新水平。