一种城市轨道交通突发事件动态影响范围与强度确定方法与流程

本发明涉及城市轨道交通突发事件应急管理与检测领域。更具体地，涉及一种城市轨道交通突发事件动态影响范围与强度确定方法。

背景技术：

城市交通系统包括城市轨道交通系统、城市道路交通系统、城市水运系统、城市航空运输系统等内容，其中，城市轨道交通系统与其他交通系统有较大差别，因其具有相对封闭、人流高度密集的特点，其安全问题始终是日常运营中的重中之重。其原因在于：一方面随着运营里程的不断增长、线路负荷不断增大、大客流冲击等，突发事件(如乘客跳轨、设备故障、信号故障、车门故障、车辆故障、车载信号故障、道岔故障等)频发已经成为一种新常态；另一方面随着轨道交通建设，线网结构越来越复杂，各条线路关联度越来越高，突发事件一旦发生，就会在轨道线网呈现连锁反应趋势。所以，动态确定突发事件在轨道交通路网中的影响范围与强度，可实现突发事件在线动态监测，有助于运营部门及时制定并采取应急处置方案，如客运组织方案、行车组织方案、公交车接驳方案等，直观展示并反馈突发事件应急处置的效果，达到快速疏散乘客将次生灾害危险降到最低的目的，极大地拓展城市轨道交通管理部门突发事件在线监测与应急处置的手段。

然而，网络化运营使得突发事件下的客流出行行为研究、客流预测问题变得极为复杂，同时目前突发事件监测主要依赖各个车站进行上报或者车站视频监控系统。实际中，监测数据要么具有延迟性、不直观，要么覆盖度有限、数据太大不易长期存储，且应急处置措施严重依赖于应急预案与经验，在城市轨道交通网络化运营的今天，客流在路网中瞬息万变，这种管理和处置方式已经不能满足日常安全管理、运营的需要。

目前，各大城市地铁运营公司都建立了轨道交通清分清算中心(ACC)，其主要任务便是每天运营结束后对全天客流数据进行清分(客流分配)，也可以用来实现正常情况下城市轨道交通客流进行实时或准实时监控，但是这些全部是基于正常运营条件下的，对于突发事件下客流监测，特别是突发事件影响范围、强度等监测的研究仍属空白。如中国发明专利《一种轨道交通系统运费清分方法》[公告号为CN101763612A]，对正常运营下的全天客流数据进行分配，并在此基础上对全部票款在不同地铁运营商之间进行清分。此种方法完全是基于正常运营情况，不涉及突发事件发生后客流分配，且一般是在运营结束之后进行，因此更不能实现突发事件后全网在线客流监测的目的。论文《基于出行时间匹配的ACC清分模型的研究》[于江波，王浙君.基于出行时间匹配的ACC清分模型的研究[J].城市轨道交通研究，2013，16(1):43-45]分析表明正常情况下乘客日常出行时间分布是有规律的，因而可以在全天运营结束时根据记录的乘客出行时间判定其出行路径。由于突发事件发生后乘客出行与正常运营情况下完全不同，所以这种方法也不能应用到突发事件情况下客流分配，又由于这种方法是在全天运营结束根据记录的出行时间数据匹配路径，但突发事件发生时乘客还没有完成出行，没有完整的出行时间数据，所有更不能用于突发事件在线动态客流监测。论文《突发事件下城市轨道交通列车时刻表调整及系统实现》[马洪楠，吴丽娟，孙会君，等.突发事件下城市轨道交通列车时刻表调整及系统实现[J].山东科学，2015，28(5):54-63]提出了一套城市轨道交通突发事件下在线运行图调整方法，该方法能根据当前采取的应急行车组织措施快速生成突发事件下运行时刻表，并根据应急行车组织措施的变化不断更新时刻表，从而动态反应当前网络中列车运行情况。论文《A dynamic schedule-based model for congested transit networks》[Poon M H,Wong S C,Tong C O.A dynamic schedule-based model for congested transit networks[J].Transportation Research Part B Methodological,2004,38(4):343–368]提出了基于时刻表的城市轨道交通动态分配方法，相比于以前的研究与目前各大城市轨道交通清分清算中心所采取的方法，该方法加入列车时刻表的考虑，同时采用动态交通分配的思路，并考虑了留乘等现象，更加接近真实的反应乘客在轨道交通系统进站、候车、换乘、出站等行为，便于进行城市轨道交通客流进行监测。

因此基于以上背景和技术，需要提供一种城市轨道交通突发事件动态影响范围与强度确定方法，实现城市轨道交通突发事件在线监测。

技术实现要素：

本发明的一个目的在于提供一种城市轨道交通突发事件动态影响范围与强度确定方法，能根据动态计算得到的进站量、出站量、换乘量、断面客流量等指标，实现对当前突发事件影响范围与影响强度的动态监测，从而为城市轨道交通运营管理部门应急处置、突发事件动态监测提供技术支持与决策依据。

为达到上述目的，本发明采用下述技术方案：

一种城市轨道交通突发事件动态影响范围与强度确定方法，该方法包括以下步骤：

Step1：基于正常运营下各车站和区间的统计指标的波动范围，确定统计指标的全天分粒度的上限阈值和下限阈值；

Step2：计算得到突发事件下各车站和区间的统计指标；

Step3：将突发事件下各车站和区间的统计指标分别与对应时段的上限阈值和下限阈值做比较，确定受突发事件影响的车站和区间；

Step4：动态计算突发事件对受突发事件影响的车站和区间的影响强度。

优选地，统计指标包括进站量、出站量、换乘量和断面客流量。

优选地，粒度为15分钟。

优选地，受突发事件影响的车站为受突发事件影响进站量、出站量或换乘量的车站；受突发事件影响的区间为受突发事件影响断面客流量的区间。

优选地，步骤Step1进一步包括：

Step11：采集满足采样要求的各时段正常运营下各车站和区间的历史统计指标样本；

Step12：通过样本K-S检验判定统计指标的分布情况并检验不同工作日同一时段的统计指标是否服从正态分布；

Step13：若是，则通过正态分布3σ准则计算出其概率区间，并将概率区间左端点作为下限阈值，将概率区间右端点作为上限阈值；

Step14：若否，则进一步选取样本服从的分布函数，并根据对应分布函数确定上限阈值和下限阈值；

Step15：若样本无服从的分布函数，则根据经验确定上限阈值和下限阈值。

优选地，步骤Step2进一步包括：

Step21：基于突发事件下在线运行图调整技术实时更新列车运行时刻表；

Step22：根据基于时刻表的城市轨道交通动态分配方法对突发事件下客流进行仿真得到对应统计指标。

优选地，步骤Step3进一步包括：

Step31：判断任一车站或区间的统计指标是否在对应时间段的正常运营下的统计指标的波动范围内；

Step32：若是，则判断该车站或区间该时间段没有受到突发事件影响；若否，则判断该车站或区间该时间段受到突发事件影响；

Step33：逐一逐时间段确定各车站和区间是否受到突发事件影响，确定突发事件动态影响范围。

优选地，突发事件对受突发事件影响的车站和区间的影响强度R_ij包括影响强度最小值与影响强度最大值其计算如下：

其中，i为某一车站或区间，j为某一时段，x_ij为第j时段第i车站/区间的统计指标，为该统计指标正常波动范围下限阈值，为该统计指标正常波动范围上限阈值。

本发明的有益效果如下：

1、本发明提供的城市轨道交通突发事件动态影响范围与强度确定方法，通过将正常情况的统计指标正常波动范围的上下阈值与突发事件发生基于突发事件客流仿真得到的动态指标数据进行比较，动态识别出受突发事件影响的车站和区间，并进一步计算出突发事件对车站和区间的影响强度，达到突发事件在线动态监测的目的，从而为城市轨道交通运营管理部门应急处置、突发事件动态监测提供技术支持与决策依据。

2、本发明提供的城市轨道交通突发事件动态影响范围与强度确定方法，原理简单，易于实现，便于集成，能极大的拓展城市轨道交通突发事件监测手段。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出城市轨道交通突发事件动态影响范围与强度确定方法流程图。

图2示出八宝山站14天工作日8:00-8:15进站量曲线图。

图3示出实施例中单样本Kolmogorov-Smirnov检验结果。

图4示出八宝山站一段时间内分时进站量上下限阈值曲线。

图5示出八宝山站2月19日分时进站量。

图6示出八宝山站全天进站量上下限阈值与突发事件当天进站量曲线图。

图7示出八宝山站2月19日分时进站量受突发事件影响结果。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

本发明提供的城市轨道交通突发事件动态影响范围与强度确定方法，通过将正常情况的统计指标进行检验分析，确定正常运营条件下不同时段相应指标的正常波动范围的上下阈值。当突发事件发生时，基于突发事件客流仿真得到的动态指标数据，并与正常波动范围的上下阈值比较，进而动态识别出受突发事件影响的车站和区间，进一步计算出其影响强度。通过合理设置阈值，有效的区分出突发事件发生后统计指标变化哪些是正常波动，哪些是受突发事件影响导致的，达到突发事件在线动态监测的目的，从而为城市轨道交通运营管理部门应急处置、突发事件动态监测提供技术支持与决策依据。

本发明中选用城市轨道交通运营管理部门最常用的四个统计指标，分别是进站量、出站量、换乘量、断面客流量。根据研究可知，在正常运营条件下，城市轨道交通各个车站与区间在不同日期同一时段的统计指标是比较稳定的，在一定范围内正常波动。

如图1所示，一种城市轨道交通突发事件动态影响范围与强度确定方法，该方法包括以下步骤：

Step1：基于正常运营下各车站和区间的统计指标的波动范围，确定统计指标的全天分粒度的上限阈值和下限阈值。本发明中，统计指标包括进站量、出站量、换乘量和断面客流量，且将全天时间以15分钟为一个时间段进行划分。应注意的是，受突发事件影响的车站为受突发事件影响进站量、出站量或换乘量的车站，受突发事件影响的区间为受突发事件影响断面客流量的区间。具体步骤如下：

(1)、采集满足采样要求的各时段正常运营下各车站和区间的历史统计指标样本；

(2)、通过样本K-S检验判定统计指标的分布情况并检验不同工作日同一时段的统计指标是否服从正态分布；

(3)、若是，则通过正态分布3σ准则计算出其概率区间，并将概率区间左端点作为下限阈值，将概率区间右端点作为上限阈值；

(4)、若否，则进一步选取样本服从的分布函数，并根据对应分布函数确定上限阈值和下限阈值；

(5)、若样本无服从的分布函数，则根据经验确定上限阈值和下限阈值。

Step2：计算得到突发事件下各车站和区间的统计指标。具体步骤如下：

(1)、基于突发事件下在线运行图调整技术实时更新列车运行时刻表；

(2)、根据基于时刻表的城市轨道交通动态分配方法对突发事件下客流进行仿真得到对应统计指标。

Step3：将突发事件下各车站和区间的统计指标分别与对应时段的上限阈值和下限阈值做比较，确定受突发事件影响的车站和区间。具体步骤如下：

(1)、判断任一车站或区间的统计指标是否在对应时间段的正常运营下的统计指标的波动范围内；

(2)、若是，则判断该车站或区间该时间段没有受到突发事件影响；若否，则判断该车站或区间该时间段受到突发事件影响；

(3)、逐一逐时间段确定各车站和区间是否受到突发事件影响，确定突发事件动态影响范围。

Step4：动态计算突发事件对受突发事件影响的车站和区间的影响强度。具体地，突发事件对受突发事件影响的车站和区间的影响强度R_ij包括影响强度最小值与影响强度最大值其计算如下：

其中，i为某一车站或区间，j为某一时段，x_ij为第j时段第i车站/区间的统计指标，为该统计指标正常波动范围下限阈值，为该统计指标正常波动范围上限阈值。

下面结合一个具体实施例进行说明

以北京市轨道交通系统为例进行分析，鉴于北京地铁系统运营车站数量已达334座，为了说明方法的可行性，选择工作日个体样本进站量这一指标进行验证，其余车站、其他指标类似，不再赘述。

1、基于正常运营下各车站和区间的统计指标的波动范围，确定统计指标的全天分粒度的上限阈值和下限阈值。

本实施例中，选取八宝山站14天正常运营工作日(2014年2月17日-3月7日，2月19日因发生信号故障除外)的进站量这一统计指标作为样本进行分析。如图2所示，将全天时间以15分钟为一个时间段进行划分，选取8:00-8:15的进站量为例进行说明。应注意的是，其余统计指标和其余时段的确定方法一样，不再赘述。

通过样本K-S检验来判定进站量的分布情况，检验不同工作日同一时段(8:00-8:15)进站量是否服从正态分布。取显著性水平为0.05，八宝山站14天工作日8:00-8:15进站量检验结果如图3所示。可知检验的渐进显著性为0.756，远大于显著性水平0.05，因此可以认为样本的进站量服从正态分布，其余指标通过验证发现均服从正态分布。

由统计学知识可知，若x～N(μ,σ)的正态分布，则满足：

P{μ-3σ＜x＜μ+3σ}＝99.74％

因此，选定上下限阈值为[1338.7479，1915.6807]，可以保证正常运营下任何一个工作日八宝山站8:00-8:15的进站量有99.74％的概率在这个阈值范围内，即其正常波动范围。若城市轨道交通网中发生突发事件后该站进站量不在阈值范围内，则可以认为该站受到突发事件冲击影响到进站量。按照所述方法可以得到八宝山站全天15分钟粒度的正常波动阈值情况，图4为八宝山站从运营开始到早高峰结束分时进站量上下限阈值曲线，以此类推可以确定其余指标(出站量、换乘量、断面客流量)、全部时段正常波动的上下限阈值。

2、计算得到突发事件下各车站和区间的统计指标。

本实施例中，以北京地铁2014年2月19日7时30分左右八角游乐园地铁站信号故障这起突发事件为例。2014年2月19日7:27到8:03，1号线八角游乐园站站管区段信号故障，影响古城站至八宝山站上、下行改按电话闭塞法行车，期间为减小对乘客出行的影响，部分列车采取在公主坟站、王府井站清人折返。故障共造成停运30列，中途清人折返5列(公主坟站4列，王府井站1列)，到晚45列(其中5分以上42列、15分以上33列、30分以上6列)，最大延误时间为33分钟，对乘客出行造成很大影响。

根据仿真可得到，八宝山站8:00-8:15进站量为1049人次，从运营开始到早高峰结束分时进站量见图5，其余车站/区间、指标同样可知。

3、将突发事件下各车站和区间的统计指标分别与对应时段的上限阈值和下限阈值做比较，确定受突发事件影响的车站和区间。

八宝山站2014年2月19日8:00-8:15进站量为1049人次，不在阈值范围为[1338.7479，1915.6807]内，因此该站该时段进站量受到这起突发事件影响，以此类推，可以得到从运营开始到早高峰结束分时阈值与当天进站量，如图6所示，其余车站/区间、其余指标同样可知。

4、动态计算突发事件对所述受突发事件影响的车站和区间的影响强度。

某一时段j某一车站/区间i受突发事件影响强度为R_ij，该时段该车站进站量(出站量、换乘量、断面客流量)用x_ij表示。由于正常情况下该时段工作日进站量(出站量、换乘量、断面客流量)正常波动上下限阈值范围为故其进站量(出站量、换乘量、断面客流量)受突发事件影响强度可以计算得到在一定范围内，该范围记为突发事件对该站进站量影响强度最小值与最大值可以通过下式得到：

代入计算可知，八宝山站2014年2月19日8:00-8:15进站量受突发事件影响强度范围为[0.2163，0.4523]，以此类推可以得到从运营开始到早高峰结束该站进站量分时影响强度，如图7所示，其余车站/区间、其余指标的受影响强度同样可知。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。