基于多源监测数据的城轨路网乘客出行路径估计方法_彭羽飞.pdf

文章编号：1673-0291（2023）03-0096-07DOI：10.11860/j.issn.1673-0291.20220039第 47 卷 第 3 期2023 年 6 月Vol.47 No.3Jun.2023北京交通大学学报JOURNAL OF BEIJING JIAOTONG UNIVERSITY基于多源监测数据的城轨路网乘客出行路径估计方法彭羽飞，蒋熙（北京交通大学 交通运输学院，北京 100044）摘要：针对目前城市轨道交通路网乘客出行路径估计准确率不足及直接监测方式受限的问题，提出基于多源监测数据的出行路径估计方法.首先，利用自动售检票（Automatic Fare Collection，AFC）数据、车站换乘断面监测量、区间断面监测量等多源监测数据，基于路网客流时空作用关系，构建符合实际监测情况和乘客出行总体规律的乘客出行路径估计模型.然后，运用计算图结构将模型抽象成一种分层网络，并提出基于正向传播和反向传播技术的模型求解算法.最后，以广州局部地铁路网为例进行分析.研究结果表明：所提出的方法可以实现路网乘客出行路径以及车站换乘客流的估计；在路网监测断面占比为 75%时，估计结果的均方误差、均方根误差以及平均绝对百分比误差分别为 1.67%、1.83%、1.27%，且误差会随着监测断面占比的增加而降低.关键词：城市轨道交通；出行路径估计；多源监测数据；反向传播；计算图结构中图分类号：U491 文献标志码：AEstimation method of urban rail transit passenger route based on multi-source detection dataPENG Yufei,JIANG Xi（School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China）Abstract:To address the problem of inaccurate route estimation and limited route detection in the urban rail transit network,a method for estimating travel routes based on multi-source detection data is proposed.First,using the Automatic Fare Collection(AFC)data,station interchange section monitoring volume,interval section detection volume and other multi-source detection data,a passenger travel path estimation model is constructed based on the spatio-temporal relationship of passenger flow in the road network,which is in line with the actual detection results and the overall pattern of passenger travel.Further,the model is abstracted into a hierarchical network based on computational graph structure,incorporating forward-passing and backward-propagation techniques to solve it.Finally,a partial subway network in Guangzhou is taken as an example for analysis.Results show that the passenger route choice and transfer passenger flow can be effectively estimated and analyzed using the proposed method.The mean square error,root mean square error,and mean absolute percentage error of 收稿日期：2022-03-31；修回日期：2022-07-03基金项目：国家重点研发计划（2022YFC3005200）Foundation item:National Key R&D Plan（2022YFC3005200）第一作者：彭羽飞（1998），女，山西大同人，硕士生.研究方向为交通运输规划与管理.email：.通信作者：蒋熙（1971），女，四川都江堰人，副教授，博士.email：.引用格式：彭羽飞，蒋熙.基于多源监测数据的城轨路网乘客出行路径估计方法 J.北京交通大学学报，2023，47（3）：96-102.PENG Yufei，JIANG Xi.Estimation method of urban rail transit passenger route based on multi-source detection data J.Journal of Beijing Jiaotong University，2023，47（3）：96-102.（in Chinese）彭羽飞等：基于多源监测数据的城轨路网乘客出行路径估计方法第 3 期the estimation results are 1.67%,1.83%,and 1.27%,respectively,with 75%of the detecting sections.Furthermore,these errors decrease as the percentage of detecting sections increases.Keywords:urban rail transit；travel route estimation；multi-source detection data；backward propagation；computational graph在城市轨道交通“一票制”情况下，利用多种技术手段与方法对乘客的实际出行路径进行估计是客流清分以及路网客流分析与运营决策的重要基础.在规划与预测相关应用中，常常基于效用最大化理论1、前景理论2、后悔理论3等构建乘客出行选择行为模型，来研究路网内乘客路径的一般规律.由于真实运营场景下乘客的实际路径选择结果受多种复杂因素影响，难以由这类选择行为模型和参数进行准确表征，基于选择行为模型的路径估计往往难以满足精准客流清分的需求.为了获得更符合实际的路径选择结果，利用乘客出行产生的实际数据来复现乘客的出行路径成为可行途径.其中，有研究运用 WIFI定位4、蜂窝小区定位5、人脸识别6、行人再识别7等乘客定位与轨迹监测技术对一定范围内乘客的实际出行路径进行直接监测，但受政策与实施条件、成本等限制难以大规模应用.因此，更多的研究利用实际运营数据中蕴含的路径相关信息及其作用关系构建模型，来间接推测乘客出行路径.其中高圣国等8-10通过研究同一 OD 下不同路径旅行时间的概率分布规律，利用自动售检票（Automatic Fare Collection，AFC）系统中乘客实际的进出站刷卡地点与时间来匹配可能的路径.这类研究仅从路径的时间特性上来体现乘客路径选择与运营状态的动态作用关系，准确性仍存在不足.综上而言，利用实际运营数据中蕴含的路径相关信息及其作用关系进行路径估计的方法更适合现阶段研究.由于乘客对于不同路径的选择除了影响其旅行时间不同外，还会影响路径上断面客流量的变化，且随着智能视频、列车称重等客流监测技术的发展应用，除了 AFC 数据外，区间及车站换乘等断面客流实际观测数据也可被获取.因此，本文基于乘客出行过程中的多源监测数据，围绕乘客路径选择与路网客流时空断面观测量的作用关系构建路径估计模型并求解，进一步提高基于运营数据的路径估计准确性.1 方法的提出城市轨道交通路网中，乘客从起始站进站至到达目的站的过程中会先后经历进站、候车、乘车、下车、换乘及出站等活动，并最终形成各自的出行链.以一个具有 3 条线路、6 个车站（包括 3 个双线换乘站）的局部路网为例，可构建如图 1所示乘客出行网络G=(V，E，D，P)来描述若干乘客出行链与客流时空状态的作用关系，其中，V是网络中各车站节点vi(i=1，2，9)所构成的集合，路网上每个普通车站各对应 1 个节点，每个换乘站依据衔接的线路数目 分 成 若 干 节 点；E是 网 络 中 有 向 边ek(k=1，2，18)所构成的集合，由区间以及换乘站内部换乘通道构成；D是由路网上所有的客流 OD 对vivj(i j)所 构 成 的 集 合；P是 由 各 个 OD 对vivj(i j)对之间的出行路径集Pvivj构成的集合.在乘客出行网络上，某 OD 对vivj(i j)下的乘客自起始站进站，按一定概率在路径集Pvivj中选择路径，并顺序经过路径上各个节点与边，最终到达目的站出站离开.在一个时段内，各个 OD 对客流在多条出行路径上进行分流、并在节点处交汇，带来各条边上的客流变化.由于网络上各节点与边之间存在空间关联性，路网上的分时 OD 客流量、乘客路径选择、区间和换乘通道内客流量之间必然呈现出相应的内在作用关系.目前，OD 客流量可以通过 AFC系统获取，部分区间断面和换乘通道断面客流可通过列车及车站客流监测系统获取.因此，利用路网内分时段 OD 客流数据以及若干监测断面的客流数据，就能够基于客流时空作用关系来建模，并估计任一 OD对下各条路径选择概率.面向路网客流清分需求，按照较大间隔（如小时）划分时段，并采集分时段的 OD 客流量、区间及换乘断面监测量等多源监测数据，用于估计该时段内的路1v2v3v5v4v6v5e1e7e12e13e14e10e11e15e2e3e16e9e4e18e17e6e8e7v8v9v线路1换乘站线路2换乘站线路3换乘站图 1乘客出行网络Fig.1Passenger travel network97北京交通大学学报第 47 卷径选择概率.客流清分需要获得符合实际运营场景的路径选择结果，本文从“路径选择”与“作用结果”二者之间正与反两个思维方向相结合的方式来探索相应的研究方法.其中，正的方向指基于客流时空关联性，对路径选择概率的任一估计将形成与之相应的网络上各断面预计客流量；反的方向指各断面预计客流量与实际监测结果、路网乘客总体出行规律之间的偏差可以修订原来估计的路径选择概率.通过正向与反向的不断迭代运算，就可以逼近符合实际的路径选择概率.由此，本文基于客流的时空作用关系，以路径估计结果最符合实际监测情况、乘客出行总体规律为目标，构建了一种乘客出行路径估计模型.模型中，各 OD 对客流量（已知量）、出行路径客流量（未知量）以及各断面上客流量（未知量）因路径的选择而呈现出一系列的逻辑关联，可以运用计算图结构将模型抽象为包含 OD 对客流层、出行路径客流层、监测断面客流层的分层网络.在此基础上，引入智能优化中广泛运用的正向传播与反向传播技术对模型进行求解，估计出近似最优的乘客出行路径选择概率.基于正向传播和反向传播技术的模型求解过程如图 2 所示，其中模型输入的多源监测数据包括来源于 AFC 系统的分时 OD 量、列车称重系统的区间断面客流量、车站客流监测系统的换乘通道断面客流量.来源于列车运行图的列车区间运行时分、基于调查获取的换乘时间、各 OD 有效路径集等作为参数输入模型，其中，路径集信息是利用文献 11 中的有效路径搜索方法得到，该方法主要考虑了区间运行时分、换乘步行