沈睿 孫波 張擎

[摘 ? ?要] 各城市軌道交通網(wǎng)絡(luò)化后，客流需求遠(yuǎn)大于運(yùn)輸服務(wù)能力，線網(wǎng)運(yùn)輸服務(wù)瓶頸問題越加突出。為應(yīng)對(duì)大客流需進(jìn)行精準(zhǔn)控流，通過熵權(quán)-TOPSIS法引入網(wǎng)控閾值的概念，精確識(shí)別制約線網(wǎng)運(yùn)輸能力的關(guān)鍵車站，有效控制線網(wǎng)大客流，以保證軌道交通運(yùn)營安全、有序。

[關(guān)鍵詞] 大客流;網(wǎng)控閾值;關(guān)鍵車站

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 23. 057

[中圖分類號(hào)] F224;U293 ? ?[文獻(xiàn)標(biāo)識(shí)碼] ?A ? ? ?[文章編號(hào)] ?1673 - 0194（2019）23- 0133- 03

1 ? ? ?引 ? ?言

對(duì)于軌道交通客流控制的研究，大多數(shù)學(xué)者側(cè)重于線網(wǎng)化運(yùn)營的流程管理，對(duì)閉環(huán)管理中的運(yùn)輸計(jì)劃、執(zhí)行和分析三個(gè)環(huán)節(jié)進(jìn)行深入剖析，提出隱匿在各環(huán)節(jié)中決定線網(wǎng)運(yùn)輸瓶頸的關(guān)鍵控制點(diǎn)，并引入具有針對(duì)性的解決措施[1-2]。由于各個(gè)城市的軌道交通運(yùn)營管理及客流量互有差異，因此，本文選取軌道交通運(yùn)營企業(yè)普遍容易獲取的數(shù)據(jù)作為評(píng)估指標(biāo)，引入基于熵權(quán)-TOPSIS法得出的網(wǎng)控閾值ω對(duì)制約線網(wǎng)運(yùn)輸能力的關(guān)鍵車站進(jìn)行綜合評(píng)價(jià)，確定出實(shí)行網(wǎng)控時(shí)具體需控流的車站，以定量化的方式實(shí)現(xiàn)了車站間的協(xié)調(diào)控制，增強(qiáng)了軌道交通網(wǎng)絡(luò)應(yīng)對(duì)大客流的沖擊能力。

2 ? ? ?評(píng)估指標(biāo)

本文從兩方面進(jìn)行控流車站的判斷，一是高峰期間線網(wǎng)每個(gè)車站進(jìn)入高峰擁擠區(qū)段的人數(shù)（簡稱高峰進(jìn)站人數(shù)Pfj，下同），二是每個(gè)車站進(jìn)入高峰擁擠區(qū)段的人數(shù)占比（簡稱高峰進(jìn)站占比Pβj，下同）。

2.1 ? 高峰進(jìn)站人數(shù)Pfj

高峰進(jìn)站人數(shù)Pfj通過一個(gè)絕對(duì)值反映進(jìn)入擁擠區(qū)段的人數(shù)。選取高峰1個(gè)小時(shí)作為研究時(shí)段，通過斷面客流以及擁擠度指標(biāo)確定出在該時(shí)段內(nèi)各線路最擁擠的區(qū)段，以該時(shí)段線網(wǎng)OD數(shù)據(jù)為基礎(chǔ)，計(jì)算全線網(wǎng)每個(gè)車站進(jìn)入該擁擠區(qū)段的客流人數(shù)。

假設(shè)進(jìn)站為j站，根據(jù)乘客的出行路徑選擇以及企業(yè)的清分模型判斷會(huì)途徑該擁擠區(qū)段的終點(diǎn)站有j+1，j+2，j+3，…，j+n等共n個(gè)車站，然后從OD數(shù)據(jù)表中篩選出j站到j(luò)+1站的客流為f1，j站到j(luò)+1站的客流為f2，j站到j(luò)+3站的客流為f3……j站到j(luò)+n站的客流為fn，那么j站的高峰進(jìn)站人數(shù)為：

Pfj=f1+f2+f2+…+fn

2.2 ? 高峰進(jìn)站占比Pβj

由于每個(gè)車站的地理位置以及功能不同，車站的進(jìn)站量均會(huì)有差異，如果只依據(jù)高峰進(jìn)站人數(shù)Pfj這一絕對(duì)值來判定控流車站，則會(huì)出現(xiàn)偏差，所以在高峰進(jìn)站人數(shù)Pfj的基礎(chǔ)上進(jìn)一步考慮一個(gè)相對(duì)值——高峰進(jìn)站占比Pβj則會(huì)更全面。

假設(shè)進(jìn)站為j站，j站的高峰進(jìn)站人數(shù)為Pfj，根據(jù)OD數(shù)據(jù)表可得從j站進(jìn)入到全線網(wǎng)各車站的客流（即j站的總進(jìn)站人數(shù)）為q，那么j站的高峰進(jìn)站占比為：

Pβj=■

3 ? ? ?關(guān)鍵車站綜合評(píng)價(jià)

本文引入TOPSIS法對(duì)兩項(xiàng)指標(biāo)進(jìn)行有機(jī)整合，計(jì)算車站的網(wǎng)控閾值。

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是有限方案多目標(biāo)決策分析的一種常用方法，以逼近理想值的偏好順序來對(duì)評(píng)價(jià)對(duì)象的優(yōu)劣進(jìn)行判定，具體步驟如下。3.1 ? 構(gòu)建初始矩陣

用xij來表示車站j的第i類指標(biāo)，以n表示線網(wǎng)中車站的數(shù)量，m表示評(píng)估指標(biāo)的數(shù)量，本文中m=2。構(gòu)建初始矩陣如下：

X=（xij）m×n=x11 ? … ? x1j ? … ? x1nxi1 ? … ? xij ? ?… ? xinxm1 ? … ?xmj ? … ? xmn

3.2 ? 歸一化處理

各項(xiàng)指標(biāo)的存在度量單位不一致的情況，而要對(duì)各項(xiàng)指標(biāo)進(jìn)行綜合評(píng)價(jià)則需要對(duì)其進(jìn)行歸一化處理，通過簡單的函數(shù)變換將其限定在（0，1）范圍內(nèi)。變換方式如下：

Y=（yij）m×n=■■

3.3 ? 熵權(quán)法確定權(quán)重

在歸一化矩陣Y的基礎(chǔ)上，利用信息熵公式得到各項(xiàng)參與評(píng)價(jià)的指標(biāo)的熵，則第i類指標(biāo)的熵計(jì)算公式為：

Hi=-■■yijln yij■

相應(yīng)的，各項(xiàng)評(píng)估指標(biāo)的權(quán)重αi計(jì)算公式為：

αi=■

3.4 ? 構(gòu)建加權(quán)矩陣

然后，用歸一化矩陣Y中的各元素乘以與之對(duì)應(yīng)的權(quán)重，得到加權(quán)矩陣：V=（vij）m×n=（αiyij）m×n

3.5 ? 開展TOPSIS綜合評(píng)價(jià)

以Ui+來表征第i類指標(biāo)的正理想解，Ui-來表征第i類指標(biāo)的負(fù)理想解。則有：

Ui+=■（vij）

Ui-=■（vij）

車站j與正理想解的距離和負(fù)理想解的距離分別如下所示：

dj+=■

dj-=■

最后，計(jì)算車站j與理想解的相對(duì)接近度即網(wǎng)控閾值ωj，如下所示：

ωj=■

網(wǎng)控閾值ωj越大，則車站對(duì)擁堵區(qū)段的影響越甚。將各車站的ωj進(jìn)行排序，運(yùn)營企業(yè)可根據(jù)日常運(yùn)營經(jīng)驗(yàn)確定控制值ω0，對(duì)網(wǎng)控閾值ωj超過ω0的車站采取必要的限流措施。

4 ? ? ?實(shí)例應(yīng)用

4.1 ? 背景

以某市軌道交通1號(hào)線為例，選取2018年6月工作日早高峰（8：00-9：00）期間大客流組織措施作為研究對(duì)象。根據(jù)運(yùn)營單位的運(yùn)營歷史數(shù)據(jù)，確定控制值ω0=0.75，線網(wǎng)各車站計(jì)算得出的網(wǎng)控閾值ωj≥ω0的車站均為控流車站。

4.2 ? 運(yùn)用展示

6月某工作日8：00-9：00早高峰1號(hào)線斷面客流最大的區(qū)段是下行HCN-GX，擁擠度為123.60%。通過OD基礎(chǔ)數(shù)據(jù)表，判斷出進(jìn)入1號(hào)線 “HCN-GX”擁擠區(qū)段的具體車站（取前12個(gè)），并計(jì)算這些車站的高峰進(jìn)站人數(shù)及占比。詳見表1。

根據(jù)數(shù)據(jù)表1數(shù)據(jù)，開展TOPSIS綜合評(píng)價(jià)，將評(píng)估指標(biāo)和網(wǎng)控閾值做雷達(dá)圖展示（為充分表明評(píng)估指標(biāo)與網(wǎng)控閾值的關(guān)系，評(píng)估紙指標(biāo)采用10倍歸一化數(shù)據(jù)），如圖1所示。

4.3 ? 結(jié)果分析

（1）根據(jù)網(wǎng)控閾值可確定WJN、SXH、RMB、NJQ和TZL等5個(gè)車站為控流車站，在工作日8：00-9：00早高峰期間對(duì)控流站點(diǎn)采取鐵馬繞行、減緩安檢速度、轉(zhuǎn)換進(jìn)出口閘機(jī)方向和引導(dǎo)乘客通過非擁堵線路出行等客流組織措施可有效減少車站客流，從而緩解所在線路的整體擁堵狀態(tài)。

（2）根據(jù)雷達(dá)圖直觀顯示，線路各車站的網(wǎng)控閾值所連圖形與高峰進(jìn)站人數(shù)所成形狀凹凸性基本一致，表明了在本文研究的客流組織方法中，控流車站的進(jìn)站人數(shù)在很大程度上影響了其所在線路或網(wǎng)絡(luò)的擁擠狀態(tài)。

（3）觀察雷達(dá)圖可知，盡管高峰進(jìn)站占比所成圖形于網(wǎng)控閾值圖形并非一致，但是由于高峰進(jìn)站占比指標(biāo)的存在，使得網(wǎng)控閾值的圖形凸處更凸，凹處更凹，表明了在本文研究的客流組織方法中，控流車站的進(jìn)入高峰區(qū)段的人數(shù)占比在一定程度上影響了其所在線路或網(wǎng)絡(luò)的擁擠狀態(tài)。

5 ? ? ?結(jié) ? ?論

本文引入網(wǎng)控閾值對(duì)制約線網(wǎng)運(yùn)輸能力的關(guān)鍵車站進(jìn)行綜合評(píng)價(jià)，通過與企業(yè)的標(biāo)準(zhǔn)控制值相比較進(jìn)而準(zhǔn)確分析大客流組織中控流的關(guān)鍵車站，為適當(dāng)?shù)目瓦\(yùn)組織措施提前介入提供了“落地點(diǎn)”，為城市軌道交通網(wǎng)絡(luò)能安全有序運(yùn)營提供科學(xué)的支撐。

主要參考文獻(xiàn)

[1]盧錦生. 城市軌道交通網(wǎng)絡(luò)化運(yùn)營管理實(shí)踐[J]. 城市軌道交通研究， 2018，21（8）：170-173.

[2]薛文靜，馬謙. 城市軌道交通網(wǎng)絡(luò)化運(yùn)營應(yīng)急準(zhǔn)備的實(shí)踐與思考[J]. 中國設(shè)備工程，2018（16）：191-192.

[3]Olson D L. Comparison of Weights in TOPSIS Models[J]. Mathematical and Computer Modelling，2004，40（7）：721-727.