《广州地铁中转站高峰期的中转能力分析》由会员分享，可在线阅读，更多相关《广州地铁中转站高峰期的中转能力分析（7页珍藏版）》请在金锄头文库上搜索。
1、广州地铁中转站高峰期的中转能力分析 一、调查背景1. “交通可用性”的内涵 交交通通可可用用性性是是一一个个多多因因素素概概念念，涉涉及及到到 交交通通工工具具的的 容容易易使使用用、 交交通通系系统统的的有有效效性性、 交交通通用用户户的的满满意意度度，以以及及把把这这些些因因素素与与实实际际使使用用环环境境联联系系在在一一起起针针对对特特定定目目标标的的评评价价。2.广广州州地地铁铁的的现现状状 按照广州城市轨道交通线网规划，至 2010 年广州建成的轨道交通线路将超过 200 公里， 至 2020 年广州建成的轨道交通线路将超过 500 公里，形成包括密集的城区线、快捷郊区组 团线和城际
2、线在内的大都市轨道交通网络。广州，正在成为地铁上的城市。 3. 广州地铁的可用性 从广州地铁的远景规划可以看出：城市在发展中产生了对地铁的需求，地铁的发展则 构建起城市的脉络。地铁的运行则为城市带来深远的经济、社会效益。就广州而言，轨道 交通线网的建设为城市的可持续发展贡献着不可或缺的重要力量。 地铁的发展价值就在于为市民谋方便，为市民提供出行方便，加强市政交通的有效运 作，尽可能的提高用户的满意度。这就是广州地铁可用性研究的出发点。 二、调查目的 1.通过记录相邻班次时间间隔内到达“体育西路”站某车厢前的人数，模拟出乘客到达 人数的分布规律。 2.通过记录每趟车一节车厢的吸纳人数，模拟出上车
3、人数的分布规律。 3.通过检验到达人数的分布规律与上车人数的分布规律有无显著性差异，对“体育西路” 站的中转能力进行分析，从而得出交通可用性评价。 三、调查方案及实施 1. 抽样调查方案 本次调查针对广州地铁 3 号线上“体育西路”站的中转能力展开实地调研，实地观察 高峰期（17：30-19：30）开往番禺广场方向的地铁共 40 班次，广州地铁 3 号线的地铁车 次是按照每 3 分钟一班的，列车靠站时，每班车都能精确停靠在固定位置，由于乘客到达 站台后，在哪节车厢前候车是随机的，且每节车厢前的候车人数服从均匀分布，鉴于本小 组四个人的观察范围有限，故抽取其中一节车厢为调查对象。 2. 抽样调查
4、实施情况 广州地铁 3 号线的地铁车次是按照每 3 分钟一班的，本次调查选取客流高峰期的 2 个 小时，17：30-19：30.记初始班次为 1，以后各班次依次记为 1，2，3.。初始班次 1 对应 时刻 17：30，相邻班次时间间隔是 3 分钟。记录每个时间间隔内到站的人数和每趟车吸纳 的乘客数。四、调查结果与分析1. “体育西路”地铁站实地调查数据 广州地铁 3 号线的地铁车次是按照每 3 分钟一班的，本次调查选取客流高峰期的 2 个 小时，17：30-19：30.记初始班次为 1，以后各班次依次记为 1，2，3.。初始班次 1 对应 时刻 17：30，相邻班次时间间隔是 3 分钟。所得数
5、据如表 1。表 1 广州地铁 3 号线“体育西路”站的客流中转量表车次 i 第 i 趟车到达瞬间第 i 趟车发车瞬间的等第 i 趟车该站的上第 i-1 与 i 趟车间隔内到达（1）的等待人数（2）待人数 （3）车人数（4）的人数 （5）1134656940 2122259757 38318258 41445985143 51768690117 6213111102127 71948910583 819896102109 91947711798 10175799698 1121092118131 121656110473 131847096123 14144509174 15117257967
6、161203887105 17115268677 1896118570 191223586111 20111258976 2111412102104 221411140129 238308382 241315126131 2518243139177 2618137144138 2718514171148 28101010187 2919763134197 3021865153155 31254122132179 32255115140133 3327281191157 3426096164179 351812915285 3616123138132 371370137114 381291128
7、129 391183115117 401240124121 说明：地铁车次是按照严格的每 3 分钟一班的，本次调查选取客流高峰期的 2 个小时，17：30-19：30.记初始班次为 1，以后各班次依次记为 1，2，3. 表中各栏数据关系如下：(4)i=(2)i-(3)i,(5)i=(2)i-(3)i-12.到达人数与上车人数的数据分析 观察表中第(5)栏，可以看出有明显的客流到达高峰，且时间间隔趋于稳定。做出相关数1据的散点图如下：到达客流量随时间变化趋势05010015020025001020304050 时间/三分钟到达客流量/人系列1数据分析：图中峰值点的合理解释是，由于广州地铁在“体育
8、西路”站 1 号线与 3 号线交 汇，客流高峰期时，两条线的班次有重叠，即：两条线上有两班车同时到达体育西路站， 从 1 号线下来的客流刚好大量涌入 3 号线，这种情况造成瞬时间客流激增，在实地调研过 程中多次遇到这种情况。瞬时到达的客流激增长时间（观察期内）来看,对到达客流的分布 规律无显著影响，这点将在假设检验部分论及，从实地调查来看，这部分激增的客流很快 就会被稀释，滞留在站台的客流很快得以缓解。 观察表中第(4)栏，可以看出上车人数随着到达人数的增加而呈现同步增加的态势，这一2点也符合经验规律。做出相关数据的散点图如下：载客量随时间变化趋势05010015020025001020304
9、050 时间/三分钟载客量/人系列1数据分析：图中峰值点对应客流量的峰值点，到达人数多，载客压力随之上升，上车人数 随之增多，比较拥挤。当客流量不大时，载客压力不大，能充分吸纳到达客流量且相对宽 裕，这种情况下，上车人数相对平稳，符合经验规律。200.00150.00100.0050.000.00上 上 上 上 上 上 上 上1086420F Fr re eq qu ue en nc cy yMean = 113.275 Std. Dev. = 37.14213 N = 403. 到达人数与上车人数分布规律的预测 用 spss 软件的 Graphs-Histogram，可以做出频数分布直方图，
10、根据该图可以预测数据 的分布规律。 到达人数分布规律的预测1用 spss 软件的 Graphs-Histogram，做出到达人数 R 的频数分布直方图如下：可见到达人数服从正态分布，即:RN(113.73,37.142)。 上车人数分布规律的预测2用 spss 软件的 Graphs-Histogram，做出上车人数 S 的频数分布直方图如下：200.00180.00160.00140.00120.00100.0080.0060.00上 上 上 上 上 上 上 上14121086420F Fr re eq qu ue en nc cy yMean = 114.50 Std. Dev. = 28.
11、8533 N = 40可见上车人数服从正态分布，即:SN(114.50,28.852)。 4. 到达人数与上车人数分布规律的 K-S 检验 一个样本柯尔莫哥洛夫-斯米诺夫检验（One-Simple Kolmogorov-Smirnov Test）是用来 检验样本来自 normal（uniform 或 poisson）总体的假设。这也是一种拟合优度检验方法， 它主要是运用某随机变量 x 的顺序样本来构造样本分布函数，使得能以一定的概率保证 x的分布函数落在某个范围内。Kolmogorov-Smirnov 双侧检验的原假设 H0为：对所有 F x的 x 值成立，备择假设 H1为：至少有一个 x 值
12、使成立。 0F xF x 0F xF x到达人数分布规律的 K-S 检验1采用 spss 软件的 Kolmogorov-Smirnov 双侧检验的程序检验到达人数分布规律。 原假设 H0为：到达人数 R 服从正态分布（normal） ； 备择假设 H1为：到达人数 R 不服从正态分布（normal） 。 检验结果如图所示：O On ne e- -S Sa ammp pl le e K Ko ol lmmo og go or ro ov v- -S Smmi ir rn no ov v T Te es st t4040 114.5000113.2750 28.8533037.14213 .154
13、.085 .154.085 -.084-.057 .974.540 .299.933N Mean Std. DeviationNormal Parametersa,bAbsolute Positive NegativeMost Extreme DifferencesKolmogorov-Smirnov Z Asymp. Sig. (2-tailed)Test distribution is Normal.a. Calculated from data.b. 可见双尾检验的p值为0.933，明显大于0.05，所以不拒绝原假设，即到达人数R 服从正态分布（normal） ，经检验即:RN(113.
14、73,37.142)。 上车人数分布规律的 K-S 检验2采用 spss 软件的 Kolmogorov-Smirnov 双侧检验的程序检验上车人数分布规律。 原假设 H0为：上车人数 S 服从正态分布（normal） ； 备择假设 H1为：上车人数 S 不服从正态分布（normal） 。检验结果见上图：可见双尾检验的p值为0.299，明显大于0.05，所以不拒绝原假 设，即上车人数S服从正态分布（normal） ，经检验即: SN(114.50,28.852)。 5. 到达人数分布与上车人数分布的显著性检验 两个独立样本检验（Two Independent Samples Test）是用来检验
15、两个独立样本间是否 具有相同的分布问题的一种有效方法。 两独立样本的显著性检验1原假设 H0为：到达人数 R 与上车人数 S 无显著性差异； 原假设 H1为：到达人数 R 与上车人数 S 有显著性差异。 在 spss 软件中依次选择 Analyze-Nonparametric Tests-2 Independent Samples. 选择Kolmogorov-Smirnov Z,Wald-Wolfowitz这两个复选项，前者是更普通的探测两者位置 上和分布形状差异的检验。该检验是建立在两个样本的累积分布函数之间的最大绝对差异 的基础上的。当这个差异显著地大时，两个分布被认为是有差异的；后者是秩
16、和检验，更 普通的探测两者位置上和分布形状差异的检验。检验结果如下图： Kolmogorov-Smirnov Z 检验结果T Te es st t S St ta at ti is st ti ic cs sa a.200 .200 -.100 .894 .400Absolute Positive NegativeMost Extreme DifferencesKolmogorov-Smirnov Z Asymp. Sig. (2-tailed)Grouping Variable: a. Wald-Wolfowitz 检验结果T Te es st t S St ta at ti is st ti ic cs sb b, ,c c37a-.900.184 43a.450.674Minimum Possible Maximu
