广州地铁中转站高峰期的中转能力分析.docVIP

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”的内涵交通可用性是一个多因素概念，涉及到交通工具的容易使用、交通系统的有效性、交通用户的满意度，以及把这些因素与实际使用环境联系在一起针对特定目标的评价。2. 广州地铁的现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 （1）第i趟车到达瞬间的等待人数（2）第i趟车发车瞬间的等待人数 （3）第i趟车该站的上车人数（4）第i-1与i趟车间隔内到达的人数 （5）1134656940212225975738318258414459851435176869011762131111021277194891058381989610210991947711798101757996981121092118131121656110473131847096123141445091741511725796716120388710517115268677189611857019122358611120111258976211141210210422141114012923830838224131512613125182431391772618137144138271851417114828101010187291976313419730218651531553125412213217932255115140133332728119115734260961641793518129152853616123138132371370137114381291128129391183115117401240124121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。做出相关数据的散点图如下：数据分析：图中峰值点的合理解释是，由于广州地铁在“体育西路”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，这一点也符合经验规律。做出相关数据的散点图如下：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。3. 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，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用spss软件的Graphs-Histogram，做出上车人数S的频数分布直方图如下：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：对所有的x值成立，备择假设H1为：至少有一个x值使成立。到达人数分布规律的K-S检验采用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：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(113.73,37.142)。上车人数分布规律的K-S检验采用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Wald-Wolfowitz 检验结果由以上检验结果可知：两种检验的p值均明显大于0.05，故不拒绝原假设，于是可以认为到达人数R与上车人数S无显著性差异。五、结论通过频数分布直方图可以预测：到达人数与上车人数均服从正态分布，又通过K-S检验进一步论证了这个结论。经过Kolmogorov-Smirnov Z检验和Wald-Wolfowitz检验，得到“二者具有相同的分布，即二者的分布没有显著性差异”这一结论。即上车人数的分布与到达人数的分布没有显著性差异。由此推之：广州地铁3号线上“体育西路”站的中转能力很好，既不会出现旅客大批滞留的情况，又不会出现客源少，运载力闲置的情况。交通系统的有效性得到充分发挥，由于不会出现乘客长时间逗留，所以乘客的满意度有了保证，这样的话，交通系统的可用性得到了保证。六、总结本次调查方法及研究手段适用于大型交通中转站，即乘客成批到达，乘客相继到达的时间间隔难以统计且没有稳定的趋势，如长途汽车客运站，公交车总的调度站等。由于中转站各条交通路线的交叉，在同