1 前言
过去十年，我国城市轨道交通发展飞速，同时伴随人口红利和集聚效应，公共交通大客流运营安全成为运营和管理部门的关注焦点[1]。轨道交通车内与站台客流不均衡，常常会造成客流上下车的延误，使得部分乘客不能根据个人的需求在规定时间内上下车，从而也一定程度上造成了轨道交通资源的浪费。新庄地铁站与南京火车站仅有一站地铁之隔，有大量的客流会从南京站出发路过新庄站，在新庄站常常出现一些人因为车内过于拥挤而上不了车，而部分车厢却相对宽敞，但是乘客并不能第一时间掌握这些信息，从而错过该班次等待下一趟，浪费宝贵时间。这里就涉及了轨道站点大客流、行人心理行为特征、行人交通流特性以及行人移动规律。所以我们需要找到能够解决车内外客流不均衡问题的具体措施。为了确保行车安全和效率，需对车站站台乘客进行快速疏散。而乘客快速上车是保证站台疏散的关键。大运量城市轨道交通系统往往采用多编组列车，相应的站台也较长，在客流高峰时段存在车内与站台客流不均衡现象，故需要分析轨道交通车内与站台客流不均衡特征，提出改善措施设计方案，达到引导轨道交通客流、提高服务水平的目的。
2 国内外研究现状
2.1 乘客出行行为研究
城市轨道交通车站的站台客流部分时间段极其密集，尤其是早晚高峰上下班时间段。对于站台来说，解决乘客滞留的根本是乘客的上车能力。因此研究乘客的上下车意愿问题成为了解决乘客疏散问题的关键，也是研究站台与车内乘客分布不均衡的关键所在。可以从这方面入手进行相关设施的改善[2]。
当车厢内部下车乘客人数远远超过站台处的乘客人数的时候，出现过于拥挤情形的概率比较低，乘客可以顺利的上下车。这种混行现象将在一定程度上降低乘客的步行速率，而对于所有乘客上下车的流动率，这种混行现象极大地增加了这些乘客的整个步行速度[3]。沈骋教授基于北京地铁早高峰乘客上下车阶段观测，站内乘客上车时和车厢内部乘客下车时，这个阶段非常影响乘客的上下车速率，也造成了不必要的时间浪费。同时在这个阶段也需要特别注意乘客的安全，部分乘客喜欢加塞上车，或是车厢内部乘客急着下车，容易出现车门夹人这种危险情形[5]。
Zhang Z提出了一个解析模型，利用常微分方程，以设施中的平均乘客密度为状态变量，模拟地铁车站的乘客流量。 为了实现井然有序的入站过程，提出了一种基于线性规划的反馈控制模型（LFCM），以计算各种设施和速度的最优反馈旅客流入量，以提高服务水平。 为了应对地铁站的周期性运行特性引起的无法解决的LFCM问题，LFCM中引入了网络交换机制，以提高控制模型的性能。最后，使用一个小数值示例来说明提出的模型的特征[6]。
Sun J、Hu H和Li Z选择在站内流量较大的乘客作为研究对象，分析乘客数据与乘客流量参数之间的关系，以及乘客数据与乘客流量参数之间的关系。 根据原始数据，利用乘客数据、预测乘客流量参数以及乘客流量表等，建立了乘客流量输出的概率神经网络模型。这个预测模型可以通过设置的路线、车站，更好地预测乘客在车站等候区的流量状况。研究结果可为航站运营管理提供决策依据[7]。
为了量化客流的时空分布和城市轨道交通网络的特征，Li X和Chen P等人结合分形方法和客流分配模型，引入了四个半径分形维数和两个分支分形维数。 经过实际数据的分析证明了这种方法的可行性[8]。Li X和Zhang W等人从系统的角度分析了城市轨道交通车站，探讨了不同设施之间客流分配的协调与反馈关系。 通过分析客流规律，利用系统动力学软件Stella建立了系统动力学仿真模型，并计算了不同条件下北京东单站的载客量极限[9]。Liu S和Yao E等人为了捕捉网络条件下客流的时空分布规律，分析了城市轨道交通旅客的选路行为。最终，通过广州轨道交通测量的实时数据对上述模型进行校准比对。结果显示，舒适度指数、中转次数等变量增加了上述模型对城市轨道交通乘客的路线选择行为的解释和预测能力[10]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
