摘要：如何根據(jù)客流的動態(tài)分布狀況來為過飽和車站提供實時進站客流控制方案，已成為中國城市軌道交通路網(wǎng)安全高效運營管理迫切需要解決的問題。文章在收集國內(nèi)外相關(guān)研究文獻的基礎(chǔ)上，從軌道交通網(wǎng)絡(luò)客流OD動態(tài)估計、軌道交通車站客流控制等方面對國內(nèi)外研究現(xiàn)狀進行了綜述和分析，并針對后續(xù)可進一步工作研究的內(nèi)容進行了展望。

關(guān)鍵詞：軌道交通車站；過飽和；客流；協(xié)調(diào)控制

Abstract: How to provide real-time inbound passenger flow control solutions for over-saturated stations based on the dynamic distribution of passenger flows has become an urgent issue for the safe and efficient operation and management of urban rail transit networks in China. Based on the collection of related research literature at home and abroad, this paper reviews and analyzes the research status from OD dynamic estimation of passenger flow in rail transit network and passenger flow control in rail transit station. Some further study in the future are put forward.

Key words: Urban rail station; Oversaturation; Passenger flow; Coordinated control

1　引言

城市軌道交通客流快速、安全輸送是城市軌道交通運營組織工作的重中之重。隨著城市軌道交通建設(shè)的快速發(fā)展和成網(wǎng)運營，軌道交通路網(wǎng)客運量持續(xù)攀升。目前，上海工作日高峰時段，部分斷面客流飽和度達130%，人民廣場、世紀(jì)大道等大型換乘站，客流密度超過每平方米2.5人，上海軌道交通日均最高客流量已經(jīng)突破1200萬人次。北京地鐵調(diào)價后，曾一度地鐵日均客流減少80萬，但很多線路的高峰小時滿載率 依舊超過100%，個別線路滿載率竟然達到138%，北京全市線路單日客流總量現(xiàn)已超過1300萬人次，單日客流反超調(diào)價前。如此龐大的客流量以及在路網(wǎng)上復(fù)雜的時空分布為中國城市軌道交通客流組織和車站客流控制帶來了巨大的挑戰(zhàn)，如何根據(jù)客流的動態(tài)分布狀況來為過飽和車站提供實時進站客流控制方案，已成為中國城市軌道交通路網(wǎng)安全高效運營管理迫切需要解決的問題。

軌道交通車站是其客流的起點和終點，短時間內(nèi)巨大的客流量進出對車站的承載能力是一種巨大的考驗。一些車站早晚高峰時段站外、站廳、通道、站臺到處都是擠得密密麻麻的人群，高密度的客流對行人安全帶來了巨大的安全隱患，同時也容易由于人多擁擠引起設(shè)備故障，如2011年北京地鐵5號線因人多車門被擠出現(xiàn)故障，導(dǎo)致多處站臺列車晚點、車站被封，嚴(yán)重影響整個線路乃至路網(wǎng)的運行效率。車站客流的有序、適量進入是軌道交通車站、線路、路網(wǎng)正常運營的必要條件。

圖1 5號線天通苑北站站外早高峰排隊客流

圖2 10號線國貿(mào)站早高峰站臺客流

圖3 13號線西二旗站通道及站臺早高峰客流

圖4 1號線建國門站早高峰上車客流

各個車站不同的客流需求導(dǎo)致運力不均衡，有的車站人滿為患，進站等候時間長，長途跋涉到達站臺仍需等待幾輛列車通過后才能擠上擁擠的列車；而同一線路上有的車站則相對冷清，乘客能順暢進站，列車上相對寬松很多。如北京地鐵5號線天通苑北站、天通苑站早高峰需要排隊15-20分鐘才能進站安檢，而僅三站之隔的5號線立水橋站卻相對容易得多?？土鞯姆植疾痪鈱?dǎo)致同一線路上的運力資源分配不均衡，使高峰期內(nèi)本就捉襟見肘的運力資源沒有得到充分的利用。

客流需求與運輸能力不協(xié)調(diào)不匹配，早晚高峰客流需求的短期劇增促使運輸需求與供給間結(jié)構(gòu)性不均衡矛盾突出，客流擁擠嚴(yán)重，乘客安全風(fēng)險加大，以限流為手段的客流需求管理措施成為當(dāng)前有效措施之一。然而，當(dāng)前運營管理過程中關(guān)于限流措施的制定尚缺乏科學(xué)的理論依據(jù)和計算方法，更多地依靠經(jīng)驗，管控措施粗放，效率低下。因此，亟需建立一套系統(tǒng)的科學(xué)理論與方法，以準(zhǔn)確估計客流的動態(tài)分布，實時了解軌道交通車站的客流狀態(tài)，為建立高效的車站尤其是過飽和車站客流控制策略提供科學(xué)依據(jù)和理論基礎(chǔ)。

2　國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析

目前，國內(nèi)外對城市軌道交通客流控制的研究主要集中在兩個方面，即軌道交通網(wǎng)絡(luò)客流OD動態(tài)估計和車站客流控制。

2.1　軌道交通網(wǎng)絡(luò)客流OD動態(tài)估計

客流OD動態(tài)估計是軌道交通系統(tǒng)實施動態(tài)運營管理與控制的基礎(chǔ)，它為動態(tài)運營管理和控制提供重要的基礎(chǔ)輸入。在交通網(wǎng)絡(luò)客流OD估計領(lǐng)域，國際上最早由nguyen等人首次提出了基于最大熵模型的客流需求OD估計模型，并采用Bregman方法進行求解^[1~2]；Wong等人隨后針對其分配矩陣的稀疏化特性，提出了改進的優(yōu)化算法^[3]；Lam則提出了基于服務(wù)頻率的公共交通網(wǎng)絡(luò)OD估計模型及其算法^[4]；我國學(xué)者對于軌道或公共交通網(wǎng)絡(luò)的OD估計工作大部分也以最大熵優(yōu)化模型為基礎(chǔ)，采用啟發(fā)式或Markov過程進行Bayes估計等方法進行求解，如徐瑢采用Markov過程針對不確定信息下的公共交通網(wǎng)絡(luò)OD分布進行估計^[5]，本項目申請者提出了基于偏最小二乘支持向量回歸模型的軌道交通客流預(yù)測方法^[6]。

OD矩陣估計研究經(jīng)歷了由靜態(tài)OD矩陣估計到動態(tài)OD矩陣估計的兩個階段，靜態(tài)OD矩陣估計一般假設(shè)估計時段內(nèi)交通狀況均勻，無需考慮諸如擁塞的產(chǎn)生和消散、交通流的分散特征、路網(wǎng)傳播性等交通流特征。然而，隨著交通擁擠問題的日益嚴(yán)重，研究交通需求與運輸供給間動態(tài)平衡關(guān)系，挖掘交通流擁擠的產(chǎn)生、消散、傳播等特征成為關(guān)注的熱點，為此，考慮交通流動態(tài)傳播特性的動態(tài)OD矩陣估計理論和方法得以建立和發(fā)展。

從20世紀(jì)80年代中期開始，Cascetta^[7~9]、 Bell^[10~11]、Cremer^[12~14]等著名學(xué)者較早地將靜態(tài)OD估計方法拓展到動態(tài)OD估計領(lǐng)域，系統(tǒng)性地構(gòu)建了一批具有重要價值的估計模型。Cremer較早提出了四種動態(tài)OD矩陣估計模型，包括最小二乘模型、約束優(yōu)化模型、迭代估計模型和卡爾曼濾波模型，主要針對道路交叉口、城市快速路、高速公路以及城市道路網(wǎng)絡(luò)展?？梢钥闯?，前期相關(guān)研究多針對城市道路交通網(wǎng)絡(luò)展開，對于軌道交通網(wǎng)絡(luò)的客流需求動態(tài)估計問題的研究相對缺乏。

在公路交通網(wǎng)絡(luò)則以卡爾曼濾波器模型為主，其估計及預(yù)測依賴于從仿真器（動態(tài)模型）以及實際局部實際數(shù)據(jù)共同獲取觀測輸入。麻省理工學(xué)院的Ashok及Ben-Akiva等人將卡爾曼濾波器模型應(yīng)用到對交通網(wǎng)絡(luò)的時變的出行OD分布估計預(yù)測上^[15~17]，Bielaire等進一步發(fā)展了基于最小二乘的簡化算法^[18]。Mahmassani及Zhou等則應(yīng)用卡爾曼濾波器與DynaSMART結(jié)合進行交通網(wǎng)絡(luò)狀態(tài)的估計^[19~22]?？柭鼮V波器本質(zhì)上在線性空間的最小均方誤差估計器，然而由動態(tài)模型得到的觀測量則是非線性的，因此Tavana及Antoniou及等進一步將非線性卡爾曼濾波器應(yīng)用到對實時的OD分布進行估計^[23~25]。值得注意的是，當(dāng)預(yù)測動態(tài)系統(tǒng)結(jié)構(gòu)發(fā)生結(jié)構(gòu)性變化時，Chinniah及Denis等人通過設(shè)計層次的狀態(tài)結(jié)構(gòu)空間以及高階預(yù)測因子來動態(tài)跟蹤突變，并取得了良好的應(yīng)用效果^[26~27]。而軌道交通網(wǎng)絡(luò)的動態(tài)OD實時估計研究成果相對很少，僅姚向明^[28]在標(biāo)準(zhǔn)卡爾曼濾波算法基礎(chǔ)上增加了增益放大系數(shù)并進行歸一化處理，建立軌道交通在線O-D矩陣估算模型，該處理過程是為滿足殘差修正過程中無法滿足模型的約束條件而添加，忽略了軌道交通客流分布數(shù)據(jù)的特殊性，同時存在精度不高方面的不足，使用于較長時間粒度下的估計。

2.2 軌道交通車站客流控制

軌道交通客流控制問題引起國內(nèi)較多學(xué)者的關(guān)注和興趣，同時也引起運營管理者的極大關(guān)注。然而，針對客流控制措施的制定尚缺乏科學(xué)的理論依據(jù)和計算方法，實際中指導(dǎo)控流措施的標(biāo)準(zhǔn)和規(guī)范較少，地方標(biāo)準(zhǔn)《城市軌道交通運營安全管理規(guī)范》^[29]中指出當(dāng)本站達到或超過客流警戒線（承載能力的70%時），適時采取限流、封站等措施，確?？瓦\組織安全。客流警戒線（Warning Line of Passenger FlowVolume）是指為車站客運組織工作需采取安全措施而設(shè)定的客流量臨界值。該標(biāo)準(zhǔn)是目前唯一較為明確的限流措施執(zhí)行參考標(biāo)準(zhǔn)，但缺乏較好的實踐指導(dǎo)意義。

劉蓮花等^[30]對緩解軌道交通車站-線路-網(wǎng)絡(luò)運輸能力不匹配采取的客流控制措施及計算方法進行了簡要介紹，指出客流控制應(yīng)從車站級、線路級、網(wǎng)絡(luò)級三層控制模式予以實施，但對于控制措施的制定及方法尚不完善。該研究是國內(nèi)首次提出車站客流控制應(yīng)從車站協(xié)調(diào)層面予以進行，前期相關(guān)研究多從車站客流承載能力角度進行單個車站的客流控制研究。李建琳^[31]以上海市軌道交通6號線和8號線為背景，對早高峰時段需求與運力的矛盾進行分析，對限流措施提出改進建議，并分析了不同控流措施的運營效果。該研究中客流控制措施的制定主要依靠經(jīng)驗確定，缺乏一定的科學(xué)性。謝諱^[32]對軌道交通換乘站進行了分類，以結(jié)點換乘站作為研究對象，分析了其空間布局結(jié)構(gòu)以及在該結(jié)構(gòu)下的高峰期客流控制規(guī)則，為確定客流控制開始時間及客流控制方案搜索的結(jié)束條件，進一步確定了客流控制觸發(fā)指標(biāo)，并提出了指標(biāo)的計算方法。雖然換乘節(jié)點在軌道交通網(wǎng)絡(luò)起到非常重要的作用，但是換乘客流作為網(wǎng)內(nèi)客流，其所處環(huán)境相對封閉，對其進行控制難度較大，一般意義上的限流是指限制客流進入軌道交通系統(tǒng)內(nèi)部，一旦客流進入系統(tǒng)后，對其控制將十分困難。張正^[33]等分析限流的作用和影響因素，提出車站間限流安全控制實施方式，根據(jù)流量平衡原理，分析客流在車站單點、線路和路網(wǎng)上的協(xié)同限流方法并研究限流參數(shù)的計算方法。最后以北京地鐵13號線為例進行了車站協(xié)同限流安全控制實例分析與計算。該研究依據(jù)流量平衡原理提出了相對完善的客流控制措施計算方法，但其計算過程中包含較強的假設(shè)條件，如各站乘客下車率已知且恒定，未能很好地結(jié)合客流OD信息，另外，該方法為啟發(fā)式算法，不包含優(yōu)化目標(biāo)，車站間的協(xié)同性控流體現(xiàn)并不明顯，方法應(yīng)用上存在一定的局限性。

客流控制問題屬于運輸系統(tǒng)流入控制的研究范圍，與城市快速路及高速公路阻道控制具有較強的相似性。19世紀(jì)60年代由Wattleworth和佐佐木.明神最早提出了對交通系統(tǒng)的流入控制理論^[34]。當(dāng)初的理論僅考慮流入交通的OD特征及其對下游各區(qū)間交通的影響，構(gòu)筑了以城市高速公路主線上各區(qū)間的流入交通量不超過其通行能力為約束，高速公路流入交通量最大為目標(biāo)函數(shù)的優(yōu)化方法，由于采用了線性規(guī)劃（LinearProgramming）方法，所以常稱其為LP控制手法^[35]。LP控制方法具有理論的嚴(yán)密性和結(jié)構(gòu)的清晰性，但由于路網(wǎng)規(guī)模限制及求解困難，難以適應(yīng)突發(fā)狀況及客流波動較大的情況，更多的用于客流平穩(wěn)狀態(tài)下的客流控制。姚向明^[28]就采用了此種LP方法分別從線路層和網(wǎng)絡(luò)層兩個層面構(gòu)建了客流流入?yún)f(xié)同控制模型。

綜上所述，軌道交通客流分布及車站客流控制模型與方法已得到研究人員的廣泛關(guān)注，并已取得了大量的研究成果。然而對于軌道交通系統(tǒng)而言，乘客出行行為較為復(fù)雜、可實時采集客流信息有限（一般僅包括進出站客流)，給客流OD的動態(tài)估計過程帶來極大困難。目前，尚缺乏有效的估計方法來解決大規(guī)模軌道交通網(wǎng)絡(luò)客流需求的在線估計問題。因此，有必要利用軌道交通網(wǎng)絡(luò)結(jié)構(gòu)特點、結(jié)合運輸過程以及客流波動變化規(guī)律，從最基本的車站和線路層面出發(fā)，研究適用于軌道交通的動態(tài)客流需求估計理論與方法，為客流為動態(tài)運營管理系統(tǒng)的構(gòu)建提供準(zhǔn)確的基礎(chǔ)輸入數(shù)據(jù)，進而為制定科學(xué)合理的車站限流策略提供理論基礎(chǔ)和技術(shù)支撐。

3　過飽和軌道交通車站客流動態(tài)協(xié)調(diào)控制研究展望

綜合上述國內(nèi)外研究現(xiàn)狀分析，可進行以下幾方面的研究。

（1）基于AFC數(shù)據(jù)的客流需求分布（OD）估計模型構(gòu)建

通過統(tǒng)計AFC數(shù)據(jù)，分析軌道交通線路客流分布結(jié)構(gòu)的波動性與相關(guān)性特征，對車站客流分離率進行先驗估計，研究進站客流與出站客流流量關(guān)系。在此基礎(chǔ)上基于無味變換卡爾曼濾波器構(gòu)建以客流分離率為狀態(tài)變量的客流需求分布（OD）估計模型，為后續(xù)研究奠定數(shù)據(jù)基礎(chǔ)。

（2）車站過飽和客流狀態(tài)判別方法和車站群劃分方法研究

車站群劃分的好壞很大程度上將影響客流協(xié)調(diào)控制結(jié)果，基于此，在深入分析OD統(tǒng)計數(shù)據(jù)、建立車站關(guān)鍵設(shè)施觸發(fā)指標(biāo)的基礎(chǔ)上，結(jié)合視頻檢測技術(shù)，首先建立車站飽和客流狀態(tài)判別方法，在此基礎(chǔ)上確定關(guān)鍵車站和非關(guān)鍵車站，通過分析車站進出站客流量、定義O/D比概念、借鑒道路交通控制子區(qū)劃分的距離適當(dāng)原則和流量相關(guān)原則，結(jié)合軌道交通特性建立車站群劃分依據(jù)，構(gòu)建車站群劃分方法。

圖5 客流狀態(tài)判別方法

圖6 車站群劃分方法

（3）過飽和車站客流協(xié)調(diào)控制方法與建模

以O(shè)D數(shù)據(jù)為基礎(chǔ)，結(jié)合視頻檢測技術(shù)和現(xiàn)場觀察測量，分析車站內(nèi)站臺、通道、樓梯、扶梯等關(guān)鍵設(shè)施客流分布情況，得到車站進站客流、出站客流、站內(nèi)客流三者關(guān)系。確定采樣周期長度，以車站群為控制單位，運用控制理論建立車站群客流動態(tài)協(xié)調(diào)控制模型。

圖7 車站群客流動態(tài)協(xié)調(diào)控制模型

（4）線路過飽和等級評估模型

線路過飽和等級評估模型用來評估軌道交通線路過飽和客流狀態(tài)。分別從表征客流特征的宏觀層面、微觀層面、行人服務(wù)水平以及樞紐舒適性方面提取關(guān)鍵指標(biāo)，采用與關(guān)鍵指標(biāo)屬性相匹配的評估方法，根據(jù)過飽和客流狀態(tài)嚴(yán)重程度不同劃分不同等級，建立線路過飽和等級評估模型，對采取客流動態(tài)控制方案的軌道交通線路進行評估。

圖8 線路過飽和等級評估模型建模方法

4　總結(jié)

綜上所述，過飽和軌道交通車站客流動態(tài)協(xié)調(diào)控制及其相關(guān)問題已得到了研究人員的廣泛關(guān)注，并已取得了一定的研究成果，但仍有一些核心問題需要進一步解決。基于此，面對軌道交通常規(guī)大客流需求，后續(xù)工作可針對以下內(nèi)容展開研究：采用無味變換卡爾曼濾波器算法對軌道交通的實時OD數(shù)據(jù)進行分析，提出過飽和車站的概念，對車站過飽和客流狀態(tài)判別方法、車站群劃分方法、過飽和車站客流協(xié)調(diào)控制方法等關(guān)鍵技術(shù)問題展開研究，在上述研究的基礎(chǔ)上，構(gòu)筑基于動態(tài)OD客流分布數(shù)據(jù)的車站客流控制理論與方法體系。上述內(nèi)容的研究成果可為解決軌道交通大客流車站限流控制難題提供新的方法和途徑，在軌道交通客流管理與控制實踐中具有重要的應(yīng)用前景，同時對城市軌道交通客流控制理論與方法的進一步發(fā)展能夠起到一定的推動作用。

參考文獻：

[1] Nguyen, S., Pallottino, S. (1986). Estimating origin destination flows for transit networks. AIRO, RicercaOperativa, 38, 9- 27.

[2] Nguyen, S., Pallottino, S. and Malucelli, F. (1988) Discrete time dynamic estimation model for passenger origin/ destination matrices on transit networks, Transportation Research Part B, 24 (2), 251 - 160,

[3] Wong, S.C. and Tong, C.O. (2002) Estimation of time-dependent origin-destination matrices and transit networks. Transportation Research, 32B, 35 - 48.

[4] Lam, W.H.K, Chan K.S. and Wu Z.X. (2003) Estimation of Transit Origin-Destination Matrices from Passenger Counts Using a Frequency-based Approach". Journal of Mathematical Modelling and Algorithms, 2 (4), 329 - 348.

[5] 徐榕. 不完全信息下公共交通客流OD推算方法[D]. 北京交通大學(xué)學(xué)位論文, 2011.

[6] HuijuanZHOU,Yong QIN, Yinghong LI. A Partial Least Square Based Support Vector Regression Rail Transit Passenger Flow Prediction Method. International Journal of u- and e- Service, Science and Technology, vol. 7, No.2, 2014, pp.101 -112.

[7] Cascetta, E.. Estimation of Trip Matrices from Traffic Counts and Survey Data: A GeneralizedLeast Squares Estimator[J]. Transportation Research Part 8,1984,18 (4-5) : 289 - 299.

[8] Cascetta, E., Inaudi, D.,Maiguis, G. Dynamic Estimators of Origin-Destination Matrices UsingTraffic Counts[J]. Transportation Science, 1993,27 ( 4 ) : 363 - 373.

[9] Cascetta E., Postorino M. N.. Fixed point approaches to the estimation of OD matrices usingtraffic counts on congested networks[J]. Transportation Science,2001, 35 : 134 - 147.

[10] Bell, M.GH.. The Estimation of Origin-Destination Matrices by Constrained Genmlized LeastSquares[Jl. Transportation Research Part 8,1991,25 (1) : 13 - 22.

[11] Bell, M.GH.. The Real-Time Estimation of Origin-Destination Flows in the Presence of

[12] Platoon Dispersion[J]. Transportation Research Part 8,1991, 25 (2-3) : 115 - 125.

[13] Cremer, M.,Keller, H.. A Systems Dynamics Approach to the Estimation of Entry and Exit O-DFlows[J]. Proceeding of the Ninth International Symposium on Transportation and Traffic Theory, 1984 : 431 - 450.

[14] Cremer, M.,Keller, H.. A New Class of Dynamic Methods for the Identification ofOrigin-Destination Flows[J]. Transportation Research Part 8,1987,21 (2) : 117 - 132.

[15] Ashok, K., (1996). Estimation and prediction of time-dependent origin -destination Flows. Ph.D. Dissertation, MIT, USA.

[16] Ashok, K., Ben-Akiva, M., (1999). Dynamic origin -destination matrix estimation and prediction for real-time traffic management systems.In: Daganzo, C. (Ed.), Proceedings of the 12th International Symposium on Transportation. Elsevier.

[17] Ashok, K., Ben-Akiva, M., (2002). Alternative approaches for real-time estimation and prediction of time-dependent origin - destination flows. Transportation Science 34 (1), 21 - 36.

[18] Chen, C., Petty, K., Skabardonis, A., Varaiya, P., Jia, Z., (2001). Freeway performance measurement system: mining loop detector data. Transportation Research Record 1748, 96 - 102.

[19] Mahmassani, H.S., (2001). Dynamic network traffic assignment and simulation methodology for advanced system management applications. Networks and Spatial Economics 1 (2), 267 - 292.

[20] Peeta, S., Ziliaskopoulos, A., (2001). Foundations of dynamic traffic assignment: the past, the present and the future. Networks and Spatial Economics 1 (2), 233 - 266.

[21] Zhou, X., Mahmassani, H.S., (2005). Recursive approaches for online consistency checking and O -D demand updating for real-time dynamic traffic assignment operation. Journal of the Transportation Research Board 1923, 218 -226.

[22] Zhou, X., Qin, X., Mahmassani, H.S., (2007). Dynamic origin -destination demand estimation using multi-day link traffic counts for planning applications. Transportation Research Record 1831, 30 - 38

[23] Tavana, H., (2001). Internally-consistent estimation of dynamic network origin -destination flows from intelligent transportation systems data using bi-level optimization. Ph.D. Dissertation, University of Texas at Austin, USA.

[24] Tavana, H., Mahmassani, H.S., (2005). Estimation of dynamic origin destination flows from sensor data using bi-level optimization method. Transportation Research Board CD-ROM Paper Preprints (TRB Paper No. 01-3241), National Research Council, Washington, DC.

[25] Antoniou, C., Ben-Akiva, M., Koutsopoulos, H.N. (2007) Nonlinear Kalman filtering algorithm for on-line calibration of dynamic traffic assignment model. IEEE Transaction on ITS, 8 (4), 661-670

[26] Chinniah, C., Burton, R., (2006), Failure monitoring in a high performance hydrostatic actuation system using the extended Kalman filter, Mechatronics, 16 (10), 2006

[27] Xu., X. (2011). Hard failure diagnosis using self-tuning Kalman filter, 134, 326 - 334

[28] 姚向明. 城市軌道交通網(wǎng)絡(luò)動態(tài)客流分布及協(xié)同流入控制理論與方法[D]. 北京交通大學(xué)博士論文, 2014.

[29] 北京市交通委員委員會. DB11/T 647-2009城市軌道交通運營安全管理規(guī)范[S]. 北京: 北京市質(zhì)量技術(shù)監(jiān)督局, 2009.

[30] 劉蓮花, 蔣亮. 城市軌道交通網(wǎng)絡(luò)客流控制方法研究[J]. 鐵道運輸與經(jīng)濟, 2011, 33 (5) : 51 - 55.

[31] 李建琳. 上海軌道交通限流客運調(diào)整實踐研究[J]. 現(xiàn)代城市軌道交通, 2011, (4) : 81 - 83.

[32] 謝瑋. 城市軌道交通換乘站客流控制方法研究[D]. 北京: 北京交通大學(xué), 2012.

[33] 張正, 蔣熙, 賀英松. 城市軌道交通高峰時段車站協(xié)同限流安全控制研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2013, 9 (10) : 5 - 9.

[34] Wattleworth J.A, Berry D.S. Peak Period Control of a Freeway System: Some TheoreticalInvestigations[R]. Washington: Texas Transportation Institute, 1965,89 : 1 - 25.

作者簡介：

周慧娟（1975-），女，湖南隆回人，副教授，碩士生導(dǎo)師，現(xiàn)任教于北方工業(yè)大學(xué)，研究方向是軌道交通客流組織與控制。

劉小明（1974-），男，河北唐山人，教授，博士生導(dǎo)師，現(xiàn)任教于北方工業(yè)大學(xué)，研究方向是智能交通控制理論與技術(shù)、城市交通系統(tǒng)工程。

摘自《自動化博覽》2019年12月刊