摘要：如何根據客流的動(dòng)態(tài)分布狀況來(lái)為過(guò)飽和車(chē)站提供實(shí)時(shí)進(jìn)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(yíng)管理迫切需要解決的問(wèn)題。文章在收集國內外相關(guān)研究文獻的基礎上，從軌道交通網(wǎng)絡(luò )客流OD動(dòng)態(tài)估計、軌道交通車(chē)站客流控制等方面對國內外研究現狀進(jìn)行了綜述和分析，并針對后續可進(jìn)一步工作研究的內容進(jìn)行了展望。

關(guān)鍵詞：軌道交通車(chē)站；過(guò)飽和；客流；協(xié)調控制

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(yíng)組織工作的重中之重。隨著(zhù)城市軌道交通建設的快速發(fā)展和成網(wǎng)運營(yíng)，軌道交通路網(wǎng)客運量持續攀升。目前，上海工作日高峰時(shí)段，部分斷面客流飽和度達130%，人民廣場(chǎng)、世紀大道等大型換乘站，客流密度超過(guò)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(wàn)人次。北京地鐵調價(jià)后，曾一度地鐵日均客流減少80萬(wàn)，但很多線(xiàn)路的高峰小時(shí)滿(mǎn)載率 依舊超過(guò)100%，個(gè)別線(xiàn)路滿(mǎn)載率竟然達到138%，北京全市線(xiàn)路單日客流總量現已超過(guò)1300萬(wàn)人次，單日客流反超調價(jià)前。如此龐大的客流量以及在路網(wǎng)上復雜的時(shí)空分布為中國城市軌道交通客流組織和車(chē)站客流控制帶來(lái)了巨大的挑戰，如何根據客流的動(dòng)態(tài)分布狀況來(lái)為過(guò)飽和車(chē)站提供實(shí)時(shí)進(jìn)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(yíng)管理迫切需要解決的問(wèn)題。

軌道交通車(chē)站是其客流的起點(diǎn)和終點(diǎn)，短時(shí)間內巨大的客流量進(jìn)出對車(chē)站的承載能力是一種巨大的考驗。一些車(chē)站早晚高峰時(shí)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(lái)了巨大的安全隱患，同時(shí)也容易由于人多擁擠引起設備故障，如2011年北京地鐵5號線(xiàn)因人多車(chē)門(mén)被擠出現故障，導致多處站臺列車(chē)晚點(diǎn)、車(chē)站被封，嚴重影響整個(gè)線(xiàn)路乃至路網(wǎng)的運行效率。車(chē)站客流的有序、適量進(jìn)入是軌道交通車(chē)站、線(xiàn)路、路網(wǎng)正常運營(yíng)的必要條件。

圖1 5號線(xiàn)天通苑北站站外早高峰排隊客流

圖2 10號線(xiàn)國貿站早高峰站臺客流

圖3 13號線(xiàn)西二旗站通道及站臺早高峰客流

圖4 1號線(xiàn)建國門(mén)站早高峰上車(chē)客流

各個(gè)車(chē)站不同的客流需求導致運力不均衡，有的車(chē)站人滿(mǎn)為患，進(jìn)站等候時(shí)間長(cháng)，長(cháng)途跋涉到達站臺仍需等待幾輛列車(chē)通過(guò)后才能擠上擁擠的列車(chē)；而同一線(xiàn)路上有的車(chē)站則相對冷清，乘客能順暢進(jìn)站，列車(chē)上相對寬松很多。如北京地鐵5號線(xiàn)天通苑北站、天通苑站早高峰需要排隊15-20分鐘才能進(jìn)站安檢，而僅三站之隔的5號線(xiàn)立水橋站卻相對容易得多?？土鞯姆植疾痪鈱е峦痪€(xiàn)路上的運力資源分配不均衡，使高峰期內本就捉襟見(jiàn)肘的運力資源沒(méi)有得到充分的利用。

客流需求與運輸能力不協(xié)調不匹配，早晚高峰客流需求的短期劇增促使運輸需求與供給間結構性不均衡矛盾突出，客流擁擠嚴重，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前有效措施之一。然而，當前運營(yíng)管理過(guò)程中關(guān)于限流措施的制定尚缺乏科學(xué)的理論依據和計算方法，更多地依靠經(jīng)驗，管控措施粗放，效率低下。因此，亟需建立一套系統的科學(xué)理論與方法，以準確估計客流的動(dòng)態(tài)分布，實(shí)時(shí)了解軌道交通車(chē)站的客流狀態(tài)，為建立高效的車(chē)站尤其是過(guò)飽和車(chē)站客流控制策略提供科學(xué)依據和理論基礎。

2　國內外研究現狀及發(fā)展動(dòng)態(tài)分析

目前，國內外對城市軌道交通客流控制的研究主要集中在兩個(gè)方面，即軌道交通網(wǎng)絡(luò )客流OD動(dòng)態(tài)估計和車(chē)站客流控制。

2.1　軌道交通網(wǎng)絡(luò )客流OD動(dòng)態(tài)估計

客流OD動(dòng)態(tài)估計是軌道交通系統實(shí)施動(dòng)態(tài)運營(yíng)管理與控制的基礎，它為動(dòng)態(tài)運營(yíng)管理和控制提供重要的基礎輸入。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(jìn)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(jìn)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，采用啟發(fā)式或Markov過(guò)程進(jìn)行Bayes估計等方法進(jìn)行求解，如徐瑢采用Markov過(guò)程針對不確定信息下的公共交通網(wǎng)絡(luò )OD分布進(jìn)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(dòng)態(tài)OD矩陣估計的兩個(gè)階段，靜態(tài)OD矩陣估計一般假設估計時(shí)段內交通狀況均勻，無(wú)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(zhù)交通擁擠問(wèn)題的日益嚴重，研究交通需求與運輸供給間動(dòng)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(diǎn)，為此，考慮交通流動(dòng)態(tài)傳播特性的動(dòng)態(tài)OD矩陣估計理論和方法得以建立和發(fā)展。

從20世紀80年代中期開(kāi)始，Cascetta^[7~9]、 Bell^[10~11]、Cremer^[12~14]等著(zhù)名學(xué)者較早地將靜態(tài)OD估計方法拓展到動(dòng)態(tài)OD估計領(lǐng)域，系統性地構建了一批具有重要價(jià)值的估計模型。Cremer較早提出了四種動(dòng)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(kāi)，對于軌道交通網(wǎng)絡(luò )的客流需求動(dòng)態(tài)估計問(wèn)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，其估計及預測依賴(lài)于從仿真器（動(dòng)態(tài)模型）以及實(shí)際局部實(shí)際數據共同獲取觀(guān)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用到對交通網(wǎng)絡(luò )的時(shí)變的出行OD分布估計預測上^[15~17]，Bielaire等進(jìn)一步發(fā)展了基于最小二乘的簡(jiǎn)化算法^[18]。Mahmassani及Zhou等則應用卡爾曼濾波器與DynaSMART結合進(jìn)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(xiàn)性空間的最小均方誤差估計器，然而由動(dòng)態(tài)模型得到的觀(guān)測量則是非線(xiàn)性的，因此Tavana及Antoniou及等進(jìn)一步將非線(xiàn)性卡爾曼濾波器應用到對實(shí)時(shí)的OD分布進(jìn)行估計^[23~25]。值得注意的是，當預測動(dòng)態(tài)系統結構發(fā)生結構性變化時(shí)，Chinniah及Denis等人通過(guò)設計層次的狀態(tài)結構空間以及高階預測因子來(lái)動(dòng)態(tài)跟蹤突變，并取得了良好的應用效果^[26~27]。而軌道交通網(wǎng)絡(luò )的動(dòng)態(tài)OD實(shí)時(shí)估計研究成果相對很少，僅姚向明^[28]在標準卡爾曼濾波算法基礎上增加了增益放大系數并進(jìn)行歸一化處理，建立軌道交通在線(xiàn)O-D矩陣估算模型，該處理過(guò)程是為滿(mǎn)足殘差修正過(guò)程中無(wú)法滿(mǎn)足模型的約束條件而添加，忽略了軌道交通客流分布數據的特殊性，同時(shí)存在精度不高方面的不足，使用于較長(cháng)時(shí)間粒度下的估計。

2.2 軌道交通車(chē)站客流控制

軌道交通客流控制問(wèn)題引起國內較多學(xué)者的關(guān)注和興趣，同時(shí)也引起運營(yíng)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)的理論依據和計算方法，實(shí)際中指導控流措施的標準和規范較少，地方標準《城市軌道交通運營(yíng)安全管理規范》^[29]中指出當本站達到或超過(guò)客流警戒線(xiàn)（承載能力的70%時(shí)），適時(shí)采取限流、封站等措施，確?？瓦\組織安全?？土骶渚€(xiàn)（Warning Line of Passenger FlowVolume）是指為車(chē)站客運組織工作需采取安全措施而設定的客流量臨界值。該標準是目前唯一較為明確的限流措施執行參考標準，但缺乏較好的實(shí)踐指導意義。

劉蓮花等^[30]對緩解軌道交通車(chē)站-線(xiàn)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(jìn)行了簡(jiǎn)要介紹，指出客流控制應從車(chē)站級、線(xiàn)路級、網(wǎng)絡(luò )級三層控制模式予以實(shí)施，但對于控制措施的制定及方法尚不完善。該研究是國內首次提出車(chē)站客流控制應從車(chē)站協(xié)調層面予以進(jìn)行，前期相關(guān)研究多從車(chē)站客流承載能力角度進(jìn)行單個(gè)車(chē)站的客流控制研究。李建琳^[31]以上海市軌道交通6號線(xiàn)和8號線(xiàn)為背景，對早高峰時(shí)段需求與運力的矛盾進(jìn)行分析，對限流措施提出改進(jìn)建議，并分析了不同控流措施的運營(yíng)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(jìn)行了分類(lèi)，以結點(diǎn)換乘站作為研究對象，分析了其空間布局結構以及在該結構下的高峰期客流控制規則，為確定客流控制開(kāi)始時(shí)間及客流控制方案搜索的結束條件，進(jìn)一步確定了客流控制觸發(fā)指標，并提出了指標的計算方法。雖然換乘節點(diǎn)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)內客流，其所處環(huán)境相對封閉，對其進(jìn)行控制難度較大，一般意義上的限流是指限制客流進(jìn)入軌道交通系統內部，一旦客流進(jìn)入系統后，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(chē)站間限流安全控制實(shí)施方式，根據流量平衡原理，分析客流在車(chē)站單點(diǎn)、線(xiàn)路和路網(wǎng)上的協(xié)同限流方法并研究限流參數的計算方法。最后以北京地鐵13號線(xiàn)為例進(jìn)行了車(chē)站協(xié)同限流安全控制實(shí)例分析與計算。該研究依據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(guò)程中包含較強的假設條件，如各站乘客下車(chē)率已知且恒定，未能很好地結合客流OD信息，另外，該方法為啟發(fā)式算法，不包含優(yōu)化目標，車(chē)站間的協(xié)同性控流體現并不明顯，方法應用上存在一定的局限性。

客流控制問(wèn)題屬于運輸系統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60年代由Wattleworth和佐佐木.明神最早提出了對交通系統的流入控制理論^[34]。當初的理論僅考慮流入交通的OD特征及其對下游各區間交通的影響，構筑了以城市高速公路主線(xiàn)上各區間的流入交通量不超過(guò)其通行能力為約束，高速公路流入交通量最大為目標函數的優(yōu)化方法，由于采用了線(xiàn)性規劃（LinearProgramming）方法，所以常稱(chēng)其為L(cháng)P控制手法^[35]。LP控制方法具有理論的嚴密性和結構的清晰性，但由于路網(wǎng)規模限制及求解困難，難以適應突發(fā)狀況及客流波動(dòng)較大的情況，更多的用于客流平穩狀態(tài)下的客流控制。姚向明^[28]就采用了此種LP方法分別從線(xiàn)路層和網(wǎng)絡(luò )層兩個(gè)層面構建了客流流入協(xié)同控制模型。

綜上所述，軌道交通客流分布及車(chē)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而言，乘客出行行為較為復雜、可實(shí)時(shí)采集客流信息有限（一般僅包括進(jìn)出站客流)，給客流OD的動(dòng)態(tài)估計過(guò)程帶來(lái)極大困難。目前，尚缺乏有效的估計方法來(lái)解決大規模軌道交通網(wǎng)絡(luò )客流需求的在線(xiàn)估計問(wèn)題。因此，有必要利用軌道交通網(wǎng)絡(luò )結構特點(diǎn)、結合運輸過(guò)程以及客流波動(dòng)變化規律，從最基本的車(chē)站和線(xiàn)路層面出發(fā)，研究適用于軌道交通的動(dòng)態(tài)客流需求估計理論與方法，為客流為動(dòng)態(tài)運營(yíng)管理系統的構建提供準確的基礎輸入數據，進(jìn)而為制定科學(xué)合理的車(chē)站限流策略提供理論基礎和技術(shù)支撐。

3　過(guò)飽和軌道交通車(chē)站客流動(dòng)態(tài)協(xié)調控制研究展望

綜合上述國內外研究現狀分析，可進(jìn)行以下幾方面的研究。

（1）基于A(yíng)FC數據的客流需求分布（OD）估計模型構建

通過(guò)統計AFC數據，分析軌道交通線(xiàn)路客流分布結構的波動(dòng)性與相關(guān)性特征，對車(chē)站客流分離率進(jìn)行先驗估計，研究進(jìn)站客流與出站客流流量關(guān)系。在此基礎上基于無(wú)味變換卡爾曼濾波器構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，為后續研究奠定數據基礎。

（2）車(chē)站過(guò)飽和客流狀態(tài)判別方法和車(chē)站群劃分方法研究

車(chē)站群劃分的好壞很大程度上將影響客流協(xié)調控制結果，基于此，在深入分析OD統計數據、建立車(chē)站關(guān)鍵設施觸發(fā)指標的基礎上，結合視頻檢測技術(shù)，首先建立車(chē)站飽和客流狀態(tài)判別方法，在此基礎上確定關(guān)鍵車(chē)站和非關(guān)鍵車(chē)站，通過(guò)分析車(chē)站進(jìn)出站客流量、定義O/D比概念、借鑒道路交通控制子區劃分的距離適當原則和流量相關(guān)原則，結合軌道交通特性建立車(chē)站群劃分依據，構建車(chē)站群劃分方法。

圖5 客流狀態(tài)判別方法

圖6 車(chē)站群劃分方法

（3）過(guò)飽和車(chē)站客流協(xié)調控制方法與建模

以OD數據為基礎，結合視頻檢測技術(shù)和現場(chǎng)觀(guān)察測量，分析車(chē)站內站臺、通道、樓梯、扶梯等關(guān)鍵設施客流分布情況，得到車(chē)站進(jìn)站客流、出站客流、站內客流三者關(guān)系。確定采樣周期長(cháng)度，以車(chē)站群為控制單位，運用控制理論建立車(chē)站群客流動(dòng)態(tài)協(xié)調控制模型。

圖7 車(chē)站群客流動(dòng)態(tài)協(xié)調控制模型

（4）線(xiàn)路過(guò)飽和等級評估模型

線(xiàn)路過(guò)飽和等級評估模型用來(lái)評估軌道交通線(xiàn)路過(guò)飽和客流狀態(tài)。分別從表征客流特征的宏觀(guān)層面、微觀(guān)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，采用與關(guān)鍵指標屬性相匹配的評估方法，根據過(guò)飽和客流狀態(tài)嚴重程度不同劃分不同等級，建立線(xiàn)路過(guò)飽和等級評估模型，對采取客流動(dòng)態(tài)控制方案的軌道交通線(xiàn)路進(jìn)行評估。

圖8 線(xiàn)路過(guò)飽和等級評估模型建模方法

4　總結

綜上所述，過(guò)飽和軌道交通車(chē)站客流動(dòng)態(tài)協(xié)調控制及其相關(guān)問(wèn)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(wèn)題需要進(jìn)一步解決?；诖?，面對軌道交通常規大客流需求，后續工作可針對以下內容展開(kāi)研究：采用無(wú)味變換卡爾曼濾波器算法對軌道交通的實(shí)時(shí)OD數據進(jìn)行分析，提出過(guò)飽和車(chē)站的概念，對車(chē)站過(guò)飽和客流狀態(tài)判別方法、車(chē)站群劃分方法、過(guò)飽和車(chē)站客流協(xié)調控制方法等關(guān)鍵技術(shù)問(wèn)題展開(kāi)研究，在上述研究的基礎上，構筑基于動(dòng)態(tài)OD客流分布數據的車(chē)站客流控制理論與方法體系。上述內容的研究成果可為解決軌道交通大客流車(chē)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(shí)踐中具有重要的應用前景，同時(shí)對城市軌道交通客流控制理論與方法的進(jìn)一步發(fā)展能夠起到一定的推動(dòng)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(dòng)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(huì ). DB11/T 647-2009城市軌道交通運營(yíng)安全管理規范[S]. 北京: 北京市質(zhì)量技術(shù)監督局, 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整實(shí)踐研究[J]. 現代城市軌道交通, 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(shí)段車(chē)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(jiǎn)介：

周慧娟（1975-），女，湖南隆回人，副教授，碩士生導師，現任教于北方工業(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，博士生導師，現任教于北方工業(yè)大學(xué)，研究方向是智能交通控制理論與技術(shù)、城市交通系統工程。

摘自《自動(dòng)化博覽》2019年12月刊