Resumen

El número de pasajeros en una línea ferroviaria de alta velocidad suele variar significativamente según los periodos de tiempo, como las horas punta y las horas valle. Una clasificación razonable de los intervalos de tiempo de operación ferroviaria es esencial para un ajuste adaptativo de la programación de trenes. Sin embargo, los intervalos de flujo de pasajeros suelen clasificarse manualmente basándose en la experiencia, lo cual es subjetivo e inexacto. Basándose en muestras temporales de datos reales de demanda de pasajeros durante 365 días, este artículo propone un algoritmo de propagación de afinidad (AP) para clasificar automáticamente los intervalos de flujo de pasajeros. En concreto, el algoritmo AP fusiona primero las muestras de tiempo en diferentes categorías junto con el volumen de transmisión de pasajeros de las estaciones, que se utilizan como variables descriptivas. Además, se emplean índices de validez de la agrupación, como Calinski-Harabasz, Hartigan y la proporción dentro del grupo, para examinar los resultados de la agrupación, y finalmente se obtienen intervalos razonables de flujo de pasajeros. Un estudio de caso del ferrocarril de alta velocidad Zhengzhou-Xi'an indica que nuestro algoritmo AP propuesto tiene el mejor rendimiento. Además, según los resultados de la clasificación de los intervalos de flujo de pasajeros obtenidos con el algoritmo AP, el plan de explotación del tren se ajusta mejor a la demanda de pasajeros. Como resultado, los índices de tasa de satisfacción de la demanda de pasajeros, tasa media de ocupación de trenes y tasa de flujo de pasajeros mejoran un 7,6%, 16,7% y 14,1%, respectivamente, en 2014. En 2015, los tres indicadores anteriores mejoraron un 5,7%, un 18,4% y un 14,4%, respectivamente.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:intervalos de flujo de pasajeros, algoritmo ap, muestras de tiempo, datos reales de demanda de pasajeros, tasa media de ocupación de trenes, tasa de satisfacción de la demanda de pasajeros, resultados de la clasificación de intervalos de flujo de pasajeros, intervalos de tiempo de explotación ferroviaria, intervalos razonables de flujo de pasajeros, tasa de flujo de pasajeros
• Keywords:passenger flow intervals, ap algorithm, time samples, actual passenger demand data, average train occupancy rate, passenger demand satisfaction rate, passenger flow interval classification results, railway operation time intervals, reasonable passenger flow intervals, passenger flow rate