Transportation Research Parte C 38 (2014) 28-43

listas de contenidos ofrecidos en ScienceDirect

Investigación del Transporte de la Parte C

Página principal de la revista: www.elsevier. com / localizar / t rc

Análisis de la capacidad estación de metro con el uso de la teoría de colas

Xin Xu Yue una , segundo , ⇑ , Jun Liu segundo , Hai-ying Li una , Jian-Qiang Hu segundo
una Estado Lab clave del control del carril de trá fi co y Seguridad, Universidad Jiaotong de Beijing, Beijing 100044, China
segundo Escuela de trá fi co y Transporte, Beijing Jiaotong University, Beijing 100044, China

información del artículo resumen

Historia del artículo: Un nuevo concepto de la capacidad de la estación de metro (SSC) se define de acuerdo con el proceso de recopilación y de
Recibido el 18 de de septiembre de 2012
dispersión. Un modelo de análisis de red de encolado de la estación se crea para el cálculo de SSC, que se construye
Recibida en forma 15 de octubre de 2013 Aceptado revisada 30 de
según el estado M / G / C / C de red de encolado dependiente y cadena de Markov de tiempo discreto (DTMC). Basado en
de octubre de 2013
la definición y la red de puesta en cola de análisis, un modelo de optimización SSC se desarrolla, cuya función objetivo es
optimizar SSC con una tasa satisfactoria de pasajeros restantes. Además, se propone una solución para el modelo de
integración de la metodología de superficie de respuesta con iterativo método de expansión generalizada (IGEM) y DTMC.
palabras clave:
Un estudio de caso de la estación de Beijing en Beijing línea de metro 2 se lleva a cabo para verificar la validez y la
Estación de metro Respuesta capacidad de la
aplicabilidad de los métodos propuestos por comparación con el modelo de simulación en diferentes experimentos.
metodología de superficie de red de encolado
restante pasajeros que llegan de control de
Finalmente,
pasajeros

2013 Elsevier Ltd. Todos los derechos reservados.

1. Introducción

La congestión y el problema de contaminación en las grandes ciudades de China ha creado una necesidad urgente de construcción y ampliación de la red de metro. Muchas
estaciones de metro han estado sufriendo niveles muy altos de densidad de peatones. De hecho, varios análisis estadísticos de los datos de accidentes realizadas en China, Europa y los
Estados Unidos de América ( Abril et al., 2008; Baysari et al., 2008; Ben-Elia y Ettema, 2011; Kyriakidis et al., 2012 ) Muestran que una gran cantidad de lesiones se producen durante el
proceso de ascenso y descenso y que estas lesiones están estrechamente relacionados con el diseño de plataforma de la estación ( Zhang y Han, 2008; Shi et al., 2012 ). Por otra parte, las
plataformas de transporte tienen capacidades de retención de pasajeros críticos, que si se excede, podrían resultar en pasajeros siendo empujados a las vías.

Como resultado, muchas investigaciones se centran en el campo de la estación de metro. De capacidad, cuya fi nición de es un problema clásico, ha sido durante mucho tiempo un
tema significativo en la industria ferroviaria. A medida que la demanda de tráfico de pasajeros fi c aumenta rápidamente durante los últimos años, la capacidad es el tema de moda en el
dominio de metro ( Kittelson & Associates et al., 2003; Jiang et al., 2009; Hu, 2011; Chen y Liu, 2012 ). Además, el problema de la capacidad es la clave para la organización de flujo de
pasajeros de la estación, esquemas dispositivo de estación y la operación del tren. Así, el método para calcular el SSC se estudia principalmente en este papel. Y, la pregunta será
investigado en dos pasos.

Una de ellas es para definir el SSC. Hay algunas de fi niciones que implican SSC en la literatura existente. la capacidad de la persona, lo que significa que el número de personas que
pueden ser servidos en una determinada cantidad de tiempo, es discutido por Kittelson y Associates et al. (2003) . SSC es el pasajero máximo flujo a través de varias instalaciones de una
estación ( Área Metropolitana de Washington Autoridad de Tránsito,

⇑ El primer autor en: Estado clave Laboratorio de Control de tren de trá fi co y Seguridad, Universidad Jiaotong de Beijing, Beijing 100044, China. Tel .: +86 15011516578.

Dirección de correo electrónico: xxy_1983@163.com (X.-y. Xu).

0968-090X / $ - see front matter 2013 Elsevier Ltd. Todos los derechos reservados.
http://dx.doi.org/10.1016/j.trc.2013.10.010
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 29

2008 ). Sin embargo, las instalaciones no se describen en detalle debido a que es difícil de expresar y presente. Sin embargo, las instalaciones no se describen en detalle debido a que es
difícil de expresar y presente. Por lo tanto, la CSS debe definirse aún más en la práctica.
El otro es el desarrollo de un método para resolver el problema de la CSS basado en la definición ha propuesto este documento. Los métodos que están cerca de este problema
pueden clasificarse en dos categorías principales de acuerdo con el enfoque de modelado sugerido: simulación y modelado matemático.

Los modelos de simulación ( Teknomo, 2006; Fateh et al., 2007; YALCINKAYA y Bayhan, 2009; Asanoa et al., 2010; Fernández, 2010 ) Son adecuados para la descripción de la
estación en diferentes perspectivas, pero pocos consideran el problema de cálculo de capacidad. Por ejemplo, un modelo de simulación basado en redes de Petri híbridos, que es capaz de
ayudar a las autoridades de tránsito para llevar a cabo los procedimientos de evaluación de desempeño, fue presentado por Fateh et al. (2007) . Un enfoque de modelado basado en
eventos discretos y metodología de simulación de superficie de respuesta (RSM) trataba de un problema de optimización de tiempo de viaje del pasajero promedio inherente al proceso de
planificación de metro ( Yalçinkaya y Bayhan de 2009 ). Estos estudios se centraron en cómo modelar la estación, evalúan el uso del dispositivo o nivel de servicio (LOS), pero literaturas
existentes no podían proporcionar un método para calcular la integración de modelos de simulación de capacidad.

Los modelos matemáticos, a menudo llamados modelos de análisis, se diseñan generalmente para modelar el sistema de la estación de metro por medio de fórmulas matemáticas o
expresiones algebraicas. La mayoría de las literaturas estudiaron el problema de la CSS desde un punto de vista local. La capacidad de tránsito y Calidad de servicio Manual ( Kittelson &
Associates et al., 2003 ) Y el Código para el diseño del metro ( GB, 2003 ) Fueron algunos de los trabajos que tienen que ver con la capacidad de cada elemento (instalación) de una
estación de metro, pero que no estaban en un punto de vista sistemático. Las relaciones entre el tiempo de permanencia en los trenes y las situaciones de hacinamiento en las estaciones
de tren ligero (LRT) en Hong Kong se determinaron fi rstly, y se establecieron modelos de regresión para los retrasos de trenes de vivienda por William et al. (1999) . La medición de los
tiempos de embarque y desembarque para diferentes tipos de trenes ha sido estudiada por Harris y Anderson (2006) . Basándose en los datos de campo de tiempo de embarque de
pasajeros, se analizaron las características de tiempo de embarque, los pasajeros y un modelo matemático lineal a trozos para el tiempo medio de embarque fue presentado por Cao y
Yuan (2009) . proceso de llegada se consideró que era continua y estable y se puede suponer que sigue una distribución de Poisson ( Yalçinkaya y Bayhan, 2009; Fernández, 2010 ). Se
propuso AM / G / C / basados ​en C modelo de capacidad de escaleras y pasillos para la evacuación de pasajeros en consideración de las instalaciones espaciales en estaciones de metro
a través de análisis de movimientos de pasajeros por Chen y Liu (2012) . Restante pasajeros (pasajeros que llegan a la plataforma no será capaz de salir (bordo) dentro del mismo ciclo y
debe esperar a la siguiente) a los platformwas estación de metro estudiados por modelo de probabilidad ( Xu et al., 2013A ). Sin embargo, había poco interés en la evaluación o el cálculo
de la CSS de una manera holística. Por lo tanto, con el fin de modelar sistemáticamente todos los aspectos de las estaciones de tránsito de metro que opera bajo ciertas condiciones y
calcular la capacidad, es urgente para presentar una nueva definición de fi de SSC, para desarrollar un modelo de estación sistemática y luego proporcionar un método útil para resolver el
cálculo problema de SSC.

Este artículo presenta una disponible definición de SSC, y luego se crea un modelo de red de encolado de la estación base en estado M / G / C / C de red de encolado dependiente y
DTMC. Por último, el modelo de optimización SSC se desarrolla y se propone un algoritmo de solución el uso de RSM integrado con IGEM y DTMC. En este trabajo se extiende desde
nuestro trabajo anterior ( Xu et al., 2013A ), Que sólo considera pasajeros restante en plataformas. Además, el algoritmo de solución se inspira en el procedimiento sugerido por Yalçinkaya y
Bayhan (2009) . Este documento está estructurado de la siguiente manera. Sección 2 presenta el problema de fi nición. Sección 3 describe el modelo de red de encolado para una estación
de metro. Sección 4 presenta el problema de optimización multi-objetivo y desarrolla un algoritmo de resolución. Más adelante en la Sección 5 se muestra a través de un estudio de caso,
cómo el enfoque propuesto puede ser aplicado para calcular SSC. finalmente Sección 6 concluye este documento.

2. Problema de fi nición

En esta sección, después de analizar la recopilación y el proceso de dispersión en la estación, se presenta una adecuada definición de SSC de la estación de metro. A continuación, se
discuten algunas cuestiones relacionadas con el SSC, incluyendo el control de pasajeros de entrada y bajar del vehículo y el comportamiento de embarque.

2.1. proceso de recolección y dispersión

Recogida y proceso de dispersión en la estación por lo general consiste en tres sub-procedimientos: llegada, salida y proceso de embarque alighting-, como se muestra en Figura 1 . El
proceso de llegada comienza cuando los pasajeros entren por las puertas y termina cuando los pasajeros salen de la escalera y llegan a la plataforma. El proceso contiene estos
dispositivos clave: puertas, escaleras, escaleras y cintas, hall. proceso de salida es similar al proceso de llegada, pero diferente en la dirección. proceso de bajar del vehículo de embarque
que incluye plataformas y trenes es un puente que conecta el proceso de llegada y salida.

Una estación solo se denota por S. Teniendo en cuenta un proceso de bajar del vehículo de incorporación de una sola vía, en el flujo de pasajeros llegan continuamente, pero apearse
y embarque de pasajeros subir y bajar sólo el momento en que el tren se detiene en la estación. Debido al calendario cíclico, el proceso de bajar del vehículo de embarque tiene una
característica cíclica y la definición de del ciclo se muestra en la
Figura 2 . En esta figura, t k y t 0 k denotar la hora de llegada y salida de la k º tren en y desde S, respectivamente. Índice k es un número entero positivo. Tres parámetros principales se utilizan

para la construcción de un calendario. La primera uno se denota el avance del tren T k y definido por el intervalo de tiempo entre dos llegadas sucesivas del tren en cualquier estación de la

línea de re T k ¼ t 0 k þ 1 t 0 k Þ. El segundo
uno es el tiempo de permanencia s dk que corresponde a la vez que el tren pasa en la estación re s dk ¼ t 0 k þ 1 t k þ 1 Þ. La tercera es la
30 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

Figura 1. reunión de pasajeros y de proceso de dispersión en la estación.

Figura 2. Definición de ciclo y fase.

tiempo de separación s sk definida por el intervalo de tiempo entre la salida del tren y la próxima llegada del tren re s sk ¼ t k þ 1 t 0 k Þ. Actu-
aliado, T k representa el período del calendario y, en consecuencia, también se corresponde con el período de funcionamiento de la estación como se muestra en Figura 2 .

2.2. Definición de SSC

De acuerdo con el proceso de recopilación y dispersión, SSC puede ser definido como el número máximo de pasajeros que puede ser servido por una estación en un período
determinado de tiempo, típicamente 1 h, en condiciones de funcionamiento fi cado, sin causar demoras innecesarias, peligro, o restricción, y con una certeza razonable.

Tenga en cuenta que, hay algunos puntos importantes que deben centrarse en. Uno de ellos es las palabras '' el número de pasajeros '', lo que no sólo significa que los pasajeros
subieron en el tren de la estación, sino también los pasajeros de salida de los pasajeros posado. '' Especí fi cados condiciones de funcionamiento '' denota que el número de personas que
pueden ser servidos depende del número de vehículos utilizados y el tamaño de esos vehículos. Es importante especificar si la capacidad reportada re fl eja el calendario actual (número
de trenes que consiguen a través), la capacidad del vehículo (número de pasajeros podrían ser realizadas en el factor de carga máxima), o algunas otras condiciones. Otro llamado '' sin
causar demoras innecesarias, peligro, o la restricción '' indica que todos los trenes pasan estrictamente por calendario y estación funciona en un estado normal de seguridad. Finalmente, Kittelson
& Associates et al., 2003 ), Tiempo promedio de servicio, los pasajeros y así sucesivamente restante.

Por lo tanto, el número de pasajeros atendidos norte S en 1 h, es igual al volumen de salida de pasajeros en 1 h norte afuera, más la suma de pasajeros que suben de los trenes de la
clase i N bi. Esto puede ser formulada como sigue:

norte S ¼ norte afuera þ X 2 nortenorte bi re 1 Þ

yo ¼ 1

en el que 2 norte es el número de trenes que pasan a través de la estación en dos direcciones en 1 h.
Además, el número total de pasajeros que suben al tren de la estación no debe exceder el volumen de entrada de pasajeros durante la unidad de tiempo, de la siguiente manera:

norte S 6 norte afuera þ norte pag 6 norte afuera þ norte en re 2 Þ

en el cual norte pag es el número total de pasajeros que llegan a la plataforma en 1 h, norte en es el volumen de entrada de pasajeros en 1 h.
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 31

2.3. cuestiones relacionadas con el SSC

Basado en las secciones anteriores, SSC puede ser determinada por el volumen de entrada de pasajeros, las características de entrada de pasajeros, el calendario, la capacidad de un solo
dispositivo, la estrategia de control de utilidad dispositivo de toda la estación y el control de pasajeros estrategia de la estación y así sucesivamente.

En metro de Beijing, el volumen de pasajeros de entrada es tan grande que los dispositivos principales están sobrecargados en algunas estaciones en la hora punta de un día ( Metro
de Beijing, 2013 ) y norte en será controlado por los administradores de estación si norte en PAG 0.7 norte s ( Beijing la Administración Municipal de Calidad y Supervisión Técnica de 2011 ). Por
otra parte, el tiempo de avance de algunas líneas está cerca de su tiempo de diseño mínimo y horario por lo general se fi ja en diferentes períodos de tiempo de días diferentes para mayor
comodidad. Por lo tanto, la estrategia de control de pasajeros de la estación es utilizada por una gran cantidad de estaciones en las horas punta. el control de entrada de pasajeros es un
tipo de estrategia de control de pasajeros ampliamente utilizado en China como se muestra en Fig. 3 , Que tiene por objeto mantener el volumen de pasajeros entrante y el pasajero entrante
velocidad de flujo bajo cierto nivel, respectivamente. El pasajero entrante generalmente en cola a través de los pasamanos móviles en el cuadrado de la estación de metro cuando se utiliza
el control de pasajero entrante. Además, Fig. 3 muestra que el tiempo longitud de la cola y el servicio se puede adaptar cambiando la anchura y la longitud del pasamanos.

Según las observaciones de bajar del vehículo de pasajeros y el comportamiento de embarque y un análisis de los datos de vídeo de campo (ver Apéndice A ) Recogidos en algunas
estaciones de metro en Beijing entre las 7:00 y las 9:00 en 1 semana, se encontraron algunas características útiles acerca de bajar del vehículo y el embarque de pasajeros. En primer
lugar, los procesos de embarque y bajar del vehículo tienen lugar de forma consecutiva en lugar de simultáneamente. En segundo lugar, el número de pasajeros se posan de cada tren en
la misma dirección puede ser la misma o seguir una distribución de Poisson. Por último, todos los pasajeros bajarse podían abandonar el platformwhen el próximo tren llega a la hora
punta. Algunas de las características similares en Metro de Beijing fueron obtenidos por otros autores ( Hu, 2011; Zhao et al., 2011 ). Por lo tanto, en este documento se considera cómo
optimizar SSC con una tasa satisfactoria de permanecer pasajeros en andenes de la estación bajo fi calendario fijo, fi ja enrutamiento de probabilidad en la estación y tasa de llegada
cambiable de pasajero entrante.

2.4. supuestos

Supongamos que: (1) apearse y embarque de pasajeros deben seguir la regla: apearse primera. Además, la distribución de la llegada se considera que es invariante con el tiempo; (2)
el calendario que se ejecuta en dos direcciones son los mismos; (3) todos los pasajeros bajarse podían abandonar la plataforma cuando el primer tren llega y el número total de pasajeros
posándose en cada ciclo es determinista e independiente del tiempo.

red modelo analítico 3. Queuing para una estación de metro

En esta sección, la recolección y la dispersión de proceso de la estación de metro se modela por una red de puesta en cola, mientras que también se desarrolló el método de
evaluación del rendimiento. Comenzamos con la construcción de un único nodo de modelado basado en la teoría de colas. A continuación, presentamos una red de colas para la estación
de metro. Por último, DTMC y iGEM se introducen para poner en cola la evaluación del rendimiento de la red.

3.1. modelado único nodo

En esta subsección se presenta una metodología para el modelado de un solo nodo (escalera, pasarelas, puerta, hall, escalera mecánica) con peatones uni-direccional fluye como un
estado M / G / C / C dependiente o cola / C / C M / M. Supongamos que el tiempo de llegada de un nodo para cada peatón es independiente. Por lo tanto, se supone que los peatones
llegan a un proceso de Poisson con tasa k. El tiempo de servicio de los elementos de los nodos de modelado como puertas, escaleras mecánicas y pasillos se ajusta a la distribución
exponencial, por lo que el nodo (puerta, escalera mecánica, hall) puede ser modelado por el modelo M / M / C / C.

Fig. 3. estrategia de control de pasajeros de la estación de Longze en hora punta.

 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

El área de movimiento de pasajeros de un nodo (escalera, pasarelas) puede ser visto como c servidores paralelos a sus ocupantes, que es también el número total de usuarios
permitidos en un systemwhere no hay tampón o espacio de espera. En segundo lugar, el tiempo de servicio del modelo de cola de un nodo es igual al tiempo para un peatón para
atravesar todo el nodo, que depende del número de usuarios actualmente en el sistema. Como consecuencia, un M / G / C / C modelo de cola dependiente de estado parece ser una
herramienta razonable para describir un solo nodo ( Yuhaski y Smith, 1989; Mitchell y Smith, 2001; Chen y Liu, 2012 ). Las probabilidades limitantes para la randomNumber de entidades norte
en ANM / G / C / C modelo de cola, pag n = pr { N = n}, son como sigue ( Yuhaski y Smith, 1989 ):

½ k mi re T 1 Th? norte
pag norte ¼ re 3 Þ
n! f re norte Þ F re norte 1 Þ. . . F re 1 Þ pag 0 norte ¼ 0; 1; 2; . . . do

en el cual n = 1, 2, ..., c, p 0 es la probabilidad de sistema de vacío, dado por

( )
½ k mi re T 1 Th? yo
PAG 1 0 ¼ 1 þ X do re 4 Þ
Si re yo Þ F re yo 1 Þ. . . F re 1 Þ
yo ¼ 1

do ¼ b q LW do re 5 Þ

En este modelo, E (T 1) = l / V 1 representa el tiempo de servicio esperado de un pasajero solitario en un nodo de longitud l. V 1 es la velocidad de un pasajero solitario, y do es la
capacidad del espacio de nodo, segundo X do es la parte entera de X; w es la anchura en número de nodo, y q es la densidad máx. La tasa de servicio f (n) = V norte/ V 1 se considera que es la
relación de la velocidad media a pie de n personas en el nodo a la de un único ocupante. La velocidad media a pie de n peatones en el nodo se calcula utilizando el modelo exponencial
para velocidades que recorre peatonal frente a la densidad multitud dentro del nodo, siguiendo la expresión:

r
norte 1
F re norte Þ ¼ exp re 6 Þ
segundo

con
,
una 1
r ¼ En En re V a = V 1 Þ En una 1 segundo ¼
salida) puede ser considerada
En re V b = Vcomo
1 Þ
una red desegundo
puesta1en cola abierta. 32
½ En re V 1 = V una Th? 1 = r

en el que los valores una y segundo son puntos arbitrarios utilizados para ajustar la curva exponencial.
A partir de la ecuación. (3) , Medidas de rendimiento importantes se pueden derivar:

pag do ¼ Pr F norte ¼ do sol re 7 Þ

h ¼ k re 1 pag do Þ re 8 Þ

L ¼ mi re norte Þ ¼ X do ip yo re 9 Þ
yo ¼ 1

W¼L=h re 10 Þ

en el cual pag do es la probabilidad de bloqueo, h es el rendimiento en tanto por / hora, L es el número esperado de clientes en el nodo, y W aquí derivado de la fórmula de Little, es el
tiempo de servicio esperado en horas.
servicio de acuerdo con una probabilidad de enrutamiento dado. Si cada nodo es modelada por un sistema de colas, la red de encaminamiento de peatones en el proceso de llegada (de

3.2. Modelado de la red de colas

En este modelo, el proceso de recopilación y de dispersión es un sistema de colas continuos y discretos mixto, que consta de proceso de llegada a la partida y el proceso de bajar del
vehículo de embarque. Por un lado, el proceso de llegada a la partida se puede considerar como un sistema de red de encolado multinivel con el bloqueo, y los dispositivos como puertas,
escaleras, pasillos y puertas del tren puede ser considerado como los nodos de red que pueden ser descritos por M / G / C / estado C modelo de cola dependiente o modelo M / M / C / C;
Por otro lado, el proceso de bajar del vehículo de embarque es un proceso de puesta en cola discreta, que puede ser modelado como un DTMC ( Xu et al., 2013A ). En resumen, la
recolección y la dispersión modelo de proceso se divide en dos subsistemas, de los cuales el primero es construido por la red de puesta en cola dependiente de estado M / G / C / C y el
segundo se construye mediante la teoría de probabilidad de pasajeros restantes. Por otra parte, la salida del subsistema primera es la entrada del segundo subsistema, como se muestra
en Fig. 4 . En lo que sigue, cómo desarrollar será discutido el modelo de red de colas.

3.2.1. red primer subsistema

En el proceso de llegada (de salida), los pasajeros reciben el servicio en un nodo (dispositivo), y entonces salen de la estación o llegan a otro nodo para continuar recibiendo el
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 33

Fig. 4. Haciendo cola a la red de una estación de metro.

Propuesta 1. En el modelo dependiente de estado M / G / C / C, el proceso de salida (incluyendo tanto los clientes completar el servicio y los que son perdidos) es un proceso de Poisson ( Cheah
y Smith, 1994 ).

El proceso de salida (incluyendo tanto los clientes completar el servicio y los que se pierden) del modelo M / M / C / C es también un proceso de Poisson a la tasa. Por lo tanto, el
proceso de llegada (de salida) puede ser modelado por una red de puesta en cola dependiente de estado M / G / C / C, donde algún nodo desarrollado por M / M / C / C pueden ser
etiquetados de manera uniforme M / G / C / C, tal como se muestra en la Fig. 5 . Tomemos por ejemplo el proceso de llegada de pasajeros, los pasajeros de llegar a la in-puerta de entrada
de la estación son considerados como la entrada de la red de puesta en cola y el número de pasajeros que llegan a la plataforma es la salida del sistema.

Derivación de las medidas de rendimiento para las colas dependientes del estado M / G / C / C con fi gurado en las redes es una tarea mucho más compleja debido a los efectos de
bloqueo de inter. Un algoritmo disponible es generalizada método de expansión (GEM), que fue utilizado con éxito para estimar las medidas de rendimiento para redes infinito de colas ( Kerbache
y Smith, 2000; Cruz y Smith, 2007 ). El GEM es básicamente una combinación de ensayos repetidos y descomposición nodo por nodo en el que se analiza por separado cada cola y luego
se hacen correcciones a fin de tener en cuenta la interrelación entre las colas de la red. El GEM utiliza el bloqueo después del servicio, que es frecuente en la mayoría de otros sistemas
similares de producción y fabricación, transporte y.

Un nuevo algoritmo iterativo se presenta en Fig. 6 está propuesto recientemente por Cruz y Smith (2007) , Que es diferente de GEM
por medio del cálculo de los tiempos de servicio colas INM / G / C / C sencillo. En este trabajo, nos referimos a que el algoritmo como IGEM y presentamos una visión general del método
por el Fig. 6 . importantes medidas de rendimiento se calculan fácilmente con gran precisión por este algoritmo, tales como la probabilidad de bloqueo, el rendimiento, espera que el número
de clientes en el sistema, y ​el tiempo de espera estimado.

3.2.2. En segundo subsistema de red

Teniendo en cuenta una sola vía que llegan y proceso de embarque, todo el procedimiento de servicio se puede considerar como un sistema de colas discreta y continua cíclica, pero
el número de pasajeros cambiando con el tiempo no tiene la propiedad de Markov. teoría de colas de manera tradicional no se puede utilizar directamente para el sistema de colas mixta.
Sin embargo, si la variación del número de

Fig. 5. de red de encolado dependiente de estado M / G / C / C de pasajero en proceso de flujo.

34 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

Fig. 6. algoritmo de evaluación del desempeño.

pasajeros en el momento final de cada ciclo se analizan, se puede considerar como un proceso de la cadena de Markov proceso pasajeros que queda al final de cada ciclo. Por lo tanto,
los pasajeros restantes longitud al final de cada ciclo se calcula utilizando DTMC.
Dejar Q máx ser el valor máximo asumido de la longitud de la cola, que puede ser alojada en la plataforma considerado, una
ser la tasa media de los pasajeros que llegan a las plataformas, s la tasa promedio de servicio o la velocidad de salida, s máx la capacidad máxima de servicio dentro de un ciclo y una máx el
número máximo de pasajeros que llegan a las plataformas dentro de un ciclo. El número de pasajeros que llegan a las plataformas, y el número de pasajeros atendidos durante el k º ciclo,
se designan como una k,
y s k respectivamente. Q k es el número de pasajeros restantes al final de la k º ciclo. El proceso de cola se puede calcular de una manera estocástica por primera cálculo de la matriz de
transición pag ij ( k), que da la probabilidad de que la longitud de cola se mueve de estado de la cola yo en el momento k 1 al estado j en el momento k. Suponiendo que las llegadas son
estacionarios e independiente con funciones de distribución de probabilidad conocida PAG una y funciones de probabilidad servicio PAG s También se conoce (por ejemplo, la distribución
normal), la probabilidad de transición se expresa como sigue:

8> <>:
X s máx
PAG una re norte ¼ yo
j þ s k Þ PAG s re s k Þ 8 j yo þ s k una máx
pag ij re k Þ ¼ sk ¼ 0
re 11 Þ

08j yo þ s k> una máx

Dado que las colas se ven obligados a ser no negativo, cuando las salidas son más grandes que la suma de las llegadas y la cola al inicio del ciclo, la cola al final de la fase de
permanencia será cero. Obviamente, parte de esta fase de permanencia no será utilizada por cualquier pasajero. De acuerdo con esta consideración la posibilidad de una cola yo para
convertirse en cero (sin restante de pasajeros) se calcula con la siguiente condición:

pag yo 0 re k Þ ¼ X esquí
PAG una re ns k yo Þ; 8 s k yo una máx re 12 Þ
norte ¼ 0
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 35

Una consideración análoga se mantiene para la probabilidad de colas que son más grandes que el número máximo de pasajeros permitidos en una plataforma:

pag iQ máx re k Þ ¼ X una máx PAG una re n> Q máx yo þ s k Þ PAG s re s k TH8 Q máx yo þ s k una máx re 13 Þ
norte ¼ Q máx yo þ sk

Cada paso de tiempo k se determina de forma única una vez y una condición inicial Q 0 se supone. Dado que la distribución de probabilidad de cola en cada momento k 1 y la
transitionmatrix pag ij son como se ha definido, independiente, la probabilidad de cada estado j observado al final del ciclo k es dado por:

Q máx

Pr re Q 0 ¼ j; k Þ ¼ X Pr re Q 0 ¼ yo; k 1 Þ pag ij re k Þ re 14 Þ
yo ¼ 0

valor esperado de cola restante se calcula con la siguiente ecuación:

Q máx

mi ½ Q 0 re k Th? ¼ X JPR re Q 0 ¼ j; k Þ re 15 Þ
j¼0

De acuerdo con el atributo de pasajeros restantes, el valor esperado en cualquier momento t, E [Q 0 ( t)] = E [Q 0 ( k)], dónde
PAG ki ¼ 0 T yo
t PAG k þ 1 yo ¼ 0 T yo y T 0 = 0.

Podemos suponer que el proceso de llegada y embarque en diferentes direcciones tienen poca interacción y se puede considerar como independientes entre sí. De hecho, algunos
pasajeros se apearon haber desde una dirección de la plataforma va a subir a bordo de la otra. Debido al mismo horario, podemos modelar fácilmente el conjunto que llegan y proceso de
abordaje similar a la de una sola pista ( Xu et al., 2013A ).

3.3. Limitaciones del modelo

El modelo propuesto tiene dos limitaciones principales. En primer lugar, simplemente modelar la instalación bidireccional (escalera, pasarela, hall, etc.) por dos partes independientes.
De hecho, algunas partes de la estación de metro, que sirven movimiento bi-direccional, están físicamente separados tanto como sea posible por instalaciones móviles como se muestra
en Fig. 7 . Capacidades de las dos instalaciones de división pequeñas pueden adaptarse dinámicamente a pasajero flujo cambiar por los administradores de estación de metro. Pero, salas
suelen ser compartidos por dos pasajeros diferentes flujos. Es posible aumentar la exactitud del modelo si es una sala de simpli fi cado a dos pequeñas salas independientes.
Afortunadamente, la capacidad de la sala en la estación de metro de Beijing es más grande que otros dispositivos suficientes para omitir la interacción de los dos pasajeros diferente fluye
desde un punto de vista macroscópico ( Chen y Wu, 2009; Jiang et al., 2010; Hu, 2011 ). En segundo lugar, el modelo sugerido asume que el proceso de embarque de pasajeros en la
plataforma es un proceso de Poisson y todos los pasajeros bajarse puede salir. Asi que k 0 se puede estimar el número medio de pasajeros posándose en cada ciclo. Aunque hay algunas
referencias son en relación con el supuesto similar en escena de evacuación ( Smith, 2011; Chen y Liu, 2012 ) Y las horas punta ( Cao et al., 2009 ), La característica del proceso de
embarque de pasajeros será estudiado y calibrado aún más por más datos de la investigación. Se trata de un trabajo futuro interesante.

4. optimización multi-objetivo de SSC

En esta sección, se considera la optimización multi-objetivo de SSC donde los métodos que hacen cola (iGEM y DTMC) se incorporan en RSM.

Fig. 7. organización de flujo de pasajeros de la estación de ZhiMen Xi en la escalera o pasillo en hora punta.
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

4.1. formulación del modelo

Basado en el modelo de red de encolado, el total de pasajeros que consiguen en el tren es el número de pasajeros que llegan a la plataforma, menos el número de pasajeros
restantes. Mientras tanto, el volumen de pasajeros de salida es equivalente a los pasajeros totales de bajar, que es la suma de los pasajeros de bajarse de cada tren. Estos pueden ser
formulados como sigue:

X 2 norte
norte bi ¼ norte pag mi ½ Q 0 re 3600 Th? ¼ norte pag sol re norte pag Þ re dieciséis Þ
yo ¼ 1

norte afuera ¼ X norte norte ai re 17 Þ

yo ¼ 1

norte en ¼ 3600 X metro k yo re 18 Þ

yo ¼ 1

norte pag ¼ 3600 k ¼ H re k Þ re 19 Þ

en el cual k yo es la tasa de Poisson llegar a la entrada yo, k es la tasa de Poisson que llegan a las plataformas, H re k Þ es el rendimiento de la primera subsystemmodel calcula IGEM, mi ½ Q 0 re
3600 Th? ¼ sol re norte pag Þ, h re k 1; k 2; . . . k metro Þ es que los pasajeros que queda al final de 1 h calculado a partir del segundo modelo de subsistema de desarrollo mediante la teoría de
probabilidades, metro es el número de entradas.
Por lo tanto, el número de pasajeros atendidos puede ser reconstruida por:

norte S ¼ norte pag sol re norte pag th th Xnorte

norte ai

yo ¼ 1

¼ H re k Th? sol ½ H re k Th? þ X norte norte ai

yo ¼ 1

, F re k 1; k 2; . . . k metro Þ re 20 Þ

dónde F re k 1; k 2; . . . k metro Þ es la relación entre la función norte S y re k 1; k 2; . . . k metro Þ. Aunque la expresión de la ecuación. (20) pueden ser calculados por el modelo analítico presentado en la
Sección 3 , La función es demasiado complicado para nosotros casi no obtenemos la expresión explícita.

El problemdescribed puede formularse como un problemwith optimización multiobjetivo dos objetivos conflictivos, reduciendo al mínimo el número de pasajeros que quedan en el
andén de la estación y maximizando el número de pasajeros atendidos. La siguiente formulación matemática representa el problema de optimización multi-objetivo:

min F re k ð Þ ¼? F re k 1; k 2; . . . k metro Þ; h re k 1; k 2; . . . k metro thth T

S t: k yo 6 k máx
yo
; 8 yo 2 f 1; 2; . . . metro sol re 21 Þ

k yo 0; 8 yo 2 f 1; 2; . . . metro sol
de experimentos, determinado por el método de los mínimos cuadrados. mi u es un valor aleatorio que no puede ser explicada por el modelo. 36

en el que el objetivo se puede resolver mediante iGEM y DTMC, k máx yo

es la tasa de Poisson máximo llegar a la entrada yo, cual
se determina por la capacidad máxima de solo nodo en la línea de corriente de la red de gestión de colas.

4.2. algoritmo de solución para el problema de la CSS

Para resolver el problema de la formulación SSC, Ec. (21) , Utilizamos una clase poderosa del método de optimización llamada RSM. RSM fue
elegido porque es bastante fi cio de los problemas de optimización multi-objetivo que se desconoce la forma de la relación entre las variables independientes y la respuesta, y tiene que ser
aproximada. RSM es una colección de técnicas matemáticas y estadísticas que son útiles para el modelado y análisis de los problemas en la que una respuesta de interés es influenciada
por varias variables capaces cuantificables (o factores), con el objetivo de optimizar la respuesta ( Montgomery, 2005 ). Integración con el iGEM y DTMC, construcción global de nuestro
algoritmo se ilustra en Fig. 8 , Que es una aplica-

tación del procedimiento sugerido por Yalçinkaya y Bayhan (2009) . El primer paso en RSM es encontrar una aproximación adecuada a la verdadera relación entre la respuesta y el
conjunto de variables independientes. Las formas más comunes son polinomios de orden inferior (primera o de segundo orden). Si la respuesta varía de forma lineal, la respuesta puede
ser representado por esta ecuación de la función lineal:

Xj
segundo yo k yo þ X metro segundo ij k yo k j þ mi u u ¼ 1 2
a / a ¼ segundo 0 þ X metro re 22 Þ
yo ¼ 1 j¼1 yo ¼ 1

dónde { y u} son las variables de salida (es decir, el número de pasajeros servidos y pasajeros restantes). segundo s se refieren a coeficientes desconocidos, y sus valores son, sobre la base
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 37

Fig. 8. Diagrama de flujo del procedimiento propuesto ( Yalçinkaya y Bayhan de 2009 ).

Pero si la curvatura es que hay en el sistema, un orden superior polinomio como modelo cuadrático se usa que se pueden exponer en la forma de la siguiente ecuación:

Xj
a / a ¼ segundo 0 þ X metro
segundo yo k yo þ segundo
X metro ii k 2 yo þ X metro segundo ij k yo k j þ mi u u ¼ 1 2 re 23 Þ
yo ¼ 1 yo ¼ 1 j¼1 yo ¼ 1

Para cada experimento, las respuestas de salida de interés, el número de pasajeros servidos y pasajeros restantes se miden utilizando IGEM y DTMC. El modelo de regresión, la Ec. (23) ,
Es una relación que muestra las respuestas (número de pasajeros servidos y pasajeros restantes) de acuerdo con los valores de k yo. Por lo tanto, este modelo se puede utilizar para fi nd
las variables de entrada (tasa de Poisson) que produzcan las respuestas deseadas.

Por último, con el fin de resolver este problema de optimización, es decir, para la determinación de las variables de entrada para optimizar dos respuestas, se utiliza el procedimiento
de optimización multi-respuesta Derringer-Suich. El método Derringer-Suich utiliza una función de conveniencia en el que las prioridades y los deseos de los valores de respuesta se
construyen en un solo procedimiento de optimización ( Derringer y Suich, 1980 ). deje ^

Y, A, B y do ser predecir valor, el más bajo, de destino, y los valores superiores, respectivamente, que se desean para la respuesta, con
UNA 6 segundo 6 DO. Si la respuesta es de la '' blanco es mejor '' tipo, entonces su función de deseabilidad individuo re yo es:
8 >>> <>>>:
0 y^ <A o ^ y> C
s UNA 6 ^
y^ A
y <B
re yo ¼ licenciado en Letras re 24 Þ
t segundo 6 ^
y^ C
yC
antes de Cristo

con los exponentes s y t la determinación de lo importante que es para golpear el valor objetivo. Para cada respuesta, podemos seleccionar un peso de 0,1 a 10 para enfatizar o restar
importancia a la meta. Menos, igual, o más énfasis se da en el objetivo si un peso es (a) menos de un (mínimo es de 0,1), (b) igual a uno, o (c) mayor que uno (el máximo es 10),
respectivamente.
Para cada respuesta, función de deseabilidad re yo se asigna números entre 0 y 1 a los valores posibles, con re i = 0 representa un valor completamente indeseable y re i = 1 que

representa un valor de respuesta completamente deseable o ideal. Los deseabilidades individuales se combinan a continuación, utilizando la media geométrica, lo que da la

conveniencia general ( D): D ¼ Ð re 1 re 2. . . re metro Þ 1 = metro

38 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

Después de la función general conveniencia es de fi las variables definidas, de entrada para maximizar la función general conveniencia por el algoritmo de optimización se determinan.

Estudio 5. Caso

En esta sección, se ilustra el modelo de análisis de red de encolado y el algoritmo de la solución usando RSM en una estación de metro. La precisión del método se estudió usando un
modelo de simulación desarrollado por Xu et al. (2013b) . Además, se proporcionan algunos resultados del análisis de sensibilidad para identificar los nodos que tienen el mayor impacto en
la CSS.

5.1. Descripción de la estación y el desarrollo del modelo

El caso de estudio propuesto, se ilustra en la Fig. 9 , Es una estación de metro típica en Beijing línea de metro 2 llamado '' Beijing '' y
situado en el centro de la ciudad de Beijing. La estación implica un intercambio multi-modal entre metro y de tren (estación de ferrocarril Beijing) y por lo tanto soporta una gran cantidad de
conexiones de pasajeros. La estación dispone de cuatro entradas, dos de ellos son bidireccionales (en el extranjero), y los otros son uni-direccional. Como la mayoría de las estaciones de
la red de metro de Beijing, la estación tiene una plataforma de la isla, cuya longitud es igual a 100 m, efectiva el ancho es igual a 8 m, y una puerta de entrada-salida (escalera) con 5,8 m
de ancho. El tren subterráneo que sirve esta estación se compone de seis vehículos. Cada vehículo es fi tted con cuatro puertas de embarque de posarse-compartidos. El tiempo de
avanzar y tiempo de permanencia se ejecuta por el calendario actual son 165 s y 30 s, el factor de carga máxima es de menos de 130% durante la hora punta. tabla 1 . El propósito de este
estudio de caso es evaluar el volumen de pasajeros que son capaces de ser servido bajo el actual diseño de esta estación durante las horas punta y asegurar una buena línea de visión.

Observaciones sobre las llegadas de pasajeros fueron tomados de los registros de Recogida automática de tarifas (AFC) y los datos de investigación de fluencia, más de 1 mes, que
se encuentra en todas las entradas. se utilizó módulo analizador de entrada de Minitab para determinar qué distribución mejores bene fi ( a = 0,05) los datos. La distribución exponencial y
distribución de Poisson proporcionan la mejor fi t para el tiempo entre la llegada de los pasajeros y el número de pasajeros, respectivamente. Desde el video real de los datos recogidos en
la plataforma y de la literatura ( Zhang y Han, 2008; Cao y Yuan, 2009; Chen y Liu, 2012; Xu et al., 2013b ), Parece que la mejor distribución Normal fi cios el número de pasajeros que
suben los trenes. probabilidades de enrutamiento de pasajeros se calcularon como la relación de los pasajeros que llegaron en una entrada y siguieron la ruta específica, por el número
total de pasajeros que entraron en el sistema de esta entrada. Estos cálculos se hicieron usando los datos obtenidos a partir del cuestionario realizado por la empresa metro con 1000
pasajeros entre 8.00 y 9.00 h dentro de 1 semana. Número total de apearse pasajeros en cada ciclo es determinista e igual a 570, es decir, posándose tasas es de aproximadamente 0,2.

El modelo simplificada de la estación de metro puede ser desarrollado sobre la base del método mencionado en la Sección 3 , Que se muestra en
La Fig. 10 .

5.2. Diseño experimental y solución óptima

En el presente estudio, tres parámetros de entrada (tasa de Poisson llegar a la entrada) se eligieron como factores independientes en el diseño experimental. De dos niveles diseños
factoriales completos con carreras centrales fueron diseñados para encajar modelos de regresión t primer orden tanto para las respuestas (el número de pasajeros atendidos y pasajeros
restantes). El bajo y alto nivel de factores de entrada (tasa de Poisson)
para de dos niveles completo diseños factoriales, determinadas por las experiencias y análisis de redes simples, son los siguientes:
k 1 2 ½ 1; 3; k 2 2 ½ 1; 3; k 3 2 ½ 1; 3 . La clase más popular de diseños de segundo orden llamadas central de diseño compuesto (CCD) se utilizó para la metodología de superficie de respuesta
en el diseño experimental. La matriz de diseño contenía un 2 3 diseño factorial aumentada por seis puntos axiales ( a = 1, y el diseño fue centrada en las caras) y seis repeticiones en el
punto central (todos los factores en cero

Fig. 9. La red de estaciones de metro de Beijing.

 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 39

tabla 1
dispositivos clave de estación y sus características peatonales.

Dispositivo Dirección Nombre Número Longitud (m) Anchura (m) Altura (m) Relación de velocidad y pasajeros R 2 ( coeficiente de correlación)
h yo
1: 6
Escalera 3 Abajo 20.26 2.8 7.56 V norte ¼ 0: 9 exp
norte 1
75
R 2 = 0.85

h yo
1: 3
pasarela 2 Doble 15 3.9 - V norte ¼ 1: 2exp
norte 1
69
R 2 = 0.92

h yo
2
Escalera 2 Doble 14.5 5.8 5.5 V norte ¼ 0: 8 exp
norte 1
80
R 2 = 0.85

h yo
1: 3
pasarela 1 Soltero 15 3.9 - V norte ¼ 1: 2exp
norte 1
109
R 2 = 0.88

Fig. 10. Un modelo de red simplificada fi cada cola para la estación de metro de Beijing.

nivel) para evaluar el error puro. Este diseño conduce a un número total de 20 experimentos se llevó a cabo en orden aleatorio como se requiere en muchos procedimientos de diseño,
como se muestra en Tabla 2 . Los datos experimentales se analizaron mediante el software Minitab 14. Las variables se codificaron de acuerdo con la siguiente ecuación:

k yo
k ci ¼ k yo re 25 Þ
re k yo

dónde k ci es el valor codificado de k yo, k yo es el valor de k yo en el punto central de la zona investigada, y re k yo es el tamaño de paso. La calidad de fi t de la ecuación de modelo polinomial
fue expresada por el coeficiente de determinación ( R 2) y las respuestas se analizaron completamente utilizando el análisis de varianza (ANOVA).

Las respuestas obtenidas en Tabla 2 se correlacionaron con las tres variables independientes usando dos ecuaciones polinómicas, las ecuaciones. (26) y (27) . Regresión de mínimos
cuadrados se usa para encajar los datos obtenidos a las Ecs. (26) y (27) . Los modelos fi t Best- donde el coeficiente de múltiples determinaciones y la variable de salida ( y 1: el número de
pasajeros atendidos, y y 2: pasajeros restante) son las siguientes;

R 2 y 1 ¼ 98: 31%; R 2 y 2 ¼ 77%

y 1 ¼ 30657: 5 þ 931: 4 k do 1 þ 1643: 5 k do 2 þ 1213: 3 k do 3 308: 9 k do 1 k do 2 308: 9 k do 1 k do 3 514: 9 k do 2 k do 3 409: 6 re k do 1 Þ 2 971: 8 re k do 2 Þ 2 706: 1 re k do 3 Þ 2 re 26 Þ

y 2 ¼ 200: 2 þ 101: 8 k do 1 þ 315 k do 2 þ 279 k do 3 þ 235: 6 k do 2 k do 3 91: 4 re k do 1 Þ 2 þ 188: 6 re k do 2 Þ 2 re 27 Þ

Desde el computarizada F- valores (64.57, 10.08) son mucho mayores que el tabular F- valor (2.76) en el nivel de 5%, se aplicaron los modelos fi t Best- para la predicción, y se usó el
multi-respuesta procedimiento de optimización Derringer-Suich para la optimización.

En este estudio de caso, el valor máximo del resto de los pasajeros en una sola dirección no es mayor que 240 personas para la comodidad y el propósito de seguridad, lo que
significa que el número de pasajeros que quedan en cada puerta de un tren está a menos de
10. De hecho, permaneciendo pasajeros al final de cada ciclo permanecerá siempre en la espera / áreas de andenes de la estación de colas hasta que llegan a bordo del tren siguiente y el
número de pasajeros en las plataformas, incluyendo restantes pasajeros pueden llegar a
40 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

Tabla 2
CCD y los resultados del experimento.

para ejecutar Los valores de código los valores reales norte S E [Q (t)]

k do 1 k do 2 k do 2 k1 k2 k3

1 1 1 1 1 3 1 28373 0
2 1 0 0 1 2 2 29089 2
3 0 1 0 2 1 2 27965 0
4 1 0 0 3 2 2 30989 560
5 0 0 0 2 2 2 30796 60
6 0 0 0 2 2 2 30797 60
7 0 1 0 2 3 2 30988 1122
8 1 1 1 1 1 1 23990 0
9 1 1 1 3 3 3 30988 1172
10 0 0 1 2 2 3 30988 898
11 0 0 0 2 2 2 30796 60
12 0 0 0 2 2 2 30796 60
13 1 1 1 3 3 1 30844 372
14 1 1 1 1 3 3 30988 788
15 1 1 1 3 1 3 29902 4
dieciséis 0 0 0 2 2 2 30797 60
17 0 0 1 2 2 1 28496 0
18 1 1 1 1 1 3 27430 0
19 1 1 1 3 1 1 26462 0
20 0 0 0 2 2 2 30797 60

maximumpoint cuando llegue el tren. Así el número de pasajeros restantes tiene un efecto importante sobre la densidad máxima de los pasajeros en las estaciones, que determina la
seguridad y comodidad de la estación de metro ( Kittelson & Associates et al., 2003 ). El número límite de pasajeros atendidos es el número total de pasajeros de bajar más el número total
máximo de pasajeros que suben. Nosotros usamos la ecuación. (24) para resolver el procedimiento de optimización y los valores de deseabilidad compuestos se encuentran mediante el
uso de la siguiente ecuación:

re re k Þ ¼ Ð re 1 re Y 1 re k thth re 2 re Y 2 re k ÞÞÞ 1 = 2 re 28 Þ

El (óptimo) tasa actual y la propuesta de Poisson que maximizar la conveniencia general ( RE) y SSC son
k ¼ Ð 1:77; 02:07; 02:48 Þ T, Y * = ( 30 988, 324) T, respectivamente. Un experimento adicional se llevó a cabo en las condiciones óptimas para confirmar el acuerdo del modelo y los resultados
experimentales. El valor experimental (30,824, 288) T estrechamente de acuerdo con el resultado predicho a partir de RSM y por lo tanto validado las conclusiones de optimización de
superficie de respuesta.

5.3. La consistencia con el modelo de simulación

Para simular flujo de pasajeros en la estación de metro en las mismas hipótesis de modelado del modelo de cola hemos desarrollado un programa de simulación basado en Simulink
(véase Xu et al., 2013b , Para una visión general de las características de este modelo). Algunos de referencia ( Karris 2012 ) Puede ser útil para los lectores que estén interesados ​en cómo
utilizar la herramienta Simulink para simular el sistema real. El programa de simulación incluye algunos objetos clave (escalera, pasarelas, puerta, pasillo, escaleras mecánicas, la
plataforma y trenes), que están conectados por el proceso de recopilación y de dispersión. El marco de este programa es jerárquica y reutilizable, y cada módulo representa sólo un objeto.
Por otra parte, el proceso de servicio del dispositivo se implementa según el modelo de colas y el proceso de tren es modelado por Estado fl owmodule de Simulink. Sobre la base de la
estructura y los datos presentados en la sección anterior, se construyó el programa de simulación de la estación de metro de Beijing. Y el programa se ha demostrado ser eficaz en
comparación con los datos reales de

Xu et al. (2013b) .
Ponemos a prueba la consistencia y el rendimiento del modelo de red de colas bajo diferentes escenarios de demanda que fueron diseñados por la Sección 5.2 . En Tabla 3 una
comparación se da entre el modelo de análisis (puesta en cola modelo de red) y el modelo de simulación. La columna denominada '' Experimento No '' indica el punto experimento que
están de acuerdo con la columna etiquetada '' para ejecutar '' de Tabla 2 . Para cada experimento se generaron 10 repeticiones para el método de simulación, los resultados de simulación
obtenidos a partir de la media de 10 carreras. La desviación entre el análisis y el modo de simulación es de menos de 4%, lo que no aumentar de forma espectacular con el cambio de
variables. Es muy alentador y confirma la e fi ciencia del modelo de análisis para el cálculo de la capacidad.

SSC es Y * = ( 32 012, 312) T que se obtiene por simulationmodel, en comparación con el calculado utilizando el modelo analítico de red de encolado. Se muestra que el resultado
analítico es consistente con la de la simulación, que requiere más esfuerzos de cálculo y parámetros como se muestra en Tabla 3 , sin embargo.
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 41

Tabla 3
Comparación entre el análisis y modelo de simulación.

sin experimentar norte S E [Q (t)] tiempos de CPU (s)

hacer cola Simulación hacer cola Simulación hacer cola Simulación

1 28373 28320 0 0 4 757

2 29089 28882 2 0 4 672
3 27965 27324 0 0 4 774
4 30989 32189 560 539 5 724
5 30796 31961 60 54 5 720
7 30988 30554 1122 1161 5 731
8 23990 22378 0 0 5 724

Tabla 4
parámetros modificables para cada nodo de tipo.

tipo de nodo Nodo parámetros ajustables

portón 1, 4, 8 Cantidad
Escalera 2, 5, 9, 12, 14 Anchura

pasarela 3, 7, 10 Anchura

Escalera mecánica 6 Velocidad

Hall, plataforma 11, 13 Zona

Tabla 5
SSC resultante de una unidad de aumento de la capacidad de nodo (parámetros modificables).

Nodo La solución en detalle Y Nodo La solución en detalle Y

1 k ¼ Ð 1:65; 02:05; 02:48 Þ T (29,657, 284) T 8 k ¼ Ð 1:77; 02:07; 2:97 Þ T (31,601, 358) T
2 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T 9 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T
3 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T 10 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T
4 k ¼ Ð 02:02; 1:16; 02:53 Þ T (30,493, 316) T 11 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T
5 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T 12 k ¼ Ð 2:29; 02:21; 02:51 Þ T (33469, 418) T
6 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T 13 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T
7 k ¼ Ð 1:77; 02:07; 02:48 Þ T (30,988, 324) T 14 k ¼ Ð 1:77; 02:07; 02:51 Þ T (31,325, 356) T

5.4. Análisis de sensibilidad

se lleva a cabo un análisis de sensibilidad de la SSC para identificar los nodos que tienen el mayor impacto en el SSC en términos de una tasa satisfactoria de pasajeros restantes. En
el análisis de sensibilidad, los valores de estos parámetros incluyendo calendario, la tasa y la probabilidad de enrutamiento se posan son los mismos que los del estudio de caso.
Consideramos que los parámetros modificables para cada tipo de nodo para todos los casos de prueba en términos de investigación relacionada y especificación ( Mitchell y Smith, 2001;
Kittelson & Associates et al., 2003; GB, 2003 ). Las soluciones en términos de parámetros modificables y sus valores base, que es la información necesaria para el análisis de sensibilidad,
se proporcionan en Tabla 4 . resultados de los análisis de sensibilidad se proporcionan en Tabla 5 . Los resultados indican que una unidad de cambio en el parámetro de nodo de 8, 12

y el nodo 14 afecta SSC mucho más que una unidad de cambio en los parámetros de otros nodos. En términos de una tasa satisfactoria de pasajeros restantes, el cambio en el parámetro
de capacidad de nodo 12 afecta a los cambios de SSC mucho más que el nodo 8 o 14 hace. Si la decisión a tomar es aumentar la capacidad de un nodo, pero no todos, a continuación, la
expansión se debe hacer en el nodo 12. No obstante, el nodo 8 será seleccionado debido a razones prácticas y económicas.

Observe que un aumento del parámetro de capacidad de una unidad en el nodo 1 o 4 disminuirá el SSC general a 29.657. De acuerdo a
Yang y Bell (1998) , El valor de disminución indica un comportamiento paradójico capacidad. Es decir, la adición de capacidad de nodo 1 o 4 en realidad reducir la capacidad potencial de la
red de estaciones. Si el propósito de expansión de la capacidad es para dar cabida a la demanda de viajes futuro, la selección de nodo 1 o 4 para mejorar sería perjudicial.

6. Conclusiones

En este papel, una definición de de SSC de la estación de metro se presenta de acuerdo con el proceso de recopilación y de dispersión. Un modelo de red de encolado analítico para
la estación de metro incluyendo dos subsistemas se construye, de los cuales el subsistema primera es construido por la red de puesta en cola dependiente del estado M / G / C / C y la
segunda está construido por la teoría de la probabilidad. La red de encolado propuesto, integrando IGEM y DTMC, permite dominar el estado de los pasajeros en la estación de un
macro-puntos de vista. Un modelo de optimización SSC es desarrollado en base a la definición y la red de puesta en cola, y también se propone una solución a este modelo según RSM
integración con DTMC y IGEM. Por último, un estudio de caso de la estación de Beijing en Beijing línea de metro 2
42 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43

muestra que el modelo y la solución propuesta son capaces de calcular SSC y luego análisis de sensibilidad para la identificación de cuello de botella de SSC que se hace.

la contribución principal del estudio es desarrollar un modelo de red de colas analítica para la estación en una macro punto de vista, para resolver el problema de cómo calcular el
número de recolección y pasajeros de dispersión con una cierta tasa de pasajeros restantes, y para ofrecer una cierta instrucciones para los administradores de metro de encontrar
soluciones óptimas mediante el uso de una integración de IGEM, DTMC y RSM.

Hay un número de direcciones posibles con esta investigación. Por ejemplo, un marco más general de cálculo de capacidad se puede considerar, en el que el número de variables de
decisión es más grande que las ensayadas en este artículo. Más trabajo se puede hacer para mejorar cuello de botella de capacidad de acuerdo con el modelo de red de encolado,
especialmente en la estación de transferencia de metro.

Expresiones de gratitud

Este trabajo es apoyado financieramente por el Programa Nacional de Tecnologías clave de I + D de China (2011BAG01B01) y la clave de Laboratorio Estatal de Control de tren de
trá fi co y Seguridad, China (RCS2012ZZ002). Los datos de vídeo en la estación de metro es proporcionado por la Llave Laboratorio Estatal de Control fi co ferroviario Traf y Seguridad,
Maestro. Zhao Jun-Duo. Los autores reconocen con gratitud las sugerencias de los evaluadores anónimos que ayudaron a mejorar la presentación del documento.

Apéndice A. El material suplementario

Los datos complementarios asociados a este artículo se pueden encontrar, en la versión en línea, en http://dx.doi.org/10.1016/j.trc.
2013.10.010 .

referencias

Abril, M., Barber, F., Ingolotti, L., Salido, MA, Tormos, P., Lova, A., 2008. Una evaluación de la capacidad de tren. Investigación del Transporte de la Parte E 44 (5), 774-806 .
Asanoa, M., Iryo, T., Kuwahara, M., 2010. modelo de simulación peatonal microscópico combinan con un modelo táctico para el comportamiento de elección de ruta. Transporte
Investigación de la Parte C 18 (6), 842-855 .
Baysari, MT, McIntosh, AS, Wilson, JR, 2008. La comprensión de la contribución de los factores humanos a los accidentes e incidentes ferroviarios en Australia. Accidente
Análisis y Prevención 40 (5), 1750-1757 .
Beijing la Administración Municipal de Calidad y Supervisión Técnica, 2011. Reglamento para la seguridad operacional de gestión del Urban Rail Traf fi c (la
Proyecto) (DB11 / T ICS 03.220.30), Beijing, China.
Metro de Beijing, 2013. Estrategia de Operación para el flujo de pasajeros enorme de metro de Beijing. < http://www.bjsubway.com/node/3177 >.
Ben-Elia, E., Ettema, D., 2011. gratificante evitar la hora punta: un estudio del comportamiento de los viajes frecuentes. Transportation Research Parte A 45 (7), 567-582 .
Cao, Shou-hua, Yuan, Zhen-Zhou, el análisis y el establecimiento de 2009. Características modelo para el tiempo de embarque de pasajeros en el tránsito ferroviario urbano. Revista de la
China Railway Sociedad 31 (3), 89-93 .
Cao, Shou-hua, Yuan, Zhen-Zhou, Zhao, Dan, 2009. mecanismo de colas de pasajeros en las escaleras de salida de tránsito ferroviario urbano. Revista de la Universidad de Jilin
(Ingeniería y Tecnología Edición) 39 (6), 1463-1468 .
Cheah, J., Smith, JMG, 1994. Generalizado M / G / C / C estatales modelos de colas dependientes y peatones tráfico c flujos. Sistemas de colas 15, 365-386 .
Chen, Shao-Kuan, Liu, Shuang, modelo 2012. basados ​en C M / G / C / de la evacuación de pasajeros de la capacidad de escaleras y pasillos en las estaciones de metro. Revista de la
La Sociedad China de ferrocarril 34 (1), 7-12 .
Chen, Feng, Wu, Qi-bing, et al, el análisis de 2009. Relación de la capacidad de estación y el pasajero flujo: un caso de la línea de metro de Beijing 1. Journal of Transportation
Ingeniería de Sistemas y Tecnología de la Información 9 (2), 93-98 .
Cruz, FRB, Smith, JMG, 2007. Análisis aproximado de redes de colas dependientes del estado / G / c / c m. Computadoras e Investigación Operativa 34 (8), 2332-
2344 .
Derringer, GC, Suich, R., 1980. optimización simultánea de varias variables de respuesta. Journal of Quality Technology 12 (4), 214-219 .
Fateh, Kaakai, Said, Hayat, Moudni, Abdellah EI, 2007. Un modelo de simulación basado en redes de Petri híbrido para evaluar el diseño de las estaciones de tránsito ferroviario.
Simulación Practice Modelado y Theory 15 (8), 935-969 .
Fernández, R., 2010. Modelado de paradas de transporte público, la simulación microscópica. Transportation Research Parte C 8 (6), 856-868 . GB 50.157 a 2.003. Código para el
diseño del metro. Norma Nacional de China.
Harris, NG, Anderson, RJ, 2006. Una comparación internacional de embarque ferroviario urbano y las tasas de bajar del vehículo. Actas de la Institución de Ingeniería Mecánica
Ingenieros Parte F: Journal of Rail y tránsito rápido 221 (4), 521-526 .
Hu, Qing-Mei, 2011. transporte de pasajeros evaluación de la capacidad y Simulación de la estación de tránsito ferroviario. Doctor en Filosofía. Disertación, Beijing Jiaotong Universidad, Pekín,
China.
Jiang, CS, Deng, YF, Hu, C., Ding, H., Chow, WK, 2009. El hacinamiento en las escaleras de la plataforma de una estación de metro en China durante las horas punta. Seguridad Ciencia 47
(2009), 931-938 .
Jiang, CS, Yuan, F., Chow, WK, 2010. Efecto de la variación dos parámetros clave en la simulación de evacuación para las estaciones de metro en China. Safety Science 48 (2010),
445-451 .
Karris, ST, 2012. MATLAB y Simulink para los ingenieros. Oxford University Press (Inglés) .
Kerbache, L., Smith, JMG, enrutamiento 2000. multi-objetivo en grandes instalaciones que utilizan redes de colas abierta finitas. European Journal of Operational
Investigación 121 (1), 105-123 .
Kittelson & Associates et al., 2003. La capacidad de tránsito y calidad de Manual de servicio, en segundo lugar, ed. < http://www.4.trb.org/trb/crp.nsf/All+Projects/TCRP+A-15 > O < http://trb.org/news/blurb_detail.asp?id =
2326 >.
Kyriakidis, M., Hirsch, R., Majumdar, A., 2012. Metro de seguridad ferroviaria: un análisis de precursores de accidentes. Ciencia de la Seguridad 50 (7), 1535-1548 .
Mitchell, DH, Smith, JMG, 2001. diseño de la red topológica de las redes peatonales. Transportation Research Parte B 35 (2), 107-135 .
Montgomery, Douglas C., 2005. Diseño y análisis de experimentos: Método de Respuesta de superficies y diseños. John Wiley & Sons Inc., Nueva Jersey .
Shi, Cong-ling, Zhong, Mao-hua, et al, 2012. Modelado y seguridad estrategia de evacuación de pasajeros en una estación de metro en China. Ciencia de la Seguridad 50 (5), 1319-
1332 .
Smith, JMG, 2011. óptima de encaminamiento en redes de colas cerradas con colas dependientes del estado. Infor: Sistemas de Información e Investigación Operativa 49
(1), 45-62 .
Teknomo, K., 2006. Aplicación de modelo de simulación peatonal microscópico. Parte de Investigación de Transporte F 9 (1), 15-27 . Área Metropolitana de Washington Autoridad de Tránsito de 2008. Metrorail estación
de Acceso y Estudio sobre la capacidad. < http://www.wmata.com/pdfs/planning/
% Final 20Report_Station% 20Access% y 20% 20Capacity% 20Study% 202008% 20Apr.pdf >.
 X.-y. Xu et al. / Transportation Research Parte C 38 (2014) 28-43 43

William, HK Lam, Cheung, Chung-Yu, Lam, CF, 1999. Un estudio de los efectos de exclusión en las estaciones de tren ligero de Hong Kong. Parte de Investigación de Transporte
A 33 (5), 401-415 .
Xu, Xin-Yue, Liu, Jun, Li, Hai-ying, Zhou, Yan-fang, 2013A. modelo probabilístico para permanecer colas de pasajeros en la plataforma de la estación de metro. Diario de Centroamérica
Universidad del Sur de Tecnología 20, 837-844 .
Xu Xin Yue, Liu, Jun, Li, Hai-ying, Jiang, Xi, 2013b. Cálculo de reunir y distribuir la capacidad de la estación de metro por simulación y superficie de respuesta
metodología. Revista de la Sociedad de tren de China 35 (1), 8-18 .
Yalçinkaya, Ö., Bayhan, GM, 2009. Modelado y optimización del tiempo de viaje promedio para una línea de metro mediante la metodología de la simulación y la superficie de respuesta.
European Journal of Operational Research 196, 225-233 .
Yang, Hai, Bell, Michael GH, 1998. Una paradoja de la capacidad en el diseño de la red y cómo evitarlo. Transportation Research Parte A 32 (7), 539-545 .
Yuhaski, Smith, sistemas de circulación 1989. Modelado en edificios utilizando modelos dependientes del estado. Queuing Sistemas 4 (4), 319-338 .
Zhang Qi, Han, Bao-ming, 2008. Modelado y simulación de bajar del vehículo de pasajeros y el movimiento de internos en las estaciones de metro de Beijing. Investigación del transporte
Parte C 16 (5), 635-649 .
Zhao, Yu-banda, Mao, Bao-hua, et al, 2011. Métodos para calcular el montaje máximo en las plataformas de transporte ferroviario urbano. Journal of Transportation
Ingeniería de Sistemas y Tecnología de la Información 11 (2), 149-154 .