[论文解读] Impact of unplanned service disruptions on urban public transit systems

Baichuan Mo, Max von Franque+3 more|arXiv (Cornell University)|Jan 3, 2022

Transportation Planning and Optimization被引用 4

一句话总结

本文提出了一种基于数据的事故分析框架，利用自动收费（AFC）和车辆定位（AVL）数据，评估非计划性铁路中断对城市轨道交通系统的影响。该框架引入了一项网络冗余指数，以评估系统的韧性，并发现低冗余区域的乘客会转向使用公交车，而高冗余区域的乘客则会直接换乘至其他铁路线路。

ABSTRACT

This paper proposes a general unplanned incident analysis framework for public transit systems from the supply and demand sides using automated fare collection (AFC) and automated vehicle location (AVL) data. Specifically, on the supply side, we propose an incident-based network redundancy index to analyze the network's ability to provide alternative services under a specific rail disruption. The impacts on operations are analyzed through the headway changes. On the demand side, the analysis takes place at two levels: aggregate flows and individual response. We calculate the demand changes of different rail lines, rail stations, bus routes, and bus stops to better understand the passenger flow redistribution under incidents. Individual behavior is analyzed using a binary logit model based on inferred passengers' mode choices and socio-demographics using AFC data. The public transit system of the Chicago Transit Authority is used as a case study. Two rail disruption cases are analyzed, one with high network redundancy around the impacted stations and the other with low. Results show that the service frequency of the incident line was largely reduced (by around 30% ~ 70%) during the incident time. Nearby rail lines with substitutional functions were also slightly affected. Passengers showed different behavioral responses in the two incident scenarios. In the low redundancy case, most of the passengers chose to use nearby buses to move, either to their destinations or to the nearby rail lines. In the high redundancy case, most of the passengers transferred directly to nearby lines. Corresponding policy implications and operating suggestions are discussed.

研究动机与目标

• 开发一个综合的事故影响分析框架，整合供给侧网络性能与需求侧乘客行为。
• 通过行车间隔变化和网络冗余度指标，量化非计划性铁路中断对运营服务的影响。
• 理解中断期间乘客流量在不同铁路线路和公交线路之间的重新分配情况。
• 利用推断的社会人口统计特征和智能卡数据，建立个体出行方式选择行为的模型。
• 基于真实中断事件的数据驱动洞察，为交通机构提出可操作的政策建议。

提出的方法

• 提出一种基于事故的网络冗余指数（NRUI），用于衡量铁路网络在中断期间提供替代服务的能力。
• 利用AFC数据追踪乘客进出站的刷卡模式，推断个体行程选择及社会人口统计特征。
• 应用AVL数据计算事故期间受影响线路及周边线路的行车间隔变化。
• 采用二元Logit模型分析中断期间个体层面的出行方式选择行为，整合推断的出行历史和人口统计数据。
• 对芝加哥发生的两起具有不同网络冗余水平的真实铁路中断事件进行案例研究。
• 整合供给侧（行车间隔、冗余度）与需求侧（流量重新分配、个体行为）分析，评估系统整体影响。

实验结果

研究问题

• RQ1 网络冗余如何影响非计划性铁路中断期间的乘客流量重新分配？
• RQ2 中断对铁路行车间隔和服务频率的运营影响是什么？
• RQ3 乘客在出行方式选择上如何响应中断？这些选择如何因社会人口特征和网络环境而异？
• RQ4 乘客在中断期间在多大程度上使用附近的公交线路或替代铁路线路作为替代方案？
• RQ5 交通机构如何通过数据驱动策略（如路线推荐和接驳服务）提升事故应对能力？

主要发现

• 在中断期间，事故线路的服务频率下降了30%至70%，表明运营性能显著退化。
• 具有替代功能的邻近铁路线路受到轻微的运营影响，表明对关联线路存在溢出效应。
• 在低网络冗余情境下，60%至70%的受影响乘客选择使用附近的公交线路作为替代方案，以抵达目的地或换乘至其他铁路线路。
• 在高冗余情境下，大多数乘客直接换乘至邻近的铁路线路，表明现有铁路替代方案具有高度有效性。
• 乘客在事故期间频繁在受阻车站刷卡，表明实时信息传递不畅，且对替代路线缺乏认知。
• 尽管绿线在蓝线事故期间是可行的替代路线，但其利用率偏低，表明需要针对性的路线推荐以提升系统效率。