Modeling the interaction between metro platform and on-board crowding

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Search: WFRF:(Jenelius Erik 1980 ) > (2015-2019) > Modeling the intera...

Modeling the interaction between metro platform and on-board crowding

Peftitsi, Soumela (author): KTH,Transportplanering

Jenelius, Erik, Docent, 1980- (author): KTH,Transportplanering,Centrum för transportstudier, CTS

Cats, Oded, 1983- (author): KTH,Transportplanering,TU Delft

(creator_code:org_t)

KTH Royal Institute of Technology, 2019
English.

Related links:: https://kth.diva-por... (primary) (Raw object); show more...; https://urn.kb.se/re...; show less...

Reports (other academic/artistic)

Abstract Subject headings

Many public transport station platforms are overcrowded during the peak periods which affects crowding inside the transit vehicle, especially when passengers are not uniformly distributed between individual car units.A methodology based on multiple automated data sources for identifying the factors that affect the distribution of boarding passengers in individual cars of a metro train is proposed. The methodology is applied to a case study for a sequence of stations in the Stockholm metro network. While train car loads are generally skewed towards the leading cars, results indicate that a crowded arriving train is associated with increasing boarding shares in the middle and rear cars. Moreover, higher platform crowding level leads to larger boarding share of the middle cars. These ndings suggest that passengers opt for less crowded trains in crowded situations, trading-off walking andcrowding while waiting and riding. We nd that the boarding car distribution is alsoa ected by the locations of platform access points and the distribution of entering traveler flows.To measure the unevenness of the crowding distribution among the cars of rail transit vehicle, a train crowding unevenness metric is introduced. It is defined as the total experienced crowding across all possible distributions of the same total train load. The methodology is demonstrated for the metro network in Stockholm, Sweden based on automated car load data. Train crowding unevenness is found to be lower at departure from inner city metro stations and especially during the highest peak of the morning rush hour; this finding suggests that the uneven distribution of passengers in the trainis critically affected by the total passenger load inside the vehicle. Investigating this interaction, we found that train crowding evenness increases with the on-board passenger load. Certain metro stops are exceptions to the aforementioned finding which could be explained by the existence of a popular or a single station access point that leads to skewed distribution of passengers on the platform prior the arrival of the train.Finally, a method to evaluate and forecast crowding in individual car units by using a dynamic and stochastic transit assignment model is developed. The validity of the model and its sensitivity to the valuation of walking time has been examined. It is found that the model reproduces the average car load shares when the walking time is valued higher, and specifically 5 times higher than in-vehicle time. This finding suggests that passengers may value the walking time on the station platform higher than the walking time from/to the station. An intervention scenario has been evaluated, showing that if a second access point is added at Universitetet, the vehicle passenger distribution tends to be more even upon departure from Universitetet and the downstream stations; 3% of the average total vehicle load switches from the front train car to other cars upon train departure from Universitetet and Tekniska högskolan.The project insights may be used by transit planners and operators to increase the understanding of how passengers behave under crowding conditions, identify the factors that affect travelers' choice to board a specific metro car and eventually increase the capacity utilization of the trains through investments in infrastructure or operational interventions and thereby reduce the experienced on-board crowding level.

Många stationer och plattformar i kollektivtrafiken är överfulla under rusningstimmarna, vilket påverkar trängseln inuti fordonen, särskilt när passagerarna inte är jämnt fördelade mellan vagnarna.I projektet har en metod utvecklats som bygger på flera automatiserade datakällor för att identifiera de faktorer som påverkar fördelningen av påstigande passagerare mellanvagnarna på tunnelbanetåg. Metoden tillämpas i en fallstudie för en rad stationer i Stockholms tunnelbanenätverk. Medan belastningen av vagnarna i allmänhet har tyngdpunkteni de första vagnarna, indikerar resultaten att ett högt belastat ankommande tåg är förknippat med högre andelar påstigande i den mittersta och den bakrevagnen. Dessutom leder högre trängsel på plattformen till en högre andel påstigande i mellanvagnen. Dessa resultat tyder pa att passagerare väljer mindre belastade vagnari situationer med hög trängsel, och gör avvägningar mellan gångavstånd och trängsel. Vi finner att fördelningen av påstigande också påverkas av placeringen av plattformens in- och utgångar och den relativa fördelningen av inkommande resenärsflöden.För att mäta snedfördelningen hos trängselfördelningen mellan vagnarna introduceras ett mått på trängselojämnhet. Måttet definieras som den totala upplevda trängseln för alla resenärer i tåget, normaliserad över alla möjliga fördelningar av samma totala tågbelastning. Metoden tillämpas på Stockholms tunnelbanenät, baserat på automatiserad vagnbelastningsdata. Snedfördelningen hos trängseln visar sig vara lägre vid avgång från tunnelbanestationerna i innerstaden och särskilt under värsta timmen under morgonrusningen. Resultatet antyder att snedfördelningen av passagerare i tåget starkt påverkas av den totala passagerarbelastningen i tåget. Genom att undersöka denna interaktion finner vi att tågbelastningen ökar jämnheten i trängselfördelningen ombord. Vissa tunnelbanestationer är undantag från ovan nämnda resultat, vilket kan förklaras av att det finns en särskilt populär eller en enda ingång till stationen som leder till en skev fördelning av passagerare på plattformen före tågets ankomst.Slutligen utvecklas en metod för att utvärdera och prognostisera trängsel i enskilda tågvagnar med hjälp av en dynamisk och stokastisk simuleringsmodell. Modellens giltighet och känslighet för värderingen av gångtid har undersökts. Det framgåar att modellen återskapar de genomsnittliga trängselfördelningarna mellan vagnar när gångtiden värderas högre, närmare bestämt fem gånger högre, än restiden i fordon. Detta resultat tyder på att passagerare kan värdera gångtiden på stationsplattformen högre än gångtiden från och till stationen. Ett åtgärdsscenario har utvärderats, vilket visar att om en andra in- och utgång läggs till vid Universitetets station tenderar fördelningen av passagerare mellan vagnar att vara jämnare vid avgång från Universitetet och stationerna nedströms. 3% av den genomsnittliga totala beläggningen byter från den främre tågvagnen till andra vagnar vid Universitetet och Tekniska högskolan.Insikterna från projektet kan användas av kollektivtrafikplanerare och operatörer för att öka förståelsen för hur passagerare uppträder under trängselförhållanden, atti dentifiera de faktorer som påverkar resenärernas val att gå ombord tunnelbanevagn och sa småningom öka kapacitetsutnyttjandet av tågen genom investeringar i infrastruktur eller operativa insatser och därigenom minska den upplevda trängseln ombord.

Subject headings

TEKNIK OCH TEKNOLOGIER -- Samhällsbyggnadsteknik -- Transportteknik och logistik (hsv//swe)
ENGINEERING AND TECHNOLOGY -- Civil Engineering -- Transport Systems and Logistics (hsv//eng)

Publication and Content Type

vet (subject category)
rap (subject category)

To the university's database

Find more in SwePub

By the author/editor: Peftitsi, Soumel ...; Jenelius, Erik, ...; Cats, Oded, 1983 ...

About the subject

ENGINEERING AND TECHNOLOGY: ENGINEERING AND ...; and Civil Engineerin ...; and Transport System ...

By the university: Royal Institute of Technology

Search outside SwePub

Extend your search to:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se