新加坡地铁准点率的探究
2018年08月06日 | 作者: adminlin | 分类: 公共服务满意度 |
在新加坡，地铁是人们最常用的交通工具之一。地铁的运行效率影响人们是否选择乘坐地铁。这个项目是探究决定地铁准点率的重要因素。项目采集与驾驶员和时间段有关的两个变量，实验数据包括是否有驾驶员和高峰及非高峰时间段四类，每类收集了30组。以系统预计到达时间为基准，与实验人员实际记录的到达时间作比较，以t-test为分析方法，结果表明无人驾驶的地铁更实用，这个结论可以帮助政府考虑用无人驾驶地铁提高地铁系统运行效率。
1引言
1.1 研究背景
地铁因为可以承载大量乘客快速到达不同目的地而广泛使用。在新加坡，地铁在高峰期每2-3分钟一列，非高峰期每5-7分钟一列。根据新加坡管理大学2013年对4200人调查统计，经常乘坐地铁的人对地铁运营的满意程度从2012年的92.1%下降到88.9%。新加坡交通部门2014年度统计表明地铁准点率从2013年的89.08%下降到84.92%。可以看出准点率和满意度同呈下降趋势，地铁部门通报了2014年共有12次延迟，并说明延迟的主要原因是地铁轨道问题、灯和门的问题、乘客的问题等等。我认为他们忽视了对是否有驾驶员和时间段不同问题的考虑。
1.2研究目的
以往的研究主要关注地铁的准点率对于乘客的影响。我的研究是驾驶员的存在与否以及不同时间段对地铁准点率的影响。
1.3研究范围
对在地铁高峰期、非高峰期和有无人驾驶的地铁准点率进行比较，给出影响准点率的重要因素。没有考虑像天气因素，服务延迟，不同的地铁路线和地铁站等因素。
2实验方法
2.1数据采集
驾驶员和时间段是研究中的两个变量。在不同的时间段，我采集了有无人驾驶的地铁的到达时间。实验数据分为四类：非高峰期有人驾驶、高峰期有人驾驶、非高峰期无人驾驶和高峰期无人驾驶，采集数据覆盖5条地铁线。
每类实验记录30组样本，总共120组数据，每组包括预计到达时间，实际到达时间及差值。120组数据统计计算结果见表1。
2.2统计筛选
通过双样本t-test分析两个因素对准点率的影响程度并通过显著性水平判断假设是否成立。
3分析与结果
3.1分析依据与数据处理
根据中心极限定理，研究中每类实验统计数据可视为正态分布。因此每个样本都是独立且正态分布的，可以用双样本t-test分析差值的重要性。
3.2 t-test分析
在分析中取差值的绝对值，即表示实际到达时间偏离预计时间的程度。每类差值绝对值为一个数据组，分别命名为driver_nonpeak（非高峰期有人驾驶）， driver_peak（高峰期有人驾驶）， nondriver_nonpeak（非高峰期无人驾驶）， nondriver_peak（高峰期无人驾驶）。
3.2.1 验证非高峰期无人驾驶的地铁更准时是否成立
零假设H0：非高峰期有驾驶员的数据平均值小于等于无驾驶员的平均值；备择假设Ha：非高峰期有驾驶员的数据平均值大于无驾驶员的平均值。程序和计算结果如下：
4 结语
在非高峰期无人驾驶比有人驾驶地铁更准时，因为在系统自动控制下，地铁按照“命令”在“约定”时加速或减速，是严格受控的结果。有人驾驶地铁在行驶段也是自动驾驶，驾驶员负责开关门以及启动和停止车辆，驾驶员不能准确地执行，因此非高峰时间有人驾驶地铁没有无人驾驶地铁准时。
在高峰期有人驾驶地铁更准时，但是无人驾驶地铁100%快于标准时间到达。在高峰期为了满足乘客需要，地铁发车频率更高。无人驾驶地铁自动控制两车之间安全最短距离，使得无人驾驶地铁提早到达，这一点人无法做到。提前到达发生在高峰期85%的人工驾驶地铁上和非高峰期50%的人工驾驶地铁上。驾驶员会因高峰时间客流量大，而更快地开关门和启动列车。
非高峰期无人驾驶的地铁更准时，且时间段不影响人工驾驶地铁准点率。高峰期人工驾驶地铁更准时，但无人驾驶地铁100%提前到达。
无人驾驶地铁是更好地选择，Siemens Mobility （2014）也证实Trainguard Mass Transit （MT），作为一种无人驾驶车辆的控制系统，可以提供更高运行效率和乘客满意程度。政府可以考虑使用无人驾驶地铁提高运营效率，提高乘客满意度。
想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz
或者扫描下面二维码
