CN108364127B - 一种路网客流协同控制优化系统 - Google Patents
一种路网客流协同控制优化系统 Download PDFInfo
- Publication number
- CN108364127B CN108364127B CN201810103967.0A CN201810103967A CN108364127B CN 108364127 B CN108364127 B CN 108364127B CN 201810103967 A CN201810103967 A CN 201810103967A CN 108364127 B CN108364127 B CN 108364127B
- Authority
- CN
- China
- Prior art keywords
- station
- passenger flow
- control
- bottleneck
- interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 6
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000013523 data management Methods 0.000 claims abstract description 5
- 230000004044 response Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000008676 import Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 230000000670 limiting effect Effects 0.000 abstract description 13
- 238000011217 control strategy Methods 0.000 abstract description 2
- 208000027744 congestion Diseases 0.000 description 20
- 230000000694 effects Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种路网客流协同控制优化系统。该系统包括基础数据管理模块、客流分配模块、能力瓶颈疏解模块、客流控制方案生成模块、客流控制方案分析模块、图形化展示模块。系统基于无能力约束客流分配建立车站客流与区间运能占用的内在关系,获取路网断面客流分布状态,然后结合区间客流运输能力辨识能力瓶颈区间,基于反馈控制策略疏解能力瓶颈,进而反向确定控制车站、控制时间以及控制强度。该系统适用于客流规律明显且相对稳定的情况,对高峰时段具有良好适用性,为高峰时段常态限流方案编制方法提供理论基础。
Description
技术领域
本发明涉及一种路网客流控制系统,尤其涉及一种基于能力瓶颈疏解策略的城市轨道交通路网客流协同控制优化系统。
背景技术
地铁路网规模的扩大引发客流需求不断增长,客流需求与运输能力的矛盾逐步凸显,尤其在早晚高峰时段,客流方向性明显,部分区段长期高负荷运营,车站及区段客流拥挤滞留现象突出,严重影响城市轨道交通网络的运营安全。除常态高峰时段外,节假日、集会展览、体育赛事等大型活动导致时段性客流量激增,运营部门不得不及时调整运营计划,满足客流需求。此外,恶劣天气、设备故障等突发事件导致列车运行中断或列车运行延误,引发短时客流稳态突变,如果不及时采取有效措施,由于“涟漪反应”的存在,大客流会在轨道交通网络上传播,极易引发城市轨道交通网络拥堵,严重的会造成人员伤亡和财产损失,对轨道交通系统运营安全产生负面影响。
客流拥挤的根本原因在于运输能力与客流需求间的不匹配矛盾。缓解客流拥挤的措施主要包含两方面:一是提高运输能力,从供给的角度提高客运输送能力;二是加强需求管理,从需求角度对客流时空分布予以调节。由于线网基础设施设备在一定时期内运输能力较为固定,因此,从客流需求管理角度进行调节成为缓解拥挤的主要途径。需求管理包含多方面,如:浮动票价、客流控制(限流)、客流诱导、拥挤付费等。在道路交通领域拥挤收费(票价策略)成为缓解拥挤的重要措施,然而,新的票价制度使初期客流有所下降,但很快客流量又回到既有水平,且增长趋势十分强劲;造成票价策略失效或者效果不明显的原因在于地铁出行客流中刚性通勤客流占据较大比例,其对票价的敏感性较低。目前,限流已成为各大城市缓解客流拥挤的重要需求管理措施,相比于票价、诱导等其他措施,限流的作用迅速而有效。
发明内容
现有技术的限流方案制定存在较大不足,主要体现在主观性强、难以适用于大规模实际路网。为此,本发明从运输能力瓶颈这一拥挤根源出发,以疏解能力瓶颈为基本手段构建反馈式控制方案生成方法。该系统从城市轨道交通路网高峰时段常态客流控制方案编制的角度,按照路网限流组织原则,构建了基于区间能力瓶颈疏解策略的路网客流协同控制方案生成算法,为高峰时段常态客流控制方案编制提供计算方法。具体采用如下技术方案:
系统包括基础数据管理模块,用于实现外部数据的自动化导入,以及数据的编辑、存储;客流分配模块,用于构建车站客流与区段客流间内在联系,为瓶颈疏解方案编制提供核心参数;能力瓶颈疏解模块,用于对能力瓶颈区间予以疏解,反向确定控制车站及控流量;客流控制方案生成模块,用于相邻时段内流量关系衔接、路网多瓶颈区段协同疏解,形成最终的客流控制方案;客流控制方案分析模块,用于形成方案后结合流量关系,瓶颈疏解中间过程来进行方案可行性分析;图形化展示模块,用于提供信息的图形化展示功能。
优选地,所述能力瓶颈疏解模块计算区间通过量与客运输送能力的差值,当区间通过量大于输送能力时判定为形成运输能力瓶颈,若判定为形成运输能力瓶颈,则确定目标控制车站,计算各车站权重系数,对多个车站进行协同控制,得到目标控制车站所需有效控流量,制定能力瓶颈疏解策略。
优选地,确定目标控制车站的具体方式为:
步骤1)根据瓶颈区间拥挤负荷确定响应控制车站集合数K;
步骤4)若集合N'm所包含车站数小于K,则转入步骤2,选取后续K位车站进一步判断,直至集合N'm中包含K各响应控制车站;
计算各车站权重系数的具体方式为:
有效控流量计算方式为:
优选地,所述客流控制方案生成模块利用车站客流区间通过率对有效控流量进行校正得到车站控流率,根据车站控流率生成控制方案;车站客流区间通过率对有效控流量进行校正的方式为:
计算车站控流率
βi(t)为对应时段的车站控流率,di(t)为时段t内车站i的实际需求量。
优选地,所述客流控制方案分析模块包括进站量分布分析、车站区间通过率分析、区间运能占有率分析、瓶颈疏解方案分析;
其中,进站量分布分析用于统计某一时段内进站客流中去往上行站台的客流量;
车站区间通过率分析用于计算车站客流区间通过率,车站客流区间通过率计算方式为:
区间运能占有率分析用于计算区间运能占有率,区间运能占有率计算方式为:
瓶颈疏解方案分析用于对某一时段内能力瓶颈的具体疏解过程进行分析和统计,统计某一具体瓶颈区段疏解过程中所对应的目标控制车站、以及各车站对应的权重和控流量。
优选地,图形化展示模块包括流量视图、瓶颈视图、方案视图;流量视图展示路网区段断面客流量;瓶颈视图展示当前时段内路网能力瓶颈;方案视图是对特定时段内的控制车站予以显示。
附图说明
图1本发明路网客流协同控制优化系统结构图。
图2是基于能力瓶颈疏解的客流控制方案生成流程图。
图3是单瓶颈区间疏解示意图。
图4是多瓶颈区间疏解示意图。
图5是多瓶颈区间疏解算法图。
图6是线路间协同客流控制流程图。
图7是网络客流控制方案生成流程图。
图8是路网客流分布状态显示图。
图9是车站区间通过率关系输出示例图。
图10是车站区间通过率关系输出示例图。
图11是车站区间通过率关系输出示例图。
具体实施方式
(一)系统结构
图1给出了客流控制系统的核心模块,主要包括:
■基础数据管理模块,主要功能是实现外部数据的自动化导入,以及数据的编辑、存储;
■客流分配模块,主要功能是构建车站客流与区段客流间内在联系,为瓶颈疏解方案编制提供核心参数;
■能力瓶颈疏解模块,主要功能是对能力瓶颈区间予以疏解,反向确定控制车站及控流量;
■客流控制方案生成模块,主要功能包括相邻时段内流量关系衔接、路网多瓶颈区段协同疏解,形成最终的客流控制方案;
■客流控制方案分析模块,主要功能是形成方案后结合流量关系,瓶颈疏解中间过程来进行方案可行性分析;
■图形化展示模块,主要功能是提供相关信息的图形化展示功能。
(二)系统运行环境
(1)硬件环境
(2)软件环境
(三)系统输入
客流控制系统输入见表1,主要包含六类基本信息。考虑到网络拓扑结构信息的重要性,该信息直接内嵌至系统,不作为外部输入。
表1系统输入列表
(1)客流OD表记录
OD表记录时间粒度为15min,共包含4个字段:起始车站名、起始时间点、终止车站名、客流量,见表2。考虑到全天OD记录超过100万条,常用办公软件(如Excel)难以承载;另外,为便于不同系统间数据交换,采用txt文本存储形式。该数据为系统运行的核心输入数据,需保证较高的精度。
注意:控制方案的时段粒度不得小于OD信息的时段长度,且为OD信息时段长度的整数倍。
表2 OD记录信息
(2)线路列车时刻表信息
线路列车时刻表信息是计算线路客运输送能力的基础数据。基本数据结构为列车在各站的到、发时间点。具体格式见表3,采用txt本文导入。若客运能力计算时采用发车间隔法计算,无需该数据;若采用时刻表推算法,则需要。
表3列车时刻表记录信息
(3)既有限流方案
既有限流方案输入格式见表4,采用界面交互输入。
表4既有限流方案输入信息
(4)车站站外面积信息
站外面积是构建客流控制方案的辅助参数,其决定了站外是否有足够空间布设物理设施。输入格式见表5,采用Excel形式从外部导入。
表5车站站外面积输入信息
(5)车站站外公交接驳信息
站外公交信息是构建控制方案的辅助参数,对于站外具有足够公交接驳的车站,对应控制强度则设置为较大,让一部分乘客采用公交出行;反之则应采取较小的控制强度。输入格式见表6,采用Excel形式从外部导入。
表6站外公交输入信息
(6)车站站台面积信息
站台面积也是构建控制方案时的辅助参数,为非必须参数。对于侧式站台可直接计算站台面积;对于岛式站台,则根据客流上下行方向按一定比例设置站台面积。输入格式见表7,采用Excel形式从外部导入。
表7站台面积输入信息
(四)系统功能描述
图2给出了基于能力瓶颈疏解算法的客流控制方案生成流程。下面,将结合该控制策略生成过程中涉及到的主要内容描述系统功能,主要包括:客流分布状态确定、车站-区间的流量关系构建、运输能力瓶颈辨识、能力瓶颈疏解策略以及控制方案生成。
(1)网络客流分布状态确定
定义城市轨道交通网络G=(N,E),其中N为车站集合,N={1,2…i,j},对于换乘站采用虚拟站点分开描述;E为区间集合,E={1,2…m,n},包含区间及换乘通道;将研究范围(如高峰时段)离散化为等长时段,T为研究时段集合,T={1,2…t},Δt为时段长度;Cm(t)为时段t内区间m的输送能力;qm(t)为时段t内通过区间m的客流量;dij(t)为时段t内OD对(i,j)间交通需求量;Rij为OD对(i,j)间可行路径集合,rijk为集合中第k条路径,rijk∈Rij。
(1.1)可行路径集合构建
采用路径综合阻抗描述路径费用,表达式为:
式中Wrs k为O-D对(r,s)间第k条路径的综合阻抗值;Trs k为O-D对(r,s)间第k条路径中列车运行区间的阻抗值;Ers k为O-D对(r,s)间第k条路径中换乘弧的阻抗值;tij为节点i与节点j间(同线路上的站台节点)列车区间运行时间;si为列车在节点i的停站时间;tij WALK为节点i与节点j(不同线路上的站台节点)间平均换乘时间;α为换乘时间放大系数;tj WAIT为乘客在节点j平均候车时间,采用计算,为j节点所在线路q的发车间隔时间;Rrs为O-D对(r,s)间可行路径集合。
通过k短路径搜索算法对任意O-D间k短路径进行搜索,为保证可行路径集的完整构建,一般k≥5。k短路径搜索算法已相对成熟,在此不再描述。通过路径搜索算法得到的k短路径中,不合理的路径可以认为乘客不会选择,需要对k条路径的合理性进行判断,从而生成有效的可行路径集。路径合理性条件判断条件如下:
Wrs max=min(Wrs min(1+θ),Wrs min+U)
式中θ为比例系数,描述可行路径阻抗值与最小路径阻抗值的相对偏移比例;U为常数,描述可行路径阻抗值与最小路径阻抗值的绝对偏移量。
(1.2)客流流量分配模型
弄清路网客流分布特征是构建控制方案的第一步,利用广泛应用的Logit模型进行路网客流分配,从而建立车站客流需求与区间运能占用的内在关系。
为真实反映需求的分布特征,分配过程中不考虑区间运能约束。实际中因运输能力限制而产生的客流拥挤表现为站台乘客的滞留,当不考虑区间运能约束时,则表现为区间客流量大于区间运输能力。
假设某时段t内交通需求(OD表)已知,以某OD对(i,j)为例详细介绍流量关系的构建过程。基于随机用户均衡理论,OD(i,j)间乘客选择第k条路径的概率pijk如下式所示:
则OD(i,j)间第k条路径的流量为:
进一步对路网中所有OD对进行客流分配,即得到区间m的通过客流总量qm(t),见式:
基于客流分配模型对分时段OD表进行客流分配,可获取路网分时段客流分布状态,如图8所示。图中红色代表上行方向,绿色代表下行方向。获取断面客流量是辨识能力瓶颈的基础。
(2)车站-区间的流量关系构建
车站客流区间通过率、区间运能占有率,是构建客流控制方案的关键要素。
(2.1)车站客流区间通过率
车站客流区间通过率表示从车站进入的客流会流经哪些区间,以及占车站总进站量的比例是多少。
假设单位时间内A站进站客流为1000人,其中流经A-B\B-C\C-D\D-F区间的客流量分别为1000、800、600、100人,那么其对应的车站客流区间通过率分别为100%、80%、60%、10%。不难理解,当对A站实施客流控制后,其对前方不同区间的客流拥挤疏解效果存在较大差异。车站客流区间通过率越大,则疏解效果越明显。
车站客流区间通过率描述了进站客流通过路网各断面的分布情况,如图9所示。图中箭头表示方向,线宽表示通过率大小。通过该通过率展示可直接分析某特定车站对哪些区段影响较大。该通过率是制定控制方案时的关键参数。
(2)区间运能占有率
相对于车站客流区间通过率而言,区间运能占有率是从区间的角度来刻画其与车站间关系。区间运能占有率表示流经区间的所有客流中来自某具体车站客流的比例,用于刻画源自车站的客流需求占用区间运能的关系。
假设单位时间内区间C-D间总客流量为600人,其中来自A站的为100人,来自B站的为300人,来自C站的为200人,对应的区间运能占有率则分别为:16.67%、50.00%、33.33%。不难理解,当C-D区间处于拥挤状态时,若需缓解其拥挤,控制效果最好的车站为B,因为来自B站的客流占用该区间的运能最大。
相比车站客流区间通过率,区间运能占有率是从区间角度来建立区间与车站间联系,描述了通过区间的客流中来自其他车站的客流比例,如图10所示。图中颜色由浅变红表示占有率的增大,线宽刻画占有率的大小。从(b)可以清晰看出,通过管庄-双桥区间的客流主要来自土桥、通州北苑站。
实际中若已知拥挤区间,那么可通过区间运能占有率来反向确定控制车站,即选择占用该区间运能较大的车站,方能达到良好的控制效果。
(3)运输能力瓶颈辨识
城市轨道交通系统的输送能力一般可定义为:某线路上某一方向一小时内所能输送的总旅客数。输送能力一般可以分为可用能力和设计能力。
可用能力:在城市轨道交通网络上,输送能力计算还必须考虑乘客需求的变化。由于旅客到达的不均衡性,实际上不能保证所有的设计能力都被旅客占用,尤其在非高峰时段,一般采用客流不均衡系数予以刻画。客流不均衡系数一般取值为0.70~0.95之间。可用能力=设计能力×客流不均衡系数。
设计能力:某一线路上某一方向一小时内通过某一点的旅客空间数量。设计能力相当于最大能力、理论能力或理论最大能力,在实际运输生产过程中很难实现。影响设计能力的因素主要有两个:一是线路能力,二是列车能力,即:设计能力=线路能力×列车能力。
线路能力是指在采用一定的车辆类型、信号设备和行车组织方法的条件下,城市轨道交通系统线路的各项固定设备在单位时间内(通常是高峰小时)所能通过的列车数。线路能力是系统综合能力的反映,主要取决于最小列车间隔和车站停留时间,其计算公式如下:
nmax=3600/t间
式中nmax代表线路在一小时内能够通过的最大列车数/列;t间代表线路的最小列车间隔时间/s。
列车能力是每辆车载客数量与每列车编组数的乘积,如下式所示:列车能力(旅客数/列车)=每列车编组数×每辆车定员数。
城市轨道交通线路的输送能力是在单位时间内所能运送的乘客人数,在线路能力一定的条件下,主要决定于列车编组辆数和车辆定员数。
列车编组辆数确定的主要依据是预测的规划年度高峰小时最大断面客流量,计算公式如下:
m=Pmax/(n高峰×P车)
式中:m代表列车编组辆数/辆;Pmax代表预测的规划年度高峰小时最大断面客流量/人;n高峰代表预测的规划年度高峰小时开行列车对数/对;P车代表车辆定员数/人。
此外,在确定列车编组辆数时还应充分考虑如下制约因素:
①站台长度限制。在大多数线路上,当列车编组达到8辆时,列车长度将和站台长度相等。
②对线路能力的影响。当列车长度接近站台长度时,要求列车在车站指定位置准确停车,通常要增加停车附加时间,并且由追踪列车间隔时间的分析计算可知,列车长度也是一个影响变量。
③经济合理性。采用长编组列车,车辆满载率在非运营高峰时间内一般比较低。
城市轨道交通系统近期和远期的列车编组辆数应分别根据预测的近期和远期客流量和车辆定员数来确定。
车辆定员数指城市轨道交通列车车辆的额定载客量,由车辆的座位人数和站立人数组成,为车厢座位数和空余面积上站立的乘客数之和;站立面积即车厢空余面积,为车厢面积减去座位面积,一般按每平方米站立6~8名乘客计算,计算公式为:车辆定员数=座位数+站立面积×规定的站立密度。
换乘通道通过能力可通过查定车站设计规范以及通道宽度来计算。在此不再详述。
当区间通过量大于输送能力时便形成能力瓶颈(分配中未考虑能力约束,而实际中区间通过量存在严格上限),实际中表现为前方紧邻车站的客流拥挤。定义Δqm为需求与运能间差值,值越大则供需矛盾越突出,对应车站的客流拥挤越严重,见式(4-18):
Δqm(t)=qm(t)-Cm(t)
式中Δqm(t)为区间m在时段t内通过量与运能间差值,差值越大则拥挤压力越大。
(4)能力瓶颈疏解策略
在确定能力瓶颈的基础上,如何通过客流控制来进行能力瓶颈疏解成为关键。本发明将从单瓶颈和多瓶颈两个角度来描述瓶颈疏解过程。
(4.1)单瓶颈疏解策略
图3给出了单瓶颈区间疏解示意图。假设e3为能力瓶颈区间,那么车站n3将出现乘客滞留。缓解车站n3客流压力的方案包含两种:(i)对车站n3进行客流控制,即本站控制;(ii)对多个车站(如n1,n2与n3)进行控制,即协同控制。在此,定义目标控制车站值缓解某特定区间而选定的控制车站(可为单个或多个);定义有效控流量为控制车站所需控制的有效流量(注意与实际进站量不同),所谓有效流量是指该部分流量能够真正起到缓解拥挤作用,即能够流经瓶颈区间的流量。
(i)本站控制,即对车站n3进行控制,目标控制车站为n3,为缓解区间e3的客流拥挤,有效控流量如下式所示:
(ii)协同控制。假设对车站n1、n2与n3进行协同控制,那么控制车站所需有效控流量应满足如下关系:
那么,控制权重系数应满足如下约束:
式中N'm为疏解瓶颈区间m时所选定的控制车站集合,定义为目标控制车站,本例中即为车站n1、n2与n3;此时,车站i的有效控流量为:
可以看出,合理确定目标控制车站及权重系数是进行协同客流控制的关键,下面将详细介绍其确定过程。
(4.1.1)目标控制车站确定
在疏解瓶颈过程中,若响应控制车站选取越少,则对应的控制强度越大,控流压力越大;若响应控制车站选取越多,对乘客出行影响则越大。结合前期项目研究成果及实际情况,下面对响应控制车站集合的确定过程进行介绍。
目标控制车站数:响应控制车站集合数K需根据瓶颈区间的客流拥挤压力来确定,一般客流拥挤压力越大,响应车站数应越多。由于不同城市轨道交通的客流分布特征差异明显,其参数需根据实际情况予以标定。目标控制车站的选取主要依据区间运能通过率来判断,辅助参考车站外部环境、限流实施条件等要素。具体实施算法为:
步骤1:根据瓶颈区间拥挤负荷确定响应控制车站集合数K;
步骤4:若集合N'm所包含车站数小于K,则转入步骤2,选取后续K位车站进一步判断,直至集合N′m中包含K各响应控制车站。
其中,车站是否具备站外控制实施条件可通过站外广场面积予以限定;而空间距离判定是为满足响应时间要求,采用路网乘客平均出行时间或平均出行站数的一半作为限定标准。
(4.1.2)车站权重系数计算
在确定目标控制车站集合的基础上,下一步即如何确定各控制车站的权重系统。车站权重系数刻画了车站对瓶颈疏解作用的大小,其是制定控制方案的关键。下面对车站权重系数的影响因素及计算进行分析。
响应时间表示控制车站与瓶颈区间在时空上的关联性,控制车站离瓶颈区间越近,其控制效果越明显。在此,以控制车站距瓶颈区间所对应的列车运行时间来量化表示响应时间,定义为对于瓶颈区间前方紧邻的车站,其响应时间表示为区间运行时间的一半。
站台承载能力是制定控制方案的另一主要因素。一般站台承载能力越大,抵抗客流拥挤风险的能力越大。在此,采用站台面积来量化站台承载能力,定义为车站i某方向站台(上下行)的面积。由于客流具有明显的方向性,在进行某一瓶颈疏解时仅需考虑某一方向站台能力的利用情况。岛式站台可实现能力共用,可设定相应的系数来标定;侧式站台则采用实际面积确定。
结合上述影响因素的分析,车站权重可表示为相关因素的函数形式,见式:
考虑到各要素间差异性,对各要素进行归一化处理,从而确定最终的权重系数。具体计算表达式见式:
式中μ1,μ2...分别表示区间运能占用率、响应时间等要素对应的重要度参数,取值位于(0,1)之间,可根据实际经验予以标定。其中,区间运能占用率、站台承载能力以及响应时间是考虑的主要要素,重要度较大。为初步得到的车站权重。
(4.2)多瓶颈疏解策略
一般而言,路网上往往存在多个瓶颈区间,在对某一瓶颈疏解时会对其他瓶颈区间产生影响。图4给出了线路上多瓶颈区间疏解示意图,当完成瓶颈区间e3的疏解后,可能区间e4不再成为能力瓶颈。
为保证瓶颈的有效疏解,遵循“先大后小”的原则,即先对路网中拥挤压力大的区间疏解,再疏解能力瓶颈小的区间。图5给出了路网条件下多瓶颈区间疏解算法。
(4.3)临线协同控制策略
网络化运营条件下,线路间相互作用增强,大量的换乘客流使得单靠本线内车站间的协调控制难以有效缓解拥挤现象,此时需通过协调控制临线换入本线客流量来缓解拥挤,从网络层面进行客流的协同控制,示意过程如图6所示。
相邻线路间协同控制过程与单一线路上瓶颈疏解过程相似,主要区别在于瓶颈疏解时目标控制车站的选取不局限于本线。根据目标控制车站的选择算法,临线协同控制无需特殊处理,与单线情况下保持一致。
(5)客流控制方案生成
(5.1)车站控制方案
定义车站控流率βi来量化表示控制强度,表示单位时间内限制进入车站的客流量(控制条件下不能满足的需求量)与实际客流需求量的比值,控流率越大则控制强度越大,见式:
式中di(t)为时段t内车站i的实际需求量(即到站量);di'(t)为进站受限制的客流量(即控流量);βi(t)为对应时段的控流率。
目标控制车站的有效控流量为需要注意的是有效控流量与车站控流量存在一定差异:(1)进站量包含去往其他各个车站的客流,难以将特定客流区分;(2)并不是所有客流都会流经瓶颈区间。因此,需利用车站客流区间通过率对控流量予以校正,如式所示:
确定车站控流率后需制定具有可实施性的控制方案,例如:围栏设置长度和宽度、开放闸机数目、分批放行速率。该部分内容不再本发明范围内,当确定控流率之后可得单位时间内进站速率,以此为依据可进一步制定相应控制措施。
(5.2)网络控制方案生成
网络客流控制方案制定基本流程为:(1)离散化研究时段(一般为高峰时段),对每一时段进行客流分配,获取需求与区间能力的内在关系,以及区间断面量;(2)瓶颈辨识与疏解,利用瓶颈疏解策略依次对瓶颈进行疏解,确定控制车站及控制强度;(3)根据不同时段内瓶颈疏解结果,确定研究时段内整体的控制方案(三要素)。路网层客流控制方案生成的具体流程如图7所示。
(5.3)控制时段长度分析
所构建算法对控制时段长度设置无具体要求,然而,从限流实施及输入OD矩阵精度角度来看,控制时段长度设置不宜过短。首先,常态控制措施(如围栏设置)较为固定,难以在短时内频繁变动;其次,常态控制方案编制的前提是客流结构较为稳定,以历史客流分布特征为基础来编制控制方案,倘若控制时段过短,客流分布特征稳定性必将下降,所构建的控制方案的准确性也随之降低。
(6)控制方案展示
图形化展示模块能将已生成的控制方案以图形和报表的形式展示,如图11所示。该功能的目的是更加清晰地对不同时段控制方案进行对比分析,从而确定最终的控制方案。
Claims (4)
1.一种路网客流协同控制优化系统,其特征在于,该系统包括:
基础数据管理模块,用于实现外部数据的自动化导入,以及数据的编辑、存储;
客流分配模块,用于构建车站客流与区段客流间内在联系,为瓶颈疏解方案编制提供核心参数;
能力瓶颈疏解模块,用于对能力瓶颈区间予以疏解,反向确定控制车站及控流量;
客流控制方案生成模块,用于相邻时段内流量关系衔接、路网多瓶颈区段协同疏解,形成最终的客流控制方案;
客流控制方案分析模块,用于形成方案后结合流量关系,瓶颈疏解中间过程来进行方案可行性分析;
图形化展示模块,用于提供信息的图形化展示功能;
所述能力瓶颈疏解模块计算区间通过量与客运输送能力的差值,当区间通过量大于输送能力时判定为形成运输能力瓶颈,若判定为形成运输能力瓶颈,则确定目标控制车站,计算各车站权重系数,对多个车站进行协同控制,得到目标控制车站所需有效控流量,制定能力瓶颈疏解策略;
确定目标控制车站的具体方式为:
步骤1)根据瓶颈区间拥挤负荷确定响应控制车站集合数K;
步骤4)若集合N′m所包含车站数小于K,则转入步骤2,选取后续K位车站进一步判断,直至集合N′m中包含K个响应控制车站;
计算各车站权重系数的具体方式为:
有效控流量计算方式为:
3.如权利要求2所述的系统,其特征在于,
所述客流控制方案分析模块包括进站量分布分析、车站区间通过率分析、区间运能占有率分析、瓶颈疏解方案分析;
其中,进站量分布分析用于统计某一时段内进站客流中去往上行站台的客流量;
车站区间通过率分析用于计算车站客流区间通过率,车站客流区间通过率计算方式为:
区间运能占有率分析用于计算区间运能占有率,区间运能占有率计算方式为:
瓶颈疏解方案分析用于对某一时段内能力瓶颈的具体疏解过程进行分析和统计,统计某一具体瓶颈区段疏解过程中所对应的目标控制车站、以及各车站对应的权重和控流量。
4.如权利要求3所述的系统,其特征在于,
图形化展示模块包括流量视图、瓶颈视图、方案视图;
流量视图展示路网区段断面客流量;
瓶颈视图展示当前时段内路网能力瓶颈;
方案视图是对特定时段内的控制车站予以显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810103967.0A CN108364127B (zh) | 2018-02-01 | 2018-02-01 | 一种路网客流协同控制优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810103967.0A CN108364127B (zh) | 2018-02-01 | 2018-02-01 | 一种路网客流协同控制优化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108364127A CN108364127A (zh) | 2018-08-03 |
CN108364127B true CN108364127B (zh) | 2021-07-27 |
Family
ID=63004152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810103967.0A Active CN108364127B (zh) | 2018-02-01 | 2018-02-01 | 一种路网客流协同控制优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364127B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712401B (zh) * | 2019-01-25 | 2021-05-11 | 同济大学 | 一种基于浮动车轨迹数据的复合路网瓶颈点识别方法 |
CN110843870B (zh) * | 2019-11-21 | 2021-01-01 | 北京交通大学 | 一种非正常事件下高铁路网图定能力保持方法 |
CN111754071A (zh) * | 2020-05-12 | 2020-10-09 | 清华大学 | 一种区域轨道交通全局安全性增强方法 |
CN111724076A (zh) * | 2020-06-24 | 2020-09-29 | 西南交通大学 | 运营中断条件下区域多式轨道交通客流动态分配方法 |
CN112132551B (zh) * | 2020-09-30 | 2022-05-06 | 西南交通大学 | 一种城市轨道交通应急客流协同疏运方法 |
CN113361917B (zh) * | 2021-06-04 | 2024-02-20 | 中南大学 | 一种大风条件下基于动态客流的高速列车重调度方法 |
CN114912233B (zh) * | 2022-04-19 | 2023-04-18 | 华北科技学院(中国煤矿安全技术培训中心) | 路网运力下降的影响范围确定和协同管控的方法及系统 |
CN115080550B (zh) * | 2022-05-31 | 2023-08-01 | 交通运输部规划研究院 | 路网交通量分配方法及装置 |
CN115409295B (zh) * | 2022-11-01 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 |
CN117649034B (zh) * | 2023-12-08 | 2024-04-30 | 北京城建设计发展集团股份有限公司 | 一种运营中断事件下多阶段路网乘客出行仿真方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169524A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 城市轨道交通网络客流分布的分阶段多路径模型算法 |
CN104866931A (zh) * | 2015-06-12 | 2015-08-26 | 北京交通大学 | 一种基于大站停车和多站协同限流的地铁客流组织方法 |
CN105882695A (zh) * | 2016-03-17 | 2016-08-24 | 北京交通大学 | 针对城市轨道交通路网客流拥堵的前瞻性关联控制方法 |
CN107248006A (zh) * | 2017-05-27 | 2017-10-13 | 北方工业大学 | 基于分层递阶的地铁线路客流协调控制方法 |
-
2018
- 2018-02-01 CN CN201810103967.0A patent/CN108364127B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169524A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 城市轨道交通网络客流分布的分阶段多路径模型算法 |
CN104866931A (zh) * | 2015-06-12 | 2015-08-26 | 北京交通大学 | 一种基于大站停车和多站协同限流的地铁客流组织方法 |
CN105882695A (zh) * | 2016-03-17 | 2016-08-24 | 北京交通大学 | 针对城市轨道交通路网客流拥堵的前瞻性关联控制方法 |
CN107248006A (zh) * | 2017-05-27 | 2017-10-13 | 北方工业大学 | 基于分层递阶的地铁线路客流协调控制方法 |
Non-Patent Citations (1)
Title |
---|
城市轨道交通网络客流协同控制模型;姚向明 等;《中南大学学报(自然科学版)》;20150131;第46卷(第1期);第342页至第350页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108364127A (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364127B (zh) | 一种路网客流协同控制优化系统 | |
Cats et al. | A dynamic stochastic model for evaluating congestion and crowding effects in transit systems | |
Xu et al. | Passenger flow control with multi-station coordination in subway networks: algorithm development and real-world case study | |
Jiang et al. | Reinforcement learning approach for coordinated passenger inflow control of urban rail transit in peak hours | |
Yan et al. | Robust optimization model of schedule design for a fixed bus route | |
CN108364093B (zh) | 基于能力瓶颈疏解策略的路网客流协同控制优化方法 | |
Xu et al. | Finding the K shortest paths in a schedule-based transit network | |
CN102169524A (zh) | 城市轨道交通网络客流分布的分阶段多路径模型算法 | |
CN107679654B (zh) | 一种停车规模预估控制系统及实现方法 | |
Li et al. | The optimal transit fare structure under different market regimes with uncertainty in the network | |
CN105808877A (zh) | 一种基于站点停靠能力的公交线网布设方法 | |
CN101236642A (zh) | 基于票务数据的分级客流监控系统及其方法 | |
CN111401614A (zh) | 一种城市轨道交通动态客流分配方法及系统 | |
Yang et al. | Multi-mode public transit OD prediction and scheduling model | |
CN106960261A (zh) | 一种基于轨道ic卡和手机信令数据的轨道交通客流预测方法 | |
Liu et al. | A queuing network simulation optimization method for coordination control of passenger flow in urban rail transit stations | |
Zheng et al. | Bridging strategy for the disruption of metro considering the reliability of transportation system: Metro and conventional bus network | |
Li et al. | Joint optimization of delay-recovery and energy-saving in a metro system: A case study from China | |
CN114841415A (zh) | 大型活动期间城市轨道交通客流预测及多级运输组织方法 | |
Wang et al. | A simulation-based metro train scheduling optimization incorporating multimodal coordination and flexible routing plans | |
Sadrani et al. | Designing limited-stop bus services for minimizing operator and user costs under crowding conditions | |
CN108197724B (zh) | 公交复杂网络中效率权重计算与公交方案性能评估方法 | |
CN112002127B (zh) | 轨道交通中站点重要性评估方法及装置 | |
Zhang et al. | A general metro timetable rescheduling approach for the minimisation of the capacity loss after random line disruption | |
CN113408926A (zh) | 短时中断情况下城市轨道交通客流分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |