CN108460484B - 一种广义轨道交通调配方法及系统 - Google Patents
一种广义轨道交通调配方法及系统 Download PDFInfo
- Publication number
- CN108460484B CN108460484B CN201810167137.4A CN201810167137A CN108460484B CN 108460484 B CN108460484 B CN 108460484B CN 201810167137 A CN201810167137 A CN 201810167137A CN 108460484 B CN108460484 B CN 108460484B
- Authority
- CN
- China
- Prior art keywords
- line
- line interval
- passenger flow
- maximum
- passenger
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004891 communication Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- PLAIAIKZKCZEQF-UHFFFAOYSA-N methyl 6-chloro-2-oxo-3h-1,2$l^{4},3-benzodithiazole-4-carboxylate Chemical compound COC(=O)C1=CC(Cl)=CC2=C1NS(=O)S2 PLAIAIKZKCZEQF-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种广义轨道交通调配方法及系统,所述方法包括:S1,根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在当前发车时间前第一预设时长内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;S2,将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配。本发明能够合理灵活分配运能,有效提高客运资源的利用率和运力,节约成本。
Description
技术领域
本发明属于智能交通领域,更具体地,涉及一种广义轨道交通调配方法及系统。
背景技术
当前,我国轨道交通行业发展迅速,形成了以高速铁路、城市快轨等一系列不同级别线路的轨道交通网,大大方便了人民群众的出行及大宗货物的运输,提高了生活质量。
广义轨道交通是指包括各级轨道在内的所有交通运输方式。目前,广义轨道交通主要存在两方面问题,一方面,随着人员和货物运输量的不断增长,现有运力无法及时满足;另一方面,由于运能分配不合理,有的线路长期处于高负荷运行,而有的线路利用率很低,造成资源浪费。如何提高运力和合理分配运能成为我国轨道交通行业亟待解决的问题。
现有技术中,将轨道交通信号系统作为轨道交通的“大脑和神经中枢”,控制车辆安全、高效的运行。时至今日,我国已经研发装备了适用于城市轨道交通的以CBTC系统为核心的城市轨道交通信号系统、适用于既有线提速和新建时速250km高速铁路的以CTCS-2级车辆运行控制系统为核心的高铁信号系统,以及适用于新建时速大于250km 高速铁路的以CTCS-3级车辆运行控制系统为核心的高铁信号系统。为了提升轨道交通的运营效率,基于通信的车辆控制 (Communication-based Train Control,CBTC)以及无人驾驶技术逐渐应用在轨道交通信号系统中,通过缩小车辆运行间隔、减少人为失误的方式来提升线路的通过能力。
但实际上,限制铁路路网运输能力的不是区间通过能力而是车站通过能力,因此,上述方法不能有效提高轨道交通线路的运力。此外,铁路车站的发线通过能力和咽喉通过能力决定线路利用效率和线路运力。为了提升线路运力,最直接的方法就是增加线路中车辆的数量或者增大车辆的长度,但成本高且占用资源。
发明内容
为克服上述现有技术不能有效提高轨道交通线路的运力,且成本高的问题或者至少部分地解决上述问题,本发明提供了一种广义轨道交通调配方法及系统。
根据本发明的第一方面,提供一种广义轨道交通调配方法,包括:
S1,根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在当前发车时间前第一预设时长内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;
S2,将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配。
具体地,所述步骤S1具体包括:
S11,计算各所述线路区间的历史客流数据与订票数量之间的差值;
S12,若所述差值小于预设阈值,则各所述线路区间的最大客流量 kmax=(m+n)/2+a*diff;
若所述差值大于或等于所述预设阈值,则各所述线路区间的最大客流量kmax=max(m,n)+a*diff;
其中,m为任一所述线路区间的历史客流数据,n为任一所述线路区间的订票数量,max(m,n)为m和n中的最大值,a为预设常数, diff为m和n之间的差值。
具体地,所述步骤S2具体包括:
S21,若各所述线路区间的最大客流量大于各所述线路区间的实际运力,则为各所述线路区域调配闲置的客运资源获取各所述线路区间的最终运力,以使各所述线路区间的最终运力大于或等于各所述线路区间的最大客流量;
若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,从各所述线路区间的实际运力中减去所述差值获取各所述线路区间的最终运力,并将所述差值对应的客运资源的状态设置闲置状态。
具体地,所述步骤S21之后还包括:
S22,基于协同控制算法将各所述线路区间的最终运力对应的客运资源进行虚拟连接。
具体地,所述客运资源以每节车厢为单元;
相应地,所述步骤S22具体包括:
基于协同控制算法将各所述线路区间的最终运力对应的车厢进行虚拟连接。
具体地,所述虚拟连接包括各所述线路区间的最终运力对应的客运资源之间的虚拟连接和各所述线路区间的最终运力对应的客运资源与各所述线路区间的虚拟连接。
具体地,所述步骤S22还包括:
每隔第二预设时长,计算各所述线路区间的最大客流量,若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,基于协同控制算法将所述差值对应客运资源去除虚拟连接。
具体地,不同编组的客运资源之间通过通信网络进行通信。
根据本发明的第二方面,提供一种广义轨道交通调配系统,包括:
预测单元,用于根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在第二预设历史时间段内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;
调配单元,用于将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配。
根据本发明的第三方面,提供一种非暂态计算机可读存储介质,用于存储如前所述方法的计算机程序。
本发明提供一种广义轨道交通调配方法及系统,该方法通过根据目标线路上任意两个车站之间线路区间的历史客流数据和当前的订票数量,预测各线路区间的最大客流量,将各线路区间的最大客流量与实际运力进行比较,根据比较结果对现有客运资源进行调配以满足最大客流量的需求,从而合理灵活分配运能,有效提高客运资源的利用率和运力,节约成本。
附图说明
图1为本发明实施例提供的广义轨道交通调配方法整体流程示意图;
图3为本发明实施例提供的广义轨道交通调配方法中队列示意图;其中,图3a为初始编队示意图,图3b为最终编队示意图;
图4为本发明实施例提供的广义轨道交通调配方法中基于物联网的分布式信息安全监控子系统架构示意图;
图5为本发明实施例提供的广义轨道交通调配方法整体架构示意图;
图6为本发明实施例提供的广义轨道交通调配系统整体结构示意图;
图7为本发明实施例提供的广义轨道交通调配设备整体结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在本发明的一个实施例中提供一种广义轨道交通调配方法,图1 为本发明实施例提供的广义轨道交通调配方法整体流程示意图,该方法包括:S1,根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在当前时间前第一预设时长内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;S2,将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配和编组。
具体地,S1中,所述预设历史时间段为从历史时间中选择的一段历史时间段,所述预设历史时间段根据所述目标线路的客流周期进行选择。例如,当前时间位于春运期间,则选择去年春运的时间段作为所述预设历史时间段。获取所述目标线路上任意两个车站之间的线路区间,例如,从甲位置到乙位置之间有A、B和C三个车站,获取所述三个车站中任意两个车站的线路区间,即AB、AC和BC三个线路区间。获取预设历史时间段内各所述线路区间在同一方向上的历史客流数据。例如,A为第一站,B为第二站,C为第三站,从A到B,从A到C,从B到C方向为同一方向,从B到A,从C到A,从C 到B为同一方向。获取出发时间在当前发车时间前第一预设时长内,且方向与计算所述历史客流数据使用的方向相同的各所述线路区间的历史订票数据。例如当所述第一预设时长为8小时时,计算当前发出时间前8小时内的订票数量。根据各所述线路区间的历史客流数据和订票数量,预测各所述线路区间的最大客流量。所述预测可以基于云计算进行大数据预测。
S2中,预先获取各所述线路区间的实际运力,所述实际运力为当前各所述线路区间状态为运行状态的所有客运资源的运力总和。将预测的各所述线路区间的最大客流量与各所述线路区间的实际运力进行比较。根据比较结果对各所述线路区间的客运资源进行调配,使各所述线路区间的实际运力满足各所述线路区间的最大客流量的需求。将调配后各所述线路区间的最终运力对应的客运资源编为一组,即虚拟勾连。本实施例也适用于对物流资源的编组。
本实施例通过根据目标线路上任意两个车站之间线路区间的历史客流数据和当前的订票数量,预测各线路区间的最大客流量,将各线路区间的最大客流量与实际运力进行比较,根据比较结果对现有客运资源进行调配以满足最大客流量的需求,从而合理灵活分配运能,有效提高客运资源的利用率和运力,节约成本。
在上述实施例的基础上,本实施例中所述步骤S1具体包括:S11,计算各所述线路区间的历史客流数据与订票数量之间的差值;S12,若所述差值小于预设阈值,则各所述线路区间的最大客流量kmax=(m+n) /2+a*diff;若所述差值大于或等于所述预设阈值,则各所述线路区间的最大客流量kmax=max(m,n)+a*diff;其中,m为任一所述线路区间的历史客流数据,n为任一所述线路区间的订票数量,max(m,n)为 m和n中的最大值,a为预设常数,diff为m和n之间的差值。
具体地,对于任一线路区间,计算该线路区间的历史客流数据与该线路区间的订票数量之间的差值。若所述差值小于预设阈值,则该线路区间的客流范围为[(m+n)/2-a*diff,(m+n)/2+a*diff]。若所述差值大于或等于所述预设阈值则各所述线路区间的客流范围为[max (m,n)-a*diff,max(m,n)+a*diff]。其中,m为任一所述线路区间的历史客流数据,n为任一所述线路区间的订票数量,max(m,n)为 m和n中的最大值,a为预设常数,diff为m和n之间的差值。
本实施例通过预测客流趋势,自主决策、协同控制,实现运力的合理调度,发挥最大运能。利用云计算、物联网的技术特点,通过分布式架构实现对各种信息的获取处理,在保障车辆运行安全、高效的同时,还能通过对海量历史数据发掘和处理,建立相应的大数据分析中心,对提高运力、改善调度策略做出进一步优化。具体根据目标线路上任意两个车站之间线路区间的历史客流数据和当前的订票数量,预测各线路区间的最大客流量,从而根据各线路区间的最大客流量与实际运力对现有客运资源进行调配以满足最大客流量的需求,从而合理灵活分配运能,有效提高客运资源利用率和运力,节约成本。
在上述实施例的基础上,本实施例中所述步骤S2具体包括:S21,若各所述线路区间的最大客流量大于各所述线路区间的实际运力,则为各所述线路区域调配闲置的客运资源获取各所述线路区间的最终运力,以使各所述线路区间的最终运力大于或等于各所述线路区间的最大客流量;若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,从各所述线路区间的实际运力中减去所述差值获取各所述线路区间的最终运力,并将所述差值对应的客运资源的状态设置闲置状态。
具体地,对于任一所述线路区间,若该线路区间的最大客流量大于该线路区间的实际运力,则为该线路区域调配闲置的客运资源,获取该线路区间的最终运力,以使该线路区间的最终运力大于或等于该线路区间的最大客流量。若该线路区间的最大客流量小于该线路区间的实际运力,则将该线路区间的实际运力中部分运力对应的客运资源的状态设置为闲置状态,获取该线路区间的最终运力,以使该线路区间的最大客流量等于该线路区间的最终运力。闲置状态的所述客运资源可以调配给其他的线路区间。所述客运资源调配的原则为具有一致的行车方向和行车需求,且客运资源的间距和发出时间比较接近。
在上述实施例的基础上,本实施例中所述步骤S21之后还包括: S22,基于协同控制算法将各所述线路区间的最终运力对应的客运资源进行虚拟连接。
具体地,所述协同控制算法为领导跟随算法,是控制虚拟连接的客运资源运行的核心。所述领导跟随算法的基本思想为在多车辆组成的群体中,某个机器人被指定为领航者,其余作为它的跟随者,跟随者以一定的距离间隔跟踪领航机器人的位置和方向。所述领导跟随算法的优点为仅仅给定领航者的行为或轨迹就可以控制整个车辆群体的行为。在多车辆组成的群体中,一个或多个车辆被指定为领航者leader,其余车辆作为跟随者follower,这样将队形控制问题转化为follower跟踪leader的位置和方向的问题。Leader-follower有多种扩展形式,例如单一leader串联结构的算法,多个leader的l-l算法和跟踪链算法。单leader或多leader混合的协同控制方法最终目的是实现队列或者阵型的变化。
所述领导跟随算法使用三元组(g,r,H),因此整个问题就简化为三个小问题:确定移动体的位置(g);动力学方程控制;编队控制(r,H)。算法指跟随者与一个领导者之间的规则,l-l算法指一个跟随者和两个领导者之间的规则,根据所述规则分别建立动力学方程组。如图2所示,图2a中R1为leader,R2为follower。图2b中R1和R2为leader, R3为follower。
对图3a而言,不考虑R1,符合规则的有R2和R4,其他的符合l-l规则;图3b中除了R1之外,均符合规则。由于图3a为初始编队,图3b为最终编队,两者的网络拓扑是不同,这就意味着有向图发生了变化,每个有向图均有一个关联矩阵。为了表示两个有向图,即两个编队之间的差异,引入转换矩阵的概念,即两个关联矩阵的差值。如果存在-1,则表示某两个点之间的链接要断开,如果存在+1,则表示两个点之间需要建立链接。
本实施例通过协同控制算法实现客运资源的自动编组,打破现有闭塞系统的限制,建立虚拟车辆编组(Virtual Coupled Train Formations, VCT)。虚拟编组利用无线通信建立电子车钩取代传统的机械车钩,从而使得客运资源的编组和解编更加灵活高效。客运资源以编组形式在线路上运行,客观上增加了单位时间内车辆通过的数量,也就增加了线路的通过能力。基于协同控制算法实现客运资源编组和解编技术,能够在不增加核心基础设施的基础上,最大程度增加线路的利用效率和线路运力,对缓解当前广义轨道交通运力与需求之间的矛盾具有重要意义。
在上述实施例的基础上,本实施例中所述客运资源以每节车厢为单元;相应地,所述步骤S22具体包括:基于协同控制算法将各所述线路区间的最终运力对应的车厢进行虚拟连接。
具体地,所述虚拟连接也称为虚拟钩连。对所述客运资源进行智能化设计,让每节车厢自成一个智能载体,一辆车辆由多个智能体构成。每个智能体有独立的智能设备和协调控制器。所述协调控制器是控制每个智能体的核心部件,通过接收相关编组指令控制各智能体的速度和运行方向,从而实现各智能体的脱离、聚合,并防止碰撞,保障行车安全。在编组行驶中,所述协调控制器同样通过控制各智能体,使每个编组按预定规则行驶,保持行动一致。通过协同控制和编组决策,实现车组的实时编排,以最优的解决方案,提高客运资源利用率。
在上述实施例的基础上,本实施例中所述虚拟连接包括各所述线路区间的最终运力对应的客运资源之间的虚拟连接和各所述线路区间的最终运力对应的客运资源与各所述线路区间的虚拟连接。
具体地,基于车车通信的虚拟车钩技术以高速率、低时延和高可靠的车车通信实现车辆、车地之间的虚拟连接,保障信息共享和控制命令交互的可信性和安全性。虚拟车钩技术就是根据协同控制策略,由协同控制器控制编组的一种虚拟技术。与传统车钩不同,虚拟车钩不需要人工干预,完全智能化控制,能够实时、准确地进行车车信息交互,是协同控制的关键。运用分布式构架思想,将车车的异构网络整合,形成一套标准化、高效率的网络构架体系,是实现协同控制的根本保障和前提。
本实施了结合物联网技术,通过分布式网络构架思想,将不同网络构架的信息,经网络通信实现车-车、车-地实时交互,为控制指令的下发、策略的部署提供可靠的传输保障,同时,增强网络安全保障措施,保证信息的安全,从而提高运输过程的安全性。
在上述实施例的基础上,本实施例中所述步骤S22还包括:每隔第二预设时长,计算各所述线路区间的最大客流量,若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,将所述差值对应客运资源去除虚拟连接。
具体地,若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则说明供大于求,部分实际运力被闲置。则基于协同控制算法将闲置的实际运力对应的客运资源去除虚拟连接,即虚拟脱钩,从而使闲置的资源可以用于其他线路区间,提高资源利用率。
在上述各实施例的基础上,本实施例中不同编组的客运资源之间通过通信网络进行通信。
具体地,在动态编组中,不同编组的列车之间通过通信网络进行通信,进行指令和请求的传递,该通信网络实施步骤如下:
1、触发条件,触发条件是客运资源物理状态、线路信息的综合结果,同时以安全为约束条件;
2、握手协议,握手协议是以触发条件为基础进行信令交互,其目的是使得符合触发条件的车辆以LTE-V2V为媒介快速成为一个自组织网。协议的特征是高效、安全。鉴于一旦客运资源成组之后,地面控制中心的控制能力降低,最终的控制权限就集中于车辆本身,因此,握手协议能够杜绝信息安全隐患,避免节点劫持、伪装等风险,防止车辆控制权限处于危险的地步;
3、频段分配:LTE-V2V的工作频段直接决定了无线移动终端的覆盖范围,从本质上决定了客运资源成组之后的安全运行间隔。为了保障线路运力的提升,客运资源成组后的运行速度应该与单客运资源的运行速度基本一致,通信时延和吞吐量必须得到保障。不同频段所面临的干扰问题有所差异。
相对比传统控制机制和运行机理,轨道交通分布式控制中的客运资源具有更高的控制权限和控制自由度。基于物联网的分布式信息安全监控子系统架构如图4所示。轨道交通对形成安全有苛刻的要求,因此在客运资源运行的过程中地面控制中心需要对客运资源的运行状态进行连续、精密地跟踪。另外,客运资源在成组运行时,成员之间需要相互侦听状态信息,从而能够保障及时调整运行状态,以实现行车安全。在这一过程中,客运资源以及地面控制中心需要监测的信息包括客运资源本身的物理运行状态、客运资源自身的健康状态、线路状态以及基础设施状态等。
基于物联网的轨道交通分布式控制安全保障方案。借助物联网的智能和互联特征实时监测客运资源以及基础设施的健康信息,并对线路信息进行实时预测,实现主动的安全保障和应急决策。将客运资源的状态信息通过分布式网络进行实时上报,为编组协同策略提供安全保障,进而提供有效、快速的编组方案。
本实施例只不过基于多智能体的快速成组协同控制算法是理论基础,基于车车、车地通信的虚拟车钩技术是实现协同控制的实现途径,基于物联网的分布式控制安全保障方案是行车安全的前提,基于云计算的车辆快速成组优化方案是实现提升运力的必由之路,如图5所示。
在本发明的另一个实施例中提供一种广义轨道交通调配系统,图6 为本发明实施例提供的广义轨道交通调配系统整体结构示意图,该系统包括预测单元1和调配单元2,其中:
所述预测单元1用于根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在第二预设历史时间段内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;所述调配单元2用于将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配。
具体地,所述预设历史时间段为从历史时间中选择的一段历史时间段,所述预设历史时间段根据所述目标线路的客流周期进行选择。例如,当前时间位于春运期间,则选择去年春运的时间段作为所述预设历史时间段。获取所述目标线路上任意两个车站之间的线路区间,获取预设历史时间段内各所述线路区间在同一方向上的历史客流数据。获取出发时间在当前发车时间前第一预设时长内,且方向与计算所述历史客流数据使用的方向相同的各所述线路区间的历史订票数据。所述预测单元1根据各所述线路区间的历史客流数据和订票数量,预测各所述线路区间的最大客流量。所述预测可以基于云计算进行大数据预测。
预先获取各所述线路区间的实际运力,所述实际运力为当前各所述线路区间状态为运行状态的所有客运资源的运力总和。所述调配单元2将预测的各所述线路区间的最大客流量与各所述线路区间的实际运力进行比较。根据比较结果对各所述线路区间的客运资源进行调配,使各所述线路区间的实际运力满足各所述线路区间的最大客流量的需求。将调配后各所述线路区间的最终运力对应的客运资源编为一组。本实施例也适用于对物流资源的编组。
本实施例通过根据目标线路上任意两个车站之间线路区间的历史客流数据和当前的订票数量,预测各线路区间的最大客流量,将各线路区间的最大客流量与实际运力进行比较,根据比较结果对现有客运资源进行调配以满足最大客流量的需求,从而合理灵活分配运能,有效提高客运资源的利用率和运力,节约成本。
在上述实施例的基础上,本实施例中所述预测单元具体用于:计算各所述线路区间的历史客流数据与订票数量之间的差值;若所述差值小于预设阈值,则各所述线路区间的最大客流量kmax=(m+n) /2+a*diff;若所述差值大于或等于所述预设阈值,则各所述线路区间的最大客流量kmax=max(m,n)+a*diff;其中,m为任一所述线路区间的历史客流数据,n为任一所述线路区间的订票数量,max(m,n)为 m和n中的最大值,a为预设常数,diff为m和n之间的差值。
在上述实施例的基础上,本实施例中所述调配单元具体用于:若各所述线路区间的最大客流量大于各所述线路区间的实际运力,则为各所述线路区域调配闲置的客运资源获取各所述线路区间的最终运力,以使各所述线路区间的最终运力大于或等于各所述线路区间的最大客流量;若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,从各所述线路区间的实际运力中减去所述差值获取各所述线路区间的最终运力,并将所述差值对应的客运资源的状态设置闲置状态。
在上述实施例的基础上,本实施例中还包括连接单元,用于基于协同控制算法将各所述线路区间的最终运力对应的客运资源进行虚拟连接。
在上述实施例的基础上,本实施例中所述客运资源以每节车厢为单元;相应地,所述连接单元具体用于:基于协同控制算法将各所述线路区间的最终运力对应的车厢进行虚拟连接。
在上述实施例的基础上,本实施例中所述虚拟连接包括各所述线路区间的最终运力对应的客运资源之间的虚拟连接和各所述线路区间的最终运力对应的客运资源与各所述线路区间的虚拟连接。
在上述实施例的基础上,本实施例中所述连接单元还用于:每隔第二预设时长,计算各所述线路区间的最大客流量,若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,基于协同控制算法将所述差值对应客运资源去除虚拟连接。
在上述实施例的基础上,本实施例中不同编组的客运资源之间通过通信网络进行通信。
本实施例提供一种广义轨道交通调配设备,图7为本发明实施例提供的广义轨道交通调配设备整体结构示意图,该设备包括:至少一个处理器71、至少一个存储器72和总线73;其中,
所述处理器71和存储器72通过所述总线73完成相互间的通信;
所述存储器32存储有可被所述处理器31执行的程序指令,所述处理器调用所述程序指令能够执行上述各方法实施例所提供的方法,例如包括:S1,根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在当前发车时间前第一预设时长内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;S2,将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:S1,根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在当前发车时间前第一预设时长内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;S2,将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的广义轨道交通调配设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种广义轨道交通调配方法,其特征在于,包括:
S1,根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在当前发车时间前第一预设时长内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;
S2,将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配;
其中,所述步骤S1具体包括:
S11,计算各所述线路区间的历史客流数据与订票数量之间的差值;
S12,若所述差值小于预设阈值,则各所述线路区间的最大客流量kmax=(m+n)/2+a*diff;
若所述差值大于或等于所述预设阈值,则各所述线路区间的最大客流量kmax=max(m,n)+a*diff;
其中,m为任一所述线路区间的历史客流数据,n为任一所述线路区间的订票数量,max(m,n)为m和n中的最大值,a为预设常数,diff为m和n之间的差值。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2具体包括:
S21,若各所述线路区间的最大客流量大于各所述线路区间的实际运力,则为各所述线路区域调配闲置的客运资源获取各所述线路区间的最终运力,以使各所述线路区间的最终运力大于或等于各所述线路区间的最大客流量;
若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,从各所述线路区间的实际运力中减去所述差值获取各所述线路区间的最终运力,并将所述差值对应的客运资源的状态设置闲置状态。
3.根据权利要求2所述的方法,其特征在于,所述步骤S21之后还包括:
S22,基于协同控制算法将各所述线路区间的最终运力对应的客运资源进行虚拟连接。
4.根据权利要求3所述的方法,其特征在于,所述客运资源以每节车厢为单元;
相应地,所述步骤S22具体包括:
基于协同控制算法将各所述线路区间的最终运力对应的车厢进行虚拟连接。
5.根据权利要求3所述的方法,其特征在于,所述虚拟连接包括各所述线路区间的最终运力对应的客运资源之间的虚拟连接和各所述线路区间的最终运力对应的客运资源与各所述线路区间的虚拟连接。
6.根据权利要求3所述的方法,其特征在于,所述步骤S22还包括:
每隔第二预设时长,计算各所述线路区间的最大客流量,若各所述线路区间的最大客流量小于各所述线路区间的实际运力,则计算各所述线路区间的实际运力与各所述线路区间的最大客流量之间的差值,基于协同控制算法将所述差值对应客运资源去除虚拟连接。
7.根据权利要求1-3任一所述的方法,其特征在于,不同编组的客运资源之间通过通信网络进行通信。
8.一种广义轨道交通调配系统,其特征在于,包括:
预测单元,用于根据预设历史时间段内目标线路上任意两个车站之间的线路区间同一方向上的历史客流数据,以及出发时间在第二预设历史时间段内的各所述线路区间所述方向上的订票数量,预测各所述线路区间的最大客流量;
调配单元,用于将各所述线路区间的最大客流量与预先获取的各所述线路区间的实际运力进行比较,根据比较结果对各所述线路区间的客运资源进行调配;
其中,所述预测单元具体用于:
计算各所述线路区间的历史客流数据与订票数量之间的差值;
若所述差值小于预设阈值,则各所述线路区间的最大客流量kmax=(m+n)/2+a*diff;
若所述差值大于或等于所述预设阈值,则各所述线路区间的最大客流量kmax=max(m,n)+a*diff;
其中,m为任一所述线路区间的历史客流数据,n为任一所述线路区间的订票数量,max(m,n)为m和n中的最大值,a为预设常数,diff为m和n之间的差值。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810167137.4A CN108460484B (zh) | 2018-02-28 | 2018-02-28 | 一种广义轨道交通调配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810167137.4A CN108460484B (zh) | 2018-02-28 | 2018-02-28 | 一种广义轨道交通调配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108460484A CN108460484A (zh) | 2018-08-28 |
CN108460484B true CN108460484B (zh) | 2020-08-14 |
Family
ID=63217573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810167137.4A Active CN108460484B (zh) | 2018-02-28 | 2018-02-28 | 一种广义轨道交通调配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460484B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191904B (zh) * | 2019-12-24 | 2024-04-16 | 中车工业研究院有限公司 | 一种智慧型车辆编队方法、装置、电子设备及存储介质 |
JP7405680B2 (ja) * | 2020-04-02 | 2023-12-26 | トヨタ自動車株式会社 | 運行管理装置、運行管理方法、および、交通システム |
CN111898863B (zh) * | 2020-06-29 | 2024-04-30 | 中铁第一勘察设计院集团有限公司 | 轨道交通的车辆的动态调度方法和装置 |
CN111832923A (zh) * | 2020-07-02 | 2020-10-27 | 大唐信通(浙江)科技有限公司 | 一种基于出行需求预测的公共交通运力动态优化调度方法 |
CN111860992A (zh) * | 2020-07-13 | 2020-10-30 | 上海云角信息技术有限公司 | 客流量预测方法、装置、设备及存储介质 |
CN113627971B (zh) * | 2021-06-30 | 2024-04-02 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 票额分配方法和装置 |
CN116668547B (zh) * | 2023-08-02 | 2023-10-20 | 倍施特科技(集团)股份有限公司 | 一种基于票务数据的线路混排方法及系统 |
CN117172513B (zh) * | 2023-11-03 | 2024-02-02 | 北京市运输事业发展中心 | 基于大数据的综合交通枢纽运力调度系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070260369A1 (en) * | 2006-05-02 | 2007-11-08 | Philp Joseph W | Method and apparatus for planning the movement of trains using dynamic analysis |
CN106485359A (zh) * | 2016-10-13 | 2017-03-08 | 东南大学 | 一种基于列车运行时刻表的城市轨道交通断面客流推测方法 |
-
2018
- 2018-02-28 CN CN201810167137.4A patent/CN108460484B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070260369A1 (en) * | 2006-05-02 | 2007-11-08 | Philp Joseph W | Method and apparatus for planning the movement of trains using dynamic analysis |
CN106485359A (zh) * | 2016-10-13 | 2017-03-08 | 东南大学 | 一种基于列车运行时刻表的城市轨道交通断面客流推测方法 |
Non-Patent Citations (1)
Title |
---|
基于动态需求的高速铁路旅客列车开行方案评价与调整理论研究;王文宪;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20150215(第2期);正文第4.1-4.6,6,6.1-6.3节及其中所有小节和图表 * |
Also Published As
Publication number | Publication date |
---|---|
CN108460484A (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460484B (zh) | 一种广义轨道交通调配方法及系统 | |
CN110682943B (zh) | 列车编组方法及装置 | |
CN107685749B (zh) | 一种基于车车通信的虚拟连挂小编组列车控制系统及方法 | |
CN111923931B (zh) | 一种基于自组网的列车动态编组解编方法与系统 | |
CN101254791B (zh) | 基于通信的轨道交通列车自动监控系统 | |
CN106314487A (zh) | 基于动态间隔的运能可配置列车运行控制系统及方法 | |
CN109625027A (zh) | 一种列车群作业组织与运行控制系统 | |
CN110803194A (zh) | 一种虚拟联挂模式下的列车控制方法 | |
CN113525461A (zh) | 面向虚拟编队的列车运行控制方法 | |
CN105711618B (zh) | 具有车载管理的铁路控制系统 | |
CN110126882B (zh) | 列车控制方法和系统及移动授权的计算方法 | |
CN109625029B (zh) | 一种列车群进出站控制方法及系统 | |
CN111016979A (zh) | 基于实时客流的城市轨道交通列车自动调整方法 | |
CN109677456A (zh) | 一种适用于低密度铁路的列车进路控制方法及系统 | |
CN208813225U (zh) | 高速磁浮运行控制系统 | |
RU2653334C1 (ru) | Система для адаптивного управления пригородным железнодорожным направлением | |
RU2567099C1 (ru) | Способ управления движением локомотивов при маневровой работе | |
CN112373523B (zh) | 基于区块链的列车协同自治故障处理方法及装置 | |
EP3496989A1 (en) | System and method for optimizing a rail system | |
CN114291140B (zh) | 用于tacs的道岔资源冲突的处理方法、设备及介质 | |
CN207826266U (zh) | 用于铁路运输的调度系统 | |
CN116039717A (zh) | 一种列车虚拟编组方法、设备及储存介质 | |
CN117601935B (zh) | 集群列车自动驾驶系统 | |
CN115204585A (zh) | 基于虚拟编组的单线线路行车调度方法及装置 | |
CN113442973A (zh) | 一种基于5g-v2x和车-车通信的有轨电车运行控制方法 |
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 |