CN109033718A - 一种城市轨道交通线路失效的动态应急疏散方法 - Google Patents
一种城市轨道交通线路失效的动态应急疏散方法 Download PDFInfo
- Publication number
- CN109033718A CN109033718A CN201811048030.4A CN201811048030A CN109033718A CN 109033718 A CN109033718 A CN 109033718A CN 201811048030 A CN201811048030 A CN 201811048030A CN 109033718 A CN109033718 A CN 109033718A
- Authority
- CN
- China
- Prior art keywords
- evacuation
- station
- passenger flow
- emergency
- network
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000000518 rheometry Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001672694 Citrus reticulata Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
一种城市轨道交通线路失效的动态应急疏散方法,涉及一种轨道交通控制技术领域。解决单一车站疏散能力有限,造成网络中滞留客流的二次传播的问题。建立网络中各车站属性集和车站运行状态集;车站客流状态分析;利用SAS软件对地铁客流进行短时预测,对客流到达过程进行仿真;确定疏散起点及疏散终点;构建应急状态轨道公交协同疏散网络;构建起终点范围内的路径动态选择模型;确定最佳疏散路径;确定应急公交车所需数量和运行时间间隔;确定待疏散客流到达疏散地铁站点的分布规律;根据轨道交通列车参数,确定列车输送能力,结合地铁站客流,对列车运力进行资源配置,制定应急状态下列车运行方案。增加单一节点的客流疏散能力,提高网络疏散效率。
Description
技术领域
本发明涉及一种轨道交通控制技术领域,特别是涉及一种轨道交通网络应急疏散方法。
背景技术
城市轨道交通作为居民出行的主要公共交通方式,在各个城市得到了发展壮大,轨道交通线路与站点之间不再是单独的个体,而是相互关联作为一个整体,服务于公众。这种相互关联特性使得轨道交通网络出现紧急情况时,除在事件发生站点造成一定影响外,还会造成部分线路服务中断情况,故障站点的客流因疏散不及时而对网络中其他交通方式,如地上交通,造成大客流的二次传播。因此,应急疏散除了着眼于地铁车站内的疏散外,对客流到达站外后的进一步疏散同样值得重视。同时,考虑到道路上的交通状态复杂多变的特性,此时若仍以传统的静态路网进行疏散,会在一定程度上造成疏散不彻底、应急资源浪费的问题。由于处于不同路网结构的节点承受风险的能力和疏散特点不同,静态疏散策略对于实时变化的动态网络已不再适用。因此有必要基于路网实时状态对轨道交通网络进行动态疏散。此外,利用客流到达率可以在保证客流及时疏散的同时使疏散资源的到充分利用,从而进行高效的应急疏散。
目前应急疏散方法主要针对交通车站内部疏散仿真、车站疏散能力评估、客流走行特性及疏散路径的生成及优化方面,利用系统工程、安全工程和Agent技术,结合计算机仿真对乘客行为进行模拟分析,研究突发事件下的应急疏散。大部分既有疏散方法将研究区域限定在车站内部,研究过程中以站点容量、车站设施结构、客流特点等为基本条件,就应急处理和疏散方案进行研究。而由于轨道交通系统的建设特点,这些固有属性所能承受和疏散的客流量也是固定的,这在一定程度上限制了疏散方案的效果,因此需要将研究区域进一步延伸和扩展到网络层面。
发明内容
本发明的目的在于解决单一车站疏散能力有限,造成网络中滞留客流的二次传播的问题,提供一种能根据突发事件发生时疏散网络实时运行状态而采取相应应急疏散路径的方法。
为解决上述技术问题,本发明采用下述技术方案
本发明公开了一种城市轨道交通线路失效的动态应急疏散方法,该方法包括:
步骤一:建立网络中各车站属性集,用于存储车站应急设备、车站建设情况及车站附近疏散点;
步骤二:建立车站运行状态集,用于存储车站在网络中的作用、车站列车运行信息;
步骤三:车站客流状态分析,包括故障发生时站内滞留客流及故障发生后车站客流变化情况;
步骤四:利用SAS软件对地铁客流进行短时预测,对客流到达过程进行仿真,确定故障发生过程中时间序列下的客流到达规律;
步骤五:根据失效站点信息,确定疏散起点及疏散终点;
步骤六:构建应急状态轨道公交协同疏散网络;
步骤七:构建起终点范围内的路径动态选择模型,用于指导特定节点疏散策略的进一步实施;
步骤八:利用路网实时监测技术,对疏散网络内路网运行状态进行统计分析;
步骤九:根据路径动态选择模型,确定最佳疏散路径;
步骤十:疏散路径可视化;
步骤十一:生成应急公交行车调度方案,对应急公交进行资源配置,确定应急公交车所需数量和运行时间间隔;
步骤十二:确定待疏散客流到达疏散地铁站点的分布规律,用以拟定应急状态下轨道列车运行时刻表;
步骤十三:根据轨道交通列车参数,确定列车输送能力,结合地铁站客流,对列车运力进行资源配置,制定应急状态下列车运行方案;
优选的,
所述步骤一中建立车站属性集,进一步的,所述车站属性集包括:
车站内可供乘客活动面积、车站附近常规公交站点数量及位置。
所述步骤二中建立车站运行状态集,进一步的,所述车站状态包括:
所述车站状态包括车站类型、车站客流信息。
进一步的,疏散策略为列车小交路调度和公交辅助相结合的策略。
所述步骤四中利用SAS对时间序列下短时客流量预测,进一步包括:
确定行人在应急状态下的走行行为,研究车站中基础设施对行人的分流作用及地上交通中其他交通方式对行人的分流作用,确定行人到达疏散起点规律。
所述步骤五中确定疏散起终点,进一步包括:
利用各站点知识元中的映射关系,计算各站点的疏散能力,选定最佳疏散终点。
所述步骤六中构建应急状态疏散协同网络,进一步包括
建立疏散起终点范围内的路网拓扑结构,根据路网建设信息,对疏散网络实现动态加权。
所述步骤七中建立动态路径选择模型,进一步包括
以路阻最小,实时运行状态最佳的路径为目标,进行路径动态选择,并统计疏散网络中的关键节点、关键路径。
所述步骤八中路网实时监控,进一步包括:
利用百度地图API接口,结合网页开发工具,获取疏散网络中各路段实时运行状态信息,包括拥挤程度、流量预测相关信息。
所述步骤九中确定最佳路径,进一步包括:
对路径动态选择模型进行求解,得到可接受疏散任务的路径及途径路段,并随着疏散任务进行实时更新模型解。
所述步骤十中路径可视化,进一步包括:
将模型解与实际路网相对应,让数字解进行物理可视化,指导实际疏散行动。
所述步骤十一中应急公交调度方案,进一步包括:
根据应急公交驻车点位置信息,公交运力信息,待疏运乘客信息,确定应急公交调度方案,包括发车间隔和调配数量,以保证在规定时间内疏散任务的顺利完成。
所述步骤十二中确定疏散终点客流信息,进一步包括:
根据步骤十一中所生成的公交调度方案,确定疏散客流到达疏散终点的分布规律,结合疏散终点地铁站自身正常运行时的客流信息,确定应急状态下客流分布规律。
所述步骤十三中制定应急状态下列车调度方案,进一步包括:
根据步骤十二中的应急状态下客流分布规律,调整应急状态下的列车调度方案及列车时刻表,包括发车间隔和开行列次。
本发明具有以下有益技术效果
从动态角度出发,一个车站所具有的属性除了已提到的显性属性外,还包括一些随时间变化的隐形属性,如实时交通状态下的节点承受能力、疏散能力及客流到达率等。随着应急疏散任务的进行,不同时期的节点在应对同一突发事件时的承受能力和影响结果都有所差异,网络中的最佳疏散路径也会随之变化。特别考虑到我国轨道交通普遍客流量大的特点,在客流疏散过程中,除了保证有限时间外,单位时间疏散客流数量的提升也尤为重要。且在交通网络化发展的时代背景下,利用网络之间不同节点的客流分流作用得以实现,既避免了车站本身固有属性的限制,增加单一节点的客流疏散能力,又充分利用节点周围环境所提供的应急条件,提高网络疏散效率。具体优点如下:
(1)从动态路网角度进行疏散,提高疏散方案的适用性。
相比于静态疏散,动态疏散方法结合路网中实时交通状态,利用动态路径选择及优化,及时调整应急疏散路径,一方面降低疏散任务进行过程中所受到道路上其他交通的扰动风险;另一方面在保证疏散任务顺利完成的同时将疏散时对路网的影响最小化。使得整个疏散网络中,所有交通参与者所受到的出行延误降低。
(2)延伸疏散区域,确保疏散效率的同时避免二次扩散。
由于服务中断过程中,大量客流会聚集在故障点周围,对周围正常交通形成很大影响。本发明所提出的疏散方法主要针对客流完成站内疏散并转移至站外后的客流疏散组织,有效避免了客流长时间聚集在故障站点而造成的二次扩散,减轻故障站点周围其他交通方式的交通压力,保证故障站点的其他交通体系正常运行。
附图说明
图1为本发明方法的基本框架;
图2为本发明方法的流程图;
图3为各部分具体操作过程示意图;
图4为本发明疏散基本过程示意图;
图5为故障点客流分析数据结果,其中包含4个子图:观测子图中横轴为时间序列点,纵轴q为客流到达量;三个滞后子图中横轴为时间滞后个数,纵轴分别为自相关系数ACF,偏相关系数PACF,逆自相关系数IACF;
图6为故障点客流预测结果图,图中横轴为预测时间序列点,纵轴为预测客流量;
图7为故障点客流累积到达曲线,图中横轴为疏散时间,纵轴为客流累积到达量;
图8为疏散道路网络模型示意图,图中编号为路网中交叉口编号;
图9为初始疏散路径示意图,图中编号为路网中交叉口编号;
图10为第一次路径动态选择示意图,图中编号为路网中交叉口编号;
图11为第二次路径动态选择示意图,图中编号为路网中交叉口编号;
图12为疏散终点地铁站客流累积曲线,图中横轴为疏散时间,纵轴为疏散客流量。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,如图1、图2、图3和图4所示。
本发明公开了一种根据客流分布的城市轨道交通网络站点失效动态应急疏散方法,该方法包括三个部分,车站分析部分、客流动态分析部分、资源配置部分、路径动态选择部分,各部分具体按照以下步骤操作:
一、车站分析部分
1、统计站点属性,为网络中各个站点设置标签,用于确定应急状态下站点自身的疏散能力。这些属性包括车站功能信息、车站基础设施信息和车站客流信息。
将轨道交通网络中的各站点作为知识元进行元数据信息存储,存储格式为KE=<功能信息,设施信息,客流信息,映射关系>,其中
(1).功能信息包括车站类型,车站id,车站功能。车站类型包括起终点站、中间站和换乘站三种;车站id为车站在网络中的经纬度信息;车站功能主要分为具备折返能力的车站和不具备折返能力的车站。
(2).设施信息包括两部分:基础设施信息和可用疏散设施信息。基础设施信息包括车站设置类型、建设面积、出入口数、行人移动速度,用于计算应急状态下车站容纳客流量及站内疏散客流的能力;可用疏散设施信息包括车站周围所具有的公交站及公交线路信息,用于制定公交接驳疏散方案及路线。
(3).客流信息包括正常状态下平峰时期及高峰时期进出站客流情况,用以确定故障发生时的车站客流分布状态。
(4).映射关系为车站基础设施信息与疏散点客流到达率Q(t)之间的映射关系,用以及时准确的输出故障车站的实时客流时间分布率,确定实时待疏散客流。
2、确定各站点的拟疏散终点。为节省故障发生时的响应时间,在网络初始时确定故障站点周围疏散能力强的其他正常运行的站点,作为故障发生后的疏散终点,为备选输运站点的选择提供数据。
本步骤中站点j疏散能力由站点折返能力、与故障站点i间距、站点周围公交站点数量及公交线路信息站间距dij同时确定,站点疏散能力按照下式计算:
其中,站点j折返能力由参数αj确定,如果站点具有折返能力,取1;否则该值取0。找到疏散能力最大的站点作为疏运路线终点。
二、客流动态分析部分
1.应急公交疏散客流需求分布。
为保证疏散任务在规定时间内完成,需把握客流随时间的变化情况。利用SAS软件对时间序列下的故障站点客流量进行短时预测,得到故障站点客流到达率随时间变化的函数。在数值仿真过程中,考虑不同车站基础设施建设情况不同,因此需确定各车站的建设情况与客流时间分布的映射关系,储存到各车站的知识元中。由于每个站点作为一个知识元,因此在疏散过程中可实时自动生成相应客流分布,节省响应时间。
客流在站内的行为均为步行,符合正态分布。根据车站建设情况,可得到站内客流到达疏散点的离散化时间分布函数Fc。而正常情况下地铁站点的进站客流主要包括两部分,自身产生的客流和其他车站运至本站的客流,由于故障发生后,其他车站不能再往本站输送客流,因此故障期间站外客流仅包括自身产生的客流。结合SAS软件,根据历史客流数据资料,使用ARIMA过程中的IDENTIFY进行数据处理,可对故障站点服务中断期间的自身产生客流进行分析及预测,并根据预测结果得出拟合函数Fnc(T)。确定故障发生时刻可能滞留的站内客流量Ac,可能产生的站外客流是Anc。由于响应时间内客流量呈现短时间剧增的状态,因此客流疏散可分为两个阶段,第一个阶段和第二个阶段,其中,第一个阶段为响应阶段。规定应急响应时间为故障开始到第一辆应急车辆到达故障站点的时间Tr,则在响应时间Tr内需要疏散的客流量是:
Q(t)=Anc*Fnc(Tr)+Ac*Fc(Tr)
根据时间分布函数,可确定在响应时间内积聚的客流量,以此确定第一阶段客流疏散的疏运需求。当站内原本滞留客流疏散完成后,待疏散客流仅为站点自身产生的客流,因此第二阶段客流仅包括Anc部分。
2.疏散终点地铁站客流需求分布
故障发生后,由于疏散终点需要承受由疏散起点运至本站的客流及正常运行状态下的客流,因此对于疏散终点,也面临着客流突然增加的情况,因此需要针对该情况,制定应急状态列车调度方案。作为列车调度的基础,疏散终点的客流信息Qee(t)需要明确,可用下式计算
Qee(t)=Qr1(t)+Qr2(t)+Qb(t)
其中,正常情况下疏散终点产生的客流包括站点自身吸引的客流Qr1(t)和从其他站点引进的客流Qr2(t)。站点自身吸引的客流Qr1(t)可以根据历史客流进站数据拟合得到;其他站点引进的客流Qr2(t)为需经过本站到达下游站点的所有客流的总和,为si站未下车客流比例,为上游站点si的客流,与Qr1(t)的计算方法相同。其中,Qb(t)是已经被派出公交运到疏散点的客流时间分布函数,在公交资源配置后可确定。
三、资源配置部分
在进行资源配置前需要做的几点说明:
1)本发明仅研究疏散时的疏散路径和策略,对于疏散前的准备工作,如驻车点的选择、车辆储备等方面不做研究,即认为故障点周围有足够的应急资源。
2)认为故障发生后,地铁车站完全关闭,即需疏散的站内客流仅为故障发生时的留滞客流,在之后该站不再进入客流。
3)本发明主要研究疏散策略,对客流预测不做详细分析,认为客流以一定比例随时间增加而累积。
1.公交疏运资源配置
疏运公交资源配置主要涉及两方面内容,所需疏运公交数量及疏运公交调度方案,具体说明如下:
1)疏运公交数量配置:
根据客流分析部分,待疏散客流包括两部分:站内留滞客流Ac和站外新增客流Anc。因此在配置疏运公交前需判断故障点待疏散客流类型,可用乘客站内疏散时间与应急公交响应时间之间相对关系实现:
如果响应时间Tr乘客站内疏散时间,此时累计客流到达分布率为
Qac(t)=Anc*Fnc(Tr)+[Ac]*Fc(Tr);
如果响应时间Tr小于乘客站内疏散时间,此时累计客流到达分布率为
Qac(t)=Anc*Fnc(Tr).
根据应急公交疏运能力capb,所需公交车数量用下式估计:
Nb=Qac(t)/capb。
2)疏运公交发车间隔配置:
根据故障站点累积客流时间分布函数,确定某时间段T内待疏散总客流量Qac(T),公交车发车间隔需要保证在规定时间内疏散完成,即将所有滞留客流由疏散起点运至疏散能力强的其他站点,即疏散终点。此外,同时需要满足调度车辆在备车点及驻车点存车能力范围内。所有已派出公交车bi疏运总客流量Qb为
其中,为某一时间间隔内,已派出公交车bi的循环次数,表示为循环一次的时间为公交车运行时间停车时间发车间隔的总和,首次派出的公交车还包括派遣时间和为已知参数,为待定参数,满载率,用以确定是否是首次派出的公交车,是首次取1;否则取0。
为保证疏散任务,需满足指定时间Tmax内的疏运需求约束和最大往返次数约束:
Qac(T)≤Qb。
2.列车疏运资源配置
列车疏运资源配置主要分为两部分,疏运列车列次配置及发车间隔配置,具体说明如下:
1)疏运列车列次配置:
列车所要疏运的客流为疏散终点的客流,包括两部分:应急公交运至本站客流及正常状态下本站产生客流,即客流分析部分所述Qee(t)。根据列车运输能力capr及列车编组nr,所需列车列次用下式估计:
Nr=Qee(t)/(capr*nr)。
2)疏运列车发车间隔配置:
待疏散客流的到达给疏运点带来了巨大的客流压力,正常运行下无法满足输运需求,因此需要及时调整轨道交通列车运行时刻表,进行小交路运行设计。所有列车ri运输总客流量Qr为
其中,为某一时间间隔内已发出列车ri的循环次数,表示为循环一次的时间为列车小交路运行时间停站时间发车间隔的总和。为已知参数,为待定参数。满载率保证疏散任务,需满足指定时间内的疏运需求约束:
Qee(t)≤Qr。
此外,所有参数都为非负。
四、路径动态选择部分
1.构建动态加权疏散网络
利用图论,构建以故障点为起点,以疏散点为终点范围内的路网拓扑结构,计算各路段的阻抗。路段阻抗函数tij,利用经典路段阻抗函数路网的动态加权通过各路段实时运行状况实现,路段运行状况用拥挤指数c确定,利用百度API接口,拥挤指数可根据地图实时获取c(t),进而对路网进行动态监测。
2.建立公交疏散路径动态选择模型
1)初始疏散路径确定
根据路网中各路段的基础建设信息,结合协同疏散网络,利用最短路径搜索算法确定初始疏散路径,搜索过程中所用的最短路模型为:
xij={0,1}
tij≤tmax
其中,tij为路段阻抗;xij为路段选择,如果选择该路段,则为1,否则为0;0为滞留乘客在轨道交通网络上的正常通勤时间。求和目的是使网络终疏散客流的总延误最小,约束条件为保证网络出入流均衡且所选路段阻抗小于乘客可接受的最大阻抗tmax。
2)路径动态选择:
考虑道路交通状态与拥挤情况,结合路段流量的历史数据,可得到实时状态下的路段容纳量capse(nb),根据道路设施设计规范及实时交通状况,路段容纳量可按下式计算
其中cappse为路段可能通行能力,根据当地城市道路建设及规划相关文件可知;qi可通过路段实时监控设备得到,作为已知参数输入;为了直接得到公交车数量,将小汽车pcu转换为公交车,转换系数为ω,一般按1.5倍计算。路径容纳率为该路径上所有路段的最小容纳率,具体表示为
capp(nb)=mincapse。
确定公交资源配置后,需要选择可接受疏运任务的路径,即对应的公交车数量nb与该路径可接受的公交车数量Nb比较,
如果nb≥Nb,则无需进行动态路径选择;
如果nb<Nb,则须进行路径动态选择,即将已选择的路径在本次动态的路径集中删去,从剩下的路径中选择可行路径。
五、模型整合
整个过程需以客流延误最小为目标。规定乘客延误时间为乘客从意识到应急状态开始到乘客顺利从故障点转移到疏散点列车上,包括乘客等待时间tw和比正常出行多耗费的时间。
Qac(t)≤Qb
Qee(t)≤Qr。
实施例:
为了更清楚的说明本发明,下面结合优选实施例和附图对本发明作进一步的说明。附图中相似的部件以相同的附图标记进行标识。本领域技术人员应当理解,下面具体描述的内容是说明性的而非限制性的,不应限制本发明的保护范围。
本实例选用哈尔滨市地铁博物馆站作为研究的原型,根据采集的实际客流数据,对地铁站建模。结合地铁站内各种设施配置其相关属性,利用知识元对地铁站进行分析并进行动态疏散,车站知识元构建过程中重点考虑应急状态下的客流变化情况及车站自身属性对客流的影响,确定疏散点的客流随时间累积情况,用以制定应急公交调度方案。
博物馆站是哈尔滨地铁1号线的日客流量最大的车站,地处市中心区,考虑到本发明主要针对客流疏散,选择此站点具有重要意义。站台为侧式站台,地下四层。
通过网络数据收集和实地调研获取地铁站的相关信息,包括:
1、地铁站建筑结构、建筑面积;
2、地铁设备分布;
3、行人诱导路径;
4、列车运行表。
表1车站结构及设备属性
表2列车运力信息
表3本站列车运行时刻表
假设故障发生位置为博物馆站,故障发生时间为上午10:00,故障发生后博物馆站及其线路服务中断,站内客流的出行行为被迫中断,滞留在站内。此时站内所有行人就近选择出口开始疏散行为,以此时刻为疏散开始时间。
1.客流分析
根据应急状态下地铁站台疏散标准,6min为站内乘客疏散上限,因此在应急公交到达故障点时,站内乘客大量已完成站内疏散。应急公交派车时间为15min,因此以15min为预测时间基本区间对客流产生情况进行预测。结合博物馆站六天的客流信息,得到正常状态下地铁进站客流数据,结合SAS可得到时间序列下的进站客流拟合结果。根据分析及预测结果(见图5、6),统计期间内15min进站客流比较稳定,为减少计算复杂度,认为客流累积随着时间的增加呈线性增长的趋势。当应急公交到达故障站点时,待疏散客流包括两部分,服务中断导致的站内滞留客流以及正常运行条件下该站所吸引的客流。假设服务中断到恢复运营需45min,根据历史客流资料及预测结果可确定此时待疏运客流总量为2667人,在服务中断期间,故障站点累积到达客流曲线如图7所示。根据客流到达曲线可知,在疏散初期由于站内存在滞留客流,因此待疏散客流在短时间内急剧增加,随后到达疏散起点的客流主要为博物馆站所吸引的客流。因此疏散任务可以根据客流性质分为两个阶段,第一个阶段主要疏散滞留客流,第二阶段主要针对新产生客流。选择运量80的公交车作为应急公交车,则不考虑车辆周转所需公交车辆数为34辆。
2.协同疏散网络构建
包括两部分,首先确定疏散终点。疏散起点是博物馆站,疏散终点需要在博物馆站附近寻找符合疏散条件的站点,即具有折返能力和疏散能力强的站点。根据建设资料,哈尔滨地铁线路具备折返能力的站点为哈南站、哈东站、学府路、太平桥及医大二院,与博物馆站在同一条线路上的中间站为医大二院和学府路。
表4拟疏散终点相关信息
经计算,学府路疏散能力更强,选择学府路作为疏散终点。构建以博物馆站和学府路为起终点的城市道路网络模型。利用ArcGIS可得到疏散起终点范围内的道路网络模型,为了便于计算,将路网内各个路段id定义为数字标号,如图8所示。
3.路径动态选择
结合百度API,根据路段阻抗函数计算实时状态下各路段的路阻,为疏散网络加权。根据加权网络,利用最短路径算法,确定疏散起终点最短路径,即初始阶段最短路径路线,如图9。为保证疏散条件下路网原有状态的正常运行,选择饱和度0.75为分界点对路网中剩余容纳车辆数进行统计计算。利用网页二次开发工具,结合百度API接口,获取路网实时运行状态,计算路网实时运行状态下的剩余容纳车辆数。计算结果显示所选路径中存在饱和度大的路段,因此所选路径虽然为最短路径,但实际运行状态已接近饱和,不适合作为疏散路径,需再次进行路径选择,选择结果如图10。经统计,该路径能够在保证路网其他交通正常运行情况下进行疏散任务,且疏散进行时最多可容纳公交车数量为52辆,此时所需疏散车辆为33辆,因此满足响应阶段疏散要求。
假设从驻车点到疏散起点所需调车时间为15min,即应急响应阶段所经历时间为15min,根据客流到达曲线在此期间待疏散客流为1947人。响应阶段结束后,站内原有滞留客流基本疏散完毕,因此第二阶段疏散对象为博物馆站自身产生的客流。根据历史客流数据可假设客流以24人/min呈线性增长。应急公交在路径1循环一次时间为28min。当循环完成,需要对路网的运行状态进行评估,判断所选路径是否仍能满足疏散需求。循环完成后由于路网接近午高峰时期,经判断,路径1已经不能满足疏散需求,需要重新进行路径选择。选择结果路径2如图11所示。路径2可容纳公交车辆数为74辆,满足疏运要求。应急公交在该路径循环一次的时间为25.4min。路径1和路径2的疏散路线为:
表5两次动态路径选择结果
4.应急公交资源配置
根据步骤八中所述资源配置模型,利用lingo对模型求解,可得出响应阶段应急公交的调度方案如下。
表6初始应急公交派车方案
由于疏散公交车循环一次的时间为28min,在第27辆发车后,第1、2辆车完成了循环,因此从第28辆车开始到第34辆的7辆车为循环车辆,因此上述调度方案可更新如下。
表7更新后的应急公交派车方案
考虑车辆周转因素,完成疏散任务最终所需车辆27辆。
同时,根据三次动态结果,可统计在动态路网条件下关键路径集为(12,11,37,56,55,53)。
5.应急状态列车资源配置
根据应急公交调度方案及疏散终点学府路站的历史客流信息,用SAS可得到疏散终点地铁站的疏散客流生成情况如图12。根据步骤九所述的列车资源配置模型,同样利用lingo工具对模型求解,得到应急状态下列车调度方案:
表8列车应急开行方案
经计算,本发明提出的动态应急疏散方法中故障中断期间乘客人均延误为26.47min。
本发明在验证时采用在疏散中以静态疏散,也就是疏散线路固定的疏散策略进行对比以验证。在静态疏散中,疏散路径固定为物理最短路径,故障中断期间乘客人均延误为40.88min。
经对比,本发明提出的疏散方法中乘客平均延误时间减少了35.24%。故障发生及疏散事件发生拟在午高峰期间,因此乘客延误得到明显改善,在运行高峰期路网中应用有益性显著;同时也说明了本发明能够帮助滞留乘客快速高效的疏散至交通正常运行区域,避免了服务中断期间大客流的二次扩散。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引申出的显而易见的变动或变化仍处于本发明的保护范围之列。
Claims (10)
1.一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,所述方法包括:
步骤一:建立网络中各车站属性集,用于存储车站应急设备、车站建设情况及车站附近疏散点;
步骤二:建立车站运行状态集,用于存储车站在网络中的作用、车站列车运行信息;
步骤三:车站客流状态分析,包括故障发生时站内滞留客流及故障发生后车站客流变化情况;
步骤四:利用SAS软件对地铁客流进行短时预测,对客流到达过程进行仿真,确定故障发生过程中时间序列下的客流到达规律;
步骤五:根据失效站点信息,确定疏散起点及疏散终点;
步骤六:构建应急状态轨道公交协同疏散网络;
步骤七:构建起终点范围内的路径动态选择模型,用于指导特定节点疏散策略的进一步实施;
步骤八:利用路网实时监测技术,对疏散网络内路网运行状态进行统计分析;
步骤九:根据路径动态选择模型,确定最佳疏散路径;
步骤十:疏散路径可视化;
步骤十一:生成应急公交行车调度方案,对应急公交进行资源配置,确定应急公交车所需数量和运行时间间隔;
步骤十二:确定待疏散客流到达疏散地铁站点的分布规律,用以拟定应急状态下轨道列车运行时刻表;
步骤十三:根据轨道交通列车参数,确定列车输送能力,结合地铁站客流,对列车运力进行资源配置,制定应急状态下列车运行方案。
2.根据权利要求1所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,
所述步骤一中建立车站属性集包括:车站内可供乘客活动面积、车站附近常规公交站点数量及位置;
所述步骤二中建立车站运行状态集,所述车站状态包括:所述车站状态包括车站类型、车站客流信息。
3.根据权利要求2所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,所述步骤四中利用SAS对时间序列下短时客流量预测,进一步包括:
确定行人在应急状态下的走行行为,研究车站中基础设施对行人的分流作用及地上交通中其他交通方式对行人的分流作用,确定行人到达疏散起点规律;
所述步骤五中确定疏散起终点,进一步包括:利用各站点知识元中的映射关系,计算各站点的疏散能力,选定最佳疏散终点。
4.根据权利要求3所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,
所述步骤六中构建应急状态疏散协同网络,进一步包括建立疏散起终点范围内的路网拓扑结构,根据路网建设信息,对疏散网络实现动态加权。
5.根据权利要求4所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,所述步骤七中疏散策略为列车小交路调度和公交辅助相结合的策略,并建立动态路径选择模型,进一步包括以路阻最小,实时运行状态最佳的路径为目标,进行路径动态选择,并统计疏散网络中的关键节点、关键路径。
6.根据权利要求5所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,所述步骤八中路网实时监控,进一步包括:利用百度地图API接口,结合网页开发工具,获取疏散网络中各路段实时运行状态信息,包括拥挤程度、流量预测相关信息。
7.根据权利要求6所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,
所述步骤九中确定最佳路径,进一步包括:对路径动态选择模型进行求解,得到可接受疏散任务的路径及途径路段,并随着疏散任务进行实时更新模型解。
8.根据权利要求7所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,所述步骤十中路径可视化,进一步包括:将模型解与实际路网相对应,让数字解进行物理可视化,指导实际疏散行动。
9.根据权利要求8所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,
所述步骤十一中应急公交调度方案,进一步包括:
根据应急公交驻车点位置信息,公交运力信息,待疏运乘客信息,确定应急公交调度方案,包括发车间隔和调配数量,以保证在规定时间内疏散任务的顺利完成。
10.根据权利要求9所述的一种城市轨道交通线路失效的动态应急疏散方法,其特征在于,
所述步骤十二中确定疏散终点客流信息,进一步包括:根据步骤十一中所生成的公交调度方案,确定疏散客流到达疏散终点的分布规律,结合疏散终点地铁站自身正常运行时的客流信息,确定应急状态下客流分布规律;
所述步骤十三中制定应急状态下列车调度方案,进一步包括:根据步骤十二中的应急状态下客流分布规律,调整应急状态下的列车调度方案及列车时刻表,包括发车间隔和开行列次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811048030.4A CN109033718B (zh) | 2018-09-07 | 2018-09-07 | 一种城市轨道交通线路失效的动态应急疏散方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811048030.4A CN109033718B (zh) | 2018-09-07 | 2018-09-07 | 一种城市轨道交通线路失效的动态应急疏散方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033718A true CN109033718A (zh) | 2018-12-18 |
CN109033718B CN109033718B (zh) | 2022-08-02 |
Family
ID=64620769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811048030.4A Active CN109033718B (zh) | 2018-09-07 | 2018-09-07 | 一种城市轨道交通线路失效的动态应急疏散方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033718B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162931A (zh) * | 2019-06-21 | 2019-08-23 | 北京交通大学 | 城市轨道交通大规模路网快速仿真系统 |
CN110852490A (zh) * | 2019-10-23 | 2020-02-28 | 淮阴工学院 | 基于疏散网络的有轨电车站点人员疏散路径优化方法 |
CN110992233A (zh) * | 2019-12-13 | 2020-04-10 | 中国科学院深圳先进技术研究院 | 一种针对城市聚集事件的应急疏散方法与系统 |
CN111612327A (zh) * | 2020-05-18 | 2020-09-01 | 广州云从人工智能技术有限公司 | 一种调度方法、系统、机器可读介质及设备 |
CN111845869A (zh) * | 2020-07-22 | 2020-10-30 | 上海电气泰雷兹交通自动化系统有限公司 | 一种疏散突发大客流的列车运行图自动调整方法 |
CN113298390A (zh) * | 2021-05-28 | 2021-08-24 | 长安大学 | 一种突发异构客流的多式协同疏散方案集构建方法及装置 |
CN113537555A (zh) * | 2021-06-03 | 2021-10-22 | 太原理工大学 | 一种考虑扰动的交通子区模型预测滑模边界控制方法 |
CN114493385A (zh) * | 2022-04-19 | 2022-05-13 | 华北科技学院(中国煤矿安全技术培训中心) | 轨道交通运营中断下滞留乘客公交摆渡疏散方法及系统 |
CN114604294A (zh) * | 2022-04-02 | 2022-06-10 | 北京交通大学 | 结合虚拟编组技术应对单向中断场景的列车运行调整方法 |
CN116128274A (zh) * | 2021-11-11 | 2023-05-16 | 北京轨道交通路网管理有限公司 | 数据分析系统及方法 |
CN117151343A (zh) * | 2023-10-26 | 2023-12-01 | 新黎明科技股份有限公司 | 一种园区地理信息场景构建方法、系统、电子设备及介质 |
CN117227810A (zh) * | 2023-10-18 | 2023-12-15 | 中国矿业大学 | 一种轨道交通应急联动方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101445122A (zh) * | 2008-12-25 | 2009-06-03 | 北京交通大学 | 一种城市轨道交通客流监控与紧急疏散系统 |
CN102169606A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 一种城市轨道交通网络大客流影响的预测方法 |
CN106203678A (zh) * | 2016-06-28 | 2016-12-07 | 上海工程技术大学 | 一种面向轨道运营中断的公交应急联动疏运方法 |
-
2018
- 2018-09-07 CN CN201811048030.4A patent/CN109033718B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101445122A (zh) * | 2008-12-25 | 2009-06-03 | 北京交通大学 | 一种城市轨道交通客流监控与紧急疏散系统 |
CN102169606A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 一种城市轨道交通网络大客流影响的预测方法 |
CN106203678A (zh) * | 2016-06-28 | 2016-12-07 | 上海工程技术大学 | 一种面向轨道运营中断的公交应急联动疏运方法 |
Non-Patent Citations (3)
Title |
---|
FENG, SM等: "Simulation of pedestrian flow based on cellular automata: A case of pedestrian crossing street at section in China", 《PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS》 * |
ZHAO, JJ等: "Spatio-Temporal Analysis of Passenger Travel Patterns in Massive Smart Card Data", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS 》 * |
钟玲玲: "基于情景和数字化预案的城轨应急决策方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162931B (zh) * | 2019-06-21 | 2021-06-22 | 北京交通大学 | 城市轨道交通大规模路网快速仿真系统 |
CN110162931A (zh) * | 2019-06-21 | 2019-08-23 | 北京交通大学 | 城市轨道交通大规模路网快速仿真系统 |
CN110852490A (zh) * | 2019-10-23 | 2020-02-28 | 淮阴工学院 | 基于疏散网络的有轨电车站点人员疏散路径优化方法 |
CN110992233A (zh) * | 2019-12-13 | 2020-04-10 | 中国科学院深圳先进技术研究院 | 一种针对城市聚集事件的应急疏散方法与系统 |
CN110992233B (zh) * | 2019-12-13 | 2024-04-23 | 中国科学院深圳先进技术研究院 | 一种针对城市聚集事件的应急疏散方法与系统 |
CN111612327A (zh) * | 2020-05-18 | 2020-09-01 | 广州云从人工智能技术有限公司 | 一种调度方法、系统、机器可读介质及设备 |
CN111845869B (zh) * | 2020-07-22 | 2022-05-06 | 上海电气泰雷兹交通自动化系统有限公司 | 一种疏散突发大客流的列车运行图自动调整方法 |
CN111845869A (zh) * | 2020-07-22 | 2020-10-30 | 上海电气泰雷兹交通自动化系统有限公司 | 一种疏散突发大客流的列车运行图自动调整方法 |
CN113298390A (zh) * | 2021-05-28 | 2021-08-24 | 长安大学 | 一种突发异构客流的多式协同疏散方案集构建方法及装置 |
CN113298390B (zh) * | 2021-05-28 | 2023-09-26 | 长安大学 | 一种突发异构客流的多式协同疏散方案集构建方法及装置 |
CN113537555A (zh) * | 2021-06-03 | 2021-10-22 | 太原理工大学 | 一种考虑扰动的交通子区模型预测滑模边界控制方法 |
CN116128274B (zh) * | 2021-11-11 | 2023-09-26 | 北京轨道交通路网管理有限公司 | 数据分析系统及方法 |
CN116128274A (zh) * | 2021-11-11 | 2023-05-16 | 北京轨道交通路网管理有限公司 | 数据分析系统及方法 |
CN114604294A (zh) * | 2022-04-02 | 2022-06-10 | 北京交通大学 | 结合虚拟编组技术应对单向中断场景的列车运行调整方法 |
CN114604294B (zh) * | 2022-04-02 | 2022-12-02 | 北京交通大学 | 结合虚拟编组技术应对单向中断场景的列车运行调整方法 |
CN114493385A (zh) * | 2022-04-19 | 2022-05-13 | 华北科技学院(中国煤矿安全技术培训中心) | 轨道交通运营中断下滞留乘客公交摆渡疏散方法及系统 |
CN117227810A (zh) * | 2023-10-18 | 2023-12-15 | 中国矿业大学 | 一种轨道交通应急联动方法及系统 |
CN117227810B (zh) * | 2023-10-18 | 2024-04-26 | 中国矿业大学 | 一种轨道交通应急联动方法及系统 |
CN117151343A (zh) * | 2023-10-26 | 2023-12-01 | 新黎明科技股份有限公司 | 一种园区地理信息场景构建方法、系统、电子设备及介质 |
CN117151343B (zh) * | 2023-10-26 | 2024-02-13 | 新黎明科技股份有限公司 | 一种园区地理信息场景构建方法、系统、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109033718B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033718A (zh) | 一种城市轨道交通线路失效的动态应急疏散方法 | |
Yuan et al. | Passenger flow control strategies for urban rail transit networks | |
Wen | A dynamic and automatic traffic light control expert system for solving the road congestion problem | |
Chen et al. | Optimization of headways with stop‐skipping control: a case study of bus rapid transit system | |
CN105678411B (zh) | 一种旅客列车运行方案图编制方法 | |
CN108364127B (zh) | 一种路网客流协同控制优化系统 | |
Sun et al. | A discriminated release strategy for parking variable message sign display problem using agent-based simulation | |
CN107564269B (zh) | 一种基于支付意愿的半灵活公交调度方法 | |
CN104217129A (zh) | 一种城轨路网客流估算方法 | |
Malandri et al. | Recovery time and propagation effects of passenger transport disruptions | |
CN104239726A (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
Yao et al. | Simulation‐Based Dynamic Passenger Flow Assignment Modelling for a Schedule‐Based Transit Network | |
CN109816979A (zh) | 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 | |
Gallo et al. | A multimodal approach to bus frequency design | |
CN111882915A (zh) | 采用复合算法及交互模型的应需定制公交线路规划方法 | |
Leurent et al. | User and service equilibrium in a structural model of traffic assignment to a transit network | |
Sachan et al. | SDN control-enabled and time-quantum-driven max-pressure approach for intersection management in smart city | |
Wang et al. | A simulation-based metro train scheduling optimization incorporating multimodal coordination and flexible routing plans | |
Wang et al. | Sudden passenger flow characteristics and congestion control based on intelligent urban rail transit network | |
Gu et al. | Adaptive area-based traffic congestion control and management scheme based on fog computing | |
Zhou et al. | Location of transit-oriented development stations based on multimodal network equilibrium: Bi-level programming and paradoxes | |
Leurent et al. | On individual repositioning distance along platform during train waiting | |
Wang et al. | A straightforward method for shuttle-bus line design under urban rail transit emergencies | |
Hao et al. | Joint train line planning and timetabling of intercity high-speed rail with actual time-dependent demand | |
Li et al. | Traffic flow guidance and optimization of connected vehicles based on swarm intelligence |
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 |