CN109872008A - 基于客流分配的城市轨道交通路网安全性评估与增强方法 - Google Patents

Abstract

本发明提供一种基于客流分配的城市轨道交通路网安全性评估与增强方法方法，该方法利用风险函数定量评估路网安全性，然后在路网层面进行客流分配以降低风险。该方法将区间和车站的实际运营状态与其能力的匹配程度作为风险函数的输入，并将车站和区间在路网中的静态统计指标作为因子对风险进行加权求和，从而体现不同车站和区间的重要性，由此计算得到路网整体风险。将最小化风险作为优化目标并对约束条件进行分析，可以发现优化问题为凸优化问题，于是可以求得路网最优配流方案。本发明提供的方法可以使运力运量更加匹配、路网运营状态更加平稳，从而降低风险、提高安全。

Description

基于客流分配的城市轨道交通路网安全性评估与增强方法

技术领域

本发明属于路网安全性评估与增强领域，特别涉及一种基于客流分配的城市轨道交通路网安全性评估与增强方法。

背景技术

城市轨道交通是都市居民的重要出行方式，随着城市轨道交通逐步成网、建设规模不断扩大，旅客出行需求快速增长。而路网运营特点与单一线路相比发生变化，大部分运量集中于少量线路，运力运量矛盾突出，而且线路之间关联度增强，单站的客流冲击对路网整体影响更为明显，运营风险增大，急需对整个运营网络进行安全性评估与增强。与此同时，由于城市轨道交通网络化程度加强，路网中的冗余路径增多。通过合理分配与控制客流，可以使运力运量更加匹配、路网运营状态更加平稳，从而降低风险、提高安全。

现有技术公开的路网安全性评估相关研究侧重评价指标的选取与融合，例如，NiuW等对中国铁路煤炭运输网络进行风险评估，基于网络脆弱性、连通性等指标，使用多层灰色评估模型进行风险评价。肖雪梅等通过监测采集路网运营条件下的安全信息，构建多层次评价指标体系，基于灰色聚类对各项指标进行融合，从而评估路网安全状态。同时，肖雪梅在对城市轨道交通网络运营风险分析的基础上，识别关键车站和区间，并利用Topsis和灰色关联分析方法进行路网运营安全的时序动态评估。

较多客流分配研究集中于旅客路径选择行为分析，Pan H等考虑用户的路径选择行为，提出动态用户最优分配模型，以最小化路网阻抗为目标函数，并考虑列车扰动对模型的影响。Sun L等使用贝叶斯统计推断框架对用户路径选择行为进行研究，利用票务数据及先验知识对模型参数进行求解。Yao X等使用仿真方法对客流分配过程进行考虑，将旅客和列车都看成智能体进行建模，对达到平衡后的网络状态进行研究。赵烁等将铁路售票策略和旅客购票时序嵌入到客流分配过程中，构造购票强度函数，将时变需求的连续出行时间离散化，设计了考虑售票策略的高铁客流分配方法。

客流控制研究通常着眼于车站或单一线路，Li S等综合考虑列车动态管控和客流控制，提出最小化地铁时刻表偏差问题，并利用预测控制将问题转化为二次规划进行求解。Xu X等着眼于不确定客流需求下的车站客流组织，研究三种不同客流需求情况下的客流控制结果。吴正阳等针对供需矛盾问题，提出首先将网络客流进行分配，得到有效路径的时段客流量，以此对整个路网的进站客流进行协同控制的优化方法。蒋琦玮等通过监测轨道交通车站客流流量和流向，以控制节点的通过能力与客流需求相匹配为目标建立整数规划模型。鲁工圆等以旅客周转量最大为目标，建立线路客流控制线性规划模型，并利用客流-运行图网络模型描述旅客的时空移动。

上述对路网安全性进行评估的研究通常集中于指标融合，通过选定各种静态指标以反映路网状态，较少考虑客流分配方案。而客流分配研究侧重如何精准刻画旅客路径选择行为，在出行完成之后通过OD数据反推各路径流量。大部分客流控制集中于车站内，对路网整体考虑较少，整个路网整体风险的发生率还很高。

发明内容

为了解决现有技术中存在的问题，本发明提供了一种基于客流分配的城市轨道交通路网安全性评估与增强方法。

本发明具体技术方案如下：

本发明提供一种基于客流分配的城市轨道交通路网安全性评估与增强方法，该方法包括如下步骤：

S1：利用车站的风险函数和区间的风险函数与对应的风险因子加权求和得到路网整体风险；

S2：将路网整体风险最小化建模为凸优化问题，获得客流分配方案。

进一步的改进，步骤S1所述的路网整体风险f(x₀)由式(1)计算而得：

式中，i表示车站编号，a_i表示车站i的风险因子，f(·)表示车站的风险函数，z_i表示客流分配后车站i实际承载旅客的吞吐量；C_i表示车站i在保证乘客安全情况下的最大吞吐量，k表示区间编号，b_k表示车站k的风险因子，y_k表示区间k实际的运输状态，L_k表示区间k的运输能力，g(·)表示区间的风险函数。

进一步的改进，所述凸优化问题的目标函数如式(2)所示：

约束条件如下所示：

式中，i,j,n均表示车站编号，共有S个车站；q_ij表示车站i到车站j的出行需求；q_ji表示车站j到车站i的出行需求；m表示第m条简单路径；表示车站n到车站j的第m条路径分配的客流量；表示车站i到车站j的第m条路径分配的客流量；表示区间k在路径上，其中，否则不在，表示第m条简单路径；表示车站i在路径上，且车站i为换乘站。

进一步的改进，凸优化问题的目标为

进一步的改进，求解过程如下：

根据路网静态拓扑信息及车站和区间的能力参数，获取车站i在保证乘客安全情况下的最大吞吐量C_i和区间k的运输能力L_k；

根据OD矩阵和路网静态拓扑信息，确定车站i和区间k的风险因子a_i和b_k；搜索每一OD对的G条简单路径并对其进行编号，表示成

根据车站和区间与路径的对应关系，将z_i和y_k表达为的线性组合；

利用得到的z_i和y_k表示CVX中的约束和目标，求解得到

本发明提供一种基于客流分配的城市轨道交通路网安全性评估与增强方法方法，该方法利用风险函数定量评估路网安全性，然后在路网层面进行客流分配以降低风险。该方法将区间和车站的实际运营状态与其能力的匹配程度作为风险函数的输入，并将车站和区间在路网中的静态统计指标作为因子对风险进行加权求和，从而体现不同车站和区间的重要性，由此计算得到路网整体风险。将最小化风险作为优化目标并对约束条件进行分析，可以发现优化问题为凸优化问题，于是可以求得路网最优配流方案。最后对重庆轨道交通网络进行实例分析，结合典型客流数据验证优化算法的有效性。本发明提供的方法可以使运力运量更加匹配、路网运营状态更加平稳，从而降低风险、提高安全。

附图说明

图1为实施例1一种基于客流分配的城市轨道交通路网安全性评估与增强方法的流程图；

图2为重庆市轨道交通运营线路图；

图3为重庆轨道交通网络拓扑图；

图4为尖顶坡至小什字G条简单路径图。

附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所描述的步骤。

具体实施方式

由于本发明的方法描述是在计算机系统中实现的，该计算机系统可以设置在服务器或客户端的处理器中。例如本文所述的方法可以实现为能以控制逻辑来执行的软件，其由服务器中的CPU来执行。本文所述的功能可以实现为存储在非暂时性有形计算机可读介质中的程序指令集合。当以这种方式实现时，该计算机程序包括一组指令，当该组指令由计算机运行时其促使计算机执行能实施上述功能的方法。可编程逻辑可以暂时或永久地安装在非暂时性有形计算机可读介质中，例如只读存储器芯片、计算机存储器、磁盘或其他存储介质。除了以软件来实现之外，本文所述的逻辑可以利用分立部件、集成电路、与可编程逻辑设备(诸如，现场可编程门阵列(FPGA)或微处理器)结合使用的可编程逻辑，或者包括它们任意组合的任何其他设备来体现。所有此类实施均落入本发明的范围之内。

实施例1

本发明实施例1提供一种基于客流分配的城市轨道交通路网安全性评估与增强方法，如图1所示，该方法包括如下步骤：

S1：利用车站的风险函数和区间的风险函数与对应的风险因子加权求和得到路网整体风险；

步骤S1中，利用风险函数定量评估路网整体风险，可显著提高风险评估的准确性，本申请使用e^x作为风险函数。

其中，路网整体风险f(x₀)由式(1)计算而得：

式中，i表示车站编号，a_i表示车站i的风险因子，f(·)表示车站的风险函数，z_i表示客流分配后车站i实际承载旅客的吞吐量；C_i表示车站i在保证乘客安全情况下的最大吞吐量，k表示区间编号，b_k表示车站k的风险因子，y_k表示区间k实际的运输状态，L_k表示区间k的运输能力，g(·)表示区间的风险函数。

S2：将路网整体风险最小化建模为凸优化问题，获得客流分配方案。

步骤S2中，凸优化问题为对路网整体风险进行最小化处理，凸优化问题的目标为

其中，所述凸优化问题的目标函数如式(2)所示：

约束条件如下所示：

式中，i,j,n均表示车站编号，共有S个车站；q_ij表示车站i到车站j的出行需求；q_ji表示车站j到车站i的出行需求；表示m表示第m条简单路径；表示车站n到车站j的第m条路径分配的客流量；表示车站i到车站j的第m条路径分配的客流量；表示区间k在路径上，其中，否则不在，表示第m条简单路径；表示车站i在路径上，且车站i为换乘站。

其中，式(3)用于计算车站客流负荷，包括进站客流和出站客流，对于换乘站来说还有换乘客流，式(4)、(5)表示客流分配约束，(6)用于计算区间客流负荷，需要统计每条叠加的路径。

步骤S2中，使用matlab的CVX工具箱进行求解，CVX将matlab转换为一种建模语言，允许使用matlab表达式指定约束和目标，高效求解凸优化问题。在确定优化变量时，需要求路网中任意两点间的简单路径，本发明使用python中的networkx包进行路径搜索。于是求解步骤如下：

根据路网静态拓扑信息及车站和区间的能力参数，获取车站i在保证乘客安全情况下的最大吞吐量C_i和区间k的运输能力L_k；

根据OD矩阵和路网静态拓扑信息，确定车站i和区间k的风险因子a_i和b_k；搜索每一OD对的G条简单路径并对其进行编号，表示成

根据车站和区间与路径的对应关系，将z_i和y_k表达为的线性组合；

利用得到的z_i和y_k表示CVX中的约束和目标，求解得到

利用本发明的上述方法时，其中，区间指两个相邻的车站之间，路径为指定某两个车站之间；假设旅客OD需求提前已知，且在得到客流分配方案后，乘客能够按照配流方案完成出行。

本发明提供的基于客流分配的城市轨道交通路网安全性评估与增强方法方法利用风险函数定量评估路网整体风险，将车站及区间的运输能力作为风险函数的输入，计算得到路网整体风险，并以此为目标函数，利用适当的客流分配策略，最小化路网整体风险，可以使运力运量更加匹配、路网运营状态更加平稳，从而降低风险、提高安全。

实验例2

实施例2以重庆市轨道交通网络为例进行计算，重庆市轨道交通运营线路信息如图2所示，将一般车站等进行合并，保留始发站、终点站以及换乘站可以得到网络拓扑图，如图3所示。

由图3可知，共有32个节点、44条边。为简化考虑，将所有车站分为三类：大型站、中型站以及小型站。沙坪坝、重庆北站南北广场、冉家坝、江北机场T2航站楼为大型站，其它换乘车站为中型站，各线路起始站及终点站为小型站。各站的通过能力为：大型站为360人/min，中型站240人/min，小型站120人/min。此外，规定同一线路上的区间运输能力相等，不同线路的通过能力以及列车车型不同导致线路的运输能力不同。参考重庆轨道交通集团给出的资料，4、5、10、环线为6编组地铁As型车，定员数为2322人，1、6号线为6编组地铁B型车，定员数为1440人，2、3号线为跨坐式单轨，分别为4、6编组，定员数为880人、1320人。1、2、3、4、5、10、环线发车间隔分别为4分钟、2分半、3分、5分钟、8分钟、6分钟、8分钟、6分钟。于是可以计算各线路运输能力，以1号线为例，其运输能力为 实施例2使用度作为车站和区间计算风险函数时的风险因子。由于重庆轨道交通部分线路开通时间较短，部分站间客流较少，因此只考虑客流需求较大的OD对，参考重庆市交通委员会公开的客运量数据，整理可得OD对，具体如表1。

表1重庆轨道交通单位小时典型OD需求表格

由图3可知，重庆轨道交通网络内部存在许多环路，因此任一OD对之间可能存在许多路径，该实施例只考虑G条简单路径，所以取G＝5。以第一个OD对为例，其G条简单路径如图4。

根据以上数据解得最小风险为1044.78，求解后每个OD对相应的客流分配方案为表2。

表2客流分配方案表格

如果每个OD对只分配给最短路径，则目标函数为1187.11，合理分配客流后的路网整体变化如表3所示。

表3路网整体风险变化

从表中可以看出，经过合理分配客流后，路网整体风险降低12％，从表中可以发现并不是均匀分配，这是因为各条边的能力不同，需要将客流需求与运输能力进行匹配，而对于客流需求较小的OD对，由于供大于求，可分配到最短路径即可。

Claims (5)

1.一种基于客流分配的城市轨道交通路网安全性评估与增强方法，其特征在于，所述方法包括如下步骤：

S1：利用车站的风险函数和区间的风险函数与对应的风险因子加权求和得到路网整体风险；

S2：将路网整体风险最小化建模为凸优化问题，获得客流分配方案。

2.如权利要求1所述的基于客流分配的城市轨道交通路网安全性评估与增强方法，其特征在于，步骤S1所述的路网整体风险f(x₀)由式(1)计算而得：

式中，i表示车站编号，a_i表示车站i的风险因子，f(·)表示车站的风险函数，z_i表示客流分配后车站i实际承载旅客的吞吐量；C_i表示车站i在保证乘客安全情况下的最大吞吐量，k表示区间编号，b_k表示车站k的风险因子，y_k表示区间k实际的运输状态，L_k表示区间k的运输能力，g(·)表示区间的风险函数。

3.如权利要求1所述的基于客流分配的城市轨道交通路网安全性评估与增强方法，其特征在于，所述凸优化问题的目标函数如式(2)所示：

约束条件如下所示：

式中，i,j,n均表示车站编号，共有S个车站；q_ij表示车站i到车站j的出行需求；q_ji表示车站j到车站i的出行需求；m表示第m条简单路径；表示车站n到车站j的第m条路径分配的客流量；表示车站i到车站j的第m条路径分配的客流量；表示区间k在路径上，其中，否则不在，表示第m条简单路径；表示车站i在路径上，且车站i为换乘站。

4.如权利要求3所述的基于客流分配的城市轨道交通路网安全性评估与增强方法，其特征在于，凸优化问题的目标为

5.如权利要求4所述的基于客流分配的城市轨道交通路网安全性评估与增强方法，其特征在于，求解过程如下：

根据路网静态拓扑信息及车站和区间的能力参数，获取车站i在保证乘客安全情况下的最大吞吐量C_i和区间k的运输能力L_k；

根据OD矩阵和路网静态拓扑信息，确定车站i和区间k的风险因子a_i和b_k；搜索每一OD对的G条简单路径并对其进行编号，表示成

根据车站和区间与路径的对应关系，将z_i和y_k表达为的线性组合；利用得到的z_i和y_k表示CVX中的约束和目标，求解得到