CN110222924B - 多方式的城市轨道交通车站客流控制系统及控制方法 - Google Patents
多方式的城市轨道交通车站客流控制系统及控制方法 Download PDFInfo
- Publication number
- CN110222924B CN110222924B CN201910337214.0A CN201910337214A CN110222924B CN 110222924 B CN110222924 B CN 110222924B CN 201910337214 A CN201910337214 A CN 201910337214A CN 110222924 B CN110222924 B CN 110222924B
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- flow control
- control
- station
- 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 29
- 230000001364 causal effect Effects 0.000 claims abstract description 23
- 230000003993 interaction Effects 0.000 claims abstract description 21
- 238000011217 control strategy Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000012546 transfer Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 230000002787 reinforcement Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000013523 data management Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G06Q50/40—
Abstract
本发明提供一种多方式的城市轨道交通车站客流控制系统及控制方法,属于城市轨道交通运营组织技术领域。后台数据库存储车站基础数据,人机交互模块接收用户输入的控制参数,并显示客流控制模型及客流控制结果,控制策略生成模块根据控制参数,结合客流流转因果关系及基础数据,计算客流控制点,形成客流控制模型,获取控制点的分时乘客流入量;客流流转演化模块根据控制参数结合车站拓扑结构,构建客流流转因果关系,计算客流控制策略。本发明为用户制定车站多方式、多点客流控制方案提供智能辅助决策的平台,满足车站客流控制方案制定的灵活性、合理性与及时性,提高城市轨道交通客运服务的智能化水平以及车站的安全与效率,提高乘客出行质量。
Description
技术领域
本发明涉及城市轨道交通运营组织技术领域,具体涉及一种多方式的城市轨道交通车站客流控制系统及控制方法。
背景技术
随着城市轨道交通不断发展和完善,其吸引和承载的客流量日渐增多,由于列车的运输能力有限,车站的客流承载量经常超过安全限制,为了保证乘客出行安全,提高车站服务水平,客流控制已经被诸多轨道交通发达且客流量巨大的大城市普遍采用。
目前国内轨道交通车站客流控制方案的制定,大都依靠车站工作人员的管理经验和临场反应,存在主观性和随意性,缺少科学理论支撑和智能信息系统的支持,具有较大局限性。而很多学者研究提出的客流控制多限于进站客流控制,方式单一。随着信息技术发展,轨道交通车站运营管理各级具备了基本信息设备与系统,目前尚无基于智能推演的多方式客流控制相关的信息系统应用,将客流控制方案制定,以智能信息系统的形式应用到运营管理中是十分必要的。
发明内容
本发明的目的在于提供一种能够实时获取保障车站乘客的安全与出行效率的客流控制方案,并且利用智能算法使方案进行动态优化的城市轨道交通车站客流控制系统及控制方法,以解决上述背景技术中存在的技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供的一种多方式的城市轨道交通车站客流控制系统,该系统包括:
后台数据库分别连接人机交互模块、控制策略生成模块和客流流转演化模块;所述人机交互模块、所述控制策略生成模块和所述客流流转演化模块依次连接;所述人机交互模块还与所述客流流转演化模块连接;
所述后台数据库,用于存储车站基础数据,其中,所述基础数据包括车站设备设施数据、客流组织方案数据、车站列车到发数据及车站客流数据;
所述人机交互模块,用于接收用户输入的控制参数,并显示客流控制模型及客流控制结果;
所述控制策略生成模块,用于根据所述控制参数,结合客流流转因果关系及所述基础数据,计算客流控制点,形成客流控制模型,并对所述控制模型求解,获取控制点的分时乘客流入量;
所述客流流转演化模块,用于根据所述控制参数,结合车站拓扑结构,构建所述客流流转因果关系,结合所述分时乘客流入量计算客流控制策略;其中所述车站拓扑结构包括车站节点、节点间的客流流向、客流分流关系、客流合流关系、客流区域从属关系以及客流源。
进一步的,所述人机交互模块包括输入单元、客流控制模型显示单元及客流控制结果显示单元;
所述输入单元,用于接收用户输入的控制参数,其中,所述控制参数包括车站类别、控制时段、控制措施类型、客流控制备选位置、关键区域容量约束、排队最长时间约束、控制指标选择;
所述客流控制模型显示单元,用于显示客流控制模型,其中,所述客流控制模型包括客流控制指标及指标调节参数;其中,所述客流控制指标包括乘客出行效率、设备设施利用率及控制点客流流入波动值;
所述客流控制结果显示单元,用于显示客流控制后的指标。
进一步的,所述控制策略生成模块包括客流控制点计算单元、控制模型生成单元及控制模型计算单元;
所述客流控制点计算单元,用于结合客流流转因果关系,计算客流超限点及引起客流超限的途径节点,并根据客流控制备选位置对引起客流超限的途径节点进行筛选,得到客流控制点;
所述控制模型生成单元,用于根据所述客流控制点和控制参数,计算客流控制指标及指标调节参数;
所述控制模型计算单元,用于根据客流控制指标及指标调节参数,计算车站内每个所述客流控制点的分时流入客流量。
进一步的,所述客流流转演化模块包括客流流转因果关系构建单元、客流控制点流量限制计算单元、客流流转量计算单元;
所述客流流转因果关系构建单元,用于根据所述车站拓扑结构,构建客流流转因果关系;
所述客流控制点流量限制计算单元,用于根据客流控制点及预设的控制时段和控制流量,设置对应节点对应时段的流量限制;
所述客流流转量计算单元,用于根据客流流转因果关系及参数设置,根据时钟节拍,更新车站内节点间的客流流入量、客流流出量,并更新节点的客流存量、客流速度及客流密度。
另一方面,本发明还提供一种城市轨道交通车站客流控制方法,该方法包括如下步骤:
步骤S110:根据用户输入的控制参数,结合基础数据和客流流转因果关系,计算客流控制点,形成客流控制模型,并对所述控制模型求解,获取控制点的分时乘客流入量;
步骤S120:根据所述控制参数,结合车站拓扑结构,构建所述客流流转因果关系,结合所述分时乘客流入量计算客流控制策略;其中所述车站拓扑结构包括车站节点、节点间的客流流向、客流分流关系、客流合流关系、客流区域从属关系以及客流源。
进一步的,所述控制参数包括车站类别、控制时段、控制措施类型、客流控制备选位置、关键区域容量约束、排队最长时间约束、控制指标选择。
进一步的,所述客流控制模型包括客流控制指标及指标调节参数;其中,所述客流控制指标包括乘客出行效率、设备设施利用率及控制点客流流入波动值。
进一步的,所述步骤S110具体包括:
结合客流流转因果关系和所述基础数据,计算客流超限点及引起客流超限的途径节点,并根据客流控制备选位置对引起客流超限的途径节点进行筛选,得到客流控制点;
根据所述客流控制点和控制参数,计算客流控制指标及指标调节参数;
根据客流控制指标及指标调节参数,计算车站内每个所述客流控制点的分时流入客流量。
进一步的,所述步骤S120具体包括:
根据所述车站拓扑结构,构建客流流转因果关系;
根据客流控制点及预设的控制时段和控制流量,设置对应节点对应时段的流量限制;
所述客流流转量计算单元,用于根据客流流转因果关系及参数设置,根据时钟节拍,更新车站内节点间的客流流入量、客流流出量,并更新节点的客流存量、客流速度及客流密度。
本发明有益效果:车站客流控制方式多样化,在进站客流控制基础上,变为多点多方式的客流控制,由用户定制备选客流控制点,计算适宜的客流控制位置、时段以及具体控制方式;车站客流控制方案实时性,根据用户需求,利用强化学习方法和优化算法相结合的方式,快速计算客流控制方案;车站客流控制策略的持续学习更新,使用优化算法计算结果更新强化学习策略,达到场景及策略记录的效果,支持客流控制策略的持续更新和自学习。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的多方式的城市轨道交通车站客流控制系统功能原理框图。
图2为本发明实施例所述的多方式的城市轨道交通车站客流控制系统的人机交互模块的显示界面示意图。
图3为本发明实施例所述的多方式的城市轨道交通车站客流控制方法中的客流控制点计算流程图。
图4为本发明实施例所述的多方式的城市轨道交通车站客流控制方法中的控制模型生成流程图。
图5为本发明实施例所述的多方式的城市轨道交通车站客流控制方法中的控制模型求解流程图。
图6为本发明实施例所述的多方式的城市轨道交通车站客流控制方法中的车站客流控制强化学习流程图。
图7为本发明实施例所述的城市轨道交通车站客流控制方法中强化学习环境与动作示意图。
图8为本发明实施例所述的多方式的城市轨道交通车站客流控制系统中基础数据加载流程示意图。
图9为本发明实施例所述的多方式的城市轨道交通车站客流控制系统中控制方案加载流程图。
图10为本发明实施例所述的多方式的城市轨道交通车站客流控制系统中客流流转计算流程图。
图11为本发明实施例所述的多方式的城市轨道交通车站客流控制方法流程图。
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,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的模块。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且实施例并不构成对本发明实施例的限定。
本领域普通技术人员应当理解的是,附图只是一个实施例的示意图,附图中的部件或装置并不一定是实施本发明所必须的。
实施例
为满足客流控制方案生成的科学性,使客流控制方案能够保障车站乘客的安全与出行效率,并且利用智能算法使方案制定具有及时性与动态优化特征。
如图1所示,本发明提供的一种城市轨道交通网络大客流在线控制系统,该系统包括客流控制交互终端(人机交互模块)、客流控制方案计算服务器(控制策略生成模块)、车站客流快速推演服务器(客流流转演化模块)、数据管理服务器(后台数据库);
客流交互终端为布置在车站和调度中心的人机交互系统,供工作人员使用,根据客流控制相关外部条件,录入、编辑客流控制参数,查看系统生成的相应客流控制模型(包括控制指标及指标调节参数)与结果,并接受工作人员操作,将信息转送到相应服务器中。
客流控制方案计算服务器根据工作人员录入的外部条件,调用基础数据和客流流转因果关系,通过对客流控制点的计算,生成客流控制模型,进而利用智能算法调用车站客流推演服务器评估反馈优化形成客流控制方案。
车站客流推演服务器加载车站数据,构建客流因果关系,根据客流控制方案的设置进行加载,并依据计算客流在车站关键节点的流转。
数据管理服务器对客流控制相关的基础数据和动态数据进行管理和维护,包括车站设施设备、车站列车到发时刻表、车站客流数据等。
所述客流控制交互终端、客流控制方案计算服务器、车站客流推演服务器依次相连。
所述数据管理服务器与其他服务器均相连,为它们提供静态和动态数据,并存储服务器计算产生的数据。
如图2所示,所述客流控制交互终端包括客流控制参数输入、客流控制模型查看、客流控制结果查看三个部分。
所述客流控制参数输入,包括对车站类别、控制时段、控制措施类型、备选位置、关键区域容量约束、排队最长时间约束、控制指标选择等控制参数的选择。常用参数说明如下表1所示:
表1:
在上述表1中,控制目标包括控制指标和指标调节参数,其中控制指标如下表2所示:
表2:
所述客流控制模型查看,提供控制的目标、筛选后的待控制点,供用户查看和权重调节等。
所述客流控制结果查看,提供客流控制方案实施后的各项指标查看,关键区域的客流动态转移数据及图形查看。
再进一步,所述客流控制方案计算服务器包括客流控制点计算,客流控制模型生成,客流控制方案求解三部分。
所述客流控制点计算,驱动车站客流推演服务器,调用其客流因果关系,正向推演计算客流超限点,再根据客流因果关系反向推导引起客流超限的途径节点,并根据客流控制备选位置和引起超限的节点,对途径节点进行筛选,得到客流控制点。
所述客流控制模型生成,根据客流控制点和用户输入的客流控制参数,生成客流控制模型的目标与约束,其中,目标由客流控制指标构成,并且被选中的指标有各自的系数(即指标调节参数)。
所述客流控制方案求解单元,根据客流控制模型,求解车站各个客流控制点的分时流入客流量;根据输入参数选择使用强化学习快速求解或粒子群方法进行优化求解,从而获取哪些节点需要控制,这些节点的每个时段可以流入多少客流量。
再进一步,所述车站客流推演服务器包括基础数据加载、控制方案加载、客流流转计算三部分。
所述客流因果关系构建,加载车站节点、节点间的客流流向、分流、合流关系、区域从属关系以及客流源,构成客流流转直接的因果关系。
所述控制方案加载,根据输入的车站客流控制点及其控制时段、控制流量,设置对应节点对应时段的流量限制,为客流控制方案的评估提供前提。
所述客流流转计算,根据已有的车站客流流转关系及参数设置,根据时钟节点,更新节点间的客流流入、流出,并更新节点存量、速度、密度等。
再进一步,所述数据管理服务器包括数据存储单元和数据维护单元。
数据存储单元是由主流数据库软件为平台的单元,其存储的内容包括:车站设备设施数据库、客流组织方案数据库、车站列车到发数据库、车站客流数据库,组成如下表3所示。数据维护单元实现数据的查询、编辑、更新、同步与保护。
表3:
如图1所示,多方式的城市轨道交通车站客流控制方法与系统,包括客流控制交互终端、客流控制方案计算服务器、车站客流快速推演服务器、数据管理服务器。客流控制交互终端包括客流控制参数输入、客流控制模型查看、客流控制结果查看三个部分。客流控制方案计算服务器包括客流控制点计算,客流控制模型生成,客流控制方案求解三部分。车站客流推演服务器包括基础数据加载、控制方案加载、客流流转计算三部分。数据管理服务器包括数据存储单元和数据维护单元。数据存储单元是由主流数据库软件为平台的单元,数据维护单元实现数据的查询、编辑、更新、同步与保护。所述客流交互终端、客流控制方案计算服务器、客流快速推演服务器依次相连;所述数据管理服务器与其他服务器均相连。
图2为终端界面示意图,终端界面要体现参数查看与设置、系统运行控制、客流控制方案查看、历史查询的基本功能,客流控制方案查看具有平面图显示控制、不同指标的控制前后对比等基本功能。
图3为客流控制点计算流程图。首先调用基础数据和客流源加载,然后调用客流流转推演,记录超限点。接着判断是否遍历所有超限点,如果全部遍历完成,那么获得超限点途径集合;如果没有,则记录超限点客流途经点并累加超限点,再获得超限点途径集合。接下来判断是否遍历超限途经点,如果遍历完成,那么结束程序;如果没有完成,则判断是否属于控制备选点集合,如果不属于,则结束程序;如果属于那么继续判断是否达到该点对应超限级别,若达到超限级别则将该点加入控制点集合,若没有,则结束程序。
图4是客流控制模型生成流程图。首先读取客流控制约束参数、控制目标参数、客流推演参数、客流控制方案参数,然后根据各类参数的输入生成客流控制模型,最后反馈给客流控制交互终端。其中,客流控制约束参数为客流控制解空间约束,控制目标参数同控制目标参数,客流推演参数见客流控制精度,客流控制方案参数见控制措施。
图5是客流控制方案求解流程图。首先读取客流控制方案参数,根据参数条件,需要求解时间较快,则使用Qlearning神经网络,将当前场景作为网络输入,网络输出即控制方案;非快速求解或快速求解结束都,都使用粒子群算法求解,求解过程中以求解的时间约束为参数作为算法求解的中止条件,进行控制方案反馈,并以求解精度为终止条件;以粒子群算法求解结果,作为样本,在线训练QLearning的神经网络,结束程序。
图6为车站客流控制强化学习流程图。通过离线数据,对基于神经网络的Qlearning强化学习模型进行训练,在线运行中,模型根据环境的输入,选择价值最高的动作作为客流控制方案,将方案传递给客流流转模型,进行效果评估,并进一步作为在线样本对强化学习的神经网络模型进行训练。
图7为强化学习环境与动作表示例。强化学习模型中的环境对应车站节点的客流时序状态,主要包括车站所有节点的历史时序的存量和客流供给量,其中t为当前时刻,M和N都是可以调节的参量;强化学习模型中的动作对应客流控制方案,体现为被控制节点的分时流入量、等待时间,以及被控流线的分时封闭状态以及增加绕行的距离。
图8为客流因果关系加载流程图。总体程序是按照顺序依次加载节点、节点连接关系、节点从属关系、和客流源。其中,节点连接关系包括:单流入-单流出、多流入-单流出、单流入-多流出,多流入-多流出等;从属关系包括:混行楼梯与所包含的双向客流关系,站厅与包含的多向客流路径关系,站台与双向候车节点关系。
图9为控制方案加载流程图。首先加载控制点,然后判断是否遍历控制点,如果已经遍历完成,则结束程序;如果未遍历,那么判断是否遍历控制时段;如果已遍历控制时段则结束程序,如果没有遍历控制时段则根据控制方案中的控制点的流量限制设置车站对应节点的流量限制,最后结束程序。
图10是客流流转计算图。首先读取程序开始的起始时钟,然后读取仿真节拍,判断是否遍历节点,如果遍历完成,那么更新客流控制评价指标,然后结束程序;如果没有完成遍历节点,那么首先更新节点的流入和流出量,然后更新节点的存量,接着更新节点的客流速度和密度,最后更新客流控制评价指标,完成更新后结束程序。
图11为系统间调用典型流程图。首先输入客流控制参数,然后依次调用客流控制方案计算器、客流控制点计算模块、车站客流推演服务器、客流因果关系与流转计算模块。完成调用后将客流关系与流转拥挤状态传递反馈给客流控制点计算模块,然后调用客流控制模型生成,计算客流控制方案,完成控制方案的加载。随后计算客流流转,判断是否满足停止要求,若满足要求,则将控制结果反馈给终端;若不满足要求,则重新返回到计算客流控制方案这一步骤,然后依次继续进行,直到满足停止要求。
表4为由多方式的城市轨道交通车站客流控制方法与系统调控的客流控制结果案例。
表4:客流控制结果案例表
综上所述,本发明实施例所述的系统包括客流控制交互终端、客流控制方案计算服务器、车站客流快速推演服务器、数据管理服务器。操作终端提供客流控制的驱动,调取数据管理服务器中的车站结构、客流、列车到发数据,并调取客流控制方案计算服务器;客流控制方案计算服务器调用车站客流推演服务器客流控制点,生成客流控制模型,计算客流控制方案,求解过程利用智能算法,调用计算车站客流推演服务评估反馈优化;车站客流推演服务器,构建客流因果关系,根据客流控制方案,计算车站关键节点时空上的客流状态。可为用户制定车站多方式、多点客流控制方案提供智能辅助决策的平台,满足车站客流控制方案制定的灵活性、合理性与及时性,提高城市轨道交通客运服务的智能化水平,提高车站的安全与效率,提高乘客出行质量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种多方式的城市轨道交通车站客流控制系统,其特征在于,包括:后台数据库,以及与所述后台数据库连接的人机交互模块、控制策略生成模块和客流流转演化模块;所述人机交互模块、所述控制策略生成模块和所述客流流转演化模块依次连接;所述人机交互模块还与所述客流流转演化模块连接;
所述后台数据库,用于存储车站基础数据,所述车站基础数据包括车站设备设施数据、客流组织方案数据、车站列车到发数据及车站客流数据;
所述人机交互模块,用于接收用户输入的控制参数,并显示客流控制模型及客流控制结果;
所述控制策略生成模块,用于根据所述控制参数,结合客流流转因果关系及所述基础数据,计算客流控制点,形成客流控制模型,并对所述控制模型求解,获取控制点的分时乘客流入量;
所述客流流转演化模块,用于根据所述控制参数,结合车站拓扑结构,构建所述客流流转因果关系,结合所述分时乘客流入量计算客流控制策略;其中所述车站拓扑结构包括车站节点、节点间的客流流向、客流分流关系、客流合流关系、客流区域从属关系以及客流源;
所述人机交互模块包括输入单元、客流控制模型显示单元及客流控制结果显示单元;
所述输入单元,用于接收用户输入的控制参数,其中,所述控制参数包括车站类别、控制时段、控制措施类型、客流控制备选位置、关键区域容量约束、排队最长时间约束、控制指标选择;
所述客流控制模型显示单元,用于显示客流控制模型,其中,所述客流控制模型包括客流控制指标及指标调节参数;其中,所述客流控制指标包括乘客出行效率、设备设施利用率及控制点客流流入波动值;
所述客流控制结果显示单元,用于显示客流控制后的指标;
所述控制策略生成模块包括客流控制点计算单元、控制模型生成单元及控制模型计算单元;
所述客流控制点计算单元,用于结合客流流转因果关系,计算客流超限点及引起客流超限的途径节点,并根据客流控制备选位置对引起客流超限的途径节点进行筛选,得到客流控制点;
所述控制模型生成单元,用于根据所述客流控制点和控制参数,计算客流控制指标及指标调节参数;
所述控制模型计算单元,用于根据客流控制指标及指标调节参数,计算车站内每个所述客流控制点的分时流入客流量。
2.根据权利要求1所述的多方式的城市轨道交通车站客流控制系统,其特征在于:
所述客流流转演化模块包括客流流转因果关系构建单元、客流控制点流量限制计算单元、客流流转量计算单元;
所述客流流转因果关系构建单元,用于根据所述车站拓扑结构,构建客流流转因果关系;
所述客流控制点流量限制计算单元,用于根据客流控制点及预设的控制时段和控制流量,设置对应节点对应时段的流量限制;
所述客流流转量计算单元,用于根据客流流转因果关系及参数设置,根据时钟节拍,更新车站内节点间的客流流入量、客流流出量,并更新节点的客流存量、客流速度及客流密度。
3.一种基于如权利要求1或2所述的多方式的城市轨道交通车站客流控制系统的多方式的城市轨道交通车站客流控制方法,其特征在于,包括如下步骤:
步骤S110:根据用户输入的控制参数,结合基础数据和客流流转因果关系,计算客流控制点,形成客流控制模型,并对所述控制模型求解,获取控制点的分时乘客流入量;
步骤S120:根据所述控制参数,结合车站拓扑结构,构建所述客流流转因果关系,结合所述分时乘客流入量计算客流控制策略;其中所述车站拓扑结构包括车站节点、节点间的客流流向、客流分流关系、客流合流关系、客流区域从属关系以及客流源。
4.根据权利要求3所述的多方式的城市轨道交通车站客流控制方法,其特征在于,所述控制参数包括车站类别、控制时段、控制措施类型、客流控制备选位置、关键区域容量约束、排队最长时间约束、控制指标选择。
5.根据权利要求4所述的多方式的城市轨道交通车站客流控制方法,其特征在于,所述客流控制模型包括客流控制指标及指标调节参数;其中,所述客流控制指标包括乘客出行效率、设备设施利用率及控制点客流流入波动值。
6.根据权利要求5所述的多方式的城市轨道交通车站客流控制方法,其特征在于,所述步骤S110具体包括:
结合客流流转因果关系和所述基础数据,计算客流超限点及引起客流超限的途径节点,并根据客流控制备选位置对引起客流超限的途径节点进行筛选,得到客流控制点;
根据所述客流控制点和控制参数,计算客流控制指标及指标调节参数;
根据客流控制指标及指标调节参数,计算车站内每个所述客流控制点的分时流入客流量。
7.根据权利要求6所述的多方式的城市轨道交通车站客流控制方法,其特征在于,所述步骤S120具体包括:
根据所述车站拓扑结构,构建客流流转因果关系;
根据客流控制点及预设的控制时段和控制流量,设置对应节点对应时段的流量限制;
所述客流流转量计算单元,用于根据客流流转因果关系及参数设置,根据时钟节拍,更新车站内节点间的客流流入量、客流流出量,并更新节点的客流存量、客流速度及客流密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337214.0A CN110222924B (zh) | 2019-04-25 | 2019-04-25 | 多方式的城市轨道交通车站客流控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337214.0A CN110222924B (zh) | 2019-04-25 | 2019-04-25 | 多方式的城市轨道交通车站客流控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222924A CN110222924A (zh) | 2019-09-10 |
CN110222924B true CN110222924B (zh) | 2021-11-02 |
Family
ID=67819895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910337214.0A Active CN110222924B (zh) | 2019-04-25 | 2019-04-25 | 多方式的城市轨道交通车站客流控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222924B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080016B (zh) * | 2019-12-19 | 2023-09-26 | 广州新科佳都科技有限公司 | 一种基于节点控制的地铁车站客流管控方法及装置 |
CN113190935B (zh) * | 2020-11-19 | 2022-10-14 | 西南交通大学 | 基于分层Petri网的区域轨道交通车站承载力仿真系统及方法 |
CN112365092A (zh) * | 2020-12-01 | 2021-02-12 | 北京交通大学 | 城市轨道交通路网大客流风险自适应预警系统 |
CN112949080B (zh) * | 2021-03-22 | 2024-03-22 | 中铁信(北京)网络技术研究院有限公司 | 一种基于动态驱动的城市轨道交通车站仿真系统及方法 |
CN113159385A (zh) * | 2021-03-22 | 2021-07-23 | 中铁信(北京)网络技术研究院有限公司 | 一种基于深度强化学习的自反馈客流控制方法及装置 |
CN113935595B (zh) * | 2021-09-28 | 2023-07-28 | 北京交通大学 | 一种城市轨道交通路网高峰大客流疏导系统 |
CN114581846B (zh) * | 2022-03-03 | 2024-02-20 | 北京城建设计发展集团股份有限公司 | 地铁车站全息客流实时监测方法及装置及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107705039A (zh) * | 2017-10-27 | 2018-02-16 | 华东交通大学 | 基于客流需求的城市轨道交通客流精细化控制方法及系统 |
CN108550098A (zh) * | 2018-04-24 | 2018-09-18 | 西南交通大学 | 一种城市轨道交通网络客流限流方法 |
CN109118412A (zh) * | 2018-08-15 | 2019-01-01 | 北京交通大学 | 城市轨道交通网络客流在线控制系统 |
-
2019
- 2019-04-25 CN CN201910337214.0A patent/CN110222924B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107705039A (zh) * | 2017-10-27 | 2018-02-16 | 华东交通大学 | 基于客流需求的城市轨道交通客流精细化控制方法及系统 |
CN108550098A (zh) * | 2018-04-24 | 2018-09-18 | 西南交通大学 | 一种城市轨道交通网络客流限流方法 |
CN109118412A (zh) * | 2018-08-15 | 2019-01-01 | 北京交通大学 | 城市轨道交通网络客流在线控制系统 |
Non-Patent Citations (3)
Title |
---|
Cooperative Passenger Inflow Control in Urban Mass Transit Network with Constraint on Capacity of Station;Jianyuan Guo,etal;《 Discrete Dynamics in Nature and Society》;20151027;第1-7页 * |
城市轨道交通网络客流调控方法;郭建媛;《中国博士学位论文全文数据库 工程科技II辑》;20170215(第2期);第C033-28页 * |
轨道交通车站乘客流量控制措施分析与研究;贺英松;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20131215(第S2期);第C033-301页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110222924A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222924B (zh) | 多方式的城市轨道交通车站客流控制系统及控制方法 | |
CN111376954B (zh) | 一种列车自主调度方法和系统 | |
CN111369181B (zh) | 一种列车自主调度深度强化学习方法和装置 | |
CN111105141B (zh) | 一种需求响应型公交调度方法 | |
CN105701273B (zh) | 一种基于主体的组件化物流系统仿真计算方法 | |
CN101083019A (zh) | 基于空间态势感知的快速评估系统 | |
CN110162931A (zh) | 城市轨道交通大规模路网快速仿真系统 | |
US20240010252A1 (en) | Rail traffic parallel deduction system and method | |
CN113327424B (zh) | 交通需求的预测方法、预测装置及电子设备 | |
CN106453608A (zh) | 一种基于云端的移动应用的后台请求自适应调度算法 | |
US20230252490A1 (en) | Methods for determining smart gas inspection plans and internet of things systems thereof | |
CN115145796B (zh) | 一种码头操作系统效能的评估方法和码头数字仿真平台 | |
CN109118412B (zh) | 城市轨道交通网络客流在线控制系统 | |
CN113822585A (zh) | 一种智能冶炼工厂信息化管理系统 | |
CN103426041A (zh) | 基于物联网的辐射源实时监控与管理系统和方法 | |
Li et al. | Model controlled prediction: A reciprocal alternative of model predictive control | |
CN108347048B (zh) | 一种适应跨区跨国调度模式的计划编制方法 | |
US20220147664A1 (en) | Systems and Methods for Multi-Modal Transportation Simulation Verification | |
CN113112107A (zh) | 中转场规划方法、装置、服务器及存储介质 | |
Fanti et al. | Fleet sizing for electric car sharing systems in discrete event system frameworks | |
CN109377073A (zh) | 业务架构构建方法、装置、设备及存储介质 | |
CN112581184A (zh) | 一种空铁联运票价制定方法、系统、设备及可读存储介质 | |
CN116643877A (zh) | 算力资源调度方法、算力资源调度模型的训练方法和系统 | |
Yang et al. | Research on trans-region integrated traffic emergency dispatching technology based on multi-agent | |
CN110275708B (zh) | 一种计算机软件视图的可视软件建模方法 |
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 |