CN110245806A - 一种城市轨道交通客流管控方法与系统 - Google Patents
一种城市轨道交通客流管控方法与系统 Download PDFInfo
- Publication number
- CN110245806A CN110245806A CN201910547200.1A CN201910547200A CN110245806A CN 110245806 A CN110245806 A CN 110245806A CN 201910547200 A CN201910547200 A CN 201910547200A CN 110245806 A CN110245806 A CN 110245806A
- Authority
- CN
- China
- Prior art keywords
- station
- passenger flow
- passenger
- current limliting
- train
- 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 48
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 238000012546 transfer Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008676 import Effects 0.000 claims description 8
- 238000009472 formulation Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000001680 brushing effect Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000000644 propagated effect Effects 0.000 claims description 2
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000007796 conventional method Methods 0.000 abstract description 2
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 241001331845 Equus asinus x caballus Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市轨道交通客流管控方法与系统,该方法包括以下步骤:根据行车与客流进出站监察信息,得到运行图数据;根据运行图数据进行客流推演进而生成客流分配数据,获取线网、线路、车站的实时客流状态结果;以客流分配数据为基础进行客流管控。本发明将客流管控与行车与客流进出站监察、客流推演相结合,真正实现了动态客流调整并进行客流管控,提高了系统的应用性;同时针对客流管控,本发明创新性地将运行图调整与客流控制相结合,从线网、线路、车站三个层面进行客流管控,以满足城市轨道交通运营部门实际应用要求;相较常规方法适用度更高、效率更优、效果更好。
Description
技术领域
本发明属于城市轨道交通技术领域,尤其涉及一种城市轨道交通客流管控方法与系统。
背景技术
随着社会的快速发展,城市化水平不断提高,城市人口不断扩增,乘客的出行需求不断增长,尤其是早晚高峰的通勤需求量与日俱增。在路面交通发展进入瓶颈期的同时,城市轨道交通因速度更快、无堵车风险、换乘时间较短等独特优势,诱增了越来越多的乘客。但大中型城市中城市轨道交通系统的不断完善与修建、客流的不断增长,也给成网化的城市轨道交通系统带来了许多挑战。同时,我国城市人口众多,在城市轨道交通网络化运营条件下,城市客流增长速率高且具有时空不均衡的特点(早晚高峰时期客流占全天客流的一半左右),地铁运力很难完全满足客流需求,高峰时期多个连续区间满载率持续达到最大值。如何有效利用运力,缓解客流压力,提高服务水平与运营能力,成为各大城市关注的焦点问题。
目前,国内各城市轨道交通运营管理部门在应对客流持续增长问题时,采取的客流管控措施比较单一,各系统间较为独立,互通性不高。尤其在客流管控解决上各大城市运营管理部门多依靠经验制定客流管控措施,通过控制高峰时期部分车站的进站量,控制进入站台的客流数量,缓解车站的拥挤情况。常态客流管控措施缺乏一定的理论基础、科学依据和评价体系,使得方案中存在个别车站客流管控强度不合理,无法有效利用系统运力的问题,其局限性往往随着线网的扩张日益突出。客流管理与客流控制研究的分节也使得系统效率、适应性下降。
面对轨道交通网络化运营带来的客流持续增长、运力配置难度大、运力运量矛盾突出、应急处置压力大等挑战,为提高轨道交通网络通过能力、运输效率、运营服务水平有必开发一种城市轨道交通客流管控方法。
以复杂的轨道交通网络和日益增长的客流为基础,以线间客流叠加作用明显、列车运行关联度高、突发事件影响传播较快为特征,以不断提高轨道交通网络通过能力、运输效率、运营服务水平和合理配置资源为目的,本发明提出了一种城市轨道交通客流管控方法与系统。针对城市轨道交通客流和管控问题,提出了一种多尺度协调管控的技术方法,将行车与客流进出站监察功能、客流推演功能、客流管控功能有效衔接,设计了安全、可靠、灵活、经济、可拓展性高的城市轨道交通客流管控系统,从而可以满足城市轨道交通运营部门实际应用要求。
发明内容
本发明的目的是针对城市轨道交通运力运量矛盾、常态高峰大客流问题,设计了一种城市轨道交通客流管控方法与系统,从而可以满足城市轨道交通运营部门实际应用要求。
为了达到上述目的,本发明采用的技术方案为,一种城市轨道交通客流管控方法,包括以下步骤:
根据行车与客流进出站监察信息,得到运行图数据;
根据运行图数据进行客流推演进而生成客流分配数据,获取线网、线路、车站的实时客流状态结果;
以客流分配数据为基础进行客流管控,客流管控包括线网级客流管控、线路级客流管控和车站级客流管控,客流管控将运行图调整与客流控制相互结合。
进一步地,客流推演包括以下步骤:
根据实际线网构建网络拓扑图;
使用重力模型进行OD量预测即区域OD表拟合,确定乘客在各个OD间的分布数据;
使用K短路算法实现有效可达路径筛选;
计算各有效路径乘客的选择概率,将乘客选择各有效路径的比例与各路径OD量相乘即可将OD对间客流分配到每条可达路径上;
结合客流仿真,根据OD对的进站时刻、出站时刻来合理分配乘客的进站时间、候车时间、换乘时间、出站时间以及结合运行图来推算乘坐的列车车次。
进一步地,线网级客流管控结合行车与客流进出站监察与客流推演,在引入有限理性的条件下,通过建立动态限流模型并配合运行图调整,以受限人数最小为目标,针对线网客流的变化,进行线网动态客流管控,包括以下步骤:
根据线网的实时客流状态结果确定拥挤车站;
通过客流回溯方法确定各拥挤车站的协同限流车站,其中客流回溯方法为既有方法,即根据城市轨道交通线网运营仿真系统所记录的乘客行为动态数据,确定各个车站的乘客来源;
当拥挤车站为换乘站时,对拥挤车站的拥挤方向的列车运行图进行调整,根据运行图调整信息重新进行客流推演;
将客流分配数据、列车运行图信息代入动态限流模型进行限流人数求解。
进一步地,线路级客流管控结合行车与客流进出站监察与客流推演,在引入有限理性的条件下,通过建立动态限流模型并配合运行图调整,以受限人数最小为目标,针对线路客流的变化,进行线路动态客流管控,包括以下步骤:
根据线路的实时客流状态结果确定拥挤车站;
当拥挤车站为换乘站且其主要客流来源为换乘客流时,调整衔接线路运行图,在运行图调整的基础上再次进行客流推演;
将客流分配数据、本线路列车运行图信息代入单线动态限流模型进行限流求解。
进一步地,车站级客流管控包括以下步骤:
对车站内部客流进行实时推演;
结合线网级或线路级得到的限流数据,通过限制乘客进站、控制行人流线、对乘客进行有效引导从而对车站客流进行控制;
进一步地,对车站内部客流进行实时推演为通过结合ACC刷卡数据、手机信令数据、站内监控视频及列车运行图数据,实现对车站进、出站量、换乘站换乘量、车站内部客流量、客流密度、关键点排队状态的推演。
进一步地,拥挤车站的判断条件如下:
拥挤车站的判别标准为滞留人数是否超出车站最大滞留人数,超过的车站即标定为拥挤车站,首先对判断条件中涉及参数进行声明:
f:线路方向,f=1代表上行方向,f=2代表下行方向,f∈F;
i:线网或线路的车站;M(i,t,f):时间段t内在车站i停车的f方向的列车集合;
T:时间段集合;
t:第t个时间段,对应其上一个时间段为t-1,下一个时间段为t+1,依次类推;
△t:每个时段持续时间;
n(l,t,i,f):l号线上限流时间段t内f方向在i站停下载客的列车数;
时间段t内i站进站乘客中去往f方向的比例;
Cl:l号线上运行列车的列车定员;
f方向,列车m在i站的上车人数;
f方向,列车m在i站的下车人数;
t时间段内f方向滞留在站台的乘客;
t时间段内滞留在站台的乘客;
Pi max:车站站台的允许滞留乘客上限;
在时间段t内到达i站的乘客数;
当车站i的站台滞留乘客数量超出该站站台允许滞留乘客上限时,该车站为拥挤车站,拥挤车站的判断条件表示如下:
其中站台滞留乘客数与各站列车剩余运力,进站人数息息相关,可用下列公式求得:
站台滞留延时间传播,某一时段滞留人数通过分方向滞留人数求和得到,因此车站i在t时段内的滞留人数可以表达为:
(2)式中车站i在t时段内的分方向滞留人数表示如下:
(3)式中的列车到达各站时的列车剩余运力等于列车运力减去列车人数再加上该站下车人数,即:
(4)式中列车上人数可以用分段函数表达为:
进一步地,线网级动态限流模型以受限人数最少为目标,设置车站安全约束和限流强度约束;
车站安全约束即保证拥挤车站站台滞留人数不超出站台最大滞留人数,限流强度约束即有限理性约束,表示为各限流车站每分钟通过的人数大于理性下线值,当乘客不受限流影响前提下,限流车站每分钟通过的最少人数;
首先对限流模型中涉及到的参数变量定义进行声明:
f:线路方向,f=1代表上行方向,f=2代表下行方向,f∈F;M(s,t,f):时间段t内在车站s停车的f方向的列车集合;
T:时间段集合;
t:第t个时间段,对应其上一个时间段为t-1,下一个时间段为t+1,依次类推;
△t:每个时段持续时间;
时间段t内s站进站乘客中去往f方向的比例;
n(l,t,s,f):l号线上限流时间段t内f方向在s站停下载客的列车数;
Cl:l号线上运行列车的列车定员;
k:线网上的协同限流车站;
s:线网上的拥挤车站;
P(s-s+1,m):列车m在非限流情况下,区间s-s+1的列车上人数;
s站在时间段t内的下车人数;
Pk,m:限流车站k站进站乘客搭乘m次列车且终到站为k站下游车站的乘客数;
Cleft(t,f,s):限流时间段t内f方向在拥挤节点s站停下载客的列车剩余容量;
C'left(t,f,s):非限流条件下限流时间段t内f方向在拥挤节点s站停下载客的列车剩余容量;
t时间段内滞留在站台的乘客;
Ps max:拥挤节点s站站台的允许滞留乘客上限;
在时间段t内到达k站的乘客数;
在时间段t内到达s站的乘客数;
s站在时间段t内的下车人数;
在时间段t内协同限流车站k站允许进入的乘客数;
在时间段t拥挤节点车站s站允许进入的乘客数;
在时间段t内在拥挤节点s到达站台的乘客数;
在线网协同限流建模中,以受限客流量最小化为目标,构造目标函数如下:
为保证车站安全,拥挤车站的站台滞留乘客应满足约束:
站台滞留乘客数量计算公式如下:
滞留乘客计算公式中的Cleft(t,f,s)、计算公式分别如下:
有限理性约束公式为:
上式中θk,θs为限流车站与拥挤车站的理性上限,即各限流车站每分钟最少通过的人数;当限流实施后车站进口的通过能力小于该值后,大量乘客选择离开,为保证限流的公平性与合理性,应保证限流车站进口的通过能力大于该限值,即乘客不因限流造成的出行困难,大量离开。
进一步地,线路级动态限流模型以受限人数最少为目标,设置车站安全约束和限流强度约束;
车站安全约束即保证拥挤车站站台滞留人数不超出站台最大滞留人数,限流强度约束即有限理性约束,表示为各限流车站每分钟通过的人数大于理性下线值,当乘客不受限流影响前提下,限流车站每分钟通过的最少人数;
首先对限流模型中涉及到的参数变量定义进行声明:
f:线路方向,f=1代表上行方向,f=2代表下行方向,f∈F;
M(s,t,f):时间段t内在车站s停车的f方向的列车集合;
T:时间段集合;
t:第t个时间段,对应其上一个时间段为t-1,下一个时间段为t+1,依次类推;
△t:每个时段持续时间;
时间段t内s站进站乘客中去往f方向的比例;
时间段t内k站进站乘客中去往f方向的比例;
n(l,t,s,f):l号线上限流时间段t内f方向在s站停下载客的列车数;
Cl:l号线上运行列车的列车定员;
s:线路上的拥挤车站;
k:线路上s的上游车站;
P(s-s+1,m):列车m在非限流情况下,区间s-s+1的列车上人数;
Pk,m:车站k站进站乘客数;
Cleft(t,f,s):限流时间段t内f方向在拥挤节点s站停下载客的列车剩余容量;
t时间段内滞留在站台的乘客;
Ps max:拥挤节点s站站台的允许滞留乘客上限;
在时间段t内到达k站的乘客数;
在时间段t内到达s站的乘客数;
在时间段t内协同限流车站k站允许进入的乘客数;
在时间段t拥挤节点车站s站允许进入的乘客数;
在时间段t内在拥挤节点s到达站台的乘客数;
在线路协同限流建模中,以受限客流量最小化为目标,构造目标函数如下:
为保证车站安全,拥挤车站的站台滞留乘客应满足约束:
站台滞留乘客数量计算公式如下:
滞留乘客计算公式中的Cleft(t,f,s)、计算公式分别如下:
有限理性约束公式为:
上式中θk,θs为限流车站与拥挤车站的理性上限,即各限流车站每分钟最少通过的人数;当限流实施后车站进口的通过能力小于该值后,大量乘客选择离开,为保证限流的公平性与合理性,应保证限流车站进口的通过能力大于该限值,即乘客不因限流造成的出行困难,大量离开。
一种城市轨道交通客流管控系统,包括:行车与客流进出站监察模块,用于根据行车与客流进出站监察信息,得到运行图数据;
客流推演模块,用于根据运行图数据进行客流推演进而生成客流分配数据,获取线网、线路、车站的实时客流状态结果;
客流管控模块,用于以客流分配数据为基础进行客流管控,客流管控模块包括线网级客流管控模块、线路级客流管控模块和车站级客流管控模块,客流管控模块将运行图调整模块与客流控制模块相结合。
本发明的有益效果是:本发明将客流管控与行车与客流进出站监察、客流推演相结合,真正实现了动态客流调整并进行客流管控,提高了系统的应用性;同时针对客流管控,本发明创新性地将运行图调整与客流控制相结合,从线网、线路、车站三个层面进行客流管控,以满足城市轨道交通运营部门实际应用要求;常规城市轨道交通客流管控方法一般仅采取单一运行图调整或客流控制手段,本发明在引入有限理性理论的基础上,将运行图调整与客流控制相结合,综合了两种管控方法的优点,充分考虑了运行图调整和限流之间的相互配合以及限流的合理性,相较常规方法适用度更高、效率更优、效果更好。
附图说明
图1为城市轨道交通客流管控方法的流程图;
图2为客流推演算法流程图;
图3为初始换乘衔接图;
图4为调整后换乘衔接图;
图5为线网级客流管控算法流程图;
图6为线路级客流管控算法流程图;
图7为骡马市车站内部客流推演展示效果图;
图8为城市轨道交通客流管控方法的算法框架图;
图9为成都市轨道交通线网结构示意图;
图10为实施例3中换乘站运行图调整后信息图。
具体实施方式
为了更好的理解本发明的内容,下面结合附图对本发明的具体实施案例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
本发明提供了面向用户的成套技术和解决方案,具体涵盖行车与客流进出站监察、客流推演、线网-线路-车站客流管控三大业务领域。
本发明提出通过构建客流管控系统来解决运力运量之间的矛盾,重点是结合行车监控系统进行客流推演,以客流推演数据为基础数据,将运行图调整与客流控制手段相互结合进行客流管控,其中客流控制从车站、线路、线网三个层面进行。行车与客流进出站监察、客流推演、客流管控三个系统功能相互协调配合得出城市轨道交通客流管控方法。对此,在下面将进行详细解释。
实施例1
一种城市轨道交通客流管控方法将行车与客流进出站监察、客流推演、客流管控相结合,通过接口将各系统进行衔接。其中客流管控分为运行图调整与客流控制,两者间相辅相成且与客流推演相互作用,从车站、线路、线网三个层面进行客流管控。城市轨道交通客流管控方法的流程图如图1所示。
其中行车与客流进出站监察功能主要监测列车的运行情况,当发生突发事件造成列车晚点、列车断停等情况时,客流推演功能可从接口中及时获取最新运行图数据,客流推演功能主要为通过获取的最新的运行图数据,进行客流的仿真推演,进而生成客流推演数据,获取线网、线路、车站的实时客流状态结果,为客流管控奠定基础。客流推演是客流管控的前提条件,同时客流管控时的运行图调整结果也将影响客流推演。客流推演算法流程如图2所示。
客流管控从客流控制和运行图调整两方面进行,两者存在相互制约的关系。客流控制分别从线网、线路、车站三个层面对客流进行控制,其中线路层和线网层客流控制需配合运行图调整手段进行。各层次客流管控实施如下:
1、线网级客流管控:
线网级客流管控即对线网车站进行协同限流,并结合运行图调整,通过控制限流车站的进站量实现缓解线网拥挤的目的。进行线网级客流控制时需考虑全线网客流的流动规律,实现实施限流的多线、多站间协调配合,以网络协同的方式实现整体优化。通过制定线网车站协调客流管控方案,保证全线网列车高效、有序和安全地运行。
本方法中的线网级客流管控依据客流分配数据和运行图数据,首先根据线网各站滞留人数确定拥挤车站,其次通过客流回溯方法确定各拥挤车站的协同限流车站。需要说明的是当拥挤车站为换乘站时,为保证换乘乘客不影响站台滞留人数,需要对拥挤车站的拥挤方向的列车运行图进行调整,保证换乘乘客可根据换乘时间和到站时间无站台等待搭乘换乘列车,调图前和调图后结果分别如图3和图4所示(C-B区间为拥挤区间)。其中可见在图3调图前因c站列车运行图未与k站列车运行图衔接,乘客在换乘站k下车经换乘通道到达换乘站c后,无法及时登上c站列车,需在其站台进行等待,影响站台滞留人数。而调图后如图4所示,乘客k站下车经换乘通道到达c站站台时可及时登上c站列车,换乘乘客不影响站台滞留人数。(乘客换乘时间在运行图中表示为到达列车在换乘站的停站时间)
经调图后,线网客流分布会发生相应变化,因此本方法依据调图结果再次进行客流分配,得到限流车站乘客信息。然后将限流车站客流信息、时刻表信息代入动态限流模型进行限流人数求解。为保证限流的合理性本方法限流模型中考虑了乘客有限理性,保证在乘客理性范围内进行限流,避免了结果上的偏差。线网级客流管控的具体算法流程如图5所示。
2、线路级客流管控:
线路级的客流管控重点解决单条线路的客流管理控制问题,从线路层次结合列车时刻表对单线的车站进站量进行客流管控,提出解决方案。进行线路级客流管控研究时,需考虑其他线路客流、运行图对所研究线路的影响,通过调节其他线路运行图结合车站限流最大限度解决单线的拥挤问题。
本方法中的线路级客流管控依据客流分配数据和运行图数据,首先根据该线各站滞留人数确定拥挤车站,当拥挤车站为换乘站且其主要客流来源为换乘客流时,需要通过调整衔接线路运行图减少单位时间内到达该站的换乘客流,同时保证衔接线路不会因运行图调整发生车站滞留。并在运行图调整的基础上再次进行客流推演,将该线路限流车站乘客信息、运行图信息代入单线动态限流模型进行限流求解。线路级客流管控的具体算法流程如图6所示。
3、车站级客流管控:
车站级客流管控主要基于推演车站内部情况、线网及各线路客运组织方案调整、列车运行调整,制定车站内部客流管控措施,并对车站客流管控措施的建议与实时发布,实现车站客流个性化分析与站内组织调整。
本方法首先对车站内部客流进行实时推演,主要是针对车站内部通道及站台等的客流推演。结合ACC刷卡数据、手机信令数据、站内监控视频及列车运行图等数据,实现对车站进、出站量、换乘站换乘量、车站内部客流量、客流密度、关键点排队状态的推演。以骡马市为例进行车站内部客流推演的展示效果如图7所示。
然后根据车站内部客流状态及拥挤程度,做出相应的处置措施,基于线网或车站得到的限流数据,通过限制乘客进站、控制行人流线、对乘客进行有效引导对车站客流进行控制。
实施例2
一种城市轨道交通客流管控方法的算法框架如图8所示,依据该算法框架可知,客流调整的基础数据是客流推演数据与运行图数据。本方法提出的城市轨道交通客流管控系统,首先结合行车与客流进出站监察提供的实时运行图数据进行客流推演得到客流在线网上的分布信息;然后在客流分布数据基础上进行客流管控,客流管控分为三级,分别为线网级、线路级、车站级。线网级根据客流信息确定线网拥挤车站和协同限流车站,并对拥挤车站中换乘站所在线路的列车运行图进行调整,基于此重新进行客流推演,代入线网动态限流模型求解限流车站控制人数;线路级客流管控根据客流数据确定某一线路的拥挤车站,当拥挤车站为换乘站时通过调整邻线运行图减少换乘客流,并在此基础上进行线路协同限流;车站级限流在线网级限流和线路级限流的基础上,结合站内客流情况制定车站的客流控制、引导措施。最终实现三个层面相互协调,管理相互统一的客流管控系统。对算法框架进一步扩展可以得出详细算法如下:
输入数据:线网拓扑图、OD推演量、路径选择比例、实时列车运行图。
输出数据:调整后的各线运行图,线网、线路、车站三层级的客流控制方案。
Step 1:结合行车与客流进出站监察信息,进行客流推演得到客流分配数据。
Step 2:根据客流分配数据计算线网或线路的拥挤车站。
Step 3:根据拥挤车站的类型进行运行图调整。
Step 3:根据调整信息重新进行客流推演。
Step 4:结合客流数据,通过客流回溯方法确定各拥挤车站的协同限流车站。
Step 5:根据线网级、线路级限流模型分别进行限流求解。
Step 6:进行限流车站内部客流信息推演,结合线网级或线路级限流得到的信息,确定车站级的客流控制、引导方案。
实施例3
为了说明本发明所提出的城市轨道交通客流管控方法和系统的可行性与先进性,选取成都地铁实际线网举例进行具体说明。该例中的线网结构如图9所示。假设离散化时间间隔设置为5min,即△t=5min;全线网列车运力均为1762人;各站在限流条件下允许进入车站的人数应不少于30人/min;乘客在换乘站的换乘时间设置为2.8min。
本实施例以成都市轨道交通线网早高峰时段为例进行线网级客流管控,根据客流数据得到调图方案以及线网各限流车站的限流信息。
首先根据拥挤车站判断条件求得线网中的拥挤车站,如表1所示。
表1拥挤车站信息
并针对拥挤车站中的换乘车站提出相邻线路的运行图调整建议。主要是对拥挤方向的衔接线路进行调图,确保换乘乘客不对站台滞留乘客产生影响。拥挤车站中的换乘站运行图调整信息如图10所示。
使用客流回溯方法确定各拥挤车站的协同限流车站,根据客流回溯结果确定线网共18个限流车站,根据客流推演数据,带入线网级动态限流模型求得各站限流时间和对应限流量如表2所示。
表2早高峰分时段限流结果
综上所述,本发明主要是针对城市轨道交通客流管控问题,将行车监控、客流推演、客流管控相结合,并结合乘客有限理性提出了一种城市轨道交通客流管控方法与系统。本发明以成都地铁线网为例进行具体实施,验证了本专利方法在求解此类问题上的高效性、准确性。但具体应用并不仅限于此,该方法不限制地铁网的地区、规模,对于任何地铁线网均可以给出调图结果与限流方案。本发明的创新点包括:
1、实现了行车与客流进出站监察、客流推演、客流管控三大功能的一体化
本方法通过接口将行车与客流进出站监察、客流推演、客流管控三大功能相衔接,真正实现了城市轨道交通车流管理和客流管控的一体化。其中客流管控包括运行图调整与客流控制,客流推演根据行车与客流进出站监察与运行图调整提供的运行图数据实时进行客流推演,为客流管控提供基础数据,各功能间相互制约,相互协调,充分适应了城市轨道交通客流动态变化的特点。
2、结合运行图调整技术和客流控制措施
本方法首先依据客流控制结果在城市轨道交通线网和线路层级进行了运行图调整,在此基础上重新进行客流推演与客流控制,实现运行图调整技术和客流控制措施相互结合,确保换乘乘客不会对滞留乘客产生影响,保证了限流模型的准确性。
3、动态限流时引入了乘客有限理性理论
在动态限流时考虑到乘客对于限流强度的承受上限,在构建动态限流模型、确定约束条件时加入有限理性约束,各站限流强度均在乘客有限理性范围内,不因限流强度过大而造成乘客流失。该理论的引入既保证了限流策略的公平性、合理性,也保证了动态限流模型的适用性。
此以上所述仅为本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明的前提下,还可以做出若干改进和润饰,这些改进和润饰也应该作为本发明的保护部分。
Claims (10)
1.一种城市轨道交通客流管控方法,其特征在于,包括以下步骤:
根据行车与客流进出站监察信息,得到运行图数据;
根据运行图数据进行客流推演进而生成客流分配数据,获取线网、线路、车站的实时客流状态结果;
以客流分配数据为基础进行客流管控,所述客流管控包括线网级客流管控、线路级客流管控和车站级客流管控,所述客流管控将运行图调整与客流控制相互结合。
2.根据权利要求1所述的城市轨道交通客流管控方法,其特征在于,所述客流推演包括以下步骤:
根据实际线网构建网络拓扑图;
使用重力模型进行OD量预测即区域OD表拟合,确定乘客在各个OD间的分布数据;
使用K短路算法实现有效可达路径筛选;
计算各有效路径乘客的选择概率,将乘客选择各有效路径的比例与各路径OD量相乘即可将OD对间客流分配到每条可达路径上;
结合客流仿真,根据OD对的进站时刻、出站时刻来合理分配乘客的进站时间、候车时间、换乘时间、出站时间以及结合运行图来推算乘坐的列车车次。
3.根据权利要求1所述的城市轨道交通客流管控方法,其特征在于,所述线网级客流管控结合行车与客流进出站监察与客流推演,在引入有限理性的条件下,通过建立动态限流模型并配合运行图调整,以受限人数最小为目标,针对线网客流的变化,进行线网动态客流管控,包括以下步骤:
根据线网的实时客流状态结果确定拥挤车站;
通过客流回溯方法确定各拥挤车站的协同限流车站;
当拥挤车站为换乘站时,对拥挤车站的拥挤方向的列车运行图进行调整,根据运行图调整信息重新进行客流推演;
将客流分配数据、列车运行图信息代入动态限流模型进行限流人数求解。
4.根据权利要求1所述的城市轨道交通客流管控方法,其特征在于,所述线路级客流管控结合行车与客流进出站监察与客流推演,在引入有限理性的条件下,通过建立动态限流模型并配合运行图调整,以受限人数最小为目标,针对线路客流的变化,进行线路动态客流管控,包括以下步骤:
根据线路的实时客流状态结果中该线各站滞留人数确定拥挤车站;
当拥挤车站为换乘站且其主要客流来源为换乘客流时,调整衔接线路运行图,在运行图调整的基础上再次进行客流推演;
将客流分配数据、列车运行图信息代入单线动态限流模型进行限流求解。
5.根据权利要求1所述的城市轨道交通客流管控方法,其特征在于,所述车站级客流管控包括以下步骤:
对车站内部客流进行实时推演;
结合线网级或线路级得到的限流数据,通过限制乘客进站、控制行人流线、对乘客进行有效引导从而对车站客流进行控制。
6.根据权利要求5所述的城市轨道交通客流管控方法,其特征在于,所述的对车站内部客流进行实时推演为通过结合ACC刷卡数据、手机信令数据、站内监控视频及列车运行图数据,实现对车站进、出站量、换乘站换乘量、车站内部客流量、客流密度、关键点排队状态的推演。
7.根据权利要求3或4所述的城市轨道交通客流管控方法,其特征在于,所述拥挤车站的判断条件如下:
拥挤车站的判别标准为滞留人数是否超出车站最大滞留人数,超过的车站即标定为拥挤车站,首先对判断条件中涉及参数进行声明:
f:线路方向,f=1代表上行方向,f=2代表下行方向,f∈F;
i:线网或线路的车站;
M(i,t,f):时间段t内在车站i停车的f方向的列车集合;
T:时间段集合;
t:第t个时间段,对应其上一个时间段为t-1,下一个时间段为t+1,依次类推;
△t:每个时段持续时间;
n(l,t,i,f):l号线上限流时间段t内f方向在i站停下载客的列车数;
时间段t内i站进站乘客中去往f方向的比例;
Cl:l号线上运行列车的列车定员;
f方向,列车m在i站的上车人数;
f方向,列车m在i站的下车人数;
t时间段内f方向滞留在站台的乘客;
t时间段内滞留在站台的乘客;
Pi max:车站站台的允许滞留乘客上限;
在时间段t内到达i站的乘客数;
当车站i的站台滞留乘客数量超出该站站台允许滞留乘客上限时,该车站为拥挤车站,拥挤车站的判断条件表示如下:
其中站台滞留乘客数与各站列车剩余运力,进站人数息息相关,可用下列公式求得:
站台滞留延时间传播,某一时段滞留人数通过分方向滞留人数求和得到,因此车站i在t时段内的滞留人数可以表达为:
(2)式中车站i在t时段内的分方向滞留人数表示如下:
(3)式中的列车到达各站时的列车剩余运力等于列车运力减去列车人数再加上该站下车人数,即:
(4)式中列车上人数可以用分段函数表达为:
8.根据权利要求3所述的城市轨道交通客流管控方法,其特征在于,所述线网级动态限流模型以受限人数最少为目标,设置车站安全约束和限流强度约束;
所述车站安全约束即保证拥挤车站站台滞留人数不超出站台最大滞留人数,所述限流强度约束即有限理性约束,表示为各限流车站每分钟通过的人数大于理性下线值,当乘客不受限流影响前提下,限流车站每分钟通过的最少人数;
首先对限流模型中涉及到的参数变量定义进行声明:
f:线路方向,f=1代表上行方向,f=2代表下行方向,f∈F;
M(s,t,f):时间段t内在车站s停车的f方向的列车集合;
T:时间段集合;
t:第t个时间段,对应其上一个时间段为t-1,下一个时间段为t+1,依次类推;
△t:每个时段持续时间;
时间段t内s站进站乘客中去往f方向的比例;
n(l,t,s,f):l号线上限流时间段t内f方向在s站停下载客的列车数;
Cl:l号线上运行列车的列车定员;
k:线网上的协同限流车站;
s:线网上的拥挤车站;
P(s-s+1,m):列车m在非限流情况下,区间s-s+1的列车上人数;
s站在时间段t内的下车人数;
Pk,m:限流车站k站进站乘客搭乘m次列车且终到站为k站下游车站的乘客数;
Cleft(t,f,s):限流时间段t内f方向在拥挤节点s站停下载客的列车剩余容量;
C′left(t,f,s):非限流条件下限流时间段t内f方向在拥挤节点s站停下载客的列车剩余容量;
t时间段内滞留在站台的乘客;
Ps max:拥挤节点s站站台的允许滞留乘客上限;
在时间段t内到达k站的乘客数;
在时间段t内到达s站的乘客数;
s站在时间段t内的下车人数;
在时间段t内协同限流车站k站允许进入的乘客数;
在时间段t拥挤节点车站s站允许进入的乘客数;
在时间段t内在拥挤节点s到达站台的乘客数;
在线网协同限流建模中,以受限客流量最小化为目标,构造目标函数如下:
为保证车站安全,拥挤车站的站台滞留乘客应满足约束:
站台滞留乘客数量计算公式如下:
滞留乘客计算公式中的Cleft(t,f,s)、计算公式分别如下:
有限理性约束公式为:
上式中θk,θs为限流车站与拥挤车站的理性上限,即各限流车站每分钟最少通过的人数;当限流实施后车站进口的通过能力小于该值后,大量乘客选择离开,为保证限流的公平性与合理性,应保证限流车站进口的通过能力大于该限值,即乘客不因限流造成的出行困难,大量离开。
9.根据权利要求4所述的城市轨道交通客流管控方法,其特征在于,所述线路级动态限流模型以受限人数最少为目标,设置车站安全约束和限流强度约束;
车站安全约束即保证拥挤车站站台滞留人数不超出站台最大滞留人数,限流强度约束即有限理性约束,表示为各限流车站每分钟通过的人数大于理性下线值,当乘客不受限流影响前提下,限流车站每分钟通过的最少人数;
首先对限流模型中涉及到的参数变量定义进行声明:
f:线路方向,f=1代表上行方向,f=2代表下行方向,f∈F;
M(s,t,f):时间段t内在车站s停车的f方向的列车集合;
T:时间段集合;
t:第t个时间段,对应其上一个时间段为t-1,下一个时间段为t+1,依次类推;
△t:每个时段持续时间;
时间段t内s站进站乘客中去往f方向的比例;
时间段t内k站进站乘客中去往f方向的比例;
n(l,t,s,f):l号线上限流时间段t内f方向在s站停下载客的列车数;
Cl:l号线上运行列车的列车定员;
s:线路上的拥挤车站;
k:线路上s的上游车站;
P(s-s+1,m):列车m在非限流情况下,区间s-s+1的列车上人数;
Pk,m:车站k站进站乘客数;
Cleft(t,f,s):限流时间段t内f方向在拥挤节点s站停下载客的列车剩余容量;
t时间段内滞留在站台的乘客;
Ps max:拥挤节点s站站台的允许滞留乘客上限;
在时间段t内到达k站的乘客数;
在时间段t内到达s站的乘客数;
在时间段t内协同限流车站k站允许进入的乘客数;
在时间段t拥挤节点车站s站允许进入的乘客数;
在时间段t内在拥挤节点s到达站台的乘客数;
在线路协同限流建模中,以受限客流量最小化为目标,构造目标函数如下:
为保证车站安全,拥挤车站的站台滞留乘客应满足约束:
站台滞留乘客数量计算公式如下:
滞留乘客计算公式中的Cleft(t,f,s)、计算公式分别如下:
有限理性约束公式为:
上式中θk,θs为限流车站与拥挤车站的理性上限,即各限流车站每分钟最少通过的人数;当限流实施后车站进口的通过能力小于该值后,大量乘客选择离开,为保证限流的公平性与合理性,应保证限流车站进口的通过能力大于该限值,即乘客不因限流造成的出行困难,大量离开。
10.一种城市轨道交通客流管控系统,其特征在于,包括:
行车与客流进出站监察模块,用于根据行车与客流进出站监察信息,得到运行图数据;
客流推演模块,用于根据运行图数据进行客流推演进而生成客流分配数据,获取线网、线路、车站的实时客流状态结果;
客流管控模块,用于以客流分配数据为基础进行客流管控,所述客流管控模块包括线网级客流管控模块、线路级客流管控模块和车站级客流管控模块,所述客流管控模块将运行图调整模块与客流控制模块相结合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547200.1A CN110245806B (zh) | 2019-06-24 | 2019-06-24 | 一种城市轨道交通客流管控方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547200.1A CN110245806B (zh) | 2019-06-24 | 2019-06-24 | 一种城市轨道交通客流管控方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245806A true CN110245806A (zh) | 2019-09-17 |
CN110245806B CN110245806B (zh) | 2021-06-22 |
Family
ID=67889009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910547200.1A Active CN110245806B (zh) | 2019-06-24 | 2019-06-24 | 一种城市轨道交通客流管控方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245806B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852658A (zh) * | 2020-01-15 | 2020-02-28 | 深圳市都市交通规划设计研究院有限公司 | 地铁站客流组织系统及方法 |
CN111063190A (zh) * | 2019-12-10 | 2020-04-24 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及系统 |
CN111079986A (zh) * | 2019-11-26 | 2020-04-28 | 广州地铁设计研究院股份有限公司 | 一种换乘车站运输能力的匹配方法及系统 |
CN111401643A (zh) * | 2020-03-19 | 2020-07-10 | 卡斯柯信号有限公司 | 一种城市轨道交通客流回路自适应的智能列车调度方法 |
CN111882156A (zh) * | 2020-06-24 | 2020-11-03 | 北京交通大学 | 面向随机动态客流和节能运行的列车时刻表鲁棒优化方法 |
CN111950375A (zh) * | 2020-07-14 | 2020-11-17 | 英龙华通(武汉)科技发展有限公司 | 地铁线网客流监测显示方法及系统 |
CN112101685A (zh) * | 2020-11-18 | 2020-12-18 | 成都智元汇信息技术股份有限公司 | 一种全路网客流流向统计及客流管控仿真方法及系统 |
CN112381260A (zh) * | 2020-09-03 | 2021-02-19 | 北京交通大学 | 基于进站比例的城市轨道交通客流管控优化方法 |
CN112590876A (zh) * | 2020-11-30 | 2021-04-02 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种城市轨道交通调度命令系统与处理方法 |
CN112633694A (zh) * | 2020-12-24 | 2021-04-09 | 北京翔东智能科技有限公司 | 基于时空大数据实时地理通信方法 |
CN112990648A (zh) * | 2021-01-08 | 2021-06-18 | 北京工业大学 | 一种轨道交通网络运营稳定性评估方法 |
CN113190935A (zh) * | 2020-11-19 | 2021-07-30 | 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 |
CN113935595A (zh) * | 2021-09-28 | 2022-01-14 | 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 |
CN114021796A (zh) * | 2021-10-27 | 2022-02-08 | 北京轨道交通路网管理有限公司 | 城市轨道交通控流方法、装置及非易失性存储介质 |
CN114275014A (zh) * | 2021-12-20 | 2022-04-05 | 佳都科技集团股份有限公司 | 一种地铁拥挤程度缓解方法、装置、服务器和存储介质 |
CN114298669A (zh) * | 2021-12-22 | 2022-04-08 | 交控科技股份有限公司 | 用于列车运行图的调整方法、装置和列车 |
CN115658987A (zh) * | 2022-10-21 | 2023-01-31 | 腾讯云计算(北京)有限责任公司 | 一种基于空间大数据的城轨数据可视化平台 |
CN115689154A (zh) * | 2022-09-15 | 2023-02-03 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策系统 |
WO2023164983A1 (zh) * | 2022-03-03 | 2023-09-07 | 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 |
CN116757400A (zh) * | 2023-05-25 | 2023-09-15 | 北京交通大学 | 城市轨道交通车站限流方法及系统 |
CN116843090A (zh) * | 2023-07-21 | 2023-10-03 | 交控科技股份有限公司 | 对多条影响线路提供行车调整策略的方法及装置 |
CN116985875A (zh) * | 2023-05-30 | 2023-11-03 | 宁波市轨道交通集团有限公司智慧运营分公司 | 用于提升交通效率的城市轨道交通的信号指引系统 |
CN117094506A (zh) * | 2023-08-17 | 2023-11-21 | 江苏城乡建设职业学院 | 基于站台拥挤度的地铁换乘站客流瓶颈管控方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224999A (zh) * | 2015-09-10 | 2016-01-06 | 北京市交通信息中心 | 基于afc数据的城市轨道交通实时客流预测方法及系统 |
GB2534390A (en) * | 2015-01-21 | 2016-07-27 | Cm Group Ltd | Learning management or information delivery system |
CN106911509A (zh) * | 2017-03-01 | 2017-06-30 | 北京交通大学 | 基于服务网络动态配流的列车编组分析方法及系统 |
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 |
CN109872008A (zh) * | 2019-03-13 | 2019-06-11 | 清华大学 | 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 |
-
2019
- 2019-06-24 CN CN201910547200.1A patent/CN110245806B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2534390A (en) * | 2015-01-21 | 2016-07-27 | Cm Group Ltd | Learning management or information delivery system |
CN105224999A (zh) * | 2015-09-10 | 2016-01-06 | 北京市交通信息中心 | 基于afc数据的城市轨道交通实时客流预测方法及系统 |
CN106911509A (zh) * | 2017-03-01 | 2017-06-30 | 北京交通大学 | 基于服务网络动态配流的列车编组分析方法及系统 |
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 |
CN109872008A (zh) * | 2019-03-13 | 2019-06-11 | 清华大学 | 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 |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079986A (zh) * | 2019-11-26 | 2020-04-28 | 广州地铁设计研究院股份有限公司 | 一种换乘车站运输能力的匹配方法及系统 |
CN111063190A (zh) * | 2019-12-10 | 2020-04-24 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及系统 |
CN111063190B (zh) * | 2019-12-10 | 2021-03-02 | 北京工业大学 | 城市轨道交通车站站台过饱和客流预控制方法及系统 |
CN110852658A (zh) * | 2020-01-15 | 2020-02-28 | 深圳市都市交通规划设计研究院有限公司 | 地铁站客流组织系统及方法 |
CN111401643A (zh) * | 2020-03-19 | 2020-07-10 | 卡斯柯信号有限公司 | 一种城市轨道交通客流回路自适应的智能列车调度方法 |
CN111401643B (zh) * | 2020-03-19 | 2022-10-04 | 卡斯柯信号有限公司 | 一种城市轨道交通客流回路自适应的智能列车调度方法 |
CN111882156B (zh) * | 2020-06-24 | 2024-05-03 | 北京交通大学 | 面向随机动态客流和节能运行的列车时刻表鲁棒优化方法 |
CN111882156A (zh) * | 2020-06-24 | 2020-11-03 | 北京交通大学 | 面向随机动态客流和节能运行的列车时刻表鲁棒优化方法 |
CN111950375A (zh) * | 2020-07-14 | 2020-11-17 | 英龙华通(武汉)科技发展有限公司 | 地铁线网客流监测显示方法及系统 |
CN112381260A (zh) * | 2020-09-03 | 2021-02-19 | 北京交通大学 | 基于进站比例的城市轨道交通客流管控优化方法 |
CN112381260B (zh) * | 2020-09-03 | 2023-11-17 | 北京交通大学 | 基于进站比例的城市轨道交通客流管控优化方法 |
CN112101685A (zh) * | 2020-11-18 | 2020-12-18 | 成都智元汇信息技术股份有限公司 | 一种全路网客流流向统计及客流管控仿真方法及系统 |
CN113190935A (zh) * | 2020-11-19 | 2021-07-30 | 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 |
CN112590876A (zh) * | 2020-11-30 | 2021-04-02 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种城市轨道交通调度命令系统与处理方法 |
CN112633694A (zh) * | 2020-12-24 | 2021-04-09 | 北京翔东智能科技有限公司 | 基于时空大数据实时地理通信方法 |
CN112990648A (zh) * | 2021-01-08 | 2021-06-18 | 北京工业大学 | 一种轨道交通网络运营稳定性评估方法 |
CN112990648B (zh) * | 2021-01-08 | 2024-03-22 | 北京工业大学 | 一种轨道交通网络运营稳定性评估方法 |
CN113935595A (zh) * | 2021-09-28 | 2022-01-14 | 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 |
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 |
CN114021796A (zh) * | 2021-10-27 | 2022-02-08 | 北京轨道交通路网管理有限公司 | 城市轨道交通控流方法、装置及非易失性存储介质 |
CN114021796B (zh) * | 2021-10-27 | 2023-09-12 | 北京轨道交通路网管理有限公司 | 城市轨道交通控流方法、装置及非易失性存储介质 |
CN114275014A (zh) * | 2021-12-20 | 2022-04-05 | 佳都科技集团股份有限公司 | 一种地铁拥挤程度缓解方法、装置、服务器和存储介质 |
CN114275014B (zh) * | 2021-12-20 | 2023-07-28 | 佳都科技集团股份有限公司 | 一种地铁拥挤程度缓解方法、装置、服务器和存储介质 |
CN114298669A (zh) * | 2021-12-22 | 2022-04-08 | 交控科技股份有限公司 | 用于列车运行图的调整方法、装置和列车 |
CN114298669B (zh) * | 2021-12-22 | 2024-04-09 | 交控科技股份有限公司 | 用于列车运行图的调整方法、装置和列车 |
WO2023164983A1 (zh) * | 2022-03-03 | 2023-09-07 | 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 |
CN115689154A (zh) * | 2022-09-15 | 2023-02-03 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策系统 |
CN115658987B (zh) * | 2022-10-21 | 2024-03-08 | 腾讯云计算(北京)有限责任公司 | 一种基于空间大数据的城轨数据可视化平台 |
CN115658987A (zh) * | 2022-10-21 | 2023-01-31 | 腾讯云计算(北京)有限责任公司 | 一种基于空间大数据的城轨数据可视化平台 |
CN116757400A (zh) * | 2023-05-25 | 2023-09-15 | 北京交通大学 | 城市轨道交通车站限流方法及系统 |
CN116757400B (zh) * | 2023-05-25 | 2023-12-22 | 北京交通大学 | 城市轨道交通车站限流方法及系统 |
CN116985875A (zh) * | 2023-05-30 | 2023-11-03 | 宁波市轨道交通集团有限公司智慧运营分公司 | 用于提升交通效率的城市轨道交通的信号指引系统 |
CN116985875B (zh) * | 2023-05-30 | 2024-03-26 | 宁波市轨道交通集团有限公司智慧运营分公司 | 用于提升交通效率的城市轨道交通的信号指引系统 |
CN116843090A (zh) * | 2023-07-21 | 2023-10-03 | 交控科技股份有限公司 | 对多条影响线路提供行车调整策略的方法及装置 |
CN117094506A (zh) * | 2023-08-17 | 2023-11-21 | 江苏城乡建设职业学院 | 基于站台拥挤度的地铁换乘站客流瓶颈管控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110245806B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245806A (zh) | 一种城市轨道交通客流管控方法与系统 | |
CN108550098B (zh) | 一种城市轨道交通网络客流限流方法 | |
Shi et al. | Cooperative passenger flow control in an oversaturated metro network with operational risk thresholds | |
CN106875710B (zh) | 一种面向网联自动驾驶车辆的交叉口自组织控制方法 | |
CN105096622B (zh) | 一种基于车路通信的动态路径诱导方法 | |
CN105488751A (zh) | 一种地铁站客流微观统计与调度方法 | |
CN107705039A (zh) | 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 | |
Lee et al. | Optimizing skip-stop rail transit stopping strategy using a genetic algorithm | |
CN109033718A (zh) | 一种城市轨道交通线路失效的动态应急疏散方法 | |
CN104239726A (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
CN108846514A (zh) | 一种突发事件下轨道交通客流疏散需求预测方法 | |
CN110390421A (zh) | 基于时空网络的拥堵地铁线路客流协调控制方法 | |
CN110599760A (zh) | 一种多模式交通网络下的出行行为模拟方法 | |
CN205384755U (zh) | 城市公交智能系统 | |
CN112132551A (zh) | 一种城市轨道交通应急客流协同疏运方法 | |
CN114519933B (zh) | 基于无过饱和状态的约定出行管控方法、装置及存储介质 | |
CN111724076A (zh) | 运营中断条件下区域多式轨道交通客流动态分配方法 | |
Ghasempour et al. | Distributed approximate dynamic control for traffic management of busy railway networks | |
CN109544927B (zh) | 一种多层网络协同限行方法 | |
Xie et al. | Comparison of passenger walking speed distribution models in mass transit stations | |
Yin et al. | A two-stage stochastic optimization model for passenger-oriented metro rescheduling with backup trains | |
Yang et al. | Research on coordinated passenger inflow control for the urban rail transit network based on the station-to-line spatial-temporal relationship | |
Alexis et al. | Minimising the travel time on congested urban rail lines with a dynamic bi-modelling of trains and users | |
CN111862637A (zh) | 交通信息控制方法、系统、存储介质、计算机设备、终端 | |
CN112784204A (zh) | 面向不确定需求的列车时刻表与客流控制鲁棒优化方法 |
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 |