CN111859717B - 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 - Google Patents
最小化区域多制式轨道交通旅客拥挤系数的方法及系统 Download PDFInfo
- Publication number
- CN111859717B CN111859717B CN202010998322.5A CN202010998322A CN111859717B CN 111859717 B CN111859717 B CN 111859717B CN 202010998322 A CN202010998322 A CN 202010998322A CN 111859717 B CN111859717 B CN 111859717B
- Authority
- CN
- China
- Prior art keywords
- rail transit
- station
- section
- passenger
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 42
- 238000013178 mathematical model Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008685 targeting Effects 0.000 description 4
- 230000006735 deficit Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种最小化区域多制式轨道交通旅客拥挤系数的方法及系统,所述方法包括,将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数。上述方法综合考虑了区间拥挤程度和车站拥挤程度,提升了旅客在出行过程中的舒适性。
Description
技术领域
本发明属于轨道交通领域,特别涉及一种最小化区域多制式轨道交通旅客拥挤系数的方法及系统。
背景技术
近年来我国城市轨道交通运营里程和运量均处于高速发展阶段,现有的轨道交通的种类越来越多,在研究轨道交通方面的开行方法时,针对不同制式的轨道交通,求解主要以开行成本、出行费用为求解目标,部分相关研究在出行费用中考虑了旅客出行的舒适度,且大多采用惩罚系数作为出行费用计算的一部分。但表现舒适性最为重要的拥挤系数在区域内不同的出行过程中的体现不尽相同,以单一的惩罚系数不能体现旅客在多个出行环节对拥挤的感知。此外,又由于在多制式轨道交通中,拥挤系数分为区间拥挤系数和车站拥挤系数两部分,旅客出行过程中对不同类型的轨道交通的拥挤感知也存在一定的差异,从而拥挤系数则成为影响不同制式轨道交通服务水平最为主要的因素。
因此,如何在区域多制式轨道交通中,提升旅客在出行过程的舒适性越来越成为亟待解决的技术问题。。
发明内容
针对上述问题,本发明一种最小化区域多制式轨道交通旅客拥挤系数的方法及系统,所述方法提升了旅客在出行过程中的舒适性。
本发明的目的在于提供一种最小化区域多制式轨道交通旅客拥挤系数的方法,包括,
将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;
基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;
基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;
基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数。
进一步地,还包括构建区域多制式轨道交通的列车集合、区间集合和车站集合,其中,
区间集合用E表示,元素i表示一个区间,i∈E,区间集合中共有M个元素;
车站集合用S表示,元素j表示一个车站,j∈S,车站集合中共有N个元素。
进一步地,计算区域多制式轨道交通中的第1类轨道交通和第2类轨道交通在区间i的拥挤系数包括,
获取列车的平均有效面积和在区间i中列车的平均载客人数;
基于列车的平均有效面积和在区间i中列车的平均载客人数,计算得出区间i的旅客人均占有面积;
基于区间i的旅客人均占有面积,获取第1类轨道交通和第2类轨道交通在区间i的拥挤系数。
进一步地,计算区域多制式轨道交通中的第3类轨道交通在区间i的拥挤系数包括,
获取区间i中的客流量和在区间i中的所有列车能够提供的载客量;
基于区间i中的客流量和在区间i中的所有列车能够提供的载客量,获取在区间i中所有列车的平均满载率;
对所述在区间i所有列车的平均满载率取平均值,得到第3类轨道交通在区间i的拥挤系数。
进一步地,计算区域多制式轨道交通中车站j的拥挤系数包括,
获取车站j紧邻区间断面客流量的差值和车站j交换客流系数;
求取车站j紧邻区间断面客流量的差值和车站j交换客流系数的乘积,并平均到经过车站j的每列列车上,得到在车站j的列车的平均交换客流量;
获取车站j站台的有效面积;
求取车站j站台的有效面积与在车站j的列车的平均交换客流量的比值,获取车站j站台的旅客人均占有面积;
基于车站j站台的旅客人均占有面积,获取区域多制式轨道交通中车站j的拥挤系数。
进一步地,第1类轨道交通和第2类轨道交通在区间i的拥挤系数满足:
进一步地,第3类轨道交通在区间i的拥挤系数满足:
进一步地,所述区域多制式轨道交通中车站j的拥挤系数满足:
其中,表示车站j的站台有效面积,单位为m2;表示在车站j列车的平均交
换客流数量,车站j列车的平均交换客流量是将车站j紧邻区间断面客流量差值乘以车站j
交换客流系数,并平均到经过该车站的每列车上,车站j列车的平均交换客流量满足:
其中,表示车站j交换客流量系数,M为区间集合中的元素个数,L为列车集合
中的元素个数,表示区间i的断面客流量,表示0,1变量,表示区间i的起点
车站为j,表示区间i的起点车站不为j,表示0,1变量,表示区间i的
末端车站为j,表示区间i的末端车站不为j,表示0,1变量,表示列车的运行径路中包括车站j,表示列车l的运行径路中不包括车站j,表示列车的开行频率。
进一步地,最小化旅客拥挤系数的目标函数:
其中,M为区域多制式轨道交通中的区间总数,N为区域多制式轨道交通中的车站
总数,i表示一个区间,j表示一个车站,表示区间i的拥挤系数,表示区间i的断面客
流量,表示列车在区间i的平均运行时间,表示车站j的拥挤系数,表示车站j内的
每列列车的平均交换客流量,表示列车在车站j的平均停站时间。
本发明的另一目的在于提供一种最小化区域多制式轨道交通旅客拥挤系数的系统,包括,
划分模块,用于将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;
计算模块,用于基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;
建立模块,用于基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;
获取模块,用于基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数。
本发明的最小化区域多制式轨道交通旅客拥挤系数的方法基于轨道交通的类别,综合考虑了区间拥挤程度和车站拥挤程度,同时还考虑了不同制式轨道交通在区间、车站的拥挤程度的差异性,使得获得的最小化旅客拥挤系数的目标函数更加具有普适性,且最终获得的最小化的旅客拥挤系数也提升了旅客在出行过程中的舒适性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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示出了本发明实施例中的一种最小化区域多制式轨道交通旅客拥挤系数的方法流程示意图;
图2示出了本发明实施例中的一种区域多制式轨道交通列车开行方案编制流程示意图;
图3示出了根据本发明实施例中一种旅客人均占有面积和旅客拥挤系数的关系图;
图5示出了本发明实施例中以重庆地铁5号线南段、江跳线和渝昆高铁重庆段共同构成区域多制式轨道交通的线路示意图;
图6示出了根据本发明实施例中一种最小化区域多制式轨道交通旅客拥挤系数的系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例中介绍了一种最小化区域多制式轨道交通旅客拥挤系数的方法,包括,首先,将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;其次,基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;然后,基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;最后,基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数。基于轨道交通的类别,综合考虑了区间拥挤程度和车站拥挤程度,同时还考虑了不同制式轨道交通在区间、车站的拥挤程度的差异性,使得获得的最小化旅客拥挤系数的目标函数更加具有普适性,且最终获得的最小化的旅客拥挤系数也提升了旅客在出行过程中的舒适性。
具体的,如图2所示,本发明实施例中还介绍了一种区域多制式轨道交通列车开行方案编制,所述开行方案编制包括:首先,构建以旅客拥挤系数和列车开行成本为双目标的目标函数;然后,确定决策变量和以下一种或多种约束条件:旅客出行需求约束、区域多制式轨道交通超载率约束、列车开行频率范围约束、区间能力约束、车站能力约束、参数变量约束。且根据不同轨道交通制式在区间、旅客拥挤度以及轨道交通制式特征的差异性量化拥挤系数,并将旅客拥挤系数作为影响轨道交通服务水平的主要因素,准确把握区域多制式轨道交通差异性特征,从而综合考虑旅客和运营方的利益,将旅客拥挤系数与列车开行成本共同作为开行方法编制模型的双目标进行优化,准确反映区域多制式轨道交通运输的差异性特征,使得区域多制式轨道交通的开行方案更加精细化。
本实施例中,所述开行方案编制还包括将区域轨道交通网络化备选集和区间断面
客流量作为基础数据输入。具体的,本发明实施例中,备选集的要素包括:列车起讫点、列车
运行径路、列车速度等级、列车编组等。则基于区域轨道交通网络化备选集,构建区域多制
式轨道交通的列车集合、区间集合和车站集合。具体的,列车集合中的每个元素代表1类列
车,每类列车包括列车径路(始发、终到车站和所有的中间车站),列车运行的所有区间以及
在每个车站的经停时间和每个区间的运行时间,列车集合可用Q表示,其中,用元素表示列
车集合中第类列车,该集合中共有L个元素。区间集合用E表示,其中,元素i表示
一个区间,i∈E,该集合中共有M个元素;车站集合用S表示,元素j表示一个车站,j∈S,该集
合中共有N个元素。优选地,区间集合中的一个区间中有且有一类轨道交通与之对应,车站
集合中的车站有且仅有一类轨道交通与之对应。
本实施例中,所述构建以旅客拥挤系数和列车开行成本为双目标的目标函数包括以旅客拥挤系数最小为目标的目标函数和以列车开行成本最小为目标的目标函数。
本实施例中,所述开行方案编制还包括获取以旅客拥挤系数最小为目标的目标函数,具体的,首先,将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;其中,所述区域多制式轨道交通包括地铁、轻轨、有轨电车、市域(市郊)铁路、城际铁路、高速铁路和普速铁路等,根据运输组织特征可将区域内多种制式轨道交通分为3类,具体的,如表1所示:
表1 各制式轨道交通分类和特征
其中,第1类轨道交通提供高频率的运输服务,列车运行速度比较低,一般时速不会高于100km/h(千米/小时),乘客选择该类轨道交通出行时不以列车时刻表为导向,遵循“即到即走”的出行规律,该类别中主要包含了地铁、轻轨、有轨电车等轨道交通制式,列车均允许超员,根据实际运营经验,部分城市部分区段超员甚至超过20%。
第2类轨道交通主要包括市域(市郊)铁路、普速铁路,列车开行频率较高,设计速度低于200km/h,旅客按照列车时刻表出行,列车允许存在部分超员的情况,超员情况可根据售票环节得到严格控制。
第3类轨道交通主要指城际铁路和高速铁路,列车开行频率同样较高,列车时速可达200km/h以上,旅客严格按照列车时刻表安排出行,一般不允许存在超员的情况。
然后,基于上述区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;其中,由于旅客拥挤系数包括区间拥挤系数和车站拥挤系数两部分,旅客出行过程中对不同类型的轨道交通的拥挤感知存在一定的差异。具体的,对于第1类轨道交通和第2类轨道交通中的列车均允许超员,旅客对车内的拥挤感知与客流密度呈强相关关系,拥挤感知多通过客流密度反映,从而车内不拥挤与拥挤的分级阈值为3.6人/m2,拥挤与非常拥挤的分级阈值为6.2人/m2,进一步,将分级阈值转化为旅客人均占有面积阈值,其中,1/3.6=0.278,1/6.2=0.161,从而车内不拥挤与拥挤以及拥挤与非常拥挤的旅客人均占有面积的阈值分别为0.278m2/人和0.161m2/人,然后,根据旅客人均占有面积可将拥挤系数设为分段函数,如图3所示,旅客拥挤系数满足:旅客人均占有面积大于或等于0.278m2/人时,旅客拥挤系数为1,旅客人均占有面积小于或等于0.161m2/人时,拥挤系数为0,旅客人均占有面积介于二者之间,则采用线性关系表达,从而所述第1类轨道交通和第2类轨道交通在区间i的拥挤系数满足:
本实施例中,第3类轨道交通中的列车不允许超员,意味着旅客均有坐席,旅客出行的拥挤系数明显低于第1、2类轨道交通,第3类轨道交通均有座位拥挤系数的范围定义为0-0.5,即本发明实施例中将第3类轨道交通的最大拥挤系数设为0.5,最小拥挤系数设为0,且拥挤系数与列车的平均满载率成正比关系,则第3类轨道交通在区间i的拥挤系数满足:
本实施例中,由于车站内以站台拥挤最为显著,旅客在不同制式轨道交通站台的拥挤感知基本类似,旅客人均占有面积反映服务水平,从而拥挤系数均用站台旅客人均占有面积表示。根据站台旅客人均占有面积可将车站的拥挤系数设为分段函数,将服务水平E级时站台旅客人均占有面积对应的拥挤系数定义为1,将服务水平A级时站台旅客人均占有面积对应的拥挤系数定义为0,即站台旅客人均占有面积大于或等于3.247m2/人时,拥挤系数为0,站台旅客人均占有面积小于或等于0.464m2/人时,拥挤系数为1,介于二者之间,则采用线性关系表达,从而所述区域多制式轨道交通中车站j的拥挤系数满足:
其中,表示车站j的站台有效面积,单位为m2;表示在车站j列车的平均交
换客流数量。车站j列车的平均交换客流量是将车站j紧邻区间断面客流量差值乘以车站j
交换客流系数,然后平均到经过该车站的每列车上,从而车站j列车的平均交换客流量满
足:
其中,表示车站j交换客流量系数,M为区间集合中的元素个数,L为列车集合中
的元素个数,表示区间i的断面客流量,表示0,1变量,表示区间i的起点车
站为j,表示区间i的起点车站不为j,表示0,1变量,表示区间i的末端
车站为j,表示区间i的末端车站不为j,表示0,1变量,表示列车
的运行径路中包括车站j,表示列车l的运行径路中不包括车站j,表示列车
的开行频率。
其中,M为区间集合中的元素个数,L为列车集合中的元素个数,表示区间i的断
面客流量,表示0,1变量,表示区间i的起点车站为j,表示区间i
的起点车站不为j,表示0,1变量,表示区间i的末端车站为j,表示
区间i的末端车站不为j。
本实施例中,基于计算出的区域多制式轨道交通中的任一种轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,获取以旅客拥挤系数最小为目标的目标函数,具体的,以旅客拥挤系数最小为目标的目标函数为:
其中,M为区域多制式轨道交通中的区间总数,N为区域多制式轨道交通中的车站
总数,i表示一个区间,j表示一个车站,表示区间i的拥挤系数,表示区间i的断面客
流量,表示列车在区间i的平均运行时间,表示车站j的拥挤系数,表示车站j内
的每列列车的平均交换客流量,表示列车在车站j的平均停站时间。
最后,基于最小化旅客拥挤系数的目标函数,能够获取最小化的旅客拥挤系数。
本实施例中,在计算区间拥挤系数和车站拥挤系数时是将区段的客流量平均分配到每列列车上,而不是将区段的客流量准确匹配到每列列车上。
本实施例中,以列车开行成本最小为目标的目标函数为:
本实施例中,所述旅客出行需求约束为:
在旅客出行需求约束中引入列车允许的最大超载率,充分考虑了由于区域中存
在多种不同制式的轨道交通,且每类轨道交通列车在可否超员、超员比例方面存在较大的
差异,使得开行方案编制更符合区域多制式轨道交通特征,精确性更高。
所述区域多制式轨道交通超载率约束为:
所述列车开行频率范围约束为:
所述区间能力约束为:
所述车站能力约束为:
所述参数变量约束为:
其中,表示列车的开行频率,N为区域多制式轨道交通中的车站总数(即车站
集合中的元素个数),为0,1变量,表示区间i属于第k类轨道交通,表示区间i不属于第k类轨道交通,表示0,1变量,表示区间i的起
点车站为j,表示区间i的起点车站不为j,为0、1变量,表示列车
运行区间包括区间i,表示列车运行区间不包括区间i,表示0,1变量,表示列车l的运行径路中包括车站j,表示列车的运行径路中不包括车
站j,表示0,1变量,表示区间i的末端车站为j,表示区间i的末端
车站不为j 。
由于区域多制式轨道交通列车开行方案编制为以旅客拥挤系数和列车开行成本为双目标的目标函数,即为双目标规划模型,从而所述开行方案编制还包括基于目标规划法实现对以旅客拥挤系数和列车开行成本为双目标的目标函数进行求解,具体包括以下步骤:
分别对以旅客拥挤系数最小为目标的目标函数和以列车开行成本最小为目标的
目标函数进行求解,分别得到相应地期望值、。首先对单一目标函数进行优化求
解,获得期望值,即得到单一目标函数下,所述开行方案编制中每一个目标函数的最优目标
值。
优化目标函数构造,基于以旅客拥挤系数最小为目标的目标函数和以列车开行成本最小为目标的目标函数,获取综合开行费用和拥挤系数的双目标数学模型:
其中,p为第p个优先级,q为第q个目标函数,表示第p个优先级的优先因子,、表示在同一优先级中不同目标函数的正、负偏差变量的权系数,、分
别为以旅客拥挤系数最小为目标的目标函数和以列车开行成本最小为目标的目标函数分
别与相应地期望值相比的目标超过值和目标不足值;
为所述双目标数学模型赋予优先权因子和权系数,将所述双目标数学模型优化为:
其中,是旅客拥挤系数最小为目标的目标函数与期望值相比的目标不足
值;是以列车开行成本最小为目标的目标函数与期望值相比的目标不足值;由于开
行成本和拥挤系数在区域多制式轨道交通运营中均十分重要,本发明实施例中,所述优先
因子取为1,所述、也取1。
将公式(1)-(8)、(11)、(13)-(18)、(20)-(22)作为优化后双目标数学模型的约束,采用Lingo中Global Sever求取优化后双目标数学模型的最优解。
示例性的,如图5所示,以重庆地铁5号线南段、江跳线和渝昆高铁重庆段共同构成区域多制式轨道交通网络为示例性说明。
具体的,重庆地铁5号线南段为第1类轨道交通,全长11.2km(千米),江跳线为第2类轨道交通,全长28.22km和渝昆高铁重庆段为第3类轨道交通全长100km,其中,三者组成的区域多制式轨道交通网络中共有18个车站和30个区间(分上下行),其中重庆西站、跳磴站为多制式换乘车站。
该区域多制式轨道交通网络对应的有20列列车,其中站站停列车8列,大站停列车12列。模型中客流量采用的是各线路初期预测的高峰小时断面客流量数据,即高峰小时每个区间的断面客流量。
基于选取的路网将模型数据结构化,采用Lingo的Global Solver(全局求解器)分别以开行费用最低、拥挤系数最小以及双目标最优求解得出开行方案,其中,Lingo是一种求解器,是通过把模型表达式逐条转化为lingo的语言,选择lingo中的global solver即可得到最优解。进一步,双目标规划可在2s内迭代得到全局最优解。此时,开行费用的最小值为2133.6,拥挤系数的最小值为1384.1,但是控制一个目标最小时,与其对立的一方均会有大幅的增长。采用双目标优化后,成本与拥挤系数均有所增长但是成本涨幅控制在25%以内,拥挤系数涨幅控制在35%以内。
以成本最小为目标时有13%的区间满载率超过1,40%的区间满载率大于等于0.7。以拥挤系数最小为目标时求解得到的列车都接近最大发车频率,绝大部分区间满载率均低于0.5。采用双目标优化后,高峰小时13%的区间满载率介于0.7-1,一半以上的区间满载率低于0.5。
综合优化列车开行成本和拥挤系数后,高峰小时共开行列车85列,列车的平均走行距离缩减为33.3km,可见开行频率提升且有利于加快列车周转速度。
区域多制式轨道交通列车开行方案编制综合考虑旅客和运营方的利益,将旅客拥挤系数与列车开行成本共同作为开行方法编制模型的双目标进行优化,准确反映区域多制式轨道交通运输的差异性特征,使得区域多制式轨道交通的开行方案更加精细化。
如图6所示,本发明实施例中还介绍了一种最小化区域多制式轨道交通旅客拥挤系数的系统,能够执行上述最小化区域多制式轨道交通旅客拥挤系数的方法,包括划分模块、计算模块、建立模块和获取模块,其中,划分模块用于将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;计算模块用于基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;建立模块用于基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;获取模块用于基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种最小化区域多制式轨道交通旅客拥挤系数的方法,其特征在于,包括,
将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;
基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;
基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;
基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数;
最小化旅客拥挤系数的目标函数:
3.根据权利要求2所述的最小化区域多制式轨道交通旅客拥挤系数的方法,其特征在于,计算区域多制式轨道交通中的第1类轨道交通和第2类轨道交通在区间i的拥挤系数包括,
获取列车的平均有效面积和在区间i中列车的平均载客人数;
基于列车的平均有效面积和在区间i中列车的平均载客人数,计算得出区间i的旅客人均占有面积;
基于区间i的旅客人均占有面积,获取第1类轨道交通和第2类轨道交通在区间i的拥挤系数。
4.根据权利要求3所述的最小化区域多制式轨道交通旅客拥挤系数的方法,其特征在于,计算区域多制式轨道交通中的第3类轨道交通在区间i的拥挤系数包括,
获取区间i中的客流量和在区间i中的所有列车能够提供的载客量;
基于区间i中的客流量和在区间i中的所有列车能够提供的载客量,获取在区间i中所有列车的平均满载率;
对所述在区间i所有列车的平均满载率取平均值,得到第3类轨道交通在区间i的拥挤系数。
5.根据权利要求4所述的最小化区域多制式轨道交通旅客拥挤系数的方法,其特征在于,计算区域多制式轨道交通中车站j的拥挤系数包括,
获取车站j紧邻区间断面客流量的差值和车站j交换客流系数;
求取车站j紧邻区间断面客流量的差值和车站j交换客流系数的乘积,并平均到经过车站j的每列列车上,得到在车站j的列车的平均交换客流量;
获取车站j站台的有效面积;
求取车站j站台的有效面积与在车站j的列车的平均交换客流量的比值,获取车站j站台的旅客人均占有面积;
基于车站j站台的旅客人均占有面积,获取区域多制式轨道交通中车站j的拥挤系数。
9.根据权利要求5所述的最小化区域多制式轨道交通旅客拥挤系数的方法,其特征在于,所述区域多制式轨道交通中车站j的拥挤系数满足:
其中,表示车站j的站台有效面积,单位为m2;表示在车站j列车的平均交换客流数量,车站j列车的平均交换客流量是将车站j紧邻区间断面客流量差值乘以车站j交换客流系数,并平均到经过该车站的每列车上,车站j列车的平均交换客流量满足:
10.一种最小化区域多制式轨道交通旅客拥挤系数的系统,其特征在于,包括,
划分模块,用于将区域多制式轨道交通划分为第1类轨道交通、第2类轨道交通和第3类轨道交通;
计算模块,用于基于区域多制式轨道交通划分,计算区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数;
建立模块,用于基于计算出的区域多制式轨道交通中的任一类轨道交通在区间i的拥挤系数和区域多制式轨道交通中车站j的拥挤系数,建立最小化旅客拥挤系数的目标函数;
获取模块,用于基于最小化旅客拥挤系数的目标函数,获取最小化旅客拥挤系数;
最小化旅客拥挤系数的目标函数:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998322.5A CN111859717B (zh) | 2020-09-22 | 2020-09-22 | 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998322.5A CN111859717B (zh) | 2020-09-22 | 2020-09-22 | 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111859717A CN111859717A (zh) | 2020-10-30 |
CN111859717B true CN111859717B (zh) | 2020-12-29 |
Family
ID=72967809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010998322.5A Active CN111859717B (zh) | 2020-09-22 | 2020-09-22 | 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859717B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266010B (zh) * | 2022-03-01 | 2022-05-13 | 华东交通大学 | 一种区域多制式轨道交通区间拥挤系数计算方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104477217A (zh) * | 2014-12-03 | 2015-04-01 | 中南大学 | 具有单一尽头车场城轨线路的列车运行周转方法 |
CN107248006A (zh) * | 2017-05-27 | 2017-10-13 | 北方工业大学 | 基于分层递阶的地铁线路客流协调控制方法 |
CN108470444A (zh) * | 2018-03-21 | 2018-08-31 | 特斯联(北京)科技有限公司 | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 |
CN109446920A (zh) * | 2018-09-30 | 2019-03-08 | 南京地铁集团有限公司 | 基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法 |
US10318910B2 (en) * | 2014-04-29 | 2019-06-11 | International Business Machines Corporation | Spatio-temporal key performance indicators |
-
2020
- 2020-09-22 CN CN202010998322.5A patent/CN111859717B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10318910B2 (en) * | 2014-04-29 | 2019-06-11 | International Business Machines Corporation | Spatio-temporal key performance indicators |
CN104477217A (zh) * | 2014-12-03 | 2015-04-01 | 中南大学 | 具有单一尽头车场城轨线路的列车运行周转方法 |
CN107248006A (zh) * | 2017-05-27 | 2017-10-13 | 北方工业大学 | 基于分层递阶的地铁线路客流协调控制方法 |
CN108470444A (zh) * | 2018-03-21 | 2018-08-31 | 特斯联(北京)科技有限公司 | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 |
CN109446920A (zh) * | 2018-09-30 | 2019-03-08 | 南京地铁集团有限公司 | 基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111859717A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859718B (zh) | 一种区域多制式轨道交通车站拥挤系数计算方法及系统 | |
CN111932034A (zh) | 一种区域多制式轨道交通列车开行方案编制方法及其系统 | |
Kang et al. | A case study on the coordination of last trains for the Beijing subway network | |
CN111401614B (zh) | 一种城市轨道交通动态客流分配方法及系统 | |
Gu et al. | Exploring alternative service schemes for busy transit corridors | |
CN105857350A (zh) | 一种基于区间断面客流的高铁列车开行方法 | |
CN107330539A (zh) | 基于客流分配的铁路列车运行图与停站方案协同优化方法 | |
CN109543934A (zh) | 城市公交线网的综合指标的评价方法 | |
CN111882156B (zh) | 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 | |
CN112446648B (zh) | 基于非高峰时段的城市轨道交通混合运输方法和系统 | |
CN113988371B (zh) | 基于客流直达的城市轨道交通跨站停开行方案优化方法 | |
CN112381260A (zh) | 基于进站比例的城市轨道交通客流管控优化方法 | |
CN113344380A (zh) | 一种公交营运指标分类及评价方法 | |
CN111859717B (zh) | 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 | |
CN114707709A (zh) | 铁路综合客运枢纽安全预警方法及系统 | |
CN116109081A (zh) | 一种基于物联网的动态公交调度优化方法和装置 | |
CN111931386B (zh) | 一种区域多制式轨道交通区间拥挤系数计算方法及系统 | |
Liu et al. | Modelling and simulation of cooperative control for bus rapid transit vehicle platoon in a connected vehicle environment | |
CN113888387A (zh) | 一种基于客流需求的多目标运行优化方法 | |
Jafarian-Moghaddam | Economical speed for optimizing the travel time and energy consumption in train scheduling using a fuzzy multi-objective model | |
CN113298390A (zh) | 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 | |
CN115423220B (zh) | 一种基于地铁轨道交通车辆运维监控系统 | |
CN117382704A (zh) | 一种客货共线下乘务接续与列车运行图协同调整的方法 | |
CN114655281B (zh) | 列车运行图处理方法、装置、电子设备及存储介质 | |
CN111861290A (zh) | 一种区域多制式轨道交通开行方案的约束方法及系统 |
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 |