CN112712247A - 一种面向跨线运营的开行方案制定方法及系统 - Google Patents
一种面向跨线运营的开行方案制定方法及系统 Download PDFInfo
- Publication number
- CN112712247A CN112712247A CN202011580652.9A CN202011580652A CN112712247A CN 112712247 A CN112712247 A CN 112712247A CN 202011580652 A CN202011580652 A CN 202011580652A CN 112712247 A CN112712247 A CN 112712247A
- Authority
- CN
- China
- Prior art keywords
- line
- train
- scheme
- cost
- cross
- 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 103
- 238000005457 optimization Methods 0.000 claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000012546 transfer Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 25
- 230000002068 genetic effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000007306 turnover Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (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)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (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)
Abstract
本发明提供一种面向跨线运营的开行方案制定方法及系统,包括:获取跨线运营场景下的开行运营数据;根据开行运营数据,构建轨道交通拓扑网络;基于轨道交通拓扑网络,获取交路备选集合;根据交路备选集合,构建开行方案优化模型;对开行方案优化模型进行求解,获取目标开行方案。本发明提供的开行方案制定方法及系统,提出了一种适用于跨线运营场景下的开行方案优化技术,突破了常规的采用固定交路的方式,特别是针对多样化的运行交路,基于路网线路拓扑结构自动搜索和生成可行的运行交路形成交路备选集合,并在此基础上进行交路组合优化,为跨线运营场景下的开行方案编制提供技术和算法支持,有效地提升了开行方案编制效率和运营效果。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种面向跨线运营的开行方案制定方法及系统。
背景技术
随着我国各大城市陆续建设轨道交通线路并投入使用,许多城市的线路已达到成网条件,在提升线路可达性的同时吸引了大量客流进入城市轨道交通系统,同时不断增长的客流需求也呈现了多样化的客流特征。为解决乘客换乘和资源共享等网络运营问题,结合国外城市轨道交通的发展经验,基于网络化运营设计的互联互通思想应运而生。跨线运营是指在互联互通条件下,装载有不同厂商信号设备的列车通过正线或渡线等联络线,在过轨车站或者过轨区间从一条线路运行至另一条线路,与另一条线路的本线列车共同使用某一区段共同运行,从而实现轨道交通路网间联通、联运的过程。跨线运营具有扩大运行范围、减少车站压力、减少乘客换乘、提供更多样化服务等优点。
但是,对于轨道交通内部的跨线来说,暂缺乏跨线运营场景下开行方案制定和优化的有效方法。目前存在一些针对城市轨道交通开行方案优化的新技术和方法。
例如,在一种区域轨道交通网络化开行方案备选集制定方法中,记载了以下内容:构建单一制式单一线路站站停开行方案备选集和多制式多线路跨线站站停开行方案备选集;根据单一制式单一线路站站停开行方案备选集和多制式多线路跨线站站停开行方案备选集构建站站停开行方案备选集;根据站站停开行方案备选集构建跳站停开行方案备选集;根据站站停开行方案备选集和跳站停开行方案备选集构建区域轨道交通网络化开行方案备选集。该方法未提出基于开行方案备选集的开行方案优化方法,且该方法是基于固定的交路组合进行,灵活性较差。
总体来说,目前城市轨道交通系统缺乏针对跨线运营的开行方案优化算法,同时在开行方案优化中交路起讫点设置不够灵活。
发明内容
针对现有技术存在的问题,本发明实施例提供了一种面向跨线运营的开行方案制定方法及系统,能有效地提升跨线运营场景下开行方案编制的效率和运营效果。
本发明提供一种面向跨线运营的开行方案制定方法,包括:获取跨线运营场景下的开行运营数据;根据所述开行运营数据,构建轨道交通拓扑网络;基于所述轨道交通拓扑网络,获取交路备选集合;根据所述交路备选集合,构建开行方案优化模型;对所述开行方案优化模型进行求解,获取目标开行方案。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述获取跨线运营场景下的开行运营数据,包括:获取线路拓扑、运行数据、列车数据、客流数据、成本数据和技术数据中的至少一种;所述线路拓扑包括:线路、站点以及各站点间的关联关系;所述运行数据包括:列车的区间运行时分、停站时分和折返时间;所述列车数据包括:列车的类型、最大车底数和列车定员数;所述客流数据包括:线网内各区段的断面客流数据、各开行对的客流量数据、换乘站客流数据;所述成本数据包括:乘客的单位时间成本、列车上线的固定成本及列车运行的可变成本;所述技术数据包括:线路最大通过能力、列车最大满载率。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述根据所述开行运营数据,构建轨道交通拓扑网络,包括:将各站点虚拟为上行和下行两个虚拟站台,并用列车运行弧、列车停站弧和列车折返弧分别表示列车在各站点间的运行、停站和折返的行为;基于列车运行的物理架构,在每个所述站点创建虚拟站厅,并用在站等候弧、在车移动弧、停站等候弧、换乘弧分别表示乘客的在站等候、在车移动、停站等候和换乘的行为;获取所述轨道交通拓扑网络,所述轨道交通拓扑网络为有向图G=(L,V,E),L={l1,l2,...,lm},V={v1,v2,...,vn},E={e1,e2,...,eo};其中,G为轨道交通拓扑网络,L为线网内线路集合,V为线网内车站集合,E为线网内的有向弧集合;lm为第m个线路,vn为第n个车站,eo为第o个有向弧。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述基于所述轨道交通拓扑网络,获取交路备选集合,包括:确定交路起讫点集合;确定所述交路起讫点集合中的每个交路起讫点相关的交路备选路径,每个所述交路备选路径包含对应的交路物理长度、全周转时间以及列车类型信息;根据所有所述交路起讫点相关的所述交路备选路径,构建所述交路备选集合。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述根据所述交路备选集合,构建开行方案优化模型,包括:根据所述交路备选集合,计算乘客出行成本和企业运营成本;所述乘客出行成本为乘客完成整个出行过程的旅行时间对应的时间成本;所述企业运营成本包括企业运营固定成本和企业运营可变成本,所述企业运营固定成本包含列车购置费用及列车折旧费用,所述企业运营可变成本包括列车在运行过程中的能耗成本以及维修成本;以使所述乘客出行成本和所述企业运营成本最低为目标,构建所述开行方案优化模型。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述乘客出行成本的计算公式为:
TPod=TWod+TVod+TTod;
TVod=RTod+DTod=∑rtt,e+∑dtt,s;
TTod=TTDod+TTWod;
所述企业运营固定成本的计算公式为:
所述企业运营可变成本的计算公式为:
Z3=∑Li×VCt;
所述开行方案优化模型的目标函数为:
min(Z1+Z2+Z3);
其中,TWod为候车时间,TVod为在车时间,TTod为换乘时间,TPod总旅行时间,∑fi od为乘客可乘坐的列车对应的交路i的发车频率,RTod为列车经过所有区间的区间运行时间,DTod为列车经过所有车站的在站停站时间,r为列车经过的区间数,tt,e为每个区间的运行时间,d为列车经过的车站数,tt,s为每次在站停站时间,TTDod为换乘走行时间,TTWod为换乘等待时间,Li为以i为起点的交路备选路径的交路物理长度,CTi为以i为起点的交路备选路径的全周转时间;NS为交路对应的车站总数,qod为起讫点o和d的客流量,PCt为乘客的单位时间成本,fi为交路i的发车频率,TCt为列车上线的固定成本;为向上取整运算符。
根据本发明提供的一种面向跨线运营的开行方案制定方法,在所述根据所述交路备选集合,构建开行方案优化模型之后,还包括:
确定断面客流的约束、跨线客流约束、本线区段通过能力约束、跨线区段通过能力约束、跨线区段跨线作业约束、折返站作业约束、服务频率约束中的至少一种作为所述开行方案优化模型的约束条件;
所述断面客流约束的表达式为:
∑fi e*Ct*θ≥qe;
所述跨线客流约束的表达式为:
fi*Ct*θ≥∑qod;
所述本线区段通过能力约束的表达式为:
所述跨线区段通过能力约束的表达式为:
I0*∑fi e+∑2*clts*ai*fi e≤3600;
;
所述跨线区段跨线作业约束的表达式为:
所述折返站作业约束的表达式为:
所述服务频率约束的表达式为:
其中,fi e为区段e内列车的发车频率,θ为最大满载率,Ct为列车载客量,qe断面客流量需求;∑qod为所有经过跨线区域的OD客流量的需求,fi为跨线列车的发车频率;为各线路上通过的列车总数的最大值;clts为扳道岔的时间,I0为最小发车间隔;ai为是否跨线的0-1变量;在跨线情况下,ai=1;在不跨线情况下,ai=0;twts为折返作业时间,为运营商规定的最低服务频率。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述对所述开行方案优化模型进行求解,获取目标开行方案,包括:基于多目标遗传算法对所述开行方案优化模型进行求解,确定所述目标开行方案;所述目标开行方案包括开行起讫点和开行频率。
根据本发明提供的一种面向跨线运营的开行方案制定方法,所述基于多目标遗传算法对所述开行方案优化模型进行求解,确定所述目标开行方案,包括:步骤1,基于深度优先搜索算法,根据所述交路备选集合,生成列车运行交路路径;步骤2,根据面向跨线运营的运营规则,对所述列车运行交路路径进行组合并初始化交路频率,确定初始化种群;步骤3,创建所述初始化种群的乘客出行成本和企业运营成本的运算函数;步骤4,对所述运算函数的目标函数值排序并进行可行性判断后,基于快速非支配分层排序法,对所述初始化种群进行排序处理;步骤5,基于遗传算法,对排序后的所述初始化种群进行选择、交叉以及变异处理,获取所述初始化种群的子种群,并对非可行解进行修正;步骤6,基于快速非支配分层排序法,再次对所述子种群进行排序处理,获取优化种群;步骤7,将所述优化种群作为所述初始化种群,迭代执行步骤3-步骤6,直至迭代次数达到预设迭代次数或迭代结果收敛为止,输出所述开行起讫点和所述开行频率;步骤8,根据所述开行起讫点和所述开行频率,确定所述目标开行方案。
本发明还提供一种面向跨线运营的开行方案制定系统,包括:数据收集单元,用于获取跨线运营场景下的开行运营数据;拓扑创建单元,用于根据所述开行运营数据,构建轨道交通拓扑网络;交路集合构建单元,用于基于所述轨道交通拓扑网络,获取交路备选集合;模型构建单元,用于根据所述交路备选集合,构建开行方案优化模型;方案制定单元,用于对所述开行方案优化模型进行求解,获取目标开行方案。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述面向跨线运营的开行方案制定方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述面向跨线运营的开行方案制定方法的步骤。
本发明提供的面向跨线运营的开行方案制定方法及系统,提出了一种适用于跨线运营场景下的开行方案优化技术,突破了常规的采用固定交路的方式,特别是针对多样化的运行交路,基于路网线路拓扑结构自动搜索和生成可行的运行交路形成交路备选集合,并在此基础上进行交路组合优化,为跨线运营场景下的开行方案编制提供技术和算法支持,有效地提升了开行方案编制效率和运营效果。
附图说明
为了更清楚地说明本发明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一简单地介绍,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是本发明提供的面向跨线运营的开行方案制定方法的流程示意图之一;
图2是本发明提供的一种网络化条件下的物理拓扑关系的示意图;
图3是本发明提供的一种轨道交通拓扑的网络示意图;
图4是本发明提供的面向跨线运营的开行方案制定方法的流程示意图之二;
图5是本发明提供的面向跨线运营的开行方案制定系统的结构示意图;
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,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作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。
下面结合图1-图6描述本发明实施例所提供的面向跨线运营的开行方案制定方法和系统。
为解决乘客换乘和资源共享等网络运营等问题,结合国外城市轨道交通的发展经验,基于网络化运营设计的跨线运营应运而生。但是目前开行方案的编制和优化主要针对的是单线运营模式,对于跨线运营条件下的开行方案编制尚未深入研究。本发明提供的面向跨线运营的开行方案制定方法,突破了常规采用固定交路的方式,特别是针对多样化的运行交路,基于路网线路拓扑结构自动搜索和生成可行的运行交路形成交路备选集合,并在此基础上进行交路组合优化。
图1是本发明提供的面向跨线运营的开行方案制定方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤S1:获取跨线运营场景下的开行运营数据;
步骤S2:根据所述开行运营数据,构建轨道交通拓扑网络;
步骤S3:基于所述轨道交通拓扑网络,获取交路备选集合;
步骤S4:根据所述交路备选集合,构建开行方案优化模型;
步骤S5:对所述开行方案优化模型进行求解,获取目标开行方案。
其中,列车运行交路,是指列车担当运输任务的固定周转区段,即列车从起始站至终端折返站之间往返运行的线路区段。开行方案决定了列车运行的区段长度、折返车站、以及按不同交路运行的列车开行对数等,是行车计划确定的基础。因此,如何根据线路不同区段的客流特征制定合理的运行交路,既能让运能符合客流需要,又能让列车运用更为经济高效,是行车计划编制过程中的首要考虑因素。
其中,步骤S1中所述的获取跨线运营场景下的开行运营数据,包括但不限于:
获取线路拓扑、运行数据、列车数据、客流数据、成本数据和技术数据中的至少一种;所述线路拓扑包括:线路、站点以及各站点间的关联关系;所述运行数据包括:列车的区间运行时分、停站时分和折返时间;所述列车数据包括:列车的类型、最大车底数和列车定员数;所述客流数据包括:线网内各区段的断面客流数据、各开行对的客流量数据、换乘站客流数据;所述成本数据包括:乘客的单位时间成本、列车上线的固定成本及列车运行的可变成本;所述技术数据包括:线路最大通过能力、列车最大满载率。
针对目前城市轨道交通系统中缺乏针对跨线运营的开行方案优化算法,且在开行方案优化中交路起讫点设置不够灵活的缺陷,本发明提供的面向跨线运营的开行方案制定方法,具体包括以下内容:
由于本发明旨在通过构建以企业运营成本和乘客跨线成本最小化为目标的多目标优化模型,以解决最优开行方案的确定问题,故首先需要获取列车在跨线运营场景下的与企业运营成本和乘客跨线成本相关的开行运营数据,如线路拓扑、列车运行数据、客流数据、各项成本数据以及运营相关的技术数据等。
进一步地,基于步骤S1中获取的开行运营数据,能够获知轨道交通的物理拓扑结构。
在本发明提供的面向跨线运营的开行方案制定方法中,采用虚拟站台、虚拟站厅并结合各个虚拟站台以及虚拟站厅在跨线运营场景下的关联关系,构建出轨道交通拓扑网络,以更准确地描述列车在线路中运行的行为以及乘客在网络站点间的出行行为。
交路备选集合是指路网中所有可以开行的列车交路的一个合理集合。在列车开行方案优化时,可从该备选集合中选取部分列车交路进行组合,并确定各交路发车频率,以最终形成开行方案。在一个列车往返的过程中,列车运行需经历区间运行、停站、折返、运行、停站、再折返的过程。
进一步地,步骤S3的目的是根据步骤S2中所构建的轨道交通拓扑网络找到路网中所有可行的交路,并将所有可行的交路组建成交路备选集合,以供列车开行方案优化时选取部分列车交路进行组合。
可选地,本发明提供的面向跨线运营的开行方案制定方法,可以根据客流需求的空间分布特征,将跨线运营与多交路运营方式相结合,针对跨线运营,以企业列车使用成本,列车运营成本和乘客出行成本的优化为目标,结合考虑线路通过能力、折返能力、列车满载率等影响,构建跨线运营模式下的开行方案优化模型,从而确定跨线运营模式下各交路的起讫点、各交路列车的开行对数。
具体地,乘客的出行成本为乘客在轨道交通系统内部完成整个出行过程的旅行时间对应的时间成本。铁路运营企业(以下简称企业)的运营成本包括企业运营固定成本和企业运营可变成本两方面:企业运营固定成本除去列车购置费用(本发明所构建的开行方案优化模型不作考虑),还包含列车折旧费用。由于列车购置之后,列车每次上线都要产生折旧,故列车折旧费用也是一种成本;企业运营可变成本是指列车在运行过程中的能耗成本、维修成本等,该成本与列车运行的走行公里数相关。
最后,由于本申请所构建的跨线运营场景下的开行方案优化模型为非线性多目标模型,故可以采用相关的优化算法对该模型进行优化计算,以确定所述开行方案优化模型的最优解,以根据所述最优解制定目标开行方案。
本发明提供的开行方案制定方法,提出了一种适用于跨线运营场景下的开行方案优化技术,突破了常规的采用固定交路的方式,特别是针对多样化的运行交路,基于路网线路拓扑结构自动搜索和生成可行的运行交路形成交路备选集合,并在此基础上进行交路组合优化,为跨线运营场景下的开行方案编制提供技术和算法支持,有效地提升了开行方案编制效率和运营效果。
基于上述实施例的内容,作为一种可选实施例,所述获取跨线运营场景下的开行运营数据,包括:获取线路拓扑、运行数据、列车数据、客流数据、成本数据和技术数据中的至少一种;所述线路拓扑包括:线路、站点以及各站点间的关联关系;所述运行数据包括:列车的区间运行时分、停站时分和折返时间;所述列车数据包括:列车的类型、最大车底数和列车定员数;所述客流数据包括:线网内各区段的断面客流数据、各开行对的客流量数据、换乘站客流数据;所述成本数据包括:乘客的单位时间成本、列车上线的固定成本及列车运行的可变成本;所述技术数据包括:线路最大通过能力、列车最大满载率。
具体地,跨线运营场景下开行方案优化过程中,需要以下几种类型的数据:
线路拓扑:描述线路、站点及各站点间的关联关系;2、运行数据:描述列车在特定信号条件下的区间运行时分、停站时分和折返时间等;3、列车数据:描述可用列车类型、最大车底数、列车定员;4、客流数据:描述线网内各区段的断面客流数据、各开行对的客流量数据、换乘站客流数据;5、成本数据:乘客的单位时间成本、列车上线的固定成本及列车运行的可变成本;6、运营相关技术数据:线路最大通过能力、列车最大满载率等。
作为可选地,若线路尚未开通,即在没有相关历史数据的情况下,可根据项目可行性研究,确定相关开行运营数据。若线路已运营了一段时间,即在客流情况稳定的情况下,可参照相关的历史数据,获取开行运营数据。
由于跨线运营往往发生在特定的站台,且其跨线的方向也是固定的,所以线路拓扑数据的详细程度需细化到站台,并描述每个站台之间的关联关系。
本发明提供的面向跨线运营的开行方案制定方法,通过获取面向跨线运营场景下的各项运营数据,为构建轨道交通拓扑网络提供了全面的数据基础,能够使得构建的轨道交通拓扑网络更加真实的反映出真实的运营情况,为后期进行开行方案制定奠定了基础。
基于上述实施例的内容,作为一种可选实施例,所述根据所述开行运营数据,构建轨道交通拓扑网络,包括但不限于以下步骤:
将各站点虚拟为上行和下行两个虚拟站台,并用列车运行弧、列车停站弧和列车折返弧分别表示列车在各站点间的运行、停站和折返的行为;基于列车运行的物理架构,在每个所述站点创建虚拟站厅,并用在站等候弧、在车移动弧、停站等候弧、换乘弧分别表示乘客的在站等候、在车移动、停站等候和换乘的行为;获取所述轨道交通拓扑网络,所述轨道交通拓扑网络为有向图G=(L,V,E),L={l1,l2,…,lm},V={v1,v2,…,vn},E={e1,e2,…,eo};其中,G为轨道交通拓扑网络,L为线网内线路集合,V为线网内车站集合,E为线网内的有向弧集合;lm为第m个线路,vn为第n个车站,eo为第o个有向弧。
在确认城市轨道交通跨线运营交路方案优化模型和求解算法之前,需要先构建一个合理的轨道交通拓扑网络,并在此拓扑网络的基础上对跨线运营模式下的列车运行交路方案和乘客出行行为进行合理的数学描述。
可选地,本发明提供的面向跨线运营的开行方案制定方法,采用有向图G=(L,V,E)来描述网络化轨道交通拓扑网络。其中为L={l1,l2,...,lm}为线网内线路集合;V={v1,v2,...,vn}为线网内车站集合;E={e1,e2,...,eo}为路网内有向弧集合。
可选地,为描述列车的运作周转路径,在拓扑网络中,将车站虚拟为上行和下行两个虚拟站台,并用列车运行弧、列车停站弧和列车折返弧来分别描述列车在各站点间的运行、停站和折返的行为和动作。
进一步地,为描述乘客在整个路网中的行为,因此可以在列车运行的物理架构基础上,拓展出虚拟站厅,并采用在站等候弧、在车移动弧、停站等候弧、换乘弧等情况来描述乘客的各种出行行为,包括:在站等候、在车移动、停站等候和换乘等行为。
具体地,图2是本发明提供的一种网络化条件下的物理拓扑关系的示意图,如图2所示,线网中有两条线路1和线路2,两条线路相交于换乘车站D。1D和2D分别表示在换乘车站D为可以乘坐1号线的车站,也是可以乘坐2号线的车站。
图3是本发明提供的一种轨道交通拓扑的网络示意图,如图3所示,在图2所示的物理拓扑关系的基础上,为描述列车运行和乘客出行过程,将车站虚拟为对应的虚拟站厅及上下行虚拟站台,同时采用列车运行弧、停站弧、折返弧以描述列车运行过程,并采用候车弧、运行弧、停站弧、换乘弧以描述乘客出行行为,进而可以在图2所示的物理拓扑结构的基础上,构建出轨道交通拓扑网络。
本发明提供的面向跨线运营的开行方案制定方法,在获取到跨线运营场景下的开行运营数据的基础上,利用该运营数据,创建轨道交通拓扑网络,为构建城市轨道交通跨线运营的开行方案优化模型以及模型的求解提供了基础;另外,本发明创造性的将各站点进行虚拟化,以通过虚拟站台、虚拟站厅以及之间的有向连接弧,将列车运营的动作行为以及乘客的动作行为同时加载至所述轨道交通拓扑网络,为实现线运营的开行方案制定提供了可能。
基于上述实施例的内容,作为一种可选实施例,所述基于所述轨道交通拓扑网络,获取交路备选集合,包括:
确定交路起讫点集合;
确定所述交路起讫点集合中的每个交路起讫点相关的交路备选路径,每个所述交路备选路径包含对应的交路物理长度、全周转时间以及列车类型信息;
根据所有所述交路起讫点相关的所述交路备选路径,构建所述交路备选集合。
基于步骤S2中所构建的轨道交通拓扑网络,本发明可以采用rod={vo,vd,Vod,Eod}描述任一交路rod,其中vo和vd分别为物理拓扑网络中交路的起始车站和终到车站;Vod为交路rod途径车站的集合,Eod为交路rod途径有向弧的集合,包括列车运行弧、列车停站弧、列车折返弧。
可选地,交路备选集合中有效交路的生成过程可以包含以下几个步骤:
步骤3.1,确定交路起讫点集合
步骤3.2,针对每个交路起讫点,基于深度优先遍历搜索确定列车可能的运行路径。
步骤3.3,确定该路径下的周转时间、旅行长度、所用列车、列车定员等信息,生成信息完整的交路备选集,以满足后续客流分配及相关指标计算需求。
关于步骤3.1:为实现列车周转运行列车需要在折返站进行折返,所以折返点是轨道交通中列车运行交路的必要元素。因此,获取交路起讫点的第一步即为遍历路网中车站列表,提取折返站点,确定交路起讫点(vi,vj)。对于车站vi和vj属于折返站集合Vt,且i≠j,则形成一个交路起讫点集合Vt(vi,vj)。
关于步骤3.2:基于交路起讫点(vi,vj)确定与之对应的交路备选路径。其中,确定每一个交路起讫点的交路备选路径的步骤为:
3.2.1:根据各车站的名字确定虚拟站台中的换乘站台;
3.2.2:遍历折返有向弧,找到基于起点的换乘站台的换乘弧;
3.2.3:基于换乘弧,确定下一个站台节点;
3.2.4:更新站台节点,基于深度优先搜索找到以该节点为起点,vj为终到车站的行车路径;
步骤3.2.4.1:若遍历完所有车站,能够找到终到车站,则执行步骤3.2.5;
步骤3.2.4.2:若遍历完所有车站,没有找到终到车站,则该交路无效,终止。
步骤3.2.5:对应地,将终到站vj作为起点,遍历折返弧,执行折返操作;
步骤3.2.6:更新站台节点,基于深度优先搜索,找到以该节点为起点,vi为终到车站的行车路径;
步骤3.2.6.1:若遍历完所有车站,能够找到终到车站,则执行步骤3.2.7;
步骤3.2.6.2:若遍历完所有车站,没有找到终到车站,则该交路无效,终止;
步骤3.2.7:如果到达终点,则结束,该交路可以放在交路备选集合中。
关于步骤3.3:针对每一条有效的备选路径rij,根据路径组成信息,确定交路的物理长度、全周转时间和执行该交路的列车类型,为后续优化目标开行方案的计算提供支持,其计算公式如下:
其中,Lij为备选路径rij对应的交路物理长度,CTij为对应的全周转时间,区间为备选路径rij中的所有运行区间的长度之和,折返为备选路径rij中的所有折返区间的长度之和,区间、折返和停站分别为乘客在备选路径rij上出行的区间运行时间、折返运行时间以及停站等待时间。
本发明提供的面向跨线运营的开行方案制定方法,经过上述迭代操作之后,所有的列车运行交路就能够被确定;同时根据上述操作,可以根据线网拓扑自动识别和生成路径,同时排除一些无效路径,从而可以构建出交路备选集合。
基于上述实施例的内容,作为一种可选实施例,所述根据所述交路备选集合,构建开行方案优化模型,包括:
根据所述交路备选集合,计算乘客出行成本和企业运营成本;
所述乘客出行成本为乘客完成整个出行过程的旅行时间对应的时间成本;
所述企业运营成本包括企业运营固定成本和企业运营可变成本,所述企业运营固定成本包含列车购置费用及列车折旧费用,所述企业运营可变成本包括列车在运行过程中的能耗成本以及维修成本;
以使所述乘客出行成本和所述企业运营成本最低为目标,构建所述开行方案优化模型。
具体地,本发明提供的面向跨线运营的开行方案制定方法,将基于客流需求的空间分布特征、跨线运营与多交路运营方式相结合,针对跨线运营,以企业运营成本和乘客出行成本最小为目标,考虑线路通过能力、折返能力、列车满载率等影响,构建跨线运营模式下的开行方案优化模型,从而确定跨线运营模式下各交路的起讫点、各交路列车的开行对数,使得乘客出行成本和企业运营成本最小。
其中,乘客的出行成本为乘客在轨道交通系统内部完成整个出行过程的旅行时间对应的时间成本。企业运营成本主要包括企业运营固定成本和企业运营可变成本两方面。其中,企业运营固定成本除去列车购置费用(本发明不作考虑),还包含列车折旧费用以及列车购置之后的每次上线所产生的折旧成本;企业运营可变成本是指列车在运行过程中的能耗成本、维修成本等,该成本与列车运行的走行公里数相关。
基于上述实施例的内容,作为可选地,所述乘客出行成本的计算公式为:
TPod=TWod+TVod+TTod;
TVod=RTod+DTod=∑rtt,e+∑dtt,s;
TTod=TTDod+TTWod;
所述企业运营固定成本的计算公式为:
所述企业运营可变成本的计算公式为:
Z3=∑Li×VCt;
所述开行方案优化模型的目标函数为:
min(Z1+Z2+Z3);
其中,TWod为候车时间,TVod为在车时间,TTod为换乘时间,TPod总旅行时间,∑fi od为乘客可乘坐的列车对应的交路i的发车频率,RTod为列车经过所有区间的区间运行时间,DTod为列车经过所有车站的在站停站时间,r为列车经过的区间数,tt,e为每个区间的运行时间,d为列车经过的车站数,tt,s为每次在站停站时间,TTDod为换乘走行时间,TTWod为换乘等待时间,Li为以i为起点的交路备选路径的交路物理长度,CTi为以i为起点的交路备选路径的全周转时间;NS为交路对应的车站总数,qod为起讫点o和d的客流量,PCt为乘客的单位时间成本,fi为交路i的发车频率,TCt为列车上线的固定成本;为向上取整运算符。
关于步骤S4:本发明分别从乘客和企业两个角度构建优化目标函数,包括:对于乘客而言,其出行成本最低;对于企业而言,其运营成本最低。其中,乘客出行成本为乘客在轨道交通系统内部完成整个出行过程的旅行时间对应的时间成本。
可选地,乘客旅行时间主要由候车时间TWoa、在车时间TVod和换乘时间TTod构成。基于上述实施例的内容,针对某个特定OD的各乘客出行行为是一致的,那么各乘客的旅行时间TPod也是一致的,其计算方式为:
TPod=TWod+TVod+TTod;
候车时间TWod与该OD的乘客可乘坐的交路列车对应的发车频率相关。假设在运营中所有列车和乘客到达站台的时间是均衡分布的,则该OD下每个乘客的期望候车时间TWod为该区段列车发车间隔的1/2:
其中∑fi od为该OD可乘坐的列车对应交路i的发车频率,包括本线交路和跨线交路。
在车时间TVod为乘客在列车上的时间,包含在该OD下,列车经过所有区间的区间运行时间RTod和列车经过所有车站的在站停站时间DTod:
TVod=RTod+DTod=∑rtt,e+∑dtt,s;
其中,跨线列车受进路办理和侧向道岔运行影响使得区间运行时间比非跨线列车对应的区间运行时间更长。
换乘时间TTod由换乘走行时间TTDod和换乘等待时间TTWod构成。一般来说,换乘站的换乘走行时间TTD采用一个固定的平均值,而换乘等待时间TTWod与接续线路的发车频率相关,其计算方式类同于候车时间TWod。
对于每个OD的乘客出行时间计算出行时间对应的乘客出行成本,其计算方式如下:
在不考虑列车周转优化的情况下,采用单一交路、单一列车类型的方式,其对应所需的企业运营固定成本为:
企业运营可变成本主要是指列车在运行过程中的能耗成本、维修成本等,该成本与列车运行的走行公里数相关。本发明基于列车运行每公里消耗的平均成本构建企业运营可变成本,其计算方式如下:
Z3=∑Li×VCt;
基于上述实施例的内容,作为一种可选实施例,在所述根据所述交路备选集合,构建开行方案优化模型之后,还包括:
确定断面客流的约束、跨线客流约束、本线区段通过能力约束、跨线区段通过能力约束、跨线区段跨线作业约束、折返站作业约束、服务频率约束中的至少一种作为所述开行方案优化模型的约束条件;
所述断面客流约束的表达式为:
∑fi e*Ct*θ≥qe;
所述跨线客流约束的表达式为:
fi*Ct*θ≥∑qod;
所述本线区段通过能力约束的表达式为:
∑fi e≤Nl max;
所述跨线区段通过能力约束的表达式为:
I0*∑fi e+∑2*clts*ai*fi e≤3600;
;
所述跨线区段跨线作业约束的表达式为:
所述折返站作业约束的表达式为:
所述服务频率约束的表达式为:
具体地,在模型构建过程中需要考虑的约束条件可以有:断面客流的约束、通过能力的约束、服务频率的约束等。
城市轨道交通运输计划制定时主要考虑是否能满足高峰时段的乘客出行需求。断面客流约束是保障在每个断面都有足够的列车服务于上述客流,即线网上的列车的总运力需要满足沿线最大断面客流的需求。针对每个区段e,该区段的运力是所有经过该区段的列车的发车频率fi e和该列车可乘坐的乘客数量θ*Ct的乘积的总和,应大于该断面客流量需求:
∑fi e*Ct*θ≥qe;
关于跨线客流约束:开行方案优化模型可以假设所有跨线客流都将选择跨线交路的列车直达目的地,所以跨线列车的运能应大于对应所有经过跨线区域的OD客流量的需求∑qod,因此跨线列车的发车频率fi应满足下列要求:
fi*Ct*θ≥∑qod;
关于本线区段通过能力约束:线路通过能力约束用来限制各区段的列数数量,保证在一定的信号条件下,列车能够正常按计划运行。各线路上通过的列车总数的最大数不能超过该线路的通过能力。针对每个区段e,该区段的运力是所有经过该区段的列车的发车频率fi e应该不超过该线路的通过能力:
关于跨线区段通过能力约束:除了列车间的追踪间隔外,跨线列车需搬动道岔办理进路2次,同时列车经过道岔的时候还要降速,跨线区段受过轨作业的限制及本线列车的限制,跨线区段的通过能力有如下限制(每个跨线列车对应两个扳道岔的时间,这个的前提是,后续列车不会有一个追的过程):
I0*∑fi e+∑2*clts*ai*fi e≤3600;
关于跨线区段跨线作业约束:跨线区段跨线作业影响了列车运行效率,跨线作业的时间长短对跨线区段单位时间内可以通过的列车数量产生限制:
关于折返站作业约束:列车运行需要在交路起终点车站进行折返作业之后继续运行。通常情况下,折返站的折返能力小于线路通过能力,对在该折返站的列车数量产生限制。折返站的能力约束表达式为:
关于服务频率约束:列车的发车频率决定了沿线乘客的候车时间,直接影响乘客的出行体验。当某些线路末端站点客流量极少时,通过模型计算出的发车频率可能会过低,影响该区段乘客的出行感受。为保证服务水平,运营商通常会规定线路的最低发车频率。针对每个站间区段,所有经过该区段的列车的发车频率fi e应该不低于运营商规定的最低服务频率,其约束可表示为:
其中,其中,fi e为区段e内列车的发车频率,θ为最大满载率,Ct为列车载客量,qe断面客流量需求;∑qod为所有经过跨线区域的OD客流量的需求,fi为跨线列车的发车频率;为各线路上通过的列车总数的最大值;clts为扳道岔的时间,I0为最小发车间隔;ai为是否跨线的0-1变量;在跨线情况下,ai=1;在不跨线情况下,ai=0;twts为折返作业时间,为运营商规定的最低服务频率。
本发明提供的面向跨线运营的开行方案制定方法,针对不同场景的开行方案编制和优化,以企业运营成本和乘客出行成本最小化为目标,充分考虑了客流条件、乘客出行行为、线路通过能力、乘客服务水平等因素,构建基于交路备选集合的开行方案优化模型。相比于现有的技术,本发明不仅可以应用于传统的单线运营场景,还可以跨线运营场景下的开行方案优化,丰富了城市轨道交通开行方案优化的场景,为开行方案编制人员提供重要的技术和方法支撑,实现更精细化的运力配置,最终达到缓解车站压力,节约运营成本,提高乘客服务质量的目的。
基于上述实施例的内容,作为一种可选实施例,所述对所述开行方案优化模型进行求解,获取目标开行方案,包括:基于多目标遗传算法对所述开行方案优化模型进行求解,确定所述目标开行方案;所述目标开行方案包括开行起讫点和开行频率。
本发明提供的开行方案优化模型的求解是一个多目标优化问题,目标之间的相互冲突的(最大运力与企业运营成本和乘客出行成本之间的冲突),为有效地对解决这一问题,可以采用多目标遗传算法对其进行求解。其中,所述多目标遗传算法可以分为两种类型:基于线性加权和基于Pareto排序。
其中,采用基于线性加权进行求解主要是通过将多目标按照线性加权的方式转化为单目标,然后应用传统遗传算法求解。
图4是本发明提供的面向跨线运营的开行方案制定方法的流程示意图之二,如图4所示,本发明提供的基于多目标遗传算法对所述开行方案优化模型进行求解,确定所述目标开行方案,可以采用多目标遗传算法NSGA-II对构建的开行方案优化模型进行求解,以基于pareto最优解排序思想,改进的优化列车开行方案的起讫点及其开行频率。整个交路方案优化算法分为两个部分:第一个部分是基于轨道交通拓扑网络自动搜索和生成可行的运行交路形成交路备选集合;第二个部分是针对确定的交路进行组合,从而最终确定这个方案。其中步第二部分主要设计对于开行方案优化模型的求解,主要包括但不限于以下步骤:
步骤1,基于深度优先搜索算法,根据所述交路备选集合,生成列车运行交路路径;
步骤2,根据面向跨线运营的运营规则,对所述列车运行交路路径进行组合并初始化交路频率,确定初始化种群;
步骤3,创建所述初始化种群的乘客出行成本和企业运营成本的运算函数;
步骤4,对所述运算函数的目标函数值排序并进行可行性判断后,基于快速非支配分层排序法,对所述初始化种群进行排序处理;
步骤5,基于遗传算法,对排序后的所述初始化种群进行选择、交叉以及变异处理,获取所述初始化种群的子种群,并对非可行解进行修正;
步骤6,基于快速非支配分层排序法,再次对所述子种群进行排序处理,获取优化种群;
步骤7,将所述优化种群作为所述初始化种群,迭代执行步骤3-步骤6,直至迭代次数达到预设迭代次数或迭代结果收敛为止,输出所述开行起讫点和所述开行频率;
步骤8,根据所述开行起讫点和所述开行频率,确定所述目标开行方案。
其中,NSGA-Ⅱ是目前最流行的多目标遗传算法之一,它降低了非劣排序遗传算法的复杂性,具有运行速度快,解集的收敛性好的优点,成为其他多目标优化算法性能的基准。NSGA-Ⅱ就是在第一代非支配排序遗传算法的基础上改进而来,其改进主要是针对如上所述的三个方面:
(1)提出了快速非支配排序算法,一方面降低了计算的复杂度,另一方面它将父代种群跟子代种群进行合并,使得下一代的种群从双倍的空间中进行选取,从而保留了最为优秀的所有个体;
(2)引进精英策略,保证某些优良的种群个体在进化过程中不会被丢弃,从而提高了优化结果的精度;
(3)采用拥挤度和拥挤度比较算子,不但克服了NSGA中需要人为指定共享参数的缺陷,而且将其作为种群中个体间的比较标准,使得准Pareto域中的个体能均匀地扩展到整个Pareto域,保证了种群的多样性。
图5是本发明提供的面向跨线运营的开行方案制定系统的结构示意图,如图5所示,主要包括数据收集单元1、拓扑创建单元2、交路集合构建单元3、模型构建单元4和方案制定单元5,其中:
数据收集单元1主要用于获取跨线运营场景下的开行运营数据;
拓扑创建单元2主要用于根据所述开行运营数据,构建轨道交通拓扑网络;
交路集合构建单元3主要用于基于所述轨道交通拓扑网络,获取交路备选集合;
模型构建单元4主要用于根据所述交路备选集合,构建开行方案优化模型;
方案制定单元5主要用于对所述开行方案优化模型进行求解,获取目标开行方案。
本发明提供的开行方案制定系统,提出了一种适用于跨线运营场景下的开行方案优化技术,突破了常规的采用固定交路的方式,特别是针对多样化的运行交路,基于路网线路拓扑结构自动搜索和生成可行的运行交路形成交路备选集合,并在此基础上进行交路组合优化,为跨线运营场景下的开行方案编制提供技术和算法支持,有效地提升了开行方案编制效率和运营效果。
需要说明的是,本发明实施例提供的开行方案制定系统,在具体执行时,可以基于上述任一实施例所述的开行方案制定方法来实现,对此本实施例不作赘述。
图6是本发明提供的电子设备的结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(CommunicationsInterface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行面向跨线运营的开行方案制定方法,该方法包括:获取跨线运营场景下的开行运营数据;根据所述开行运营数据,构建轨道交通拓扑网络;基于所述轨道交通拓扑网络,获取交路备选集合;根据所述交路备选集合,构建开行方案优化模型;对所述开行方案优化模型进行求解,获取目标开行方案。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的面向跨线运营的开行方案制定方法,该方法包括获取跨线运营场景下的开行运营数据;根据所述开行运营数据,构建轨道交通拓扑网络;基于所述轨道交通拓扑网络,获取交路备选集合;根据所述交路备选集合,构建开行方案优化模型;对所述开行方案优化模型进行求解,获取目标开行方案。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的面向跨线运营的开行方案制定方法,该方法包括:获取跨线运营场景下的开行运营数据;根据所述开行运营数据,构建轨道交通拓扑网络;基于所述轨道交通拓扑网络,获取交路备选集合;根据所述交路备选集合,构建开行方案优化模型;对所述开行方案优化模型进行求解,获取目标开行方案。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;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)
1.一种面向跨线运营的开行方案制定方法,其特征在于,包括:
获取跨线运营场景下的开行运营数据;
根据所述开行运营数据,构建轨道交通拓扑网络;
基于所述轨道交通拓扑网络,获取交路备选集合;
根据所述交路备选集合,构建开行方案优化模型;
对所述开行方案优化模型进行求解,获取目标开行方案。
2.根据权利要求1所述的面向跨线运营的开行方案制定方法,其特征在于,所述获取跨线运营场景下的开行运营数据,包括:
获取线路拓扑、运行数据、列车数据、客流数据、成本数据和技术数据中的至少一种;
所述线路拓扑包括:线路、站点以及各站点间的关联关系;
所述运行数据包括:列车的区间运行时分、停站时分和折返时间;
所述列车数据包括:列车的类型、最大车底数和列车定员数;
所述客流数据包括:线网内各区段的断面客流数据、各开行对的客流量数据、换乘站客流数据;
所述成本数据包括:乘客的单位时间成本、列车上线的固定成本及列车运行的可变成本;
所述技术数据包括:线路最大通过能力、列车最大满载率。
3.根据权利要求2所述的面向跨线运营的开行方案制定方法,其特征在于,所述根据所述开行运营数据,构建轨道交通拓扑网络,包括:
将各站点虚拟为上行和下行两个虚拟站台,并用列车运行弧、列车停站弧和列车折返弧分别表示列车在各站点间的运行、停站和折返的行为;
基于列车运行的物理架构,在每个所述站点创建虚拟站厅,并用在站等候弧、在车移动弧、停站等候弧、换乘弧分别表示乘客的在站等候、在车移动、停站等候和换乘的行为;
获取所述轨道交通拓扑网络,所述轨道交通拓扑网络为有向图G=(L,V,E),L={l1,l2,…,lm},V={v1,v2,…,vn},E={e1,e2,…,eo};
其中,G为轨道交通拓扑网络,L为线网内线路集合,V为线网内车站集合,E为线网内的有向弧集合;lm为第m个线路,vn为第n个车站,eo为第o个有向弧。
4.根据权利要求3所述的面向跨线运营的开行方案制定方法,其特征在于,所述基于所述轨道交通拓扑网络,获取交路备选集合,包括:
确定交路起讫点集合;
确定所述交路起讫点集合中的每个交路起讫点相关的交路备选路径,每个所述交路备选路径包含对应的交路物理长度、全周转时间以及列车类型信息;
根据所有所述交路起讫点相关的所述交路备选路径,构建所述交路备选集合。
5.根据权利要求1所述的面向跨线运营的开行方案制定方法,其特征在于,所述根据所述交路备选集合,构建开行方案优化模型,包括:
根据所述交路备选集合,计算乘客出行成本和企业运营成本;
所述乘客出行成本为乘客完成整个出行过程的旅行时间对应的时间成本;
所述企业运营成本包括企业运营固定成本和企业运营可变成本,所述企业运营固定成本包含列车购置费用及列车折旧费用,所述企业运营可变成本包括列车在运行过程中的能耗成本以及维修成本;
以使所述乘客出行成本和所述企业运营成本最低为目标,构建所述开行方案优化模型。
6.根据权利要求5所述的面向跨线运营的开行方案制定方法,其特征在于,
所述乘客出行成本的计算公式为:
TPod=TWod+TVod+TTod;
TVod=RTod+DTod=∑rtt,e+∑dtt,s;
TTod=TTDod+TTWod;
所述企业运营固定成本的计算公式为:
所述企业运营可变成本的计算公式为:
Z3=∑Li×VCt;
所述开行方案优化模型的目标函数为:
min(Z1+Z2+Z3);
其中,TWod为候车时间,TVod为在车时间,TTod为换乘时间,TPod总旅行时间,∑fi od为乘客可乘坐的列车对应的交路i的发车频率,RTod为列车经过所有区间的区间运行时间,DTod为列车经过所有车站的在站停站时间,r为列车经过的区间数,tt,e为每个区间的运行时间,d为列车经过的车站数,tt,s为每次在站停站时间,TTDod为换乘走行时间,TTWod为换乘等待时间,Li为以i为起点的交路备选路径的交路物理长度,CTi为以i为起点的交路备选路径的全周转时间;NS为交路对应的车站总数,qod为起讫点o和d的客流量,PCt为乘客的单位时间成本,fi为交路i的发车频率,TCt为列车上线的固定成本;为向上取整运算符。
7.根据权利要求6所述的面向跨线运营的开行方案制定方法,其特征在于,在所述根据所述交路备选集合,构建开行方案优化模型之后,还包括:
确定断面客流的约束、跨线客流约束、本线区段通过能力约束、跨线区段通过能力约束、跨线区段跨线作业约束、折返站作业约束、服务频率约束中的至少一种作为所述开行方案优化模型的约束条件;
所述断面客流约束的表达式为:
∑fi e*Ct*θ≥qe;
所述跨线客流约束的表达式为:
fi*Ct*θ≥∑qod;
所述本线区段通过能力约束的表达式为:
所述跨线区段通过能力约束的表达式为:
I0*∑fi e+∑2*clts*ai*fi e≤3600;
;
所述跨线区段跨线作业约束的表达式为:
所述折返站作业约束的表达式为:
所述服务频率约束的表达式为:
8.根据权利要求1所述的面向跨线运营的开行方案制定方法,其特征在于,所述对所述开行方案优化模型进行求解,获取目标开行方案,包括:
基于多目标遗传算法对所述开行方案优化模型进行求解,确定所述目标开行方案;
所述目标开行方案包括开行起讫点和开行频率。
9.根据权利要求8所述的面向跨线运营的开行方案制定方法,其特征在于,所述基于多目标遗传算法对所述开行方案优化模型进行求解,确定所述目标开行方案,包括:
步骤1,基于深度优先搜索算法,根据所述交路备选集合,生成列车运行交路路径;
步骤2,根据面向跨线运营的运营规则,对所述列车运行交路路径进行组合并初始化交路频率,确定初始化种群;
步骤3,创建所述初始化种群的乘客出行成本和企业运营成本的运算函数;
步骤4,对所述运算函数的目标函数值排序并进行可行性判断后,基于快速非支配分层排序法,对所述初始化种群进行排序处理;
步骤5,基于遗传算法,对排序后的所述初始化种群进行选择、交叉以及变异处理,获取所述初始化种群的子种群,并对非可行解进行修正;
步骤6,基于快速非支配分层排序法,再次对所述子种群进行排序处理,获取优化种群;
步骤7,将所述优化种群作为所述初始化种群,迭代执行步骤3-步骤6,直至迭代次数达到预设迭代次数或迭代结果收敛为止,输出所述开行起讫点和所述开行频率;
步骤8,根据所述开行起讫点和所述开行频率,确定所述目标开行方案。
10.一种面向跨线运营的开行方案制定系统,其特征在于,包括:
数据收集单元,用于获取跨线运营场景下的开行运营数据;
拓扑创建单元,用于根据所述开行运营数据,构建轨道交通拓扑网络;
交路集合构建单元,用于基于所述轨道交通拓扑网络,获取交路备选集合;
模型构建单元,用于根据所述交路备选集合,构建开行方案优化模型;
方案制定单元,用于对所述开行方案优化模型进行求解,获取目标开行方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011580652.9A CN112712247B (zh) | 2020-12-28 | 2020-12-28 | 一种面向跨线运营的开行方案制定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011580652.9A CN112712247B (zh) | 2020-12-28 | 2020-12-28 | 一种面向跨线运营的开行方案制定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112712247A true CN112712247A (zh) | 2021-04-27 |
CN112712247B CN112712247B (zh) | 2024-03-29 |
Family
ID=75547000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011580652.9A Active CN112712247B (zh) | 2020-12-28 | 2020-12-28 | 一种面向跨线运营的开行方案制定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712247B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256188A (zh) * | 2021-07-15 | 2021-08-13 | 广州地铁设计研究院股份有限公司 | 区域轨道跨线运营运输能力评价交互系统 |
CN113743718A (zh) * | 2021-07-27 | 2021-12-03 | 深圳技术大学 | 开行跨线列车的运营方法、设备及计算机可读存储介质 |
CN113822461A (zh) * | 2021-07-27 | 2021-12-21 | 深圳技术大学 | 一种轨道交通跨线运营优化方法、系统、设备及存储介质 |
CN113962599A (zh) * | 2021-11-11 | 2022-01-21 | 北京交通大学 | 一种城市轨道交通网络化运营管理方法及系统 |
CN114313851A (zh) * | 2022-01-11 | 2022-04-12 | 浙江柯工智能系统有限公司 | 一种模块化化纤物料转运平台及方法 |
CN114943484A (zh) * | 2022-07-20 | 2022-08-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种轨道客流运能匹配方法及其电子设备及其存储介质 |
CN115309171A (zh) * | 2022-10-12 | 2022-11-08 | 维飒科技(西安)有限公司 | 轨道机器人的行为轨迹控制方法及装置 |
CN115946742A (zh) * | 2023-03-10 | 2023-04-11 | 卡斯柯信号(北京)有限公司 | 一种自动生成列车监控系统运行交路数据的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088392A1 (en) * | 2002-03-18 | 2004-05-06 | The Regents Of The University Of California | Population mobility generator and simulator |
JP2007112321A (ja) * | 2005-10-21 | 2007-05-10 | West Japan Railway Co | 駅社員用列車運行情報提供システム |
CN110019569A (zh) * | 2017-07-21 | 2019-07-16 | 北京交通大学 | 一种获取城市轨道交通运营状态信息的方法 |
CN110428096A (zh) * | 2019-07-26 | 2019-11-08 | 西南交通大学 | 基于票务信息的城市轨道交通多交路运输组织优化方法 |
CN111754039A (zh) * | 2020-06-23 | 2020-10-09 | 北京交通大学 | 纯电动公交线网综合集成优化设计的方法 |
-
2020
- 2020-12-28 CN CN202011580652.9A patent/CN112712247B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088392A1 (en) * | 2002-03-18 | 2004-05-06 | The Regents Of The University Of California | Population mobility generator and simulator |
JP2007112321A (ja) * | 2005-10-21 | 2007-05-10 | West Japan Railway Co | 駅社員用列車運行情報提供システム |
CN110019569A (zh) * | 2017-07-21 | 2019-07-16 | 北京交通大学 | 一种获取城市轨道交通运营状态信息的方法 |
CN110428096A (zh) * | 2019-07-26 | 2019-11-08 | 西南交通大学 | 基于票务信息的城市轨道交通多交路运输组织优化方法 |
CN111754039A (zh) * | 2020-06-23 | 2020-10-09 | 北京交通大学 | 纯电动公交线网综合集成优化设计的方法 |
Non-Patent Citations (1)
Title |
---|
田时沫: ""考虑换乘站拥挤度的城市轨道交通列车交路计划编制研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 23 - 33 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256188A (zh) * | 2021-07-15 | 2021-08-13 | 广州地铁设计研究院股份有限公司 | 区域轨道跨线运营运输能力评价交互系统 |
CN113743718A (zh) * | 2021-07-27 | 2021-12-03 | 深圳技术大学 | 开行跨线列车的运营方法、设备及计算机可读存储介质 |
CN113822461A (zh) * | 2021-07-27 | 2021-12-21 | 深圳技术大学 | 一种轨道交通跨线运营优化方法、系统、设备及存储介质 |
CN113743718B (zh) * | 2021-07-27 | 2024-03-29 | 深圳技术大学 | 开行跨线列车的运营方法、设备及计算机可读存储介质 |
CN113962599A (zh) * | 2021-11-11 | 2022-01-21 | 北京交通大学 | 一种城市轨道交通网络化运营管理方法及系统 |
CN114313851A (zh) * | 2022-01-11 | 2022-04-12 | 浙江柯工智能系统有限公司 | 一种模块化化纤物料转运平台及方法 |
CN114943484A (zh) * | 2022-07-20 | 2022-08-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种轨道客流运能匹配方法及其电子设备及其存储介质 |
CN114943484B (zh) * | 2022-07-20 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种轨道客流运能匹配方法及其电子设备及其存储介质 |
CN115309171A (zh) * | 2022-10-12 | 2022-11-08 | 维飒科技(西安)有限公司 | 轨道机器人的行为轨迹控制方法及装置 |
CN115309171B (zh) * | 2022-10-12 | 2022-12-20 | 维飒科技(西安)有限公司 | 轨道机器人的行为轨迹控制方法及装置 |
CN115946742A (zh) * | 2023-03-10 | 2023-04-11 | 卡斯柯信号(北京)有限公司 | 一种自动生成列车监控系统运行交路数据的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112712247B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112712247A (zh) | 一种面向跨线运营的开行方案制定方法及系统 | |
CN107092976B (zh) | 一种多目标模型协同优化多条公交线路发车间隔的方法 | |
Yuan et al. | Integrated optimization of train timetable, rolling stock assignment and short-turning strategy for a metro line | |
de Sá et al. | Exact and heuristic algorithms for the design of hub networks with multiple lines | |
Walteros et al. | Hybrid algorithm for route design on bus rapid transit systems | |
Núñez et al. | Multiobjective model predictive control for dynamic pickup and delivery problems | |
Deng et al. | Optimal design of feeder-bus network related to urban rail line based on transfer system | |
CN110910642A (zh) | 一种考虑混合交通系统的公交线路分析方法 | |
Chai et al. | An Improved NSGA‐II Algorithm for Transit Network Design and Frequency Setting Problem | |
Chebbi et al. | Modeling on-demand transit transportation system using an agent-based approach | |
Gutiérrez-Jarpa et al. | Corridor-based metro network design with travel flow capture | |
D’Acierno et al. | Assumptions and simulation of passenger behaviour on rail platforms | |
CN111098897A (zh) | 一种铁路枢纽车站列车运行进路选择方法 | |
Gallo et al. | A multimodal approach to bus frequency design | |
Zhu et al. | Robust collaborative optimization for train timetabling and short-turning strategy in urban rail transit systems | |
CN111275999A (zh) | 基于全交通网络可换乘的路径规划方法及系统 | |
Jing et al. | A study on car flow organization in the loading end of heavy haul railway based on immune clonal selection algorithm | |
Deng et al. | Optimal Design of the Feeder‐Bus Network Based on the Transfer System | |
Chen et al. | Multiperiod metro timetable optimization based on the complex network and dynamic travel demand | |
CN115239030B (zh) | 一种城市轨道交通交路时刻表优化方法、设备及存储介质 | |
Wang et al. | Simulation of multi-agent based cybernetic transportation system | |
CN115511226A (zh) | 一种基于改进差分进化算法的车辆路径优化方法 | |
CN112101686B (zh) | 一种基于可行标号接续网络的乘务交路计划编制方法 | |
CN115640974A (zh) | 一种公路沿线充电设施布局规划方法 | |
Kermanshahi et al. | Application of a new rapid transit network design model to bus rapid transit network design: case study Isfahan metropolitan area |
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 |