CN112753041B - 用于管制多模式运输网络的方法 - Google Patents
用于管制多模式运输网络的方法 Download PDFInfo
- Publication number
- CN112753041B CN112753041B CN201980063591.8A CN201980063591A CN112753041B CN 112753041 B CN112753041 B CN 112753041B CN 201980063591 A CN201980063591 A CN 201980063591A CN 112753041 B CN112753041 B CN 112753041B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- transportation
- passenger
- mode
- station
- 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 55
- 238000004088 simulation Methods 0.000 claims abstract description 46
- 230000009471 action Effects 0.000 claims abstract description 25
- 230000006872 improvement Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000013480 data collection Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000001143 conditioned effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000003750 conditioning effect Effects 0.000 claims 3
- 230000006399 behavior Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000001934 delay Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
Abstract
本发明涉及一种用于确定多模运输网络的至少一个性能指标的方法(100),包括以下步骤:对于所述至少一种运输模式的每种运输模式,确定(101)所述运输模式的当前状态,模拟(102)未来状态,执行所述至少一个性能指标的评定(103),确定(104)所述至少一个管制动作,基于当前时间的当前状态执行未来时间内新的未来状态的重新模拟(105),基于新的未来状态执行所述运输模式的所述至少一个性能指标的重新模拟(106),比较(107)所述重新的评定和所述评定的结果,重复(108)以下步骤直到比较(107)的结果指示所述至少一个性能指标改进为止。
Description
技术领域
本发明目的在于公共运输管制的专家。本发明旨在使得运输运营者能够在考虑到它们的网络和相邻网络(公路网)整个中的实时堵塞和事故的同时,预计不同的运输模式(公交车、地铁、火车、有轨电车等)的人流的交通,以便影响乘客的路线的选择并且管制提供更好的交通的服务。
现今,运输运营者使用单模式管制解决方案(其与一种运输模式、甚至单个线路有关),与用于公交车和有轨电车的运营支持系统(OSS)、否则用于火车的自动火车监控(ATS)一样。这些系统由部署这些运输模式的基础设施的相同的制造商、或者独立的软件编辑者开发。然而,在这种类型的工具中,没有考虑到乘客视角(按时到达的概率和舒适度)。
在城市网密集且多样化的首都中,多模式系统已经被设置到位。公共运输网络的用户可以根据多准则搜索找到最适合于他的路线。然而,信息没有实时地、根据在他的行程期间可能引起的交通困难供应给他。目前市场上的解决方案不允许预计使用户按时到达的概率。该可能性存在于利用提供消费者应用的在线平台的公路使用,所述消费者应用使得用户能够根据他的交通工具,根据实时的交通,做出最佳的路线选择。
目前的困难在于多模式系统作为整体的建模。多模式系统包括物理基础设施、互连部分、车队、调度规则、运营监视和乘客。这些元素中的每个都具有特定的约束和行为,并且考虑整体是非常复杂的。例如,应根据可能发生的各种事故和干扰考虑到不同类型的乘客的行为,同时快速地向他们通知新的改道的可能性。这是为了避免过大的堵塞和由于延迟而导致的客户不满意,当这些延迟暗示失去连接时,这些延迟变得更成问题。此外,网络取决于的机关的移动性政策应被应用。
因此,多模式路线的优化不仅应基于不同线路的互连和运输模式,而且还应基于考虑到所述系统的所有的约束的、转乘时间的不确定性的计算。所述目的还要缩短计算时间以使得运营者能够尽可能快地确立解决方案(在线路x和y上添加公交车以缓解由于事故而被阻挡的给定的地铁线路)。
发明内容
因此,本发明旨在提供对于这些问题中的所有问题或部分问题的解决方案。
为此,本发明涉及一种用于确定运输网络的至少一个性能指标的方法,所述运输网络被所述网络的多个乘客使用,并且所述运输网络包括至少一种运输模式,所述至少一种运输模式的每种运输模式包括至少一个交通工具和多个车站,所述至少一种运输模式的多个车站的起始车站通过多个路线连接到所述多个车站的目的地车站,所述多个路线的每个路线包括所述多个车站的中间车站的列表,所述至少一种运输模式的时间表定义所述至少一个交通工具在所述起始车站、在所述目的地车站、以及在所述路线的中间车站列表的每个车站处的入站时间,对于所述至少一种运输模式的多个车站的每个车站,所述网络的所述多个乘客包括在所述车站等待的若干个乘客,在所述车站等待的乘客的数量根据由至少一个数据收集手段捕捉的数据、起始-目的地矩阵确定,所述起始-目的地矩阵定义在一段时间段内、对于由所述起始车站和所述目的地车站形成的一对,将在所述时间段期间经由所述起始车站进入所述网络中以加入所述目的地车站的乘客的附加数量,
所述方法包括以下步骤:
对于所述至少一种运输模式的每种运输模式,
-确定对于在所述时间段内的当前时间定义的、所述运输模式的当前状态;
-基于当前状态、以及基于根据所述起始-目的地矩阵、在所述时间段内将进入所述网络中的乘客的附加数量,模拟所述运输模式在未来时间内的未来状态;
-基于所述运输模式的未来状态,评定所述至少一个性能指标;
-根据所述至少一个指标的评定,确定所述至少一种运输模式上的至少一个管制动作;
-基于当前时间的当前状态、以及基于根据所述起始-目的地矩阵在所述时间段期间将进入所述网络中的乘客的附加数量,重新模拟未来时间内的新的未来状态;
-基于新的未来状态,重新评定所述运输模式的所述至少一个性能指标;
-比较所述至少一个性能指标的评定和所述重新的评定的结果;
-重复以下步骤:确定至少一个管制动作,重新模拟,重新评定,并且进行比较,直到比较的结果指示所述至少一个性能指标改进为止,
所述模拟未来状态以及重新模拟新的未来状态分别在当前时间和未来时间之间的至少一个中间时间内、通过根据预定的分布过程在连接起始车站和目的地车站的多个路线上分布,在所述起始车站等待以加入所述目的地车站的乘客的数量加上对于所述起始车站、在包括所述至少一个中间时间的时间段内、基于所述起始-目的地矩阵估计的附加数量来实现。
根据这些布置,多模式运输网络的最高运营者可以确定合适的管制动作(一个或多个)以鉴于管制动作(一个或多个)的预测效果,改进所述网络的至少一个性能指标。
如果管制动作对于性能指标(一个或多个)变为具有令人满意的预测效果,则这些动作可以由多模式网络的运营者实现,以便根据确定的指标,有效地改进所述网络的性能。
根据这些布置,所述方法使得可以帮助多模式网络的运营者更好地规划他的多模式移动性,提供对于移动人流的动态演变的更好的响应,从而使得可以在使得运营者能够测试管制场景对于移动性系统的影响的同时,在考虑到乘客的视角(到达时间,而不是运输交通工具的始发/到达时间)的同时,改进服务的总体守时性。
根据一种实现模式,本发明包括单独地或组合地考虑的以下特征中的一个或多个。
根据一种实现模式,基于与在所述起始车站等待的所述多个乘客的每个乘客关联的乘客-特征,并且根据在所述中间时间定义的所述网络的中间状态,执行所述预定的分布过程。
根据一种实现模式,关联到所述多个乘客的每个乘客的乘客-特征由行进偏好定义。
根据一种实现模式,对于每种运输模式,基于从对于该运输模式的车站中的每个车站的、在一天的不同时间的、典型的几天的模拟构建的统计数据的历史,预先确定乘客-特征和等待乘客的乘客-目的地。
根据一种实现模式,乘客-路线被关联到在所述起始车站等待的所述多个乘客的每个乘客,所述乘客-路线是根据所述乘客-特征而确定的。
根据一种实现模式,所述预定的分布过程是多模式动态分配过程。
根据一种实现模式,所述至少一个数据收集手段是传感器、或统计数据学习应用、或远程购票票务应用。
根据一种实现模式,对于由起始车站和目的地车站形成的每对,根据多模式动态分配过程确定在所述起始车站等待的所述多个乘客(包括对于所述起始车站、基于所述起始-目的地矩阵、加入起始车站到目的地车站的不同线路估计的附加数量)的最佳分布,以使得转乘时间对于在所述起始车站等待的所述多个乘客是最佳的,所述行进时间是基于加入所述起始车站和目的地车站的所述多个路线估计的。
根据一种实现模式,如果转乘时间最短,则它是最佳的。根据一种实现模式,路线的确定的优化寻求对于乘客、对于目的地中的每个目的地、以及对于如前指示的在统计上预定的乘客-特征最快的到达目的地。
根据一种实现模式,运输模式的当前状态由至少一个参数定义,所述至少一个包括以下中的一个:
-在所述运输模式的多个车站的车站等待的乘客的数量,
-所述运输模式的所述至少一个交通工具的位置和负荷,以及
-按照乘客-特征的、在所述运输模式的多个车站的车站等待的乘客的数量的分布,
并且其中在所述确定步骤,对于所述至少一个参数的每个参数,通过所述至少一个数据收集手段确定或者估计一个值。
根据一种实现模式,所述乘客-路线包括车站列表,所述列表的每个车站是所述至少一种运输模式的多个车站的车站,并且所述列表的每个车站是根据所述至少一种运输模式的每种运输模式的所述至少一个交通工具在所述至少一种运输模式的每种运输模式的多个车站的车站的入站时间而确定的,以便优化所述乘客-目的地处的入站时间,并且是根据所述乘客-特征而确定的。
根据一种实现模式,所述方法是有规律地实现的,例如,每5分钟,并且模拟的未来状态的未来时间和当前状态的当前时间随着时间的过去而推移,例如,推移一个小时。因此,每5分钟,发起确定所述网络的每种运输模式的当前状态的步骤,然后在相对于当前状态的当前时间、随着时间的过去而推移(例如,推移一个小时)的未来时间内模拟未来状态;因此所述网络的模拟的未来状态将是在采集现场信息和估计与当前状态相关的信息之后一个小时的预测状态,并且关于通过所述方法确定的管制动作,新的模拟的未来状态还将对应于所述网络在采集现场信息和估计与当前状态相关的信息之后一个小时的预测状态。
根据这些布置,所述方法是基于根据可以非常短(通常例如大约一秒)的中间时间步骤的、未来状态(分别地,新的未来状态)的精细的且详细的模拟(分别地,重新的模拟)。
用作确立当前状态和模拟(分别地,重新的模拟)的基础的现场数据由在模拟步骤和重新的模拟步骤开始的前一刻、通过数据收集手段在现场采集的实时的信息组成,因此跟上所述网络的最近的演变。
根据一种实现模式,所述至少一种运输模式包括以下运输模式中的运输模式中的至少一种:公路运输、铁路运输、航空运输、内陆水路运输、海上运输。
根据一种实现模式,公路运输模式、航空运输模式和内陆水路运输模式分别包括以下运输模式中的运输模式中的至少一种:私人运输模式和公共运输模式。
根据一种实现模式,所述运输网络的所述至少一个性能指标包括以下指标中的至少一个:守时性、规律性、占用率、等待时间、行程持续时间。
根据一种实现模式,所述守时性指标使得所述网络的运营者能够在模拟时间段期间评定交通工具相对于运营者调度的入站时间的提前或延迟。
根据一种实现模式,所述规律性指标使得所述网络的运营者能够在模拟时间段期间评定沿着同一路线循环的交通工具之间的估计的间隔、并且将该间隔与标称间隔进行比较。
根据一种实现模式,所述占用率指标使得运营者能够在模拟时间段期间,通过将该估计的占用率或负荷与标称占用率或负荷进行比较来评定乘客的舒适度。
根据一种实现模式,所述等待时间指标使得所述网络的运营者能够在模拟时间段期间评定乘客在所述网络的每个车站的估计的平均等待时间。
根据一种实现模式,所述行程持续时间指标使得所述网络的运营者能够评定始发车站和到达车站之间的平均行程持续时间。
根据一种实现模式,所述性能指标是针对当前时间段和未来时间段之间包括的不同时间点计算的。例如,每15分钟,将估计性能指标的值;因此,在当前状态的当前时间段和模拟的未来状态的未来时间段之间,对于每个指标,将估计4个不同的值,在该例子中,所述未来时间段将从当前状态的当前时间段推移一个小时。
根据一种实现模式,所述运输模式的所述至少一个管制动作包括以下动作中的动作中的至少一个:
ο添加交通工具,
ο将交通工具的路线修改为从所述运输模式的多个车站的一个车站到所述多个车站的另一个车站,
ο修改所述至少一个交通工具在所述多个车站的车站的入站时间,
ο关闭车站一会,
ο设置替换公交车,
ο关闭地段一会,
ο降低速率,
ο添加车站,以及
ο删除停车点。
根据一种实现模式,基于交通工具-路线和所述至少一个交通工具的交通工具-行为模型来实现未来状态的模拟和新的未来状态的重新模拟,
并且其中所述至少一个交通工具的交通工具-行为模型由所述至少一个交通工具的多个交通工具-状态和至少一个交通工具-状态改变规则定义,所述交通工具-状态改变规则用于使所述至少一个交通工具从初始的交通工具-状态切换到所述至少一个交通工具的所述多个交通工具-状态的新的交通工具-状态,
并且其中所述至少一个交通工具的交通工具-路线包括所述至少一种运输模式的所述运输模式的多个车站的车站子集,所述车站子集包括始发车站、中间车站、终点车站、以及可选地、从所述车站子集的一个车站到所述车站的至少一个中间路线。
根据一种实现模式,所述至少一个交通工具的所述多个交通工具-状态包括以下交通工具-状态中的交通工具-状态中的一个:
-交通工具停在信号灯旁,
-交通工具移动,
-交通工具停在车站旁,
-交通工具在装载过程中,
-交通工具在关闭过程中,
-交通工具到达终点,
并且其中所述至少一个交通工具的所述至少一个交通工具-状态改变规则包括至少一个安全规则和用于确定位移速度的至少一个规则。
根据一种实现模式,基于所述运输模式的所述多个乘客的乘客-行为模型来实现未来状态的模拟和新的未来状态的重新的模拟,所述多个乘客的乘客-行为模型由所述至少一个乘客的多个乘客-状态和至少一个乘客-状态改变规则定义,所述至少一个乘客-状态改变规则用于使所述至少一个乘客从初始状态切换到所述多个乘客的所述多个乘客-状态的下一个状态。
根据一种实现模式,所述运输网络包括所述至少一种运输模式的一种运输模式和另一种运输模式之间的至少一个转乘,所述转乘由所述至少一种运输模式的所述运输模式的多个车站的转乘车站朝向所述至少一种运输模式的所述另一种运输模式的多个车站的另一个转乘车站定义,
并且其中所述至少一个乘客的所述多个乘客-状态包括以下乘客-状态中的乘客-状态中的一个:
-在车站等待,
-在车上,
-在转乘中走路,
-上车过程中,
-下车过程中,
-到达目的地,
并且,可选地,所述至少一个乘客的所述至少一个乘客-状态改变规则包括以所述至少一个乘客的乘客-特征为条件的至少一个走路速度确定规则。
附图说明
为了更好地理解,参照附图描述本发明,附图表示作为非限制性例子的、根据本发明的实施例。附图上的相同的标号指代类似的元件或其功能类似的元件。
图1是根据本发明的方法的步骤的示意性流程图。
图2是交通工具行为模型的示意性表示。
图3是乘客行为模型的示意性表示。
具体实施方式
根据本发明的方法100涉及多模式运输网络,也就是说,包括一种或几种运输模式的运输网络:所述运输网络可以包括例如铁路运输模式、和/或诸如地铁的运输模式、和/或诸如有轨电车的运输模式(每个具有不同的火车或地铁或有轨电车线路)、甚至公路运输模式(诸如具有几个路线和/或几个公交车路线的私人交通工具和/或公交车)。所述网络还可以包括航空运输模式,甚至海上运输模式或内陆水路运输模式。
因此,每种运输模式包括一个或几个线路或路线。运输模式的每个线路或路线包括几个停车点或车站,包括始发车站和到达车站。一个或几个交通工具被分配给这些不同的线路,并且被配置为在一个线路的始发车站和该线路的终点车站之间,沿着这些线路移动,同时按运营者程控的时间表,在该线路的中间车站的所有中间车站或部分中间车站停止。
用户是进到在车站停止的交通工具中、并且当他们到达他们的线路的结束目的地时、或者当他们到达他们的线路的中间目的地时下车的乘客。
存在用于使得运输模式的一个线路的乘客能够加入同一运输模式或另一运输模式的另一个线路(由于所述线路的车站和所述另一个线路的另一个车站之间的链接(一般是步行))的连接。
关于现场的信息由被定位为测量与不同的运输模式相关的不同参数的不同的收集手段采集;这些收集手段使得可以采集关于现场的信息以确定:
-在每个车站等待的乘客的数量;
-进到交通工具中和/或从交通工具下车的乘客的数量;
-交通工具在所有时间的位置。
这些收集手段可以被定位在例如以下地方:
-被定位在交通工具的停止车站处,以对在每个车站等待的乘客进行计数;
-被定位在交通工具中和/或交通工具的入口处,以对上车和/或下车的乘客进行计数;
-被定位在交通工具上以测量交通工具中的每个在所有时间的相应的位置。
这些收集手段可以由传感器、基于统计数据的学习应用、或用于远程购票的票务应用组成。
与运输模式中的每种运输模式相关的其他信息,诸如举例来说总结不同交通工具在所考虑的运输模式的每个线路或路线的不同车站处的停止的程控的时间表,由运营者以用于该运输模式的时间表的形式供应。因此,对于每个交通工具和该运输模式的不同线路的每个车站,所述时间表包括:
-从起始车站到同一运输模式的目的地车站的中间车站的列表的形式的、交通工具的路线,
-交通工具在起始车站、在目的地车站、以及在起始车站和目的地车站之间的路线的车站列表的每个中间车站处的预期的入站时间。
与始发车站处的乘客到不同的到达车站的未来到达相关的其他信息也可以以起始-目的地矩阵的形式使用,并且描述在确定的时间段期间,在由运输模式的始发车站或起始车站和同一运输模式或另一运输模式的到达车站或目的地车站形成的不同的可用对之间,多模式网络的新的乘客的预测的总人流的分布。
此外,在任何时间,可以估计特定于每种运输模式的其他参数,例如:
ο与在预定时间段期间、在运输模式的车站处等待的乘客相加的、附加乘客的估计的数量,
ο运输模式的交通工具中的估计的负荷,
ο从多模式网络的不同运输模式的车站选择的不同目的地之间的乘客的估计的分布。
在所有的时间,运输模式的当前状态由该运输模式的至少一个参数的值定义,所述值通过传感器或数据收集手段测得,或者在服务器上读取,或者被估计。
方法100包括对于多模式网络的每种运输模式、确定该运输模式的如此定义的当前状态的第一步101。
根据一种实现模式,规律地根据相对较短的周期性(例如,每5分钟)确定每种运输模式的当前状态。
方法100包括步骤102,即,基于运输模式的当前状态、以及与被考虑用于确定当前状态的时间点相对应的时间段内的起始-目的地矩阵,以精细的且详细的方式,模拟每种运输模式的未来状态。
根据一种实现模式,模拟步骤102模拟这样的未来状态,该未来状态是所述网络在预报时间段之后的状态的演变的预报,所述预报时间段被定义为被考虑用于确定当前状态的时间点和被考虑用于确定未来状态的时间点之间的过去的时间;根据实现模式,所述预报时间段的持续时间将例如是在确定当前状态之后一个小时。
因此,根据一种实现模式,方法100将使得可以基于如基本上每5分钟确定的当前状态来预报所述当前状态被确定之后一个小时的预报的未来状态。
根据一种实现模式,模拟102涉及一个或几个模型,这些模型描述多模式运输网络的不同的组成元件(包括所述网络的乘客)的行为,并且描述这些不同的元件之间的交互。为了以精细的且详细的方式模拟例如确定的当前状态之后一个小时的未来状态,模拟102根据非常精细的步长(例如,每秒),模拟运输系统的每个组件(包括乘客)的状态在一个小时期间的演变、以及这些组件和乘客之间的交互。
根据一种实现模式,模拟步骤102模拟连接部分中的乘客的前进,所述连接部分被表示为例如如此连接的车站之间的通路的形式。
根据模拟102的实现模式,根据乘客的特征来处理他们,乘客的特征可以用行进偏好来表征,该行进偏好被关联到用于每种运输模式的行进系数,所述行进系数例如通过乘客的年龄、乘客的性别、和/或乘客的社会职务类别确定。根据一种实现模式,模拟102考虑根据乘客的特征的关于乘客的分布的假定。
根据一种实现模式,乘客在连接部分中的通路中的移动的模拟考虑乘客的特征。根据乘客的特征的关于乘客的分布的假定被应用于对于确定的连接部分的车站、根据运输模式的最后确定的当前状态估计的乘客的数量,以便估计连接部分的车站之间的通路中的乘客的移动,并且在适当的情况下,也是随着所考虑的通路的补充特性变化。
这使得可以获得对于每个乘客的通过通路的转乘时间的估计。如果乘客的密度高,则转乘时间可以更长,这有可能引起所考虑的乘客(一个或多个)相对于这些乘客期望的转乘的延迟。
与所述网络中的不良控制的负荷相关的这个延迟将导致对于预报的未来状态和所述网络的所考虑的运输模式的性能指标的影响,所述性能指标将在所述方法的下一步被访问。该影响将使得所述网络的最高运营者能够通过实现方法100的工具的帮助,确定合适的管制动作。
根据一种实现模式,以与模拟乘客在连接部分中的前进的模拟步骤102相同的方式,模拟步骤102还模拟到达车站的乘客和交通工具之间的交互。当交通工具到达车站时,两个交互发生,(1)进到交通工具中的乘客,(2)从交通工具下车的乘客。交通工具将仍在停车点处,只要其等待时间将不同于零。几个现象干预等待时间的计算。可能存在最短停止时间、最快出发时间表、或门的不利的阻挡。该时间将使得能够选择下车、然后上车的乘客。一旦该时间降至0,就执行出发并且关闭门的尝试。在将不可能前进(例如,线路的物理基础设施中的物体阻止其前进)的情况下,交通工具仍在站台旁,并且门仍然开着。
火车中的门的不利的阻挡可能对通过同一车站的火车的前进有影响(火车必须保持最短安全距离)。这可能具有导致形成的等待队列的构成、从而在几个交通工具上产生延迟的多米诺骨牌效应。
门的阻挡是由于不被控制或者没有被预报的乘客的进入流和/或退出流而导致。能够在该现象发生之前预见该现象是主要的关注点:这使得运营者能够提高他对于问题的响应性,以便能够应用从所述网络的最大装载点移除负荷的管制动作。此外,这使得运营者能够测量所述问题的幅度,以便具有关于用于重新开始正常操作的时间的可靠的信息。
根据一种实现模式,以与模拟步骤102模拟乘客在连接部分中的前进、以及到达车站的乘客和交通工具之间的交互相同的方式,模拟步骤102还模拟每个交通工具在两个环境(逻辑环境和物理环境)中的移动。所述逻辑环境如所述网络可以被乘客看见或者通过运输提供用品呈现的那样表示所述网络。因此,车站可以通过连接部分、或者通过地段连接在一起。所述连接部分对应于车站之间的转乘通路,而所述地段表示行程的由所考虑的运输模式的交通工具在连接两个车站的线路上确保的一部分。所述物理环境如它具有其对于交通工具在真实生活中的物理特性存在那样表示所述网络。轨迹构成路径、铁路的地段,更一般地说、适合于交通工具的移动的、运输网络的所有的物理元件的地段;此外,不同轨迹之间的结合部分由将路径地段连接在一起的一组枢纽站、或将铁路的地段连接在一起的分叉点或铁路道岔、更一般地说、使得可以将不同地段链接在一起的物理元件确保。根据该实现模式,模拟102应用交通工具应应用的不同规则和实现其使命应遵守的约束。根据逻辑视角,模拟确定交通工具应在哪里、何时停止、它应在每个停车点处等待多长时间、授权的延迟等。根据物理视角,模拟确定它应遵循的地段或铁路道岔、它应观测的速度。
交通工具与它在其上循环的线路的物理基础设施的交互的模拟考虑与交通相关的约束,诸如举例来说公路交通的密度、安全规则(特别是用于铁路的安全规则)、对于交通标志的遵守。这些规则在不同运输模式之间可以是不同的。
根据一种实现模式,基于每种运输模式的每个乘客的乘客-路线来实现未来状态的模拟102;乘客-路线包括乘客-目的地,并且在模拟步骤102期间确定,以便根据所述网络在所考虑的时间的状态,并且根据乘客的乘客-特征,也就是说,例如根据关于乘客在不同的特征之间的给定的小时的分布的假定,将路线分配给每个乘客。
根据一种实现模式,根据本领域技术人员众所周知的所谓的多模式动态分配过程,将路线分配给在多模式网络的每个车站等待的乘客集合:根据该过程,对于多模式网络的每个车站,被认为是起始车站的这个车站和所述网络的被认为是目的地车站的其他车站中的任何一个之间的一个或几个路线被分配给存在于所述网络上、该起始车站处的乘客集合(包括根据起始-目的地矩阵的数据估计的附加人流),以使得转乘时间对于该乘客集合一般是最佳的。该过程包括被连续地且迭代地应用于由运输模式的始发车站或起始车站和同一运输模式或另一运输模式的到达车站或目的地车站形成的每个可能的对的三个步骤:
1.第一步,对于起始车站和目的地车站之间的所有的可能的路线,计算转乘时间,在所述过程的这个步骤,所述路线中的每个的转乘时间是根据多模式网络上的交通状况而确定的;
第二步,确定存在于所述网络上的所有乘客(包括不同的可能的路线上的、根据起始-目的地矩阵的数据的附加人流)在起始车站的分布,所述分布是根据计算的转乘时间执行的;
第三步,模拟多模式网络上的交通状况上的确定的分布的后果,以便确定所述网络上的新的交通状况。
这三个步骤被重复,以便朝向以下方面收敛:
-存在于所述网络上的所有乘客在起始车站的分布,以及
-所述网络上的对应的交通状况,
这些方面是最佳的,意味着对于所考虑的乘客的集合,转乘时间一般是最短的。
因此,根据一种实现模式,例如一个小时的未来状态例如每5分钟,基于该时间点时的当前状态,也就是说,基于最后采集的现场数据,特别是基于在不同车站等待的乘客的数量、上不同的交通工具的乘客的数量、以及根据起始-目的地矩阵的指示、在预报时间段期间将进入所述网络中的附加乘客的人流预报,所述起始-目的地矩阵使得可以确定关于每一乘客-特征和每一乘客-目的地的、乘客的分布的假定,根据该实施例,该分布假定是针对每种运输模式预先确定的。
在模拟步骤102处以精细的且详细的方式,例如根据一秒步长,模拟确定的当前状态朝向多模式网络的每种运输模式的模拟的未来状态的演变(例如在一个小时期间)之后,方法100包括基于每种运输模式的模拟的未来状态评定至少一个性能指标的步骤103。
根据一种实现模式,所述至少一个性能指标包括守时性、规律性、占用率、等待时间、行程持续时间中的指标中的至少一个。
根据一种实现模式,守时性指标使得所述网络的运营者能够在模拟时间段期间评定交通工具相对于运营者调度的入站时间的提前或延迟。
根据一种实现模式,规律性指标使得所述网络的运营者能够在模拟时间段期间评定沿着同一路线循环的交通工具之间的估计的间隔、并且将该间隔与标称间隔进行比较。
根据一种实现模式,占用率指标使得运营者能够在模拟时间段期间,通过将该估计的占用率或负荷与标称占用率或负荷进行比较来评定乘客的舒适度。
根据一种实现模式,等待时间指标使得所述网络的运营者能够在模拟时间段期间评定乘客在所述网络的每个车站的估计的平均等待时间。
根据一种实现模式,行程持续时间指标使得所述网络的运营者能够评定始发车站和到达车站之间的平均行程持续时间。
所述方法包括根据所述至少一个指标的评定103,确定104多模式网络的至少一种运输模式上的至少一个管制动作。根据一种实现模式,所述至少一个管制动作包括例如以下动作中的动作中的至少一个:
ο添加交通工具,
ο将交通工具的路线修改为从运输模式的一个车站到另一个车站,
ο修改所述至少一个交通工具在所述多个车站的车站的入站时间,
ο关闭车站一会,
ο设置替换公交车,
ο关闭地段一会,
ο降低速率
ο添加车站,以及
ο删除停车点。
根据一种实现模式,每个管制动作导致至少在第一步中虚拟地修改所考虑的运输模式的操作条件,更具体地说,服务提供用品,特别是时间表。因此,重新的模拟105步骤将产生新的未来状态;新的基于新的未来状态评定运输模式的至少一个性能指标的评定步骤106、接着比较所述至少一个性能指标的重新的评定和前一次评定的结果的比较步骤107将使得可以确定性能指标是否已经改进。
所述方法重复108确定104至少一个管制动作、重新的模拟105、重新的评定106和比较107的步骤,直到比较107的结果指示所述至少一个性能指标改进为止,换句话说,直到管制动作对于性能指标(一个或多个)具有令人满意的预测效果为止。
如果管制动作变为对性能指标(一个或多个)具有令人满意的预测效果,则这些动作可以被多模式网络的运营者执行,以便根据确定的指标,有效地改进所述网络的性能。
因此,根据这些布置,所述方法使得可以帮助多模式网络的运营者更好地规划他的多模式移动性,提供对于移动人流的动态演变的更好的响应,从而使得可以在使得运营者能够测试不同的管制场景对于移动性系统的影响的同时,在考虑到乘客的视角(针对乘客优化的到达时间,而不是由运营者调度的运输交通工具的始发/到达时间)的同时,改进服务的总体守时性。
根据一种实现模式,基于交通工具-路线和每个交通工具的交通工具-行为模型来实现未来状态的模拟和新的未来状态的重新的模拟。
根据图2所示的一种实现模式,交通工具的交通工具-行为模型由交通工具的多个状态(也被称为交通工具-状态)和至少一个交通工具-状态改变规则定义,所述交通工具-状态改变规则用于使交通工具从初始的交通工具-状态切换到所述交通工具的所述多个交通工具-状态的下一个交通工具-状态。
根据一种实现模式,所述至少一个交通工具的所述多个交通工具-状态包括以下交通工具-状态中的交通工具-状态中的一个:
-交通工具停在信号灯旁12,
-交通工具移动11,
-交通工具停在车站旁15,
-交通工具在装载过程中14,
-交通工具在关闭过程中13,
-交通工具到达终点16。
根据一个实施例,运输模式的交通工具的交通工具-状态改变规则包括安全规则和用于确定位移速度的规则。
根据一种实现模式,参照图2,状态改变规则是下表中描述的那些规则:
根据一种实现模式,交通工具的路线(也被称为交通工具-路线)包括所考虑的运输模式的多个车站的车站子集、以及可选地、从所述车站子集的一个车站到所述车站的至少一个中间路线,所述车站子集包括始发车站、中间车站、终点车站。
根据一种实现模式,基于运输模式的乘客的行为模型(在本文中被称为乘客-行为)来实现未来状态的模拟和新的未来状态的重新的模拟。
根据一种实现模式,乘客是指具有如前指示的特征相同的特征、并且一起行进通过运输网络的一组乘客。
根据一种实现模式,乘客的行为模型由乘客的多个状态(在本文中被称为乘客-状态)和至少一个乘客-状态改变规则定义,所述至少一个乘客-状态改变规则使所述乘客从一种乘客-状态切换到下一个乘客-状态。
根据图3所示的一种实现模式,所述多个乘客-状态包括以下乘客-状态中的乘客-状态中的一个:
-在车站等待21,
-在车上22,
-在转乘中走路23,
-上车过程中24,
-下车过程中25,
-到达目的地26。
根据一种实现模式,参照图3,所述至少一个乘客-状态改变规则是下表中描述的那些规则:
Claims (12)
1.一种用于调节运输网络的方法(100),所述方法确定运输网络的至少一个性能指标,所述运输网络被所述网络的多个乘客使用,并且所述运输网络包括至少一种运输模式,所述至少一种运输模式的每种运输模式包括至少一个交通工具和多个车站,所述至少一种运输模式的多个车站的起始车站通过多个路线连接到所述多个车站的目的地车站,所述多个路线的每个路线包括所述多个车站的中间车站的列表,所述至少一种运输模式的时间表定义所述至少一个交通工具在所述起始车站、在所述目的地车站、以及在所述路线的中间车站列表的每个车站处的入站时间,对于所述至少一种运输模式的多个车站的每个车站,所述网络的所述多个乘客包括在所述车站等待的若干个乘客,在所述车站等待的乘客的数量根据由至少一个数据收集手段捕捉的数据、起始-目的地矩阵确定,所述起始-目的地矩阵定义在一段时间段内、对于由所述起始车站和所述目的地车站形成的一对,将在所述时间段期间经由所述起始车站进入所述网络中以加入所述目的地车站的乘客的附加数量,
所述方法包括以下步骤:
对于所述至少一种运输模式的每种运输模式,
-确定(101)对于在所述时间段内的当前时间定义的、所述运输模式的当前状态;
-基于当前状态、以及基于根据所述起始-目的地矩阵在所述时间段内将进入所述网络中的乘客的附加数量,模拟(102)所述运输模式在未来时间内的未来状态;
-基于所述运输模式的未来状态,评定(103)所述至少一个性能指标;
-根据所述至少一个指标的评定,确定(104)所述至少一种运输模式上的至少一个管制动作;
-基于当前时间的当前状态、以及基于根据所述起始-目的地矩阵在所述时间段期间将进入所述网络中的乘客的附加数量,重新模拟(105)未来时间内的新的未来状态;
-基于新的未来状态,重新评定(106)所述运输模式的所述至少一个性能指标;
-比较(107)所述至少一个性能指标的评定和重新评定的结果;
-重复(108)以下步骤:确定(104)至少一个管制动作,重新模拟(105),重新评定(106),并且进行比较(107),直到比较(107)的结果指示所述至少一个性能指标改进为止,
实施在确定步骤(104)的最后一次迭代中确定的所述至少一个管制动作,以提高网络性能,
所述模拟(102)未来状态以及重新模拟(105)新的未来状态分别在当前时间和未来时间之间的至少一个中间时间内、通过根据预定的分布过程在连接起始车站和目的地车站的多个路线上分布在所述起始车站等待以加入所述目的地车站的乘客的数量加上对于所述起始车站、在包括所述至少一个中间时间的时间段内、基于所述起始-目的地矩阵估计的附加数量来实现,
其中所述运输模式的当前状态由至少一个参数定义,所述至少一个参数包括以下参数中的一个:
-在所述运输模式的多个车站的车站等待的乘客的数量,
-所述运输模式的所述至少一个交通工具的位置和负荷,
-按照乘客-特征的、在所述运输模式的多个车站的车站等待的乘客的数量的分布,
并且其中在确定步骤,对于所述至少一个参数的每个参数,通过所述至少一个数据收集手段确定或者估计一个值,
-其中所述运输模式的所述至少一个管制动作包括以下动作中的至少一个动作:
-添加交通工具,
-将交通工具的路线修改为从所述运输模式的多个车站的一个车站到所述多个车站的另一个车站,
-修改所述至少一个交通工具在所述多个车站的入站时间,
-关闭车站一会,
-设置替换公交车,
-关闭地段一会,
-降低速率,
-添加车站,以及
-删除停车点。
2.根据权利要求1所述的调节方法,其中基于与在所述起始车站等待的所述多个乘客的每个乘客关联的乘客-特征,并且根据在所述中间时间定义的所述网络的中间状态,执行所述预定的分布过程。
3.根据权利要求2所述的调节方法,其中乘客-路线被关联到在所述起始车站等待的所述多个乘客的每个乘客,所述乘客-路线是根据所述乘客-特征而确定的。
4.根据权利要求1至3中任一项所述的调节方法,其中所述预定的分布过程是多模式动态分配过程。
5.根据权利要求1至3中任一项所述的调节方法,其中所述至少一个数据收集手段是传感器、或统计数据学习应用、或远程购票票务应用。
6.根据权利要求1所述的调节方法,其中所述乘客-路线包括车站列表,所述列表的每个车站是所述至少一种运输模式的多个车站的车站,并且所述列表的每个车站是根据所述至少一种运输模式的每种运输模式的所述至少一个交通工具在所述至少一种运输模式的每种运输模式的多个车站的入站时间确定的,以便优化乘客-目的地处的入站时间,并且是根据所述乘客-特征而确定的。
7.根据权利要求1至3中任一项所述的调节方法,其中所述至少一种运输模式包括以下运输模式中的至少一种运输模式:公路运输、铁路运输、航空运输、内陆水路运输、海上运输。
8.根据权利要求1至3中任一项所述的调节方法,其中所述运输网络的所述至少一个性能指标包括以下指标中的至少一个:守时性、规律性、占用率、等待时间、行程持续时间。
9.根据权利要求1至3中任一项所述的调节方法,其中基于交通工具-路线和所述至少一个交通工具的交通工具-行为模型来实现未来状态的模拟和新的未来状态的重新模拟,
并且其中所述至少一个交通工具的交通工具-行为模型由所述至少一个交通工具的多个交通工具-状态和至少一个交通工具-状态改变规则定义,所述交通工具-状态改变规则用于使所述至少一个交通工具从初始的交通工具-状态切换到所述至少一个交通工具的所述多个交通工具-状态的下一个交通工具-状态,
并且其中所述至少一个交通工具的交通工具-路线包括所述至少一种运输模式的所述运输模式的多个车站的车站子集,所述车站子集包括始发车站、中间车站、终点车站,以及可选地,包括从所述车站子集的一个车站到所述车站的至少一个中间路线。
10.根据权利要求9所述的调节方法,
其中所述至少一个交通工具的所述多个交通工具-状态包括以下交通工具-状态中的一个交通工具-状态:
-交通工具停在信号灯旁(12),
-交通工具移动(11),
-交通工具停在车站旁(15),
-交通工具在装载过程中(14),
-交通工具在关闭过程中(13),
-交通工具到达终点(16),
并且其中所述至少一个交通工具的所述至少一个交通工具-状态改变规则包括至少一个安全规则和用于确定位移速度的至少一个规则。
11.根据权利要求1至3中任一项所述的调节方法,其中基于所述运输模式的所述多个乘客的乘客-行为模型来实现未来状态的模拟和新的未来状态的重新的模拟,
所述多个乘客的乘客-行为模型由所述至少一个乘客的多个乘客-状态和至少一个乘客-状态改变规则定义,所述至少一个乘客-状态改变规则用于使所述至少一个乘客从初始状态切换到所述多个乘客的所述多个乘客-状态的下一个状态。
12.根据权利要求11所述的调节方法,其中所述运输网络包括所述至少一种运输模式的一种运输模式和另一种运输模式之间的至少一个转乘,所述转乘由所述至少一种运输模式的所述运输模式的多个车站的转乘车站朝向所述至少一种运输模式的所述另一种运输模式的多个车站的另一个转乘车站定义,
并且其中所述至少一个乘客的所述多个乘客-状态包括以下乘客-状态中的一个乘客-状态:
-在车站等待,
-在车上,
-在转乘中走路,
-上车过程中,
-下车过程中,
-到达目的地,
并且其中,可选地,所述至少一个乘客的所述至少一个乘客-状态改变规则包括以所述至少一个乘客的乘客-特征为条件的至少一个走路速度确定规则。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1858783A FR3086431B1 (fr) | 2018-09-26 | 2018-09-26 | Procede de regulation d’un reseau de transport multimodal |
FR1858783 | 2018-09-26 | ||
PCT/FR2019/051872 WO2020065148A1 (fr) | 2018-09-26 | 2019-07-30 | Procédé de régulation d'un réseau de transport multimodal |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112753041A CN112753041A (zh) | 2021-05-04 |
CN112753041B true CN112753041B (zh) | 2024-06-28 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200286A (zh) * | 2014-09-10 | 2014-12-10 | 东南大学 | 一种城市轨道交通时刻表优化技术应用框架 |
CN107085749A (zh) * | 2016-02-12 | 2017-08-22 | 阿尔斯通运输科技公司 | 预测性多模式陆上运输监管 |
CN107103142A (zh) * | 2017-07-11 | 2017-08-29 | 交通运输部公路科学研究所 | 面向公路和铁路网的综合交通网络运行态势推演仿真技术 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200286A (zh) * | 2014-09-10 | 2014-12-10 | 东南大学 | 一种城市轨道交通时刻表优化技术应用框架 |
CN107085749A (zh) * | 2016-02-12 | 2017-08-22 | 阿尔斯通运输科技公司 | 预测性多模式陆上运输监管 |
CN107103142A (zh) * | 2017-07-11 | 2017-08-29 | 交通运输部公路科学研究所 | 面向公路和铁路网的综合交通网络运行态势推演仿真技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI678306B (zh) | 時刻表作成裝置及自動列車控制系統 | |
Yagar et al. | A procedure for real-time signal control that considers transit interference and priority | |
CN107194497B (zh) | 一种突发事件下城市轨道交通乘客出行路径规划方法 | |
EP1573578B1 (en) | Dynamic optimizing traffic planning method and system | |
US20060212183A1 (en) | Method and apparatus for estimating train location | |
JP2010512265A (ja) | 信号情報を使用して列車の運行を最適化するための方法および装置 | |
Lüthi | Improving the efficiency of heavily used railway networks through integrated real-time rescheduling | |
Al-Mudhaffar et al. | Bus stop and bus terminal capacity | |
JP5174728B2 (ja) | 列車運行予測装置 | |
KR20220044842A (ko) | 열차 제어 시스템 내에서 열차를 제어하는 방법, 및 열차 제어 시스템 | |
CN112753041B (zh) | 用于管制多模式运输网络的方法 | |
Pochet et al. | Automatic train supervision for a CBTC suburban railway line using multiobjective optimization | |
US20210406784A1 (en) | Method for regulating a multimodal transport network | |
Li et al. | Large-scale incident-induced congestion: en-route diversions of commercial and non-commercial traffic under connected and automated vehicles | |
JP7425680B2 (ja) | ナビゲーション装置、及びナビゲーション方法 | |
da Silva et al. | A stochastic modeling approach for traffic analysis of a tramway system with virtual tags and local positioning | |
Coor | Analysis of the short-turning strategy on high-frequency transit lines | |
JPH05252663A (ja) | 電鉄電力負荷予測装置 | |
Askerud et al. | Evaluation of bus terminals using microscopic traffic simulation | |
van der Spek et al. | A multi-method simulation of a high-frequency bus line | |
Ordóñez Medina et al. | New dynamic events-based public transport router for agent-based simulations | |
Hawas | Integrated traffic assignment and signal control for on-line operation | |
Goverde | Transfer stations and synchronization | |
JP7467241B2 (ja) | 列車運転システム | |
Bellei et al. | Threshold-and information-based holding at multiple stops |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |