CN112949029B - 一种车流客流协同评估方法及系统 - Google Patents
一种车流客流协同评估方法及系统 Download PDFInfo
- Publication number
- CN112949029B CN112949029B CN202110103625.0A CN202110103625A CN112949029B CN 112949029 B CN112949029 B CN 112949029B CN 202110103625 A CN202110103625 A CN 202110103625A CN 112949029 B CN112949029 B CN 112949029B
- Authority
- CN
- China
- Prior art keywords
- train
- simulation
- station
- passenger
- passenger flow
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 80
- 238000004088 simulation Methods 0.000 claims abstract description 284
- 238000000034 method Methods 0.000 claims abstract description 129
- 230000008569 process Effects 0.000 claims abstract description 92
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000010586 diagram Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 19
- 238000007726 management method Methods 0.000 claims description 14
- 238000013475 authorization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 2
- PLAIAIKZKCZEQF-UHFFFAOYSA-N methyl 6-chloro-2-oxo-3h-1,2$l^{4},3-benzodithiazole-4-carboxylate Chemical compound COC(=O)C1=CC(Cl)=CC2=C1NS(=O)S2 PLAIAIKZKCZEQF-UHFFFAOYSA-N 0.000 claims description 2
- 230000008520 organization Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 14
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000037353 metabolic pathway Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (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
本申请属于城市轨道交通技术领域，特别是涉及一种车流客流协同评估方法及系统。目前城市轨道交通运营组织中各类典型常见的客流行车场景难以复现、对大型活动、节假日、极端天气等事件导致的大客流影响范围不清楚，对线路多种典型设备故障对列车运行造成的影响难以把握，多种事件叠加下客流车流演化特征不清楚。本申请提供了一种车流客流协同评估方法，所述方法包括如下步骤：构建仿真场景；根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；对所述仿真结果进行评估。从城市轨道交通面临的运营难题出发，以乘客个体与列车单元为仿真对象，精准分析乘客走行全过程，准确模拟列车运行微观过程，进而分析车流客流的演化态势与规律。
Description
技术领域
本申请属于城市轨道交通技术领域，特别是涉及一种车流客流协同评估方法及系统。
背景技术
随着城市轨道交通的发展，线网规模不断扩大，客流量不断攀升，城市轨道交通在城市综合中的地位更加突出。大规模路网、高增长的客流给地铁运营管理带来了极大的挑战，如何精准分析客流实时特征与未来演化趋势，如何准确把握运能配置情况，如何重现大客流、行车中断等各类运营场景以及如何制定合理有效的应对措施以及如何检验既有方案的合理性成为了急需解决的问题。
城市轨道交通目的在于高效利用运载工具将乘客从起点站运送到终点站，为乘客提供高质量的出行体验。乘客在线网中从起点站移动到终点站移动形成了客流，列车在线网中的从车辆段出段到折返站折返再到车辆段入段形成了周期性的车流，车流是客流的前提条件，客流是车流的目标结果。城市轨道交通中车流与客流是一种强耦合状态，准确分析车流与客流之间的耦合关系是评价车流客流匹配状态的重要手段，准确分析乘客出行特征、列车微观运行过程也是构建客流车流协同评估算法的基础和关键。
随着计算机技术的不断发展，仿真技术成为解决科学问题的一个重要手段。仿真技术利用客观物体的各种特性，借助计算机超强的计算能力，对客观物体的状态进行迭代计算，为精准分析物体的变化规律与特征提供了坚实支撑。仿真技术在交通场景中应用广泛，包括路网的规划、交通流分析、运输工具评测、设施设备布局方案优化验证等方面，均表现出很好的适用性。
但是目前城市轨道交通运营组织中各类典型常见的客流行车场景难以复现、对大型活动、节假日、极端天气等事件导致的大客流影响范围不清楚，对线路多种典型设备故障对列车运行造成的影响难以把握，多种事件叠加下客流车流演化特征不清楚。
发明内容
1.要解决的技术问题
目前城市轨道交通运营组织中各类典型常见的客流行车场景难以复现、对大型活动、节假日、极端天气等事件导致的大客流影响范围不清楚，对线路多种典型设备故障对列车运行造成的影响难以把握，多种事件叠加下客流车流演化特征不清楚的问题，本申请提供了一种车流客流协同评估方法及系统。
2.技术方案
为了达到上述的目的，本申请提供了一种车流客流协同评估方法，所述方法包括如下步骤：构建仿真场景；根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；对所述仿真结果进行评估。
本申请提供的另一种实施方式为：所述构建仿真场景包括多种典型客流场景构建和多种行车异常事件场景构建；所述多种典型客流场景构建包括基于初始客流参数，构建各类客流场景，对客流特征进行分析确定客流情况，对所述客流情况进行特征分解，根据特征分解结果进行设置得到客流信息，对所述客流信息进行离散化得到多场景下乘客个体出行信息；所述多种行车异常事件场景构建包括加载线路布置图，点击所述线路上的设备，设置所述设备故障信息，保存所述故障信息。
本申请提供的另一种实施方式为：所述客流情况包括客流发生点、客流发生规模以及乘客去向是否发生集中趋势；所述设置包括进站客流去向比例设置和车站进站客流波动特征设置。
本申请提供的另一种实施方式为：所述设备包括轨道、信号灯和道岔，所述故障信息包括故障设备编号、故障开始时间、故障持续时间、故障类型和故障等级。
本申请提供的另一种实施方式为：所述对车流客流协同进行仿真包括多场景下乘客出行过程仿真和多场景下列车微观运行过程仿真；
所述多场景下乘客出行过程仿真包括乘客进站过程仿真，乘客候车及上车过程仿真和乘客出站过程仿真；
所述多场景下列车微观运行过程仿真包括初始化列车仿真参数，列车移动授权计算，列车目标速度值计算，列车状态信息更新和线路信号设备状态更新。
本申请提供的另一种实施方式为：所述多场景下乘客出行过程仿真包括加载线路各站离散后的乘客出行信息集合；初始化仿真时钟和仿真步长；遍历所有乘客，更新所有乘客在当前仿真时间状态信息；对比仿真时钟和运营结束时间的关系，若仿真时钟大于运营结束时间则结束仿真，否则按照步长更新仿真时钟，继续重复遍历所有乘客，更新所有乘客在当前仿真时间状态信息。
本申请提供的另一种实施方式为：所述多场景下列车微观运行过程仿真包括加载列车计划运行图；结合列车折返信息修正所述运行图数据，增加折返轨道的到发数据；生成列车全过程到发计划；初始化仿真时钟和仿真步长；遍历所有列车车次；对比仿真时钟与各车次时间关系，若仿真时钟大于列车始发站发时则创建仿真列车对象，若仿真时钟大于列车终到站到时则删除仿真列车对象，遍历所有仿真列车对象，确定列车的允许走行条件，计算列车在下一仿真时钟的状态信息；对比仿真时钟和运营结束时间的关系，若仿真时钟大于运营结束时间则结束仿真，否则继续重读遍历所有的列车车次。
本申请提供的另一种实施方式为：所述对所述仿真结果进行评估包括客流评估和行车评估；所述客流评估包括线路客流评估，区间客流评估，车站客流评估和列车客流评估；所述行车评估包括个体车底运用评估，线路车底运用评估，个体车次运行评估，车站车次运行评估和线路车次运行评估。
本申请还提供一种车流客流协同评估系统，包括数据库、数据加载模块、场景创建模块、仿真模块和评估模块；所述数据库，用于存储车流客流数据；所述数据加载模块，用于获取车流客流信息；所述场景创建模块，用于构建仿真场景；所述仿真模块，用于根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；所述评估模块，用于对所述仿真结果进行评估。
本申请提供的另一种实施方式为：所述仿真模块包括仿真控制子模块、仿真计算子模块、场景实时编辑子模块、仿真过程展示子模块和仿真结果输出子模块，所述评估模块包括仿真项目管理子模块；所述仿真控制子模块，用于对仿真进程进行控制；所述仿真计算子模块，用于对列车群和乘客群进行动态仿真，将仿真数据进行存储到数据，反馈到前端进行仿真过程的展示；所述场景实时编辑子模块，用于对行车和客流进行实时编辑；所述仿真过程展示子模块，用于展示车流和客流数据；所述仿真结果输出子模块，用于对仿真结果进行查看并导出；所述仿真项目管理子模块，用于对仿真项目进行管理评估。
3.有益效果
与现有技术相比，本申请提供的一种车流客流协同评估方法及系统的有益效果在于：
本申请提供的车流客流协同评估方法，从城市轨道交通面临的运营难题出发，以乘客个体与列车单元为仿真对象，精准分析乘客走行全过程，准确模拟列车运行微观过程，进而分析车流客流的演化态势与规律。
本申请提供的车流客流协同评估方法，可基于基础客流数据构建各种客流场景、基于线路设备布局构建各类行车事件场景，进而分析多场景下客流车流的演化特征及模拟事件下的影响范围。由此为城市轨道交通运营提供更加全面的分析支持。
本申请提供的车流客流协同评估方法，以城市轨道交通运营中的实际困难为背景，提出了一种客流车流协同仿真的方法与系统，能实现多种运营场景重现，多种指标综合评估，帮助城市轨道交通运营人员对未来客流车流演化做到可知可估可控。
本申请提供的车流客流协同评估方法，以运营中可能存在的大客流、行车故障等为基础，创建各类典型的行车事件场景与客流场景，实现多种典型场景的复现。为用户准确分析各种典型场景下客流如何演化，线路列车如何分布，是否可能会影响行车指标，形成客流风险点等提供多维度仿真数据。
本申请提供的车流客流协同评估方法，构建了一套线路客流车流仿真方法，实现列车与乘客的联动仿真，用户可以验证线路不同运能配置下的运输需求能否满足，也可评估大客流场景下目前的运能是否存在高负荷状态。从而辅助用于对运能进行优化调整。
本申请提供的车流客流协同评估系统，一套线路仿真系统，用户可以快速完成仿真，对数据进行动态展示和输出以及入库保存。
附图说明
图1是本申请的车流客流协同评估方法示意图；
图2是本申请的多种典型客流场景构建方法示意图；
图3是本申请的多种行车事件场景创建方法示意图；
图4是本申请的乘客仿真算法流程示意图；
图5是本申请的列车仿真算法流程示意图；
图6是本申请的车流客流协同评估系统示意图。
具体实施方式
在下文中，将参考附图对本申请的具体实施例进行详细地描述，依照这些详细的描述，所属领域技术人员能够清楚地理解本申请，并能够实施本申请。在不违背本申请原理的情况下，各个不同的实施例中的特征可以进行组合以获得新的实施方式，或者替代某些实施例中的某些特征，获得其它优选的实施方式。
参见图1～6，本申请提供一种车流客流协同评估方法，如图1所示，所述方法包括如下步骤：构建仿真场景；根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；对所述仿真结果进行评估。
进一步地，所述构建仿真场景包括多种典型客流场景构建和多种行车异常事件场景构建；如图2所示，所述多种典型客流场景构建包括基于初始客流参数，构建各类客流场景，对客流特征进行分析确定客流情况，对所述客流情况进行特征分解，根据特征分解结果进行设置得到客流信息，对所述客流信息进行离散化得到多场景下乘客个体出行信息；如图3所示，所述多种行车异常事件场景构建包括加载线路布置图，点击所述线路上的设备，设置所述设备故障信息，保存所述故障信息。
具体的，多场景客流构建方法：
(1)客流场景参数初始化
首先获取线路各站T时间粒度下的进站客流数据，以及进站客流OD比例；
站a在t时刻到t+T时刻范围内的进站客流量可表示为Q a (t,t+T)；
站a在t时刻到t+T时刻范围内的进站客流量中去向站b的比例可表示为R(a ,b) (t,t+T)；
(2)客流场景构建
基于初始客流参数，构建各类客流场景，如大型活动、节假日等典型大客流场景以及封站、突发大客流等特殊场景；
如可设置Q a (t,t+nT)＝0模拟a站在t时刻进行封站，持续到t+nT结束封站；
如可设置Q a (t,t+nT)＝q，R(a,b) (t,t+nT)＝r模拟大型活动在b站发生，导致a站在t到t+nT时段发生大客流，客流累计达到q，该时段进站客流中去向大型活动的人数占比r；
以上场景参数可以根据历史值进行标定，保证场景的描述更加准确；
(3)集计客流离散化
本方法中对乘客仿真以乘客个体为对象进行仿真，因此需要对进站客流进行离散化处理。
本方法中，客流时间粒度T＝1min，时间较短，故假设该时段内乘客到达成均匀分布，以该分布对该粒度下客流进行离散化获得该时段内每一个乘客的进站时间，精准到秒；同时以该时段内进站客流OD比例为基础，标定该乘客的去向；
在it时刻进站a，目的车站为b的乘客可表示为P(a,b) (it)；
经过上述(1)、(2)、(3)步骤，完成了客流场景构建过程。
行车事件场景构建方法：
本发明可实现对各种典型设备故障下列车运行进行仿真分析，故需构建各类行车场景。
设置轨道、信号灯、道岔等设备故障。具体包括故障发生的设备编号、故障开始时间、故障持续时间、故障的种类及等级。
经过以上设置，按照各类故障下的行车组织规则，推断列车的分布态势，从而进行故障下列车运行质量分析。
进一步地，所述客流情况包括客流发生点、客流发生规模以及乘客去向是否发生集中趋势；所述设置包括进站客流去向比例设置和车站进站客流波动特征设置。
进一步地，所述设备包括轨道、信号灯和道岔，所述故障信息包括故障设备编号、故障开始时间、故障持续时间、故障类型和故障等级。
进一步地，所述对车流客流协同进行仿真包括多场景下乘客出行过程仿真和多场景下列车微观运行过程仿真；所述多场景下乘客出行过程仿真包括乘客进站过程仿真，乘客候车及上车过程仿真和乘客出站过程仿真；所述多场景下列车微观运行过程仿真包括初始化列车仿真参数，列车移动授权计算，列车目标速度值计算，列车状态信息更新和线路信号设备状态更新。
具体的，多场景下乘客出行过程仿真方法：
(1)乘客进站过程仿真。
基于各站的进站过程走行时间，推算乘客在站内的位置状态；a站进站过程走行时间为Ta instaioncost，当前仿真时钟为SimT。当乘客P(a,b) (it)的进站累计走行时间(SimT-it)≥Ta instaioncost则推定乘客在站台候车；当T<Ta instaioncost则推定乘客在站内走行中；
(2)乘客候车及上车过程仿真
基于列车到发站时间，到达列车承载客流、乘客对于满载率的容忍度等，仿真乘客在站候车及上车过程；
车次号为trainno列车到达a站的时间为T(a,trainno) arr，车次号为trainno列车离开a站的时间为T(a,trainno) dep，当前仿真时钟为SimT。当乘客P(a,b) (it)到达a站台时间满足T(a ,trainno) arr≤(SimT-it)≤T(a,trainno) dep则乘客有上车机会，在此条件下当乘客的满载率容忍度大于列车满载率时，乘客顺利上车。
(3)乘客出站过程仿真
基于各站的出站过程走行时间，推算乘客在站内的位置状态；
a站出站过程走行时间为Ta outstaioncost，乘客P(a,b) (it)乘坐列车到达目的地时间T(b ,trainno) arr，当前仿真时钟为SimT为。该乘客下车走行时间(SimT-T(b,trainno) arr)≥Ta outstaioncost则推定乘客已出站；当0<(SimT-T(b,trainno) arr)<Ta outstaioncost则推定乘客在站内出站通道走行中；
4、多场景下列车微观运行过程仿真方法：
(1)初始化列车仿真参数。
当仿真时间大于列车在起点站发车时间，即，基于列车类型、发车位置，运行方向、担当车次运行信息计划到发时间等数据，初始化列车仿真参数，包括如下参数：1)列车发车位置；基于站场图信息，以发车车站的中心里程数为列车的发车位置；2)列车运行方向：基于列车担当车次的运行方向，确定列车运行方向；3)列车占用轨道信息：基于站场图信息，初始化列车占用轨道信息，同时初始化占用轨道的偏移量；4)列车速度：发车时初始化列车速度为0km/h。
(2)列车移动授权计算。
当线路信号处于CBTC模式时，列车运行以车载信号为准，地面信号为辅，区域控制器实时计算列车与前车、前方站、连锁系统、故障点的位置关系，生成移动授权。本发明中实时计算列车移动授权信息，具体包括如下：列车与前车距离：TrainDist trainno,车次号为trainno的列车t时刻距离前方车的距离。
列车与前方停车站距离：StaDistrainno t，车次号为trainno的列车t时刻距离前方车站的距离。
列车与前方故障停车点距离：ObsDistrainno t，车次号为trainno的列车t时刻距离前方故障停车点的距离。
4)生成移动授权：MADistrainno t＝min{TrainDist trainno，StaDistrainno t，ObsDistrainno t}。
(3)列车目标速度值计算
基于计算出的列车移动授权距离，结合线路的行车条件、列车的制动性能等数据，计算出列车下一个仿真周期的列车目标速度值；
TargetSpeed(t+T) trainno＝f(g(v)，k(trainno)，Speedt trainno，h(x))，
g(v)列车牵引制动曲线。
k(trainno)车次号为trainno的列车重量、基本阻力等各类参数值。
Speedt trainno车次号为trainno的列车在t时刻的速度值。
h(x)线路条件，包括线路坡度信息，线路曲线信息，线路其他限速值。
(4)列车状态信息更新。
基于计算出的目标速度、仿真周期，计算列车在t+T时刻的速度、位置、占用轨道、占用轨道偏移量等信息，对列车状态信息进行更新。
(5)线路信号设备状态更新。
基于列车位置更新后的位置信息，更新线路上各种设备的状态，如轨道的占用信息、信号等的状态、进路的使用状态信息等。
进一步地，如图4所示所述多场景下乘客出行过程仿真包括加载线路各站离散后的乘客出行信息集合；初始化仿真时钟和仿真步长；遍历所有乘客，更新所有乘客在当前仿真时间状态信息；对比仿真时钟和运营结束时间的关系，若仿真时钟大于运营结束时间则结束仿真，否则按照步长更新仿真时钟，继续重复遍历所有乘客，更新所有乘客在当前仿真时间状态信息。
进一步地，如图5所示，所述多场景下列车微观运行过程仿真包括加载列车计划运行图；结合列车折返信息修正所述运行图数据，增加折返轨道的到发数据；生成列车全过程到发计划；初始化仿真时钟和仿真步长；遍历所有列车车次；对比仿真时钟与各车次时间关系，若仿真时钟大于列车始发站发时则创建仿真列车对象，若仿真时钟大于列车终到站到时则删除仿真列车对象，遍历所有仿真列车对象，根据线路条件、连锁信息、故障信息、列车所在位置等确定列车的允许走行条件，计算列车在下一仿真时钟的状态信息；对比仿真时钟和运营结束时间的关系，若仿真时钟大于运营结束时间则结束仿真，否则继续重读遍历所有的列车车次。
进一步地，所述对所述仿真结果进行评估包括客流评估和行车评估；所述客流评估包括线路客流评估，区间客流评估，车站客流评估和列车客流评估；所述行车评估包括个体车底运用评估，线路车底运用评估，个体车次运行评估，车站车次运行评估和线路车次运行评估。
具体的，本发明中，基于仿真结果，对多场景下的多维度客流指标进行分析，主要涵盖线路、区间、车站、列车四个维度的客流进行评估。
(1)线路客流评估：包括5min、15min、30min、1h、1d的线路总进站客流、总出站客流。
(2)区间客流评估：包括5min、15min、30min、1h、1d的区间客流量、区间满载率。
(3)车站客流评估：包括5min、15min、30min、1h、1d的车站进站客流、车站出站客流。
(4)列车客流评估：列车到达车站承载客流、列车在站上车人数、列车在站下车人数、列车离开车站承载客流。
6、行车评估方法。
本发明中，基于仿真结果，对多场景下的行车情况进行综合评估。行车评估主要针对车底运用和车次运行进行评估。
(1)个体车底运用评估：车底出段时刻、车底入段时刻、车底计划担当车次、车底已完成车次任务占比、车底当前担当车次等信息。
(2)线路车底运用评估：线路计划使用车底数、线路实际使用车底数。
(3)个体车次运行评估：列车车底号、列车上线时间、列车下线时间、列车当前位置(站、区间)、列车接续车次、列车在站到发偏离时间、列车在站停留时间偏离、列车在区间运行偏离时间、列车终点站晚点时间、列车晚点分析(停站超时还是某一区间超时)。
(4)车站车次运行评估：首班车时间、末班车时间、当前车站可达性、当前站发车间隔、当前站列车早晚点分布。
(5)线路车次运行评估：线路晚点2min、5min、10min列车数、计划开行次数、当前已完成开行次数及占比、实际开行次数、列车兑现率、计划与实际分时在线车组数、最大发车间隔、最小发车间隔、平均发车间隔。
本申请还提供一种车流客流协同评估系统，如图6所示，包括数据库1、数据加载模块2、场景创建模块3、仿真模块4和评估模块5；所述数据库1，用于存储车流客流数据；所述数据加载模块2，用于获取车流客流信息；所述场景创建模块3，用于构建仿真场景；所述仿真模块4，用于根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；所述评估模块5，用于对所述仿真结果进行评估。
进一步地，所述仿真模块4包括仿真控制子模块6、仿真计算子模块7、场景实时编辑子模块8、仿真过程展示子模块9和仿真结果输出子模块10，所述评估模块5包括仿真项目管理子模块11；所述仿真控制子模块6，用于对仿真进程进行控制；所述仿真计算子模块7，用于对列车群和乘客群进行动态仿真，将仿真数据进行存储到数据，反馈到前端进行仿真过程的展示；所述场景实时编辑子模块8，用于对行车和客流进行实时编辑；所述仿真过程展示子模块9，用于展示车流和客流数据；所述仿真结果输出子模块10，用于对仿真结果进行查看并导出；所述仿真项目管理子模块11，用于对仿真项目进行管理评估。
具体的，数据加载模块2。本模块中，系统通过数据库1获取线路设备信息、线路曲线坡度信息、线路配置列车基础参数、列车计划运行图、线路客流数据、乘客出行特征参数等。线路设备信息包括：轨道区段、道岔、信号机、车档、进路等基础信息，线路配置列车基础参数包括列车车型、定员、车长、车重、牵引性能、制动性能、能耗性能等，线路客流数包括各站分时进站量、各站分时OD去向比例等，乘客出行特征参数包括各站的进出站走行时间、满载率容忍度等数据。
场景创建模块2。本模块中，用户可基于模块一中载入的基础数据进行重新编辑和调整，构建出各类典型的行车事件场景和客流场景。用户可基于线路平面图设置线路设备故障，如轨道异常占用、信号机故障、进路不能正常排列等行车事件场景。此外，用户也可编辑线路客流数据和出行特征参数，如调整进站客流数据、走行时间参数、OD去向比例等构建各类客流场景。
仿真控制子模块6。本模块中，用户可对仿真进程进行控制，包括启动仿真、暂停仿真、加速仿真等。
仿真计算子模块7。本模块中，启动仿真算法对列车群和乘客群进行动态仿真。同时，将仿真数据进行存储到数据，反馈到前端进行仿真过程的展示。
场景实时编辑子模块8。本模块中，用户在仿真过程中，对行车和客流进行实时编辑，如增加设置异常的行车事件或客流特征进行设置。为用户提供一种动态创建场景的功能。
仿真过程展示子模块9。本模块为仿真过程展示模块，本系统提供了两种展示模式，包括运行图模式和站场图模式。在运行图模式中，展示列车的实际运行轨迹，各列车的满载率、车站进出站客流量等数据。在站场图模式中，展示当前仿真时间的列车位置、线路上设备的使用状态、列车承载客流、列车在站的乘降客流等数据。此外，辅助以客流数值展示，涵盖线路、车站、区间、站台、列车等多个维度的客流、车流数据。
仿真结果输出子模块10。本模块中，用户可以对仿真结果进行查看并导出。仿真报表包括客流报表、行车报表、线路能力报表。
仿真项目管理子模块11。本模块中，用户可以对仿真的项目进行删除、查看等操作。
创建仿真，通过数据加载模块2加载仿真基础数据，将自定义场景分为创建自定义场景和常规场景并保存当前场景，启动仿真，可进行快速仿真、逐帧仿真和实时仿真；通过场景实时编辑子模块8实时编辑场景，可进行修改行车条件、修改客流分布和紧急疏散保存场景设置；如果不需要编辑，则按照原场景进行，保存场景设置。通过仿真过程展示子模块9进行多维度动态展示，可采用运行图模式动态展示，也可采用站场图模式动态展示，对各项指标进行动态展示，通过仿真结果输出子模块10输出客流报表、客流评估、行车报表和行车评估等结果。
本申请准确分析常态运营、行车中断、设备故障等多场景下列车演化态势。本发明以列车单元为研究对象对列车从出段到入段的运行全过程进行重现，具体包括列车当前加减速值、当前速度值、当前位置、当前占用计轴区段、当前占用计轴区段偏移量以及当前线路上各类信号设备如计轴区段、道岔、进路、信号机等的状态。进而实现从列车单元到列车群，从单个设备到全线路信号设备多场景全过程的仿真推演。为线路调度人员应对常态和异常运行场景下的列车调度提供仿真数据支持，也为车流客流的协同仿真提供列车到发数据。
本申请精准分析常态、列车运行故障、封站限流、列车运行调整等多场景下客流演化趋势和特征。本发明以乘客个体为研究对象对乘客的出行全过程进行仿真，包括乘客的出行路径选择，选择乘坐车次、到发站时间、出站走行过程等出行各环节进行分析。综合乘客个体出行特征进而分析出客流时空演化态势，为车站进行客流风险识别、大客流预案验证、管控人员布置、运能评估优化等提供多维度的仿真客流数据。
实施例
本实施提供一种用于城市轨道交通线路多场景车流客流协同评估的系统，应用于城市轨道交通领域，包括如下几个模块：数据加载模块、场景创建模块、仿真控制模块、场景实时编辑模块、仿真过程展示模块、仿真结果输出模块、仿真项目管理模块。其中数据加载模块，系统加载线路基础数据、列车基础参数、列车计划运行图、线路客流数据等；场景创建模块，系统基于初始数据进行编辑，构建出行车事件场景与客流场景；仿真控制模块，系统可对仿真进程进行控制，包括开始、暂停、加速等控制方式；场景实时编辑模块，系统能在仿真进行过程中实时编辑仿真场景，包括设备线路信号设备的损坏、某时段客流的激增等场景；仿真过程展示模块是对仿真过程中车流客流的演化过程进行展示，包括运行图模式和站场图模式两种方式。仿真结果输出模块，系统能对仿真后的生成的各类行车报表、能力报表、行车报表进行展示和导出。仿真项目管理模块，系统能对创建后的仿真项目进行删除和查看操作。
一种用于城市轨道交通多场景车流客流协同评估的方法，包括如下步骤：步骤1、获取仿真基础数据，包括如下内容：步骤1.1、从数据库中获取线路上车站、区间信息，包括车站名、车站中心里程、车站进出站距离、是否具备折返条件以及折返方式、区间名称、区间仿真、区间里程等信息；步骤1.2、从数据库中获取线路曲线信息、线路坡度信息；步骤1.3、从获取线路上信号设备布置信息，包括计轴区段、信号机、车档、道岔、集中分区等数据，绘制出线路的设备布置图；步骤1.4、从获取线路配置列车的基础参数，包括列车牵引性能参数、列车制动性能参数、列车定员、列车车长、列车车重等基础数据；步骤1.5、从获取线路各站的进站客流数据、各站OD比例、进出站走行时间等数据；步骤1.6、离散化各站的乘客个体，即当输入数据为某1分钟内的乘客总量，需进行乘客个体的离散化，精确到每一位乘客的具体进站时间。
步骤2、以步骤1获取的数据为基础，采用如下车流客流协同仿真方法：步骤2.1、初始化仿真时钟、初始化仿真步长；步骤2.2、启动仿真；步骤2.3、对比列车计划运行图，监测是否有车上线。当仿真时钟＝列车发车时间时，列车发车，该列车单元开始启动运行；
步骤2.4、仿真列车微观运行过程，流程如下：Step1：基于线路信号设备状态、列车之间的位置关系、列车计划到发站信息为列车计算移动授权距离MA(MovementAuthorization)；Step2：基于step1获取的列车移动授权距离，结合线路曲线、线路坡度、限速信息等计算列车在下一个仿真周期内的目标速度；Step3：更新列车位置信息；Step4:更新线路信号设备状态信息，包括轨道占用，信号机灯位、道岔状态、进路状态、屏蔽门信息等。
步骤2.5、仿真乘客走行微观过程，流程如下：Step1:计算乘客进站后累计时间；Step2:结合车站内走行时间，推测乘客当前位置；Step3：结合列车微观仿真中列车信息，推测乘客乘坐车次；步骤2.6、统计当前仿真时间车流客流指标数据包括：进站量、出站量、在线人数、上线列车数据等数据；步骤2.7更新仿真时钟；继续进行步骤2.4、2.5、2.6步骤；当仿真时钟等于仿真结束时间，退出本次仿真。
本申请提出了一种多场景下的车流客流协同仿真的方法与一套基于本方法的应用系统，能帮助城市轨道交通运营人员准确把握各类典型场景下的车流客流演化特征，为提出有效措施提供全面的数据支持。
本发明提供了一种典型客流场景的构建方法。本发明从线路客流形成原因的出发对客流场景进行构建，即把乘客个体的出行时间、起始车站、终到车站等个体出行信息集计为一个时间粒度下的车站进站客流量和进站客流去向比例值。
本发明提供了一种常见行车场景的构建方法。本发明以线路行车过程中常出现的行车事件为基础，设置各种故障发生的设备、发生的时段、具体故障信息等数据，从而能复现和评估故障下是否对行车秩序和行车指标的影响。
本发明提供了一种多场景下客流车流协同仿真的方法。本发明以乘客个体为研究对象，精细化模拟乘客进站、候车、上下车、出站过程，从而分析整个运营时间段车站、区间、线路的客流情况，列车满载率、线路运能配置等信息。
本发明提供了一种客流车流多维度评价指标体系，帮助运营组织人员全面把握运营发展态势，快速识别运力运量不协调时空位置、客流高风险区域等。
本申请还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
该实施例的终端设备包括：至少一个处理器处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现下述任意各个代谢路径预测方法实施例中的步骤。
本申请实施例提供的方法可以应用于平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digitalassistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
例如，所述终端设备可以是WLAN中的站点(STAION，ST)，可以是个人数字处理(Personal Digital Assistant，PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡。
所述终端设备可以是台式计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，仅仅是终端设备的举例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器在一些实施例中可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器在另一些实施例中也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card，MC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。所述集成的单元如果以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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
Claims (3)
1.一种车流客流协同评估方法，其特征在于：所述方法包括如下步骤：
构建仿真场景；
根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；
对所述仿真结果进行评估；
所述构建仿真场景包括多种典型客流场景构建和多种行车异常事件场景构建；所述多种典型客流场景构建包括基于初始客流参数，构建各类客流场景，对客流特征进行分析确定客流情况，对所述客流情况进行特征分解，根据特征分解结果进行设置得到客流信息，对所述客流信息进行离散化得到多场景下乘客个体出行信息；所述多种行车异常事件场景构建包括加载线路布置图，点击所述线路上的设备，设置设备故障信息，保存所述故障信息；
具体的，多场景客流构建方法包括以下步骤：
(1)客流场景参数初始化：
首先获取线路各站T时间粒度下的进站客流数据，以及进站客流OD比例；
站a在t时刻到t+T时刻范围内的进站客流量表示为Qa (t,t+T)；
站a在t时刻到t+T时刻范围内的进站客流量中去向站b的比例表示为R(a,b) (t,t+T)；
(2)客流场景构建包括：
基于初始客流参数，构建各类客流场景；
设置Qa (t,t+nT)＝0模拟a站在t时刻进行封站，持续到t+nT结束封站；
设置Qa (t,t+nT)＝q，R(a,b) (t,t+nT)＝r模拟大型活动在b站发生，导致a站在t到t+nT时段发生大客流，客流累计达到q，该时段进站客流中去向大型活动的人数占比r；
(3)集计客流离散化：
客流时间粒度T＝1min，时间较短，故假设在t时刻到t+T时刻时段内乘客到达成均匀分布，以该分布对该粒度下客流进行离散化获得该时段内每一个乘客的进站时间，精准到秒；同时以该时段内进站客流OD比例为基础，标定该乘客的去向；
在it时刻进站a，目的车站为b的乘客表示为P(a,b) (it)；
经过上述(1)、(2)、(3)步骤，完成了客流场景构建过程；
所述客流情况包括客流发生点、客流发生规模以及乘客去向是否发生集中趋势；所述设置包括进站客流去向比例设置和车站进站客流波动特征设置；
所述设备包括轨道、信号灯和道岔，所述故障信息包括故障设备编号、故障开始时间、故障持续时间、故障类型和故障等级；
所述对车流客流协同进行仿真包括多场景下乘客出行过程仿真和多场景下列车微观运行过程仿真；所述多场景下乘客出行过程仿真包括乘客进站过程仿真，乘客候车及上车过程仿真和乘客出站过程仿真；所述多场景下列车微观运行过程仿真包括初始化列车仿真参数，列车移动授权计算，列车目标速度值计算，列车状态信息更新和线路信号设备状态更新；
具体的，多场景下乘客出行过程仿真方法包括以下步骤：
(1)乘客进站过程仿真：
基于各站的进站过程走行时间，推算乘客在站内的位置状态；a站进站过程走行时间为Ta instaioncost，当前仿真时钟为SimT；当乘客P(a,b) (it)的进站累计走行时间(SimT-it)≥Ta instaioncost则推定乘客在站台候车；当T<Ta instaioncost则推定乘客在站内走行中；
(2)乘客候车及上车过程仿真
仿真乘客在站候车及上车过程；
车次号为trainno列车到达a站的时间为T(a,trainno) arr，车次号为trainno列车离开a站的时间为T(a,trainno) dep，当前仿真时钟为SimT；当乘客P(a,b) (it)到达a站台时间满足T(a,trainno) arr≤(SimT-it)≤T(a,trainno) dep则乘客有上车机会，在此条件下当乘客的满载率容忍度大于列车满载率时，乘客顺利上车；
(3)乘客出站过程仿真
基于各站的出站过程走行时间，推算乘客在站内的位置状态；
a站出站过程走行时间为Ta outstaioncost，乘客P(a,b) (it)乘坐列车到达目的地时间T(b ,trainno) arr，当前仿真时钟为SimT为该乘客下车走行时间(SimT-T(b,trainno) arr)≥Ta outstaioncost则推定乘客已出站；当0<(SimT-T(b,trainno) arr)<Ta outstaioncost则推定乘客在站内出站通道走行中；
多场景下列车微观运行过程仿真方法包括以下步骤：
(1)初始化列车仿真参数：
当仿真时间大于列车在起点站发车时间，初始化列车仿真参数，包括如下参数：1)列车发车位置；基于站场图信息，以发车车站的中心里程数为列车的发车位置；2)列车运行方向：基于列车担当车次的运行方向，确定列车运行方向；3)列车占用轨道信息：基于站场图信息，初始化列车占用轨道信息，同时初始化占用轨道的偏移量；4)列车速度：发车时初始化列车速度为0km/h；
(2)列车移动授权计算：
当线路信号处于CBTC模式时，列车运行以车载信号为准，地面信号为辅，区域控制器实时计算列车与前车、前方站、连锁系统、故障点的位置关系，生成移动授权：实时计算列车移动授权信息，具体包括列车与前车距离TrainDist trainno，所述TrainDist trainno表示车次号为trainno的列车t时刻距离前方车的距离：
列车与前方停车站距离StaDistrainno t，所述StaDistrainno t表示车次号为trainno的列车t时刻距离前方车站的距离；
列车与前方故障停车点距离ObsDistrainno t，所述ObsDistrainno t表示车次号为trainno的列车t时刻距离前方故障停车点的距离；
生成移动授权：MADistrainno t＝min{TrainDist trainno，StaDistrainno t，ObsDistrainno t}；
(3)列车目标速度值计算
计算出列车下一个仿真周期的列车目标速度值；
TargetSpeed(t+T) trainno＝f(g(v)，k(trainno)，Speedt trainno，h(x))，
g(v)表示列车牵引制动曲线；
k(trainno)表示车次号为trainno的各类参数值；
Speedt trainno表示车次号为trainno的列车在t时刻的速度值；
h(x)表示线路条件，包括线路坡度信息，线路曲线信息，线路其他限速值；
(4)列车状态信息更新：
基于计算出的目标速度、仿真周期，计算列车在t+T时刻的速度、位置、占用轨道、占用轨道偏移量信息，对列车状态信息进行更新；
(5)线路信号设备状态更新：
基于列车位置更新后的位置信息，更新线路上各种设备的状态；
所述多场景下乘客出行过程仿真包括加载线路各站离散后的乘客出行信息集合；初始化仿真时钟和仿真步长；遍历所有乘客，更新所有乘客在当前仿真时间状态信息；对比仿真时钟和运营结束时间的关系，若仿真时钟大于运营结束时间则结束仿真，否则按照步长更新仿真时钟，继续重复遍历所有乘客，更新所有乘客在当前仿真时间状态信息；
所述多场景下列车微观运行过程仿真包括加载列车计划运行图；结合列车折返信息修正所述运行图数据，增加折返轨道的到发数据；生成列车全过程到发计划；初始化仿真时钟和仿真步长；遍历所有列车车次；对比仿真时钟与各车次时间关系，若仿真时钟大于列车始发站发时则创建仿真列车对象，若仿真时钟大于列车终到站到时则删除仿真列车对象，遍历所有仿真列车对象，确定列车的允许走行条件，计算列车在下一仿真时钟的状态信息；对比仿真时钟和运营结束时间的关系，若仿真时钟大于运营结束时间则结束仿真，否则继续重复遍历所有的列车车次；
对所述仿真结果进行评估包括客流评估和行车评估；所述客流评估包括线路客流评估，区间客流评估，车站客流评估和列车客流评估；所述行车评估包括个体车底运用评估，线路车底运用评估，个体车次运行评估，车站车次运行评估和线路车次运行评估；
具体的，基于仿真结果，对多场景下的多维度客流指标进行分析，包括对线路、区间、车站、列车四个维度的客流进行评估；
(1)线路客流评估：包括5min、15min、30min、1h、1d的线路总进站客流、总出站客流；
(2)区间客流评估：包括5min、15min、30min、1h、1d的区间客流量、区间满载率；
(3)车站客流评估：包括5min、15min、30min、1h、1d的车站进站客流、车站出站客流；
(4)列车客流评估：列车到达车站承载客流、列车在站上车人数、列车在站下车人数、列车离开车站承载客流；
基于仿真结果，对多场景下的行车情况进行综合评估，包括以下：
(1)个体车底运用评估：车底出段时刻、车底入段时刻、车底计划担当车次、车底已完成车次任务占比、车底当前担当车次信息；
(2)线路车底运用评估：线路计划使用车底数、线路实际使用车底数；
(3)个体车次运行评估：列车车底号、列车上线时间、列车下线时间、列车当前位置列车接续车次、列车在站到发偏离时间、列车在站停留时间偏离、列车在区间运行偏离时间、列车终点站晚点时间、列车晚点分析；
(4)车站车次运行评估：首班车时间、末班车时间、当前车站可达性、当前站发车间隔、当前站列车早晚点分布；
(5)线路车次运行评估：线路晚点2min、5min、10min列车数、计划开行次数、当前已完成开行次数及占比、实际开行次数、列车兑现率、计划与实际分时在线车组数、最大发车间隔、最小发车间隔、平均发车间隔。
2.一种车流客流协同评估系统，其特征在于：包括数据库、数据加载模块、场景创建模块、仿真模块和评估模块；
所述数据库，用于存储车流客流数据；
所述数据加载模块，用于获取车流客流信息；
所述场景创建模块，用于构建仿真场景；
所述仿真模块，用于根据所述场景设置信息，对车流客流协同进行仿真得到仿真结果；
所述评估模块，用于对所述仿真结果进行评估；所述系统用于执行如权利要求1所述的车流客流协同评估方法。
3.如权利要求2所述的车流客流协同评估系统，其特征在于：所述仿真模块包括仿真控制子模块、仿真计算子模块、场景实时编辑子模块、仿真过程展示子模块和仿真结果输出子模块，所述评估模块包括仿真项目管理子模块；
所述仿真控制子模块，用于对仿真进程进行控制；
所述仿真计算子模块，用于对列车群和乘客群进行动态仿真，将仿真数据进行存储到数据，反馈到前端进行仿真过程的展示；
所述场景实时编辑子模块，用于对行车和客流进行实时编辑；
所述仿真过程展示子模块，用于展示车流和客流数据；
所述仿真结果输出子模块，用于对仿真结果进行查看并导出；
所述仿真项目管理子模块，用于对仿真项目进行管理评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110103625.0A CN112949029B (zh) | 2021-01-26 | 2021-01-26 | 一种车流客流协同评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110103625.0A CN112949029B (zh) | 2021-01-26 | 2021-01-26 | 一种车流客流协同评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112949029A CN112949029A (zh) | 2021-06-11 |
| CN112949029B true CN112949029B (zh) | 2023-12-08 |
Family
ID=76236958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110103625.0A Active CN112949029B (zh) | 2021-01-26 | 2021-01-26 | 一种车流客流协同评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112949029B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113887068B (zh) * | 2021-10-21 | 2024-05-10 | 北京城建设计发展集团股份有限公司 | 城市轨道交通线网与车站协同仿真计算方法 |
| CN115027535A (zh) * | 2022-06-16 | 2022-09-09 | 交控科技股份有限公司 | 一种行车指挥决策系统和行车指挥决策系统的调度方法 |
| CN118446436A (zh) * | 2023-01-31 | 2024-08-06 | 深圳云天励飞技术股份有限公司 | 公交线网发车时间表的评估方法、系统及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018107510A1 (zh) * | 2016-12-13 | 2018-06-21 | 深圳先进技术研究院 | 公交系统服务质量的评估方法和装置 |
| CN110728612A (zh) * | 2019-10-10 | 2020-01-24 | 北京全路通信信号研究设计院集团有限公司 | 一种轨道交通应急仿真评估方法和系统 |
| CN110766298A (zh) * | 2019-10-10 | 2020-02-07 | 北京全路通信信号研究设计院集团有限公司 | 一种多制式多业务轨道交通仿真模拟方法及系统 |
| CN111866132A (zh) * | 2020-07-20 | 2020-10-30 | 交通运输部科学研究院 | 一种基于物联网的交通运行控制方法 |
-
2021
- 2021-01-26 CN CN202110103625.0A patent/CN112949029B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018107510A1 (zh) * | 2016-12-13 | 2018-06-21 | 深圳先进技术研究院 | 公交系统服务质量的评估方法和装置 |
| CN110728612A (zh) * | 2019-10-10 | 2020-01-24 | 北京全路通信信号研究设计院集团有限公司 | 一种轨道交通应急仿真评估方法和系统 |
| CN110766298A (zh) * | 2019-10-10 | 2020-02-07 | 北京全路通信信号研究设计院集团有限公司 | 一种多制式多业务轨道交通仿真模拟方法及系统 |
| CN111866132A (zh) * | 2020-07-20 | 2020-10-30 | 交通运输部科学研究院 | 一种基于物联网的交通运行控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于虚拟轨道的自动驾驶车辆管控方法和系统研究";侯凯文;《北京交通大学硕士学位论文》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112949029A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949029B (zh) | 一种车流客流协同评估方法及系统 | |
| Dong et al. | Integrated optimization of train stop planning and timetabling for commuter railways with an extended adaptive large neighborhood search metaheuristic approach | |
| CN106777752B (zh) | 一种高速列车追踪运行曲线优化设定方法 | |
| Medeossi et al. | A method for using stochastic blocking times to improve timetable planning | |
| Li et al. | Discrete-event simulations for metro train operation under emergencies: A multi-agent based model with parallel computing | |
| CN110884535A (zh) | 一种智能列车系统实现方法 | |
| CN111401712A (zh) | 一种城市轨道交通风险评估系统及方法 | |
| Aly et al. | Computer applications in railway operation | |
| Bersani et al. | Rapid, robust, distributed evaluation and control of train scheduling on a single line track | |
| RU2723051C1 (ru) | Система оперативного управления движением транзитных поездов | |
| RU2671790C1 (ru) | Система для управления работой сортировочных станций направления железнодорожной сети | |
| RU2662351C1 (ru) | Система для оперативного управления поездной работой участка железной дороги | |
| Zhang et al. | A simulation and machine learning based optimization method for integrated pedestrian facilities planning and staff assignment problem in the multi-mode rail transit transfer station | |
| Sadrani et al. | Designing limited-stop bus services for minimizing operator and user costs under crowding conditions | |
| Zhou et al. | Modeling and simulation of train movements under scheduling and control for a fixed-block railway network using cellular automata | |
| Su et al. | Simulation-based method for the calculation of passenger flow distribution in an urban rail transit network under interruption | |
| US11926356B1 (en) | Method and device for multi-train operation trend deduction | |
| Mukunzi et al. | The impact of railway incidents on train delays: A case of the Swedish Railway Network | |
| Krueger et al. | Simulation within the railroad environment | |
| He et al. | Machine Learning based integrated pedestrian facilities planning and staff assignment problem in transfer stations | |
| Trivella et al. | Modeling system dynamics of interacting cruising trains to reduce the impact of power peaks | |
| RU2737817C1 (ru) | Система для гибридного управления работой сортировочных станций с функцией поддержки принятия решений о порядке роспуска составов | |
| Pu et al. | Capacity analysis of a passenger rail hub using integrated railway and pedestrian simulation | |
| CN114707284B (zh) | 一种高速铁路区段通过能力仿真计算系统 | |
| Birol et al. | A modelling and simulation study of a metro line as a time-delayed switched system |
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 |