CN113362208A - 一种城市轨道交通网络多车站协同限流方法 - Google Patents

一种城市轨道交通网络多车站协同限流方法 Download PDF

Info

Publication number
CN113362208A
CN113362208A CN202110585682.7A CN202110585682A CN113362208A CN 113362208 A CN113362208 A CN 113362208A CN 202110585682 A CN202110585682 A CN 202110585682A CN 113362208 A CN113362208 A CN 113362208A
Authority
CN
China
Prior art keywords
passenger
current limiting
path
station
rail transit
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.)
Pending
Application number
CN202110585682.7A
Other languages
English (en)
Inventor
朱炜
陈梦菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202110585682.7A priority Critical patent/CN113362208A/zh
Publication of CN113362208A publication Critical patent/CN113362208A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明涉及一种城市轨道交通网络多车站协同限流方法，包括以下步骤：S1：获取城市轨道交通数据；S2：构建拥挤状态下城市轨道交通乘客出行路径选择模型，将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果；S3：构建多车站协同限流模型，对多车站协同限流模型进行求解，获取车站限流方案。与现有技术相比，本发明达到优化供需关系及缓解客流拥堵的目的，有效缓解车站拥堵现象，提高城市轨道交通网络运营的效率和安全性。

Description

一种城市轨道交通网络多车站协同限流方法
技术领域
本发明涉及智能交通技术领域，尤其是涉及一种城市轨道交通网络多车站协同限流方法。
背景技术
近年来，城市轨道交通以其大运量、快捷、准时、安全的特点在我国获得了快速的发展，北京、上海、广州、深圳、成都等大城市的轨道交通已进入网络化运营管理的新阶段。随着城市轨道交通路网的日益完善，乘客出行更为便利。然而，城市轨道交通系统在吸引大量乘客的同时，其拥堵现象也变得日益严重，不仅严重影响了网络运营的效率，而且大大降低了运营的安全性。
城市轨道交通系统常用的缓解客流拥堵的方法包括进站限流和换乘限流，在站外通过设置栅栏等措施限制乘客的进站数量及进站速度，在站内通过设置铁马等措施控制换乘人数和换乘速度。但是，这些客流控制措施大多针对单个车站且主要是根据历史经验制定的，缺乏更为科学定量的依据。
现有的研究较少考虑城市轨道交通系统的客流动态时变性特征，造成限流方案效果不佳。在制定限流方案时，现有研究大多针对城市轨道交通的单个车站或单条线路的客流拥堵情况进行。然而，城市轨道交通网络化运营加强了原本独立运行线路间的相互联系，根据某车站或某条线路制定的限流方案可以缓解单车站、单线路的客流压力，实现对局部客流拥挤的疏解，但是由于缺乏对车站和路网之间的协同性考虑，不能确保整个城市轨道交通路网运营效益达到最优。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种城市轨道交通网络多车站协同限流方法。
本发明的目的可以通过以下技术方案来实现：
一种城市轨道交通网络多车站协同限流方法，包括以下步骤：
S1：获取城市轨道交通数据；
S2：构建拥挤状态下城市轨道交通乘客出行路径选择模型，将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果；
S3：构建多车站协同限流模型，对多车站协同限流模型进行求解，获取车站限流方案。
优选地，所述的步骤S3中构建多车站协同限流模型的具体步骤包括：
在乘客的角度构建以乘客总体延误时间最小为目标的目标函数，从运营者主体的角度构建以总体乘客输送量最大为目标的目标函数，兼顾乘客、运营者主体的利益将两个目标函数进行单目标函数转化，获取满意度函数，完成多车站协同限流模型的构建。
优选地，所述在乘客的角度构建以乘客总体延误时间最小为目标的目标函数Z1为：
Figure BDA0003087246170000024
其中，Δt为单位控制时间的长度，
Figure BDA0003087246170000025
为在单位控制时间t内i车站的最佳进站量，qi,t为在单位控制时间t内i车站内的进站需求量，
Figure BDA0003087246170000026
为单位控制时段t内由于之前未能上车而聚集在车站的客流，
Figure BDA0003087246170000027
为单位控制时段t内新到达车站的客，T为限流时段集合。
优选地，所述在运营者主体的角度构建以总体乘客输送量最大为目标的目标函数Z2为：
Figure BDA0003087246170000021
其中，Ql,t为第t个限流时段内区间l的断面客流量，T为限流时段集合，L为区间集合。
优选地，所述的步骤S3中进行单目标函数转化时，设定两个目标函数的权重系数，根据以下公式获取满意度函数：
Figure BDA0003087246170000022
Figure BDA0003087246170000023
P(Z)＝max(αP(Z1)+βP(Z2))
其中，Z1为以乘客总体延误时间最小为目标的目标函数，Z2为以总体乘客输送量最大为目标的目标函数，P(Z1)为乘客总体延误时间满意度，P(Z2)为线路上车总人数满意度，P(Z)为总满意度，α为Z1的权重系数，β为Z2的权重系数。
优选地，所述的步骤S3中利用粒子群算法对多车站协同限流模型进行求解。
优选地，所述的步骤S2具体包括：
S21：获取乘客的有效路径集；
S22：根据乘客的有效路径集构建拥挤状态下的乘客路径选择模型；
S23：基于乘客路径选择模型将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果。
优选地，所述的步骤S22中将乘客拥挤系数纳入路径效用函数之中，并以最小路径阻抗值为标准，构建乘客路径选择模型：
Figure BDA0003087246170000031
其中，Pk为第k条有效路径被选择的概率，θ为表征乘客对于轨道交通路网的熟悉程度的比例参数，ck为第k条路径的路段阻抗，cj为第j条路径的路段阻抗，cmin为最小路径阻抗，j为从1开始的整数，最大取J，J为路径集合中路径的个数。
优选地，所述步骤S23的具体步骤包括：
S231：根据有效路径集获取路径阻抗，并获取有效路径集中的最小路径阻抗；
S232：求解有效路径集中各路径可能被选择的Pk；
S233：将全部客流量按Pk分配到各有效路径中，获取各有效路径上分配到的客流量；
S234：计算轨道交通网路中各路段的客流量。
优选地，所述的轨道交通网路中各路段的客流量的计算公式为：
Figure BDA0003087246170000032
其中，ha为第a个路段的客流量，
Figure BDA0003087246170000033
为第n个OD对间第k条路径第a个路段的客流比例，
Figure BDA0003087246170000034
为第n个OD对之间第k条路径上分配到的客流量。
与现有技术相比，本发明具有如下优点：
(1)本发明充分运用城市轨道交通网络化运营过程中产生的多种数据资源，在分析乘客出行选择与客流时空分布关系基础上，系统考虑城市轨道交通系统供给能力与出行需求匹配关系，提出了基于乘客路径选择的城市轨道交通网络多车站协同限流模型，通过车站之间的需求调节措施引导客流时空分布，达到优化供需关系及缓解客流拥堵的目的，有效缓解拥堵现象，提高城市轨道交通网络运营的效率，提高了运营的安全性；
(2)本发明能够在不改变列车开行方案的前提下生成完整的多车站协同限流方案，为轨道交通系统提供完整的流量控制工作流程，从而提高区间列车能力利用率以及上车比例均衡程度，减少线路能力的损失，并且主要基于每日积累的城市轨道交通系统AFC数据以及ATS数据，故便于接入城市轨道交通系统运营管理平台之中；
(3)充分考虑车站和路网之间的协同性，有效对多车站的拥堵情况进行控制和缓解，确保整个城市轨道交通路网运营效益达到最优。
附图说明
图1为本发明的流程图；
图2为本发明实施例中城市轨道交通网络多车站协同限流系统的结构图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
一种城市轨道交通网络多车站协同限流方法，如图1所示，包括以下步骤：
S1：获取城市轨道交通数据。
本实施例中，城市轨道交通数据包括城市轨道交通AFC系统的进站和出站刷卡数据、ATS系统的列车运行数据、客流调查数据、路网信息数据。
具体地，AFC系统的进出站刷卡数据见下表：
表1进站刷卡AFC数据结构
编号 字段名 字段类型 字段长度 说明
1 CARD_ID Int 8 票卡编号
2 TICKET_TYPE Char 4 票卡类型
3 ENTRANCE_STATION_ID Int 4 进站编号
4 TIME_ENTRANCE Int 8 进站时刻
表2出站刷卡AFC数据结构
编号 字段名 字段类型 字段长度 说明
1 CARD_ID Int 8 票卡编号
2 TICKET_TYPE Char 4 票卡类型
5 EXIT_STATION_ID Int 4 出站编号
6 TIME_EXIT Int 8 出站时刻
本实施例中，基础路网以2018年成都城市轨道交通为例，路网包括6条轨道交通线路，线路总长226.017千米，共计156座车站，14座换乘站。实例应用过程中使用的AFC数据、路网信息数据、列车运行数据等如下表所示。
表3部分区间信息数据
Figure BDA0003087246170000051
表4部分换乘站信息数据
Figure BDA0003087246170000052
表5部分分时段进站客流量表
Figure BDA0003087246170000061
S2：构建拥挤状态下城市轨道交通乘客出行路径选择模型，将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果。
步骤S2具体包括：
S21：获取乘客的有效路径集。具体地，本实施例中，在轨道交通路网的第n个OD对即第n对起终点之间，搜索有效路径，并得到有效路径集合K。
S21中对任一OD对(o,d)的某一乘客n，结合AFC数据和列车运行信息生成有效路径集合K，
S22：根据乘客的有效路径集构建拥挤状态下的乘客路径选择模型。
步骤S22中将乘客拥挤系数纳入路径效用函数之中，并以最小路径阻抗值为标准，构建乘客路径选择模型：
Figure BDA0003087246170000062
其中，Pk为第k条有效路径被选择的概率，θ为表征乘客对于轨道交通路网的熟悉程度的比例参数，ck为第k条路径的路段阻抗，cj为第j条路径的路段阻抗，cmin为最小路径阻抗，j为从1开始的整数，最大取J，J为路径集合中路径的个数。
S23：基于乘客路径选择模型将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果。
所述步骤S23的具体步骤包括：
S231：根据有效路径集获取路径阻抗，并获取有效路径集中的最小路径阻抗；
S232：求解有效路径集中各路径可能被选择的Pk；
S233：将全部客流量按Pk分配到各有效路径中，获取各有效路径上分配到的客流量，轨道交通网路中各路段的客流量的计算公式为：
Figure BDA0003087246170000071
其中，ha为第a个路段的客流量，
Figure BDA0003087246170000072
为第n个OD对间第k条路径第a个路段的客流比例，
Figure BDA0003087246170000073
为第n个OD对之间第k条路径上分配到的客流量。
S234：计算轨道交通网路中各路段的客流量，轨道交通路网中第k条路径上分配到的客流量fk可以表示为：
fk＝qPk
其中，q为轨道交通路网中第n个OD对之间总的客流量。
本实施例步骤S2获取的部分时段进展客流量见下表：
表6部分客流分配结果
Figure BDA0003087246170000074
Figure BDA0003087246170000081
S3：构建多车站协同限流模型，对多车站协同限流模型进行求解，获取车站限流方案，该方案内包括限流车站、限流时间和限流强度，组成最佳进站量。
步骤S3中构建多车站协同限流模型的具体步骤包括：
在乘客的角度构建以乘客总体延误时间最小为目标的目标函数，在运营者主体的角度构建以总体乘客输送量最大为目标的目标函数，兼顾乘客、运营者主体的利益将两个目标函数进行单目标函数转化，获取满意度函数，完成多车站协同限流模型的构建。
具体地，在乘客的角度构建以乘客总体延误时间最小为目标的目标函数Z1为：
Figure BDA0003087246170000082
其中，Δt为单位控制时间的长度，
Figure BDA0003087246170000083
为在单位控制时间t内i车站的最佳进站量，qi,t为在单位控制时间t内i车站内的进站需求量，
Figure BDA0003087246170000084
为单位控制时段t内由于之前未能上车而聚集在车站的客流，
Figure BDA0003087246170000091
为单位控制时段t内新到达车站的客，T为限流时段集合。
具体地，在运营者主体的角度构建以总体乘客输送量最大为目标的目标函数Z2为：
Figure BDA0003087246170000092
其中，Ql,t为第t个限流时段内区间l的断面客流量，T为限流时段集合，L为区间集合。
进行单目标函数转化时，设定两个目标函数的权重系数，根据以下公式获取满意度函数：
Figure BDA0003087246170000093
Figure BDA0003087246170000094
P(Z)＝max(αP(Z1)+βP(Z2))
其中，Z1为以乘客总体延误时间最小为目标的目标函数，Z2为以总体乘客输送量最大为目标的目标函数，P(Z1)为乘客总体延误时间满意度，P(Z2)为线路上车总人数满意度，P(Z)为总满意度，α为Z1的权重系数，β为Z2的权重系数。
多车站协同限流模型的约束条件包括乘客路径选择行为、客流需求、乘客上下车、站台容纳能力、乘客进站。
步骤S3中利用粒子群算法对满意度函数进行求解，通过对模型的计算获得限流车站、限流时段以及控流率。本实施例中，粒子群算法的最大迭代次数为800。
其中，控流率是单位时间内某个车站限制进入车站的客流与实际客流的比值，控流率Δi,t的计算公式为：
Figure BDA0003087246170000095
其中，qi,t为在单位控制时间t内i车站的进站量需求，
Figure BDA0003087246170000096
为在单位控制时间t内i车站的最佳进站量。
本实施例中获取多站分时段限流结果如下：
表7多站分时段限流结果
Figure BDA0003087246170000101
另外，本发明具体使用时，构建城市轨道交通网络多车站协同限流系统，如图2所示，包括路网数据管理模块、AFC数据存储模块、运营计划管理模块、网络客流分配模块、多车站协同限流模块组成，这些模块都是独立的，可以根据实际情况安装在一台处理设备上，也可以安装在多台处理设备上。此外，还可以作为城市轨道交通运营管理辅助决策支持系统的一个子系统整合进入城市轨道交通运营管理平台之中。
路网数据管理模块通过建立城市轨道交通路网基础数据库，提供多车站协同限流模块所需各类基础数据的管理、维护和更新，同时也可实现城市轨道交通路网数字化，对路网的各类基础信息实现统一、规范化管理。该模块采用图形化、可视化的方式对各种基础数据信息进行统一管理，基础数据包括：线路基础信息、车站基础信息、运营计划基础资料、车站区间设施设备等现场基础设施的配置信息等。
AFC数据存储模块与城市轨道交通ACC(票务清分清算中心，Automated ClearingCentre，简称ACC)建有数据接口，获取ACC提供的AFC系统的进站和出站刷卡数据，并对原始AFC数据进行清洗、整理与保存。
运营计划管理模块与城市轨道交通运营计划系统建有数据接口，用于网络客流分配及多车站协同限流模块所需的城市轨道交通运营计划数据，包括：路网全日行车计划数据、线路间首/末班列车的衔接方案数据等。
网络客流分配模块提供了我国各城市的轨道交通清算管理中心(ACC)自动售检票系统(AFC)的实际背景下基于海量AFC数据的有效路径集生成及客流分配方法。结合AFC数据和列车运营数据，基于K条渐短路径算法，设置绝对阈值和相对阈值对K条路径的合理性进行判断，从而生成有效路径集，并利用贝叶斯和MCMC方法对模型参数进行标定。该模块生成的客流分配结果将反馈给多车站协同限流模块。
多车站协同限流模块是系统的核心模块，基于路网数据管理模块提供的城市轨道交通路网基础数据、运营计划管理模块提供的列车运营计划数据，网络客流分配模块提供的网络客流分配数据，利用多车站协同限流模型及粒子群算法给出分时段限流方案。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (10)

1.一种城市轨道交通网络多车站协同限流方法，其特征在于，包括以下步骤：
S1：获取城市轨道交通数据；
S2：构建拥挤状态下城市轨道交通乘客出行路径选择模型，将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果；
S3：构建多车站协同限流模型，对多车站协同限流模型进行求解，获取车站限流方案。
2.根据权利要求1所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述的步骤S3中构建多车站协同限流模型的具体步骤包括：
在乘客的角度构建以乘客总体延误时间最小为目标的目标函数，从运营者主体的角度构建以总体乘客输送量最大为目标的目标函数，兼顾乘客、运营者主体的利益将两个目标函数进行单目标函数转化，获取满意度函数，完成多车站协同限流模型的构建。
3.根据权利要求2所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述在乘客的角度构建以乘客总体延误时间最小为目标的目标函数Z1为：
Figure FDA0003087246160000011
其中，Δt为单位控制时间的长度，
Figure FDA0003087246160000012
为在单位控制时间t内i车站的最佳进站量，qi,t为在单位控制时间t内i车站内的进站需求量，
Figure FDA0003087246160000013
为单位控制时段t内由于之前未能上车而聚集在车站的客流，
Figure FDA0003087246160000014
为单位控制时段t内新到达车站的客，T为限流时段集合。
4.根据权利要求2所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述在运营者主体的角度构建以总体乘客输送量最大为目标的目标函数Z2为：
Figure FDA0003087246160000015
其中，Ql,t为第t个限流时段内区间l的断面客流量，T为限流时段集合，L为区间集合。
5.根据权利要求2所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述的步骤S3中进行单目标函数转化时，设定两个目标函数的权重系数，根据以下公式获取满意度函数：
Figure FDA0003087246160000021
Figure FDA0003087246160000022
P(Z)＝max(αP(Z1)+βP(Z2))
其中，Z1为以乘客总体延误时间最小为目标的目标函数，Z2为以总体乘客输送量最大为目标的目标函数，P(Z1)为乘客总体延误时间满意度，P(Z2)为线路上车总人数满意度，P(Z)为总满意度，α为Z1的权重系数，β为Z2的权重系数。
6.根据权利要求2所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述的步骤S3中利用粒子群算法对多车站协同限流模型进行求解。
7.根据权利要求1所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述的步骤S2具体包括：
S21：获取乘客的有效路径集；
S22：根据乘客的有效路径集构建拥挤状态下的乘客路径选择模型；
S23：基于乘客路径选择模型将乘客路径选择行为问题转化为对参数的估计问题，获取客流分配结果。
8.根据权利要求7所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述的步骤S22中将乘客拥挤系数纳入路径效用函数之中，并以最小路径阻抗值为标准，构建乘客路径选择模型：
Figure FDA0003087246160000023
其中，Pk为第k条有效路径被选择的概率，θ为表征乘客对于轨道交通路网的熟悉程度的比例参数，ck为第k条路径的路段阻抗，cj为第j条路径的路段阻抗，cmin为最小路径阻抗，j为从1开始的整数，最大取J，J为路径集合中路径的个数。
9.根据权利要求8所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述步骤S23的具体步骤包括：
S231：根据有效路径集获取路径阻抗，并获取有效路径集中的最小路径阻抗；
S232：求解有效路径集中各路径可能被选择的Pk；
S233：将全部客流量按Pk分配到各有效路径中，获取各有效路径上分配到的客流量；
S234：计算轨道交通网路中各路段的客流量。
10.根据权利要求9所述的一种城市轨道交通网络多车站协同限流方法，其特征在于，所述的轨道交通网路中各路段的客流量的计算公式为：
Figure FDA0003087246160000031
其中，ha为第a个路段的客流量，
Figure FDA0003087246160000032
为第n个OD对间第k条路径第a个路段的客流比例，
Figure FDA0003087246160000033
为第n个OD对之间第k条路径上分配到的客流量。
CN202110585682.7A 2021-05-27 2021-05-27 一种城市轨道交通网络多车站协同限流方法 Pending CN113362208A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110585682.7A CN113362208A (zh) 2021-05-27 2021-05-27 一种城市轨道交通网络多车站协同限流方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110585682.7A CN113362208A (zh) 2021-05-27 2021-05-27 一种城市轨道交通网络多车站协同限流方法

Publications (1)

Publication Number Publication Date
CN113362208A true CN113362208A (zh) 2021-09-07

Family

ID=77527895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110585682.7A Pending CN113362208A (zh) 2021-05-27 2021-05-27 一种城市轨道交通网络多车站协同限流方法

Country Status (1)

Country Link
CN (1) CN113362208A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114275014A (zh) * 2021-12-20 2022-04-05 佳都科技集团股份有限公司 一种地铁拥挤程度缓解方法、装置、服务器和存储介质
CN118333246A (zh) * 2024-06-17 2024-07-12 中国地铁工程咨询有限责任公司 轨道交通车站客流管控措施的优化方法、装置及电子设备
CN118365092A (zh) * 2024-06-17 2024-07-19 中南大学 一种基于预测数据的地铁拥挤缓解方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616076A (zh) * 2015-01-30 2015-05-13 北京交通大学 一种城市轨道交通多线协同运营方案的优化方法及系统
CN108550098A (zh) * 2018-04-24 2018-09-18 西南交通大学 一种城市轨道交通网络客流限流方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104616076A (zh) * 2015-01-30 2015-05-13 北京交通大学 一种城市轨道交通多线协同运营方案的优化方法及系统
CN108550098A (zh) * 2018-04-24 2018-09-18 西南交通大学 一种城市轨道交通网络客流限流方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢丽平: "城市轨道交通路网多站协同客流控制研究", 《中国优秀硕博士论文全文数据库（硕士） 工程科技II辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114275014A (zh) * 2021-12-20 2022-04-05 佳都科技集团股份有限公司 一种地铁拥挤程度缓解方法、装置、服务器和存储介质
CN114275014B (zh) * 2021-12-20 2023-07-28 佳都科技集团股份有限公司 一种地铁拥挤程度缓解方法、装置、服务器和存储介质
CN118333246A (zh) * 2024-06-17 2024-07-12 中国地铁工程咨询有限责任公司 轨道交通车站客流管控措施的优化方法、装置及电子设备
CN118365092A (zh) * 2024-06-17 2024-07-19 中南大学 一种基于预测数据的地铁拥挤缓解方法及系统
CN118365092B (zh) * 2024-06-17 2024-09-06 中南大学 一种基于预测数据的地铁拥挤缓解方法及系统

Similar Documents

Publication Publication Date Title
CN113362208A (zh) 一种城市轨道交通网络多车站协同限流方法
CN108550098B (zh) 一种城市轨道交通网络客流限流方法
CN104200286B (zh) 一种城市轨道交通时刻表优化技术应用框架
CN109543934B (zh) 城市公交线网的综合指标的评价方法
CN108090668A (zh) 时变客流驱动的城市轨道交通客流匹配与时刻表调整方法
CN109255972B (zh) 一种基于大数据的地面公交固定线路时刻表的优化方法
CN105488751A (zh) 一种地铁站客流微观统计与调度方法
CN112465205B (zh) 一种单线多站协同限流的轨道交通列车开行密度优化方法
CN109360420B (zh) 一种公共交通大数据处理系统与方法
CN111552913A (zh) 一种新线接入条件下城市轨道交通运能匹配性评价方法
CN111160815B (zh) 一种铁路货物运输机车运用计划自动编制方法及系统
CN109774750A (zh) 一种基于虚拟耦合模式的动态调度时空决策方法
CN112580866B (zh) 基于全程车与区间车组合调度的公交线路串车优化方法
CN110084402B (zh) 一种基于站点优选和蚂蚁寻迹的公交自适应调度方法
CN112990564B (zh) 金库尾箱任务网点混编路线规划方法
WO2024174566A1 (zh) 一种用于智能公交系统的多车型时刻表设计方法及系统
CN109064076A (zh) 一种基于前景理论的多模式公共运输方式选择方法
CN110298507A (zh) 高速铁路列车运行图与动车组运用一体化优化方法
CN111063191B (zh) 用于公交线网设计的发车频率与线网结构联合优化方法
CN116523138A (zh) 一种考虑旅客中转出行选择的枢纽机场航班时刻优化方法
CN115456257A (zh) 一种基于模块化自动驾驶公交接驳的机场旅客疏运系统
CN109552370B (zh) 基于客流量的列车运行图生成方法
CN118134088A (zh) 一种高铁车站与动车运用所收发作业协同优化方法及系统
CN111367900B (zh) 基于afc数据的城市轨道交通网络常态限流强度的计算方法
CN111105078B (zh) 一种定制公交网络优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210907

RJ01 Rejection of invention patent application after publication