CN113792199A - 列车运行图标尺的调整方法、装置、电子设备与存储介质 - Google Patents
列车运行图标尺的调整方法、装置、电子设备与存储介质 Download PDFInfo
- Publication number
- CN113792199A CN113792199A CN202111013677.5A CN202111013677A CN113792199A CN 113792199 A CN113792199 A CN 113792199A CN 202111013677 A CN202111013677 A CN 202111013677A CN 113792199 A CN113792199 A CN 113792199A
- Authority
- CN
- China
- Prior art keywords
- scale information
- scale
- train
- adjusting
- historical
- 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
Links
- 238000010586 diagram Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000013210 evaluation model Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect 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
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种列车运行图标尺的调整方法、装置、电子设备与存储介质,所述方法包括:确定待调整的列车运行图的标尺信息;基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图;其中,所述最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,所述多个历史标尺信息与所述标尺信息对应同一时间段。本发明提供的方法、装置、电子设备与存储介质,通过将乘客平均等车时间作为通用的评估标准,对不同的历史标尺方案进行评估,并基于由此确定出的最优标尺信息对列车运行图的标尺信息进行调整,从而提高了运行图标尺的调整效率和乘客的满意度,保障了列车的安全高效运行,降低了运营成本。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种列车运行图标尺的调整方法、装置、电子设备与存储介质。
背景技术
列车运行图是利用坐标原理对列车运行时间与空间关系的图解,利用二维坐标系描述列车占用区间的顺序。运行图的标尺通常包括列车停站时间,折返时间,列车运行等级等影响列车间隔的信息。在实际运营过程中,当线路设备发生故障或短时客流量激增等不可预见性事件发生时,列车大规模晚点,区域性交通堵塞的风险变高,另外,不均衡的发车间隔也会造成大量乘客聚集在站台,容易造成安全隐患,乘客满意度也会降低。
目前,为了降低突发事件的不良影响,通常是调度人员根据人工经验手动调整运行图的标尺。然而,不同城市、不同线路的公共交通运输条件不同,很难找到一套通用的评估标准来量化不同标尺的实际运营表现,现有的人工调整方法实施难度较大,调整效率较低,运营成本较高。
发明内容
本发明提供一种列车运行图标尺的调整方法、装置、电子设备与存储介质,用以解决现有技术中运行图标尺的调整效率较低的缺陷,实现提高运行图标尺的调整效率。
本发明提供一种列车运行图标尺的调整方法,包括:
确定待调整的列车运行图的标尺信息;
基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图;
其中,所述最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,所述多个历史标尺信息与所述标尺信息对应同一时间段。
根据本发明提供的一种列车运行图标尺的调整方法,所述最优标尺信息还包括在所述多个历史标尺信息中确定出的最大列车平均载客率对应的第二标尺信息、最小列车平均运行间隔对应的第三标尺信息和最小交通堵塞疏解时间对应的第四标尺信息;
所述基于最优标尺信息,对所述标尺信息进行调整,包括:
基于所述第一标尺信息、第二标尺信息、第三标尺信息和第四标尺信息中的至少一种,对所述标尺信息进行调整。
根据本发明提供的一种列车运行图标尺的调整方法,所述基于最优标尺信息,对所述标尺信息进行调整,之前还包括:
将各个历史标尺信息、所述各个历史标尺信息的上一时间段的历史标尺信息以及外部环境信息输入至预先构建的评估模型中,得到所述各个历史标尺信息对应的评估结果;所述评估结果包括多个评估指标的结果,所述多个评估指标包括乘客平均等车时间、列车平均载客率、列车平均运行间隔和交通堵塞疏解时间;
基于所述各个历史标尺信息对应的评估结果,确定所述最优标尺信息。
根据本发明提供的一种列车运行图标尺的调整方法,所述基于最优标尺信息,对所述标尺信息进行调整,包括:
基于所述评估模型的权重参数,确定所述标尺信息中各个标尺元素对各个评估指标的重要程度;
基于所述各个标尺元素对各个评估指标的重要程度,以及所述最优标尺信息,对所述标尺信息进行调整。
根据本发明提供的一种列车运行图标尺的调整方法,所述评估模型是基于多个时间段的样本历史标尺信息、所述样本历史标尺信息对应的样本评估结果、样本外部环境信息以及随机梯度下降算法训练得到的。
根据本发明提供的一种列车运行图标尺的调整方法,基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图,包括:
基于最优标尺信息,确定所述标尺信息的调整策略;
若所述调整策略对应的交通堵塞疏解时间小于预设的疏解时间阈值,则基于所述调整策略对所述标尺信息进行调整,得到所述调整后的列车运行图。
本发明还提供一种列车运行图标尺的调整装置,包括:
确定模块,用于确定待调整的列车运行图的标尺信息;
调整模块,用于基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图;
其中,所述最优标尺信息包括在多个历史标尺信息中确定出的乘客平均等车时间最小对应的第一标尺信息,所述多个历史标尺信息与所述标尺信息对应同一时间段。
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列车运行图标尺的调整方法的步骤。
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列车运行图标尺的调整方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述列车运行图标尺的调整方法的步骤。
本发明提供的列车运行图标尺的调整方法、装置、电子设备与存储介质,通过将乘客平均等车时间作为通用的评估标准,对不同的历史标尺方案进行评估,并基于由此确定出的最优标尺信息对列车运行图的标尺信息进行调整,从而提高了运行图标尺的调整效率和乘客的满意度,保障了列车的安全高效运行,降低了运营成本,并且,针对每个时间段分别提供对应的最优标尺信息供后续调整参考,从而使得调整方法能够应对不同时间段客流量的变化,提高运营效率。
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是本发明提供的列车运行图标尺的调整方法的流程示意图之一;
图2是本发明提供的最优标尺信息获取方法的流程示意图;
图3是本发明提供的评估模型的网络结构示意图;
图4是本发明提供的列车运行图标尺的调整方法的流程示意图之二;
图5是本发明提供的列车运行图标尺的调整装置的结构示意图;
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。
本发明实施例提供了一种列车运行图标尺的调整方法。图1是本发明提供的列车运行图标尺的调整方法的流程示意图之一,如图1所示,该方法包括:
步骤110,确定待调整的列车运行图的标尺信息。
具体地,待调整的列车运行图即需要进行标尺信息调整的列车运行图,例如可以是线路设备故障、短时客流量激增等突发事件发生时的列车运行图。列车运行图的标尺信息可以包括列车停站时间、列车折返时间、列车运行等级等影响列车运行间隔的信息,还可以包括其他标尺信息,例如该标尺信息对应的时间段等,本发明实施例对此不作具体限定。
步骤120,基于最优标尺信息,对标尺信息进行调整,得到调整后的列车运行图;
其中,最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,多个历史标尺信息与标尺信息对应同一时间段。
具体地,考虑到现有技术通常是调度人员根据人工经验手动调整运行图的标尺,然而,不同城市、不同线路的公共交通运输条件不同,很难找到一套通用的评估标准来量化不同标尺的实际运营表现,现有技术的人工调整方法实施难度较大,调整效率较低,运营成本较高。
针对这一问题,本发明实施例考虑到乘客的满意度的重要性,将乘客的平均等车时间作为评估指标,来评估不同标尺信息的实际运营表现,现场调度人员可以采用这一项指标评估不同的标尺调整方案,实现高效有序运营,从而极大程度地减少了控制中心调度人员的工作量,降低了现场管控人员的组织指挥难度,同时降低了乘客出行的时间成本。
考虑到标尺信息的运营表现受客流量的潮汐变化影响很大(如工作日的早晚高峰,节假日高峰等),本发明实施例将全天时间分为各个时间段,然后针对每个时间段都确定对应的最优标尺信息。在此基础上,当确定待调整的标尺信息对应的时间段之后,即可根据该时间段确定对应的最优标尺信息,再根据该最优标尺信息调整待调整的标尺信息,得到调整后的列车运行图,从而提高了线路运营方对突发事件的处理能力和乘客的满意度,保障了列车的安全高效运行。
此处,时间段的划分可以根据用户需求的调整精度进行设定,例如30分钟、1小时等。具体的标尺信息的调整方式可以是直接将待调整的标尺信息调整为最优标尺信息,也可以是将最优标尺信息作为参考重新确定新的标尺信息,再将待调整的标尺信息调整为新的标尺信息,本发明实施例对此不作具体限定。
最优标尺信息可以包括第一标尺信息,第一标尺信息的确定方式具体可以是预先采集大量与待调整的标尺信息对应同一时间段的多个历史列车运行图的标尺信息即历史标尺信息,然后比较这些历史标尺信息对应的乘客平均等车时间,将其中乘客平均等车时间最小的历史标尺信息作为第一标尺信息。例如,待调整的标尺信息对应的时间段为8:30-9:00,则可以采集半年或者一个月内8:30-9:00的历史标尺信息,将这些历史标尺信息中乘客平均等车时间最小的历史标尺信息作为第一标尺信息。此处,乘客平均等车时间可以是根据人脸识别技术计算得到的,也可以是将历史标尺信息输入到神经网络模型中预估得到的,本发明实施例对此不作具体限定。
本发明实施例提供的方法,通过将乘客平均等车时间作为通用的评估标准,对不同的历史标尺方案进行评估,并基于由此确定出的最优标尺信息对列车运行图的标尺信息进行调整从而提高了运行图标尺的调整效率和乘客的满意度,保障了列车的安全高效运行,降低了运营成本,并且,针对每个时间段分别提供对应的最优标尺信息供后续调整参考,从而使得调整方法能够应对不同时间段客流量的变化,提高运营效率。
基于上述任一实施例,最优标尺信息还包括在多个历史标尺信息中确定出的最大列车平均载客率对应的第二标尺信息、最小列车平均运行间隔对应的第三标尺信息和最小交通堵塞疏解时间对应的第四标尺信息;
步骤120包括:
基于第一标尺信息、第二标尺信息、第三标尺信息和第四标尺信息中的至少一种,对标尺信息进行调整。
具体地,为了提供多个最优标尺信息供用户根据自身需求进行选择,本发明实施例从列车运营、解决交通堵塞的能力等角度出发,将列车平均载客率、列车平均运行间隔和交通堵塞疏解时间也作为评估指标来评估不同标尺信息的实际运营表现,分别从多个历史标尺信息中确定出最大列车平均载客率对应的第二标尺信息、最小列车平均运行间隔对应的第三标尺信息和最小交通堵塞疏解时间对应的第四标尺信息。
在此基础上,用户即可参考最优标尺信息包括的第一标尺信息、第二标尺信息、第三标尺信息和第四标尺信息中的至少一种标尺信息,确定最终的调整策略,并根据该调整策略对待调整的标尺信息进行调整,从而可以实现在提高乘车满意度和节能高效地在线运营之间达到平衡。
需要说明的是,当突发事件发生后,列车大规模晚点,区域性交通堵塞的风险变高,短时间内乘客的平均等车时间升高,通过调整列车运行图的标尺信息(例如提高列车运行等级,缩短列车运行周期,增开备用列车等措施)可以改变这一趋势。因此,可以用车站内乘客的平均等车时间由低到高,再恢复到正常水平的这一过程的总时间,来衡量标尺信息的交通堵塞疏解时间。
基于上述任一实施例,步骤120之前还包括:
将各个历史标尺信息、各个历史标尺信息的上一时间段的历史标尺信息以及外部环境信息输入至预先构建的评估模型中,得到各个历史标尺信息对应的评估结果;评估结果包括多个评估指标的结果,多个评估指标包括乘客平均等车时间、列车平均载客率、列车平均运行间隔和交通堵塞疏解时间;
基于各个历史标尺信息对应的评估结果,确定最优标尺信息。
具体地,为了提高标尺评估的效率和准确性,可以预先构建评估模型,再将各个历史标尺信息、各个历史标尺信息的上一时间段的历史标尺信息以及外部环境信息输入到该评估模型中,即可得到各个历史标尺信息对应的评估结果。
此处,外部环境信息可以包括客流量、天气环境等外部信息。评估模型可以是单一的神经网络模型,也可以是多个神经网络模型的组合,本发明实施例对此不作具体限定。评估结果可以包括乘客平均等车时间、列车平均载客率、列车平均运行间隔和交通堵塞疏解时间等多个评估指标对应的结果。
在此基础上,即可根据各个历史标尺信息对应的评估结果,确定出最小乘客平均等车时间对应的第一标尺信息、最大列车平均载客率对应的第二标尺信息、最小列车平均运行间隔对应的第三标尺信息和最小交通堵塞疏解时间对应的第四标尺信息,由此即可得到最优标尺信息,用于待调整的标尺信息进行调整,从而提高轨道交通运营企业的经济效益。
需要说明的是,该评估模型可以仅针对某一个或者某几个评估指标进行评估,具体可以通过在将标尺信息输入到评估模型之前,设置不同的评估指标对应不同的输出权重实现。
基于上述任一实施例,图2是本发明提供的最优标尺信息获取方法的流程示意图,如图2所示,以乘客的平均等车时间为例评估不同的运行图标尺信息,首先对历史运行图数据进行数据清理,剔除异常数据、冗余数据,降低数据维度,完成数据的规范标准化以加速权重参数的收敛,并利用最相似的数据项填补缺失数据,接着把数据处理后的历史运行图数据以30分钟为单位划分为组,由此可以得到多组不同时间段的历史标尺信息,再根据各组历史标尺信息分别确定对应的最优标尺信息,最终即可获得全天各时间段内的最优标尺信息,方便后续编图人员的绘图工作。
针对每一组历史标尺信息,可以将该组数据中包括的同一时间段的多个历史标尺信息输入到评估模型中进行评估,由此即可得到该组历史标尺信息中乘客平均等车时间最小的第一标尺信息,并将第一标尺信息作为以乘客平均等车时间为调整策略,该时间段下最优的标尺信息。另外,若该最优标尺信息的乘客平均等车时间仍不满足用户需求,可以获取更多的同一时间段的历史标尺信息输入到评估模型中,从而可以基于历史数据分析实现不断更新最优标尺信息。
基于上述任一实施例,步骤120包括:
基于评估模型的权重参数,确定标尺信息中各个标尺元素对各个评估指标的重要程度;
基于各个标尺元素对各个评估指标的重要程度,以及最优标尺信息,对标尺信息进行调整。
具体地,标尺信息可以包括列车停站时间、列车折返时间、列车运行等级、车站平均客密度、标尺时间段等多个标尺元素的信息。根据预先训练好的评估模型中不同神经元的权重参数,可以确定标尺信息中各个标尺元素对各个评估指标的重要程度,接着,可以针对每一个评估指标,将所有标尺元素按照对该评估指标的重要程度进行排序,在此基础上,即可根据各个评估指标的排序结果以及各个评估指标对应的最优标尺信息,对待调整的标尺信息进行调整。
此处,具体的标尺信息的调整方式可以是根据其中一个评估指标的排序结果确定需要调整的标尺元素,再根据该评估指标对应的最优标尺信息,对标尺信息中需要调整的标尺元素进行调整,也可以是综合考虑多个评估指标的排序结果确定需要调整的标尺元素,再综合参考多个评估指标对应的最优标尺信息,对标尺信息中需要调整的标尺元素进行调整,本发明实施例对此不作具体限定。
基于历史运行图数据的数据挖掘,得到评估模型的权重参数,可以对影响各个评估指标的不同因素进行重要性排序,便于制定出标尺信息优化和自动调整策略的方案。
基于上述任一实施例,评估模型是基于多个时间段的样本历史标尺信息、样本历史标尺信息对应的样本评估结果、样本外部环境信息以及随机梯度下降算法训练得到的。
具体地,为了实现对历史标尺信息的运营表现进行评估量化,评估模型可以是预先采集多个时间段的样本历史标尺信息,并确定这些样本历史标尺信息对应的样本评估结果,随即根据这些样本历史标尺信息,以及对应的样本评估结果和样本外部环境信息对初始模型进行训练得到的。另外,为了提高模型收敛的速度,得到效果较好的评估模型,可以在对初始模型进行训练的过程中,利用随机梯度下降算法对初始模型的目标函数进行优化,最终即可得到最优的评估模型。
需要说明的是,可以针对全天每一个时间段,分别预先训练一个评估模型,此时多个时间段即指的是待调整的标尺信息对应的时间段,以及该时间段的上一时间段,也可以针对全天所有时间段,预先训练一个统一的评估模型,此时多个时间段即指的是全天的所有时间段,本发明实施例对此均不作具体限定。
基于上述任一实施例,可以预先采集样本历史列车运行图数据用于数据分析,从列车运营的角度出发,记录每列车在所有站点的到发时间、区间运行时分、载客率、准点率等关键信息。此外,通过人脸识别技术采集并计算各个车站在不同时间段内乘客的平均等待时长,客流量平峰与高峰时间段区间路程耗时比。由此即可得到多个时间段的样本历史标尺信息以及样本历史标尺信息对应的样本评估结果,用于评估模型的训练。
图3是本发明提供的评估模型的网络结构示意图,如图3所示,评估模型包括输入层、隐藏层和输出层;其中,输入层向量包括列车停站时间、列车折返时间、列车运行等级、车站平均客密度、标尺时间段等标尺元素的当前标尺信息,上一时间段内的标尺信息以及外部环境信息;隐藏层的激活函数为Sigmoid函数;输出层为列车平均运行间隔、列车平均载客率、乘客平均等车时间、交通堵塞疏解时间、调用列车数量等评估标尺表现的评估指标。评估模型的训练流程如下:
sigmoid函数的定义如下:
取评估模型所有输出层节点的误差平方和作为目标函数,每一个评估指标对应一个输出层节点:
其中,Ed表示样本d的误差,ti表示第i个输出层节点的真实值,yi表示第i个输出层节点的输出值。
然后利用随机梯度下降算法对目标函数进行优化,通过不断优化模型参数拟合数据:
其中,wji是输入层节点i到输出层节点j的权重参数,η是一个学习速率的常数。
最终即可得到训练完成的评估模型,并根据评估模型的权重参数,确定标尺信息中各个标尺元素对各个评估指标的重要程度。另外,由于模型同时考虑到上一时间段采用的标尺信息,所以训练好的评估模型可以用来预测不同标尺信息的交通堵塞疏解时间。
基于上述任一实施例,步骤120包括:
基于最优标尺信息,确定标尺信息的调整策略;
若调整策略对应的交通堵塞疏解时间小于预设的疏解时间阈值,则基于调整策略对标尺信息进行调整,得到调整后的列车运行图。
具体地,为了使得调整后的列车运行图能够具有较强的解决堵塞问题的能力,在得到最优标尺信息之后,可以根据最优标尺信息,确定标尺信息的调整策略,并判断该调整策略对应的交通堵塞疏解时间是否小于预先设置的疏解时间阈值,如果小于该疏解时间阈值,则可以根据该调整策略对标尺信息进行调整,得到调整后的列车运行图,否则,则需要重新确定新的调整策略,直至调整策略满足小于疏解时间阈值的需求。
进一步地,调整策略可以手动选取也可以自动确定,可以直接将最优标尺信息作为调整策略,也可以将最优标尺信息作为参考,同时综合考虑标尺信息调整后预计的交通堵塞疏解时间长短、受调整影响的车次范围大小和备用车调用数量多少等因素确定出调整策略,本发明实施例对此均不作具体限定。
调整策略对应的交通堵塞疏解时间可以是将调整策略输入到评估模型中得到的。在基于调整策略对标尺信息进行调整之后,可以将调整后取得的实际运营表现记录下来作为后续推荐调整方案的参考。
基于上述任一实施例,图4是本发明提供的列车运行图标尺的调整方法的流程示意图之二,如图4所示,可以根据最优标尺信息确定多个标尺信息的调整策略,然后对比不同调整策略对应的交通堵塞疏解时间,将交通堵塞疏解时间最短的调整策略作为当前调整策略,随即判断当前调整策略是否满足小于疏解时间阈值的调整需求,如果满足,即可直接将待调整的标尺信息切换成当前调整策略的新的标尺信息,从而可以解决非预见行客流变化的问题,如果不满足,需要重新确定新的调整策略,直至调整策略满足小于疏解时间阈值的需求。
调整策略的确定方式可以根据线路运营方的需求进行任意设定,例如可以是尽量满足列车平均运行间隔较短,或者是尽量满足调用车辆较少,或者是在满足调度安全的基础上,使列车满载率保持在一个均衡合理的水平改善乘客的出行体验等。
下面对本发明提供的列车运行图标尺的调整装置进行描述,下文描述的列车运行图标尺的调整装置与上文描述的列车运行图标尺的调整方法可相互对应参照。
基于上述任一实施例,本发明实施例提供了一种列车运行图标尺的调整装置。图5是本发明提供的列车运行图标尺的调整装置的结构示意图,该装置包括:
确定模块510,用于确定待调整的列车运行图的标尺信息;
调整模块520,用于基于最优标尺信息,对标尺信息进行调整,得到调整后的列车运行图;
其中,最优标尺信息包括在多个历史标尺信息中确定出的乘客平均等车时间最小对应的第一标尺信息,多个历史标尺信息与标尺信息对应同一时间段。
本发明实施例提供的装置,通过将乘客平均等车时间作为通用的评估标准,对不同的历史标尺方案进行评估,并基于由此确定出的最优标尺信息对列车运行图的标尺信息进行调整,从而提高了运行图标尺的调整效率和乘客的满意度,保障了列车的安全高效运行,降低了运营成本,并且,针对每个时间段分别提供对应的最优标尺信息供后续调整参考,从而使得调整方法能够应对不同时间段客流量的变化,提高运营效率。
基于上述任一实施例,最优标尺信息还包括在多个历史标尺信息中确定出的最大列车平均载客率对应的第二标尺信息、最小列车平均运行间隔对应的第三标尺信息和最小交通堵塞疏解时间对应的第四标尺信息;
调整模块520用于:
基于第一标尺信息、第二标尺信息、第三标尺信息和第四标尺信息中的至少一种,对标尺信息进行调整。
基于上述任一实施例,该装置还包括最优标尺确定模块,用于:
将各个历史标尺信息、各个历史标尺信息的上一时间段的历史标尺信息以及外部环境信息输入至预先构建的评估模型中,得到各个历史标尺信息对应的评估结果;评估结果包括多个评估指标的结果,多个评估指标包括乘客平均等车时间、列车平均载客率、列车平均运行间隔和交通堵塞疏解时间;
基于各个历史标尺信息对应的评估结果,确定最优标尺信息。
基于上述任一实施例,调整模块520用于:
基于评估模型的权重参数,确定标尺信息中各个标尺元素对各个评估指标的重要程度;
基于各个标尺元素对各个评估指标的重要程度,以及最优标尺信息,对标尺信息进行调整。
基于上述任一实施例,评估模型是基于多个时间段的样本历史标尺信息、样本历史标尺信息对应的样本评估结果、样本外部环境信息以及随机梯度下降算法训练得到的。
基于上述任一实施例,调整模块520用于:
基于最优标尺信息,确定标尺信息的调整策略;
若调整策略对应的交通堵塞疏解时间小于预设的疏解时间阈值,则基于调整策略对标尺信息进行调整,得到调整后的列车运行图。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)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,以执行列车运行图标尺的调整方法,该方法包括:确定待调整的列车运行图的标尺信息;基于最优标尺信息,对标尺信息进行调整,得到调整后的列车运行图;其中,最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,多个历史标尺信息与标尺信息对应同一时间段。
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-Only Memory)、随机存取存储器(RAM,Random Access Memory)、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计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的列车运行图标尺的调整方法,该方法包括:确定待调整的列车运行图的标尺信息;基于最优标尺信息,对标尺信息进行调整,得到调整后的列车运行图;其中,最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,多个历史标尺信息与标尺信息对应同一时间段。
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方法提供的列车运行图标尺的调整方法,该方法包括:确定待调整的列车运行图的标尺信息;基于最优标尺信息,对标尺信息进行调整,得到调整后的列车运行图;其中,最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,多个历史标尺信息与标尺信息对应同一时间段。
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)
1.一种列车运行图标尺的调整方法,其特征在于,包括:
确定待调整的列车运行图的标尺信息;
基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图;
其中,所述最优标尺信息包括在多个历史标尺信息中确定出的最小乘客平均等车时间对应的第一标尺信息,所述多个历史标尺信息与所述标尺信息对应同一时间段。
2.根据权利要求1所述的列车运行图标尺的调整方法,其特征在于,所述最优标尺信息还包括在所述多个历史标尺信息中确定出的最大列车平均载客率对应的第二标尺信息、最小列车平均运行间隔对应的第三标尺信息和最小交通堵塞疏解时间对应的第四标尺信息;
所述基于最优标尺信息,对所述标尺信息进行调整,包括:
基于所述第一标尺信息、第二标尺信息、第三标尺信息和第四标尺信息中的至少一种,对所述标尺信息进行调整。
3.根据权利要求2所述的列车运行图标尺的调整方法,其特征在于,所述基于最优标尺信息,对所述标尺信息进行调整,之前还包括:
将各个历史标尺信息、所述各个历史标尺信息的上一时间段的历史标尺信息以及外部环境信息输入至预先构建的评估模型中,得到所述各个历史标尺信息对应的评估结果;所述评估结果包括多个评估指标的结果,所述多个评估指标包括乘客平均等车时间、列车平均载客率、列车平均运行间隔和交通堵塞疏解时间;
基于所述各个历史标尺信息对应的评估结果,确定所述最优标尺信息。
4.根据权利要求3所述的列车运行图标尺的调整方法,其特征在于,所述基于最优标尺信息,对所述标尺信息进行调整,包括:
基于所述评估模型的权重参数,确定所述标尺信息中各个标尺元素对各个评估指标的重要程度;
基于所述各个标尺元素对各个评估指标的重要程度,以及所述最优标尺信息,对所述标尺信息进行调整。
5.根据权利要求3所述的列车运行图标尺的调整方法,其特征在于,所述评估模型是基于多个时间段的样本历史标尺信息、所述样本历史标尺信息对应的样本评估结果、样本外部环境信息以及随机梯度下降算法训练得到的。
6.根据权利要求1至5中任一项所述的列车运行图标尺的调整方法,其特征在于,基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图,包括:
基于最优标尺信息,确定所述标尺信息的调整策略;
若所述调整策略对应的交通堵塞疏解时间小于预设的疏解时间阈值,则基于所述调整策略对所述标尺信息进行调整,得到所述调整后的列车运行图。
7.一种列车运行图标尺的调整装置,其特征在于,包括:
确定模块,用于确定待调整的列车运行图的标尺信息;
调整模块,用于基于最优标尺信息,对所述标尺信息进行调整,得到调整后的列车运行图;
其中,所述最优标尺信息包括在多个历史标尺信息中确定出的乘客平均等车时间最小对应的第一标尺信息,所述多个历史标尺信息与所述标尺信息对应同一时间段。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述列车运行图标尺的调整方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述列车运行图标尺的调整方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述列车运行图标尺的调整方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111013677.5A CN113792199A (zh) | 2021-08-31 | 2021-08-31 | 列车运行图标尺的调整方法、装置、电子设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111013677.5A CN113792199A (zh) | 2021-08-31 | 2021-08-31 | 列车运行图标尺的调整方法、装置、电子设备与存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113792199A true CN113792199A (zh) | 2021-12-14 |
Family
ID=78876766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111013677.5A Pending CN113792199A (zh) | 2021-08-31 | 2021-08-31 | 列车运行图标尺的调整方法、装置、电子设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792199A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705039A (zh) * | 2017-10-27 | 2018-02-16 | 华东交通大学 | 基于客流需求的城市轨道交通客流精细化控制方法及系统 |
CN107704950A (zh) * | 2017-09-14 | 2018-02-16 | 北京交通大学 | 一种基于出行需求与系统节能的城轨列车运行图优化方法 |
CN108515988A (zh) * | 2018-01-03 | 2018-09-11 | 中车工业研究院有限公司 | 一种提高乘客时效的列车运行图优化方法 |
CN109740839A (zh) * | 2018-11-23 | 2019-05-10 | 北京交通大学 | 一种突发事件下的列车动态调整方法及系统 |
CN112215413A (zh) * | 2020-09-28 | 2021-01-12 | 通号城市轨道交通技术有限公司 | 运行图优化方法、装置及可读存储介质 |
CN112330007A (zh) * | 2020-10-30 | 2021-02-05 | 交控科技股份有限公司 | 面向乘客的换乘衔接优化方法及装置 |
CN112406968A (zh) * | 2020-10-28 | 2021-02-26 | 交控科技股份有限公司 | 列车计划运行图生成方法、装置与电子设备 |
CN112465205A (zh) * | 2020-11-20 | 2021-03-09 | 东南大学 | 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 |
CN112874589A (zh) * | 2021-02-18 | 2021-06-01 | 卡斯柯信号有限公司 | 一种列车计划运行图自动调整系统及方法 |
CN113306605A (zh) * | 2021-06-10 | 2021-08-27 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
-
2021
- 2021-08-31 CN CN202111013677.5A patent/CN113792199A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704950A (zh) * | 2017-09-14 | 2018-02-16 | 北京交通大学 | 一种基于出行需求与系统节能的城轨列车运行图优化方法 |
CN107705039A (zh) * | 2017-10-27 | 2018-02-16 | 华东交通大学 | 基于客流需求的城市轨道交通客流精细化控制方法及系统 |
CN108515988A (zh) * | 2018-01-03 | 2018-09-11 | 中车工业研究院有限公司 | 一种提高乘客时效的列车运行图优化方法 |
CN109740839A (zh) * | 2018-11-23 | 2019-05-10 | 北京交通大学 | 一种突发事件下的列车动态调整方法及系统 |
CN112215413A (zh) * | 2020-09-28 | 2021-01-12 | 通号城市轨道交通技术有限公司 | 运行图优化方法、装置及可读存储介质 |
CN112406968A (zh) * | 2020-10-28 | 2021-02-26 | 交控科技股份有限公司 | 列车计划运行图生成方法、装置与电子设备 |
CN112330007A (zh) * | 2020-10-30 | 2021-02-05 | 交控科技股份有限公司 | 面向乘客的换乘衔接优化方法及装置 |
CN112465205A (zh) * | 2020-11-20 | 2021-03-09 | 东南大学 | 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 |
CN112874589A (zh) * | 2021-02-18 | 2021-06-01 | 卡斯柯信号有限公司 | 一种列车计划运行图自动调整系统及方法 |
CN113306605A (zh) * | 2021-06-10 | 2021-08-27 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
Non-Patent Citations (2)
Title |
---|
YUMOU REN: "Prediction Method for Train Delay Time of HighSpeed Railway", 2020 IEEE 23RD INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC), 24 December 2020 (2020-12-24) * |
徐航: "城市轨道交通列车运行调整目标的研究", 铁路计算机应用, 30 November 2013 (2013-11-30), pages 50 - 53 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844848A (zh) | 一种区域人流量预测方法及系统 | |
CN112288197B (zh) | 一种站点车辆智能调度方法及装置 | |
CN108564423A (zh) | 票务订单的恶意占位识别方法、系统、设备和存储介质 | |
CN104468413A (zh) | 一种网络服务方法及系统 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
CN111461489A (zh) | 路线生成方法、装置、电子设备及可读存储介质 | |
CN115796509A (zh) | 一种轨道交通应急调度辅助决策系统及方法 | |
CN114547128A (zh) | 虚假订单的识别方法、系统、计算机设备及存储介质 | |
CN103927448A (zh) | 轨道交通车辆部件故障模式危害度的确定方法 | |
CN112308332A (zh) | 轨道交通平行推演系统及方法 | |
CN110751359B (zh) | 一种自动化航线网络评估方法、电子设备及存储介质 | |
CN110866770A (zh) | 车辆保养方案的预测方法和预测系统 | |
CN111950910A (zh) | 基于dbscan-ga的机场保障车辆任务调度方法 | |
JP7273524B2 (ja) | 運行管理システム | |
CN103514488A (zh) | 基于组合预测模型的电力系统短期负荷预测装置及方法 | |
CN114004452A (zh) | 城轨调度方法、装置、电子设备及存储介质 | |
CN113792199A (zh) | 列车运行图标尺的调整方法、装置、电子设备与存储介质 | |
CN110222892B (zh) | 乘客的下车站点预测方法及装置 | |
CN112330054A (zh) | 基于决策树的动态旅行商问题求解方法、系统及存储介质 | |
CN112200372A (zh) | 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法 | |
CN113361984B (zh) | 基于互馈模型的空港客流与运力流动态耦合方法和系统 | |
CN114912854B (zh) | 地铁列车运行调整方法、装置、电子设备及存储介质 | |
CN115936522A (zh) | 一种车辆停靠站点的评估方法、装置、设备以及存储介质 | |
CN115860246A (zh) | 一种城市轨道交通客流管控方法及装置 | |
CN115564359A (zh) | 汽车售后备件的库存预测方法、设备和存储介质 |
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 |