CN114004440A - 一种基于Anylogic的综合枢纽客运组织评价方法 - Google Patents

Abstract

本发明公开了一种基于Anylogic的综合枢纽客运组织评价方法。伴随城际铁路的持续互联互通，逐步成网，客流构成、出行行为等方面呈现多样化变化，且由于服务吸引范围的差异，有别于既有铁路、高速铁路，决定了其客运组织将更加复杂。本发明通过车站基础数据，获取车站环境模型；通过车站环境模型和客运组织方案获取行人行为模型和列车行为模型；最终获取列车智能体模型和行人智能体模型，建立DEA评价模型代入相关数据获得评价结果，并通过DEA模型数据分析对结果进行评价。本发明提出客运组织系统瓶颈的解决方案，为综合枢纽的客运组织评价问题提供参考依据。

Description

一种基于Anylogic的综合枢纽客运组织评价方法

技术领域

本发明属于综合交通枢纽客运组织技术领域，具体涉及一种基于Anylogic的综合枢纽客运组织评价方法。

背景技术

近年来，伴随城际铁路的持续互联互通，逐步成网，客流构成、出行行为等方面呈现多样化变化，且由于服务吸引范围的差异，有别于既有铁路、高速铁路，决定了其客运组织将更加复杂。采用分析评价的方式找寻问题及解决方案，有助于提高城际铁路综合交通枢纽的客运组织效率，帮助快速提升城际铁路的市场竞争力。

发明内容

本发明的目的是提供一种基于Anylogic的综合枢纽客运组织评价方法，解决了现有技术中综合枢纽客运组织评价方法精准度不高的问题。

为了达到上述目的，本发明所采用的技术方案为：

一种基于Anylogic的综合枢纽客运组织评价方法，具体包括如下步骤：

步骤一：确定综合交通枢纽，获取基础数据，所述基础数据包括车站物理环境布局、客流数据、客运组织方案、列车开行方案、时刻表和列车容量；

步骤二：建立综合枢纽评价指标体系，所述综合枢纽评价指标体系输入指标包括运能匹配度、换乘走行距离、换乘通道密度及设备利用率，输出指标包括平均换乘时间、单位时间换乘量；

步骤三：通过基础数据绘制车站环境中面向乘客的服务设施，进行车站环境建模，获取车站环境模型，所述服务设施包括进站闸机、出站闸机、售票机、人工票亭、安检和楼扶梯；

步骤四：通过车站环境模型和客运组织方案确定行人在车站的行为流程图，通过行人行为流程图获取行人行为模型；

步骤五：通过基础数据进行列车行为建模，获取列车行为模型；

步骤六：通过列车行为模型和行人行为模型进行智能体建模，获取列车智能体模型和行人智能体模型；所述行人智能体模型包括安检模块、乘客选择楼扶梯模块和乘客选择候车区域模块，列车智能体模型包括时刻表模块和列车容量限制模块；

步骤七：建立DEA评价模型代入相关数据获得评价结果；

步骤八：通过DEA模型数据分析对结果进行评价，所述DEA模型数据分析包括数据有效性分析和数据指标改变量分析。

具体地，所述步骤五包括：

1)通过时刻表获取列车的运行时间和列车在站台的停留时间；

2)通过列车容量获取列车容量；

3)根据列车运行时间、列车在站台的停留时间和列车容量获取列车行为模型。

具体地，所述DEA评价模型如下：

min[θ-ε(e^Ts^-+e^Ts⁺)]

λ_j≥0,j＝1,2,…,n

式中，θ为评价对象j₀的效率指标；ε为非阿基米德无穷小量；e^T为单位阵；λ_j为变形有效评价对象组合中j₀所占的组合比例；s^-、s⁺为松弛变量。

本发明的有益效果：

本发明结合城际铁路的特点及枢纽客运组织特性，建立了综合交通枢纽客运组织的评价指标体系，采用调研与Anylogic仿真相结合的方法输出相关数据，运用DEA算法进行数据分析，并提出客运组织系统瓶颈的解决方案，为综合枢纽的客运组织评价问题提供参考依据。

附图说明

图1是基于Anylogic的综合枢纽客运组织评价方法流程图；

图2是综合枢纽客运组织评价指标体系示意图；

图3是成都东站站厅(地铁换乘层)示意图；

图4是成都东站Anylogic仿真模型部分逻辑图；

图5是所用Matlab程序代码图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

下面结合附图详细地说明本发明的一个实施例。

本发明包括如下步骤：

S1、确定综合交通枢纽，获取基础数据；

基础数据包括车站物理环境布局、客流数据、客运组织方案、列车开行方案、时刻表和列车容量，在本实施例中，需要对时刻表和列车容量限制进行设定。

S2、建立综合枢纽评价指标体系；

由于综合交通枢纽的核心功能以及客运组织难点为换乘，同时考虑建立评价指标体系需要遵循的全局性、客观性、有效性及科学性原则，选取运能匹配度、换乘走行距离、换乘通道密度及设备利用率为DEA模型输入指标，选取平均换乘时间和单位时间换乘量为DEA模型输出指标。

所述步骤S2综合枢纽评价体系包括以下指标：

运能匹配度为枢纽内各交通方式之间换乘衔接的适应性量化计算。其指标值越高，表示枢纽内滞留乘客越少，平均换乘时间越小，单位时间换乘量越大，是枢纽运输组织协调输入要素的量化指标。其理论值计算方法如下：

其中N为该时段枢纽站内换乘客流量，C_i为该时段第i种交通方式的运能，α_i为该时段枢纽内选择第i种交通方式换乘的客流比例。

换乘走行距离指乘客从下车车门处走行至目标换乘线路站台等待点所经过的路程，换乘距离的长短直接影响乘客的换乘体验。考虑换乘客流的时空特性，若换乘距离过短，积聚到达的客流将使换乘通道及换乘接续设备处产生拥堵，降低换乘效率，增大客流组织难度。若换乘距离过长，枢纽换乘平均时间也将随之增大。因此，换乘距离的选取应综合乘客换乘体验及枢纽换乘系统的效率进行确定。受行人个体因素影响，换乘走行距离不便进行量化计算，故本研究采用Anylogic仿真的方式获取该种类数据。

换乘通道平均密度为单位时间内，换乘通道内乘客数量与换乘通道面积的比值。该项指标是时段内枢纽换乘通道拥挤程度的直接反应，其值一般不大于6人/m²。计算方法如下：

其中M为单位时间内换乘通道内的乘客数量，S_换为换乘通道的面积。

平均换乘系数指枢纽单位小时内与某种交通方式之间的换乘客流量站枢纽总体客流的比例，其值越大说明枢纽的换乘功能越明显。计算方法如下：

平均换乘时间指乘客完成整个换乘流程所耗费时间的均值。该项值由平均换乘走行时间、平均换乘候车时间、平均换乘滞留时间三部分组成。计算方法如下：

S₅＝t₁+t₂+t₃

其中t₁为平均换乘走行时间，t₂为平均换乘候车时间，t₃为平均换乘滞留时间。

单位时间换乘量指单位时间内，枢纽完成换乘的客流量。计算方法如下：

其中P为统计时间内完成换乘的客流量，T为统计时长。

所述步骤S3通过基础数据绘制车站环境中面向乘客的服务设施，进行车站环境建模，获取车站环境模型，包括以下分步骤：

S3.1、通过车站物理环境布局绘制车站环境中面向乘客的服务区域；

S3.2、通过服务区域获取车站环境模型。

在本实施例中，车站物理环境布局为车站布置CAD图，根据车站布置CAD图确定面向乘客的服务区域，并利用Anylogic行人库中空间标记模块来描绘车站环境，获取车站环境模型。在软件中完成车站环境描绘后对模块属性进行设置，在属性界面设置各个环节的具体特性，包括排队策略、乘客到达根据和乘客候车特征。排队策略表示先到先服务，乘客到达根据表示乘客达到分布，乘客候车特征表示乘客在候车区域候车，在本实施中，乘客候车特征通过在仿真软件中设置吸引子参数实现。

所述步骤S4通过车站环境模型和基础数据进行行人行为建模，获取行人行为模型，包括以下分步骤：

S4.1、通过车站环境模型和客运组织方案确定行人在车站的行为流程图；

S4.2、通过行人行为流程图获取行人行为模型。

S4.3、通过仿真参数设定确定行人行为特征

行人行为模型主要是建立行人在车站的逻辑行为，先根据车站的客运组织方案确定行人行为流程图，并将行人行为流程图转换为软件可识别的行人逻辑图，通过 Anylogic软件构建三种基本行人行为逻辑图，建立行人行为模型。

仿真参数的选取如下：

(1)自动楼梯与扶梯：依据我国现行《地铁设计规范》，轨道交通车站的自动扶梯输送速度存在两种：0.5m/s以及0.65m/s，其对应的通过能力分别是8100人次/小时以及9600人次/小时。

(2)售票速度：对于售票速度的设定通过对PedService模块的服务时间进行设定配合“线服务”模块来完成。售票方式分为两种，一种是自动售票机，一种是人工售票。根据实际调研结果，确定人工售票时间为25.7秒，自动售票机售票时间为42.2秒。

(3)购票刷卡比例：本次仿真设定购票比例为50。

(4)检票闸机：检票闸机的运行使用“pedService”模块配合“线服务”模块来实现。受行人个体特征影响，行人通过检票闸机的速度不一样。本次仿真设定行人通过进站闸机的时间为3.2秒。通过出站闸机的时间为3.5秒。

(5)行人尺寸：行人尺寸同样为仿真过程中的一项重要参数。在拥挤路段，尤其是通道、自动扶梯、电梯等位置行人尺寸对于设施的通行能力有较大的影响。本次仿真规定行人的尺寸为0.4m到0.5m的随机分布。

(6)行人走行速度：在车站仿真环境固定的情况下，行人走行速度直接影响在正常流程下乘客在站内的走行时间。影响行人走行速度的主要影响因素可以分为两部分。第一部分为车站走行环境，受到车站的拥挤程度，不同环境感受到的舒适度不同影响，行人走行速度不同；第二部分为行人自身因素，由于乘客的年龄，出行目的，紧急程度，对车站熟悉程度，出行时间弹性不同，乘客的走行速度也不同。本次仿真设置行人的走行速度为1.5m/s，舒适走行速度为1.0m/s。

(7)列车参数：根据成都地铁实际情况，本次仿真设定列车车厢长度为19m，车厢数为6节。列车超员容量为1880人。

步骤S5通过基础数据进行列车行为建模，获取列车行为模型，包括以下分步骤：

S5.1、通过时刻表获取列车的运行时间和列车在站台的停留时间；

S5.2、通过列车容量获取列车容量；

S5.3、根据列车的运行时间、列车在站台的停留时间和列车容量获取列车行为模型。

如图3所示，根据列车开行方案中的列车的运行时间和列车在站台的停留时间，建立列车基本逻辑图，获取列车行为模型。

在本实施例中，列车建模所使用到的模块主要在轨道库中，并在Train Source模块中可以定义列车到达的间隔时间与车厢数量。在Train Move To模块中定义列车前进的位置。在Delay模块设置列车停站时间，其限制了列车容量的上限。

所述步骤S6通过列车行为模型和行人行为模型进行智能体建模，获取列车智能体模型和行人智能体模型；

Anylogic软件智能体建模功能可以实现对仿真环境中得各个实体设置自身参数，同时可以通过Java编程的方法扩展模块功能。本实施例中智能体模型包括安检模块、乘客选择楼扶梯模块、乘客选择候车区域模块、时刻表模块和列车容量限制模块。

在本实施例中，通过行人智能体模型获取安检模块、乘客选择楼扶梯模块、乘客选择候车区域模块，通过列车智能体模型获取时刻表模块和列车容量限制模块。

安检模块包括两部分，一部分为有包乘客安检行为，有包乘客将行李放置在传送带并进行手检，另一部分为无包乘客安检行为，无包乘客直接进行手检后前往进站闸机。

在本实施例中，安检模块的流程如下：

A1、乘客搜索安检队列，判断安检队列人数是否最少；

A2、安检人数不是最少则重复步骤A1，否则，判断是否携带行李；

A3、携带行李的乘客进行行李安检和行人安检，未携带行李的乘客只进行行人安检。

如图4所述，其为通过软件封装的安检模块。

所述乘客选择楼扶梯模块包括两个部分，一部分为乘客在车站的可选楼扶梯中根据已有行人数量和距离选择楼扶梯整体，另一部分为乘客根据已选楼扶梯中已有行人数决定选择扶梯或楼梯。

在本实施例中，乘客选择楼扶梯模块的流程如下：

B1、乘客搜索一个楼扶梯，并判断该楼扶梯已有行人数是否超过其阈值；

B2、超过扶楼梯的阈值则重新执行B1，未超过其阈值则判断楼扶梯到行人的距离是否最近；

B3、若距离最近，则进入步骤B4；否则，返回步骤B1；

B4、判断扶梯人数是否超过扶梯的阈值，未超过其阈值则选择扶梯；否则选择楼梯。

所述步骤B1每次执行所选择的楼扶梯不同。

如图5所示，乘客选择候车区域模块中候车区域环境由进入线、离开线和矩形区域组成，其分为两部分，一部分为乘客根据候车区域人数选择候车区域，另一部分为乘客根据到候车区域的距离选择候车区域。

在本实施例中，乘客选择候车区域模块的流程如下：

C1、乘客搜索一个候车区域，并判断该候车区域人数是否超过其阈值；

C2、超过候车区域阈值则重新执行步骤C1，未超过其阈值则判断候车区域是否最近；

C3、若距离最近，则进入选择候车区域；否则返回步骤C1。

所述步骤C1每次执行所选择的候车区域不同。

所述时刻表模型用于实现各个独立车站协同一体，通过时刻表将不同车站联系起来并对列车行为与行人行为进行控制；

在本实施例中，在列车到达的时刻通过inject函数实现乘客到达车站，同时使用stopDelayForAll结束当前乘客的候车行为。

所述列车容量限制模块用于计算一个车站的候车区域可进入列车的人数，可进入列车的人数由列车容量限制和列车已有人数决定。

在本实施例中，列车容量限制需要通过“Ped Wait”与“Delay”模块的组合实现。“Delay”模块的最大容量代表了当前候车区域可进入列车的人数，其主要由列车容量限制与列车已有人数共同影响。在每一站记录进入列车的人数并计算列车已有乘客数量从而设置后站“Delay”模块的最大容量。在本实施例中，存在A、B两站，A至B 为下行方向，下行方向B站站台可进入列车的人数由列车在A站已有乘客数与A站上下车人数共同决定。

所述步骤S7建立DEA评价模型代入相关数据获得评价结果；

假设一评价体系由n个评价对象(称为决策单元)构成，每个决策单元有m个不同类型的投入和s个不同类型的输出，权重向量可由式-6、式-7表示：

V＝(v₁,v₂,…,v_m)^T (6)

U＝(u₁,u₂,…,u_s)^T (7)

式中，v₁为第i种输入指标的权重系数，v₁≥0；u_r为第r种产出指标的权重系数， u_r≥0。

评价对象的投入值和产出值可由式-8、式-9表示：

X_j＝(x_1j,x_2j,…,x_mj)^T,j＝1,2,…,n (8)

Y_j＝(y_1j,y_2j,…,y_sj)^T,j＝1,2,…,n (9)

式中，x_ij为第j个决策单元第i种输入的投入总量，x_ij>0；y_rj为第j个决策单元第r种输出的产出总量，y_rj>0。

则每个评价对象的产出-投入效率指数可表示为：

选取权重向量V和U的值，可使对每个j，均满足h_j≤1.为便于分析，对模型进行对偶化处理，引入松弛变量和非阿基米德无穷小量，进而可得到：

min[θ-ε(e^Ts^-+e^Ts⁺)]

λ_j≥0,j＝1,2,…,n

式中，θ为评价对象j₀的效率指标；ε为非阿基米德无穷小量；e^T为单位阵；y_j为变形有效评价对象组合中j₀所占的组合比例；s^-、s⁺为松弛变量。

步骤S8通过DEA模型数据分析对结果进行评价，包括以下分步骤：

S8.1、数据有效性分析

S8.2、数据指标改变量分析

有效性分析是为了体现数据的含义。通过有效性分析，既可以按照各决策单元效率指标的大小进行排序，以获得各决策单元的有效性优劣，又可以通过分析松弛变量获得各指标改进措施。

设j₀的效率指标计算结果为θ_j0，

若θ_j0＝1，且

则评价对象j₀相对于其它评价对象DEA有效，既满足技术有效，又满足规模有效；

若θ_j0＝1，且

则评价对象j₀相对于其它评价对象弱DEA有效，并不同时满足技术有效和规模有效；

若θ_j0≠1，则评价对象j₀相对于其它评价对象非DEA有效。

技术有效是指在输入一定的情况下，输出值已经达到最大值，即该决策单元位于生产函数曲线上；规模有效是指输入值处于规模收益不变的状态。

指标改变量是由输入冗余量ΔX_jo和输出不足量ΔY_jo组成。输入冗余量是指在输出不变的情况下，输入相对减少ΔX_jo，输出不足量是在输入不变的情况下，输出相对增加ΔY_jo。输入冗余量和输出不足量的计算公式如下：

在本实施例中建立了综合枢纽客运组织DEA评价模型，结合成都东站实际情况，使用Anylogic仿真，经DEA评价分析得出成都东站在12:00-13:00,14:00-15:00需要进行调整，同时也验证了DEA评价模型的可行性，为综合枢纽的客运组织评价问题研究提供了参考依据。

本发明的工作原理为：结合城际铁路的特点及枢纽客运组织特性，建立了综合交通枢纽客运组织的评价指标体系，采用调研与Anylogic仿真相结合的方法输出相关数据，运用DEA算法进行数据分析，并提出客运组织系统瓶颈的解决方案。

本发明的内容不限于实施例所列举，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。

Claims (3)

1.一种基于Anylogic的综合枢纽客运组织评价方法，其特征在于：具体包括如下步骤：

步骤一：确定综合交通枢纽，获取基础数据，所述基础数据包括车站物理环境布局、客流数据、客运组织方案、列车开行方案、时刻表和列车容量；

步骤二：建立综合枢纽评价指标体系，所述综合枢纽评价指标体系输入指标包括运能匹配度、换乘走行距离、换乘通道密度及设备利用率，输出指标包括平均换乘时间、单位时间换乘量；

步骤三：通过基础数据绘制车站环境中面向乘客的服务设施，进行车站环境建模，获取车站环境模型，所述服务设施包括进站闸机、出站闸机、售票机、人工票亭、安检和楼扶梯；

步骤四：通过车站环境模型和客运组织方案确定行人在车站的行为流程图，通过行人行为流程图获取行人行为模型；

步骤五：通过基础数据进行列车行为建模，获取列车行为模型；

步骤六：通过列车行为模型和行人行为模型进行智能体建模，获取列车智能体模型和行人智能体模型；所述行人智能体模型包括安检模块、乘客选择楼扶梯模块和乘客选择候车区域模块，列车智能体模型包括时刻表模块和列车容量限制模块；

步骤七：建立DEA评价模型代入相关数据获得评价结果；

步骤八：通过DEA模型数据分析对结果进行评价，所述DEA模型数据分析包括数据有效性分析和数据指标改变量分析。

2.根据权利要求1所述的一种基于Anylogic的综合枢纽客运组织评价方法，其特征在于：所述步骤五具体包括：

1)通过时刻表获取列车的运行时间和列车在站台的停留时间；

2)通过列车容量获取列车容量；

3)根据列车运行时间、列车在站台的停留时间和列车容量获取列车行为模型。

3.根据权利要求2所述的一种基于Anylogic的综合枢纽客运组织评价方法，其特征在于：所述DEA评价模型如下：

min[θ-ε(e^Ts^-+e^Ts⁺)]

λ_j≥0,j＝1,2,…,n

式中，θ为评价对象j₀的效率指标；ε为非阿基米德无穷小量；e^T为单位阵；λ_j为变形有效评价对象组合中j₀所占的组合比例；s^-、s⁺为松弛变量。

Images