CN114818349A - 基于时空网络客流状态估计的节能运行图优化分析方法 - Google Patents

基于时空网络客流状态估计的节能运行图优化分析方法 Download PDF

Info

Publication number
CN114818349A
CN114818349A CN202210489620.0A CN202210489620A CN114818349A CN 114818349 A CN114818349 A CN 114818349A CN 202210489620 A CN202210489620 A CN 202210489620A CN 114818349 A CN114818349 A CN 114818349A
Authority
CN
China
Prior art keywords
train
time
interval
passenger
energy consumption
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.)
Withdrawn
Application number
CN202210489620.0A
Other languages
English (en)
Inventor
胡文斌
刘彤
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.)
Nanjing Xichang Energy Technology Co ltd
Original Assignee
Nanjing Xichang Energy Technology Co ltd
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 Nanjing Xichang Energy Technology Co ltd filed Critical Nanjing Xichang Energy Technology Co ltd
Priority to CN202210489620.0A priority Critical patent/CN114818349A/zh
Publication of CN114818349A publication Critical patent/CN114818349A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

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

Abstract

本发明公开了基于时空网络客流状态估计的节能运行图优化分析方法，包括依据列车在线路区间运行的工况，地铁列车牵引电机的工作状态，得出时空客流下列车能耗计算模型；分析不同载客状态下列车运行时间能耗的关系曲线，依据区间最短运行时间计算方法求解各区间冗余时间；分析时空客流对列车时间能耗敏感曲线的影响，分析列车区间运行时间节能原理；建立基于客流时空分布的列车运行图优化模型，转化多目标优化为单目标优化问题。本发明通过对目标函数进行优化，解决了降低运行能耗的最好方法是减速运行，减速折返，却增加了旅客的旅行时间问题，兼顾了运营能耗和旅客旅行成本，实现城市轨道交通高质量运营服务与节能减排的可持续发展。

Description

基于时空网络客流状态估计的节能运行图优化分析方法
技术领域
本发明涉及地铁节能运行优化技术领域，特别涉及基于时空网络客流状态估计的节能运行图优化分析方法。
背景技术
全国城市轨道交通系统新增营业里程已突破四千多公里，而且发展势头很快，在解决人民群众公共交通出行、减少城市拥堵、推动经济发展等方面都起到了很大效果。截至2021年9月30日，我国城轨交通运行线路长度增长至8553.4公里，2014-2021年我国城市轨道交通运营线路长度2021年7月，全国共有48个城市开通运营城市轨道交通线路246 条，运营里程7961公里，实际开行列车269万列次，完成客运量21.7亿人次，进站量13.3 亿人次。7月份，全国完成客运量环比增长1.9亿人次、增长10％，同比去年7月增长28％。总体上，城市轨道交通对保障城市正常运行，满足社会公众出行需要发挥了重要作用。前瞻根据近几年我国城市轨道交通客运量的增速进行预测，到2026年我国轨道交通客运量将接近 380亿人，随着运营里程的快速增长、建设规模的不断扩大，客运量的迅猛增长，其总量能耗仍然巨大且不断攀升，其中牵引能耗的成本支出占总能耗支出的40％-50％，是地铁运输组织工作的关键组成部分，牵涉的各种因素很多，其技术参数的设定对乘车质量和列车运行能耗都产生了很大影响。同时，列车的发车间隔影响着旅客出行时刻，目前地铁列车运行大多采取分小时平均的发车间隔，虽然平均发车间隔的运输组织难度相对较少，但或许会造成尖峰时刻的旅客列车运能不够和低峰时刻运能的耗费，而且由于旅客的时间分配存在不平衡，是动态的，因此平均发车间隔无法很好地适应旅客对交通运输服务水平的高质量需求；旅客列车的最大运行速度是城市建设计划编制时必须明确的关键技术参数，在道路要求、行车策略等不变的条件下，旅客列车最大运行速度不但密切关系着旅客的出行时间，甚至决定了列车区间运行时间，影响列车区间运行能耗的高低。
在地铁运营过程中，服务质量的高标准与列车能耗之间具有效益背反关系，乘客对减少旅行时间、改善服务的要求与日俱增，不过这可能需要列车更快速的运行与周转，从而导致单车运行能耗上升与线路总运营能耗的上升。如何依据时空客流的基础出行数据，分析客流的对运行图的需求，运营公司在优化运营组织以满足客运质量的需求的同时降低列车牵引动力的能耗，降低运营总成本，从而实现城市轨道交通高质量运营服务与节能减排的可持续发展具有深刻研究意义。
发明内容
基于上述技术问题，本发明的目的在于提供基于时空网络客流状态估计的节能运行图优化分析方法，使其具备优化列车的运行与周转速度，减少乘客旅行时间，降低运营成本的功能。
为实现上述目的，本发明提供如下技术方案：
基于时空网络客流状态估计的节能运行图优化分析方法，包括以下步骤：
步骤1、依据列车在线路区间运行的工况，地铁列车牵引电机的工作状态，时空动态客流队列车的运行车重的影响，结合基本运动学原理计算列车能耗，得出时空客流下列车能耗计算模型；
步骤2、分析不同载客状态下列车运行时间能耗的关系曲线，同时依据区间最短运行时间计算方法求解各区间冗余时间；
步骤3、在时空网络客流状态估计结果的基础上，将车内客流数量作为动态载客参数通过影响列车运行过程中能耗仿真分析时空客流对列车时间能耗敏感曲线的影响，分析列车区间运行时间节能原理；
步骤4、以乘客出行时间成本最低与运营能耗成本最小为目标，建立基于客流时空分布的列车运行图优化模型，利用分配权重的模糊优化理论转化多目标优化为单目标优化问题。
优选的，所述步骤1中的列车在线路区间运行的工况为牵引加速、中间运行和制动减速中的一种；
所述步骤1中的地铁牵引电机的工作状态具体为牵引、巡航、惰行和制动的一种或者多种组合。
优选的，所述步骤1具体还包括以下步骤：
步骤1.1、作出列车运行工况转换图；
步骤1.2、从所述列车运行工况转换图中列出速度曲线运动学方程；
步骤1.3、进行制动力计算和附加阻力计算；
步骤1.4、计算列车运行能耗。
优选的，所述步骤2具体还包括：
根据巡航模式下，列车在多个不同限速区域下的加速或者减速行驶情况，绘制最短运行时间列车的速度曲线示意图以及创建最短运行时间列车的驾驶策略下的列区间冗余时间计算表达式。
优选的，所述步骤3具体还包括以下步骤：
步骤3.1、对时间能耗敏感曲线进行节能分析；根据选取敏感度较高的区间按照冗余时间尽可能延长时间，而对于敏感度较差的区间可在最小运行时间的前提下适当缩短运行时间，实现区间组合能耗降低的远离对区间进行组合优化节能；
步骤3.2、构建时空客流的列车节能模型：由于时空客流分布的随机性，分析所述时空客流分布的随机性对步骤3.1的优化节能原理的影响，分析在网络客流状态估计的基础上确定单车区间载客量，利用能耗计算模型仿真求解不同载客情况下的列车能耗，通过最小二乘法拟合获得各区间时间能耗曲线，分析曲线变化是否依然符合负相关特征规律；
步骤3.3、考虑不同时空客流状态下时间能耗敏感曲线变化率随时间增加逐渐减小的差异性，对基于时空客流能耗敏感曲线进行节能优化。
优选的，所述步骤4具体还包括以下步骤：
步骤4.1、对列车和乘客作假设；
步骤4.2、优化模型：对乘客上下车、列车停站时刻、列车区间运行时间和列车区间运行速度进行约束，以最小化乘客出行时间成本为目的计算目标函数；
步骤4.3、运用基于模糊优化理论的两阶段法对双目标函数进行综合处理，将双目标函数优化问题通过隶属度函数的方法转化为可分配权重的单目标函数优化问题，求取最优解。
优选的，所述步骤4.1、对列车和乘客作假设具体为：
假设1、列车始发服FIFO原则，研究时刻各上行或者下行站台只能由一列车停站；
假设2、线路运行各列车运载能力相同，运载能力具有相同上限，超出上限乘客人数必须乘坐下一班次列车；
假设3、相对于乘客出行总时间，乘客站台上下车时间近似忽略；
假设4、乘客上下车遵循排队秩序，无个体特殊上下车行为；
假设5、换乘通道内所有客流行走速度做平均速度处理，站内乘客出行轨迹按照最短路径抵达估计。
优选的，所述步骤2还包括：
约束条件
假设在第i站台发生乘客上下车行为，那么从列车k到达第i站台后，车内与第i站台乘客发生人员交换，则在第i站：
(1)乘客上下车约束
第k列车离开由第i站台前往第j站台，站台上由第i站台前往第j站的人数由列车第i站台的有效乘车时间窗约束，满足式，
Figure BDA0003631056860000031
式中，pi，j(t)为第t个时间间隔内，第i站台前往第j站乘客需求；
Figure BDA0003631056860000041
为在第i站台能够乘坐第k列车的乘客的最晚到达时间；
Figure BDA0003631056860000042
为在第i站台能够乘坐第k-1列车的乘客的最晚到达时间；
Figure BDA0003631056860000043
为第i站台上由第i站台前往第j站的人数；(i,j,t1,t1+t,m(n,k,v))为从第i站台到第j站时空状态转移弧；
k列车上车人数：
Figure BDA0003631056860000044
k列车下车人数：
Figure BDA0003631056860000045
则乘客上下车约束表示为：
Figure BDA0003631056860000046
式中，
Figure BDA0003631056860000047
为第i站台离开时k列车的乘客人数；
Figure BDA0003631056860000048
为在第i站台到达前k列车的乘客人数；
Figure BDA0003631056860000049
为在第i站台k列车的下车人数；
Figure BDA00036310568600000410
在第i站台k列车的上车人数；
其中，在第i站台，考虑列车满载、运载能力与乘客乘车舒适度，乘客乘坐k列车的有效乘车最晩到达时刻
Figure BDA00036310568600000411
满足
Figure BDA00036310568600000412
式中，
Figure BDA00036310568600000413
为k列车离开第i车站的时刻；CAPk为k列车的容量；σ为k列车的满载率；
(2)列车停站时刻约束
Figure BDA00036310568600000414
式中，
Figure BDA00036310568600000415
为k列车到达第i车站的时刻；
Figure BDA00036310568600000416
为k列车在第i车站停站时间；
(3)列车区间运行时间约束
Figure BDA00036310568600000417
式中，
Figure BDA00036310568600000418
为第i车站出发到下一站的最小运行时间由式(13)计算；
Figure BDA00036310568600000419
为第i车站出发到下一站的最大运行时间，由信号系统提供；Ti,j+1第i车站出发到下一站的运行时间；
(4)列车区间运行速度约束
Figure BDA0003631056860000051
Figure BDA0003631056860000052
式中，
Figure BDA0003631056860000053
为k列车第i站出发到下一站的区间运行限速最小值、最大值；
Figure BDA0003631056860000054
为k 列车在第i站出发到下一站的区间运行巡航速度；vi为k列车在第i站出发到下一站的区间运行速度；
最小化乘客出行时间成本，可表示为乘客与其出行时间的乘积的最小化，目标函数为：
Figure BDA0003631056860000055
式中，
Figure BDA0003631056860000056
为行驶到第i车站k列车始发站的发车时间；twn为k列车行驶到第i车站的途径的第n个区间停站时间；turnn为k列车行驶到第i车站的途径的第n个区间运行时间；
Figure BDA0003631056860000057
为k列车行驶到第i车站的到站时刻；
最小化运营能耗成本，可由线路全部列车运行能耗组合最小化表示，目标函数为：
Figure BDA0003631056860000058
式中，tn为区间n运行时间；
Figure BDA00036310568600000511
为区间n计划运行时间；ΔTn区间n冗余时间。
优选的，所述步骤4还包括：
各目标函数的隶属度函数可分别通过式定义：
GPT对应隶属度函数为
Figure BDA0003631056860000059
E对应隶属度函数为
Figure BDA00036310568600000510
分配权重转换双目标为单目标函数：
minZ＝λ1·Z1+λ2·Z2
式中，minE、minCPT为—各自目标函数在约束条件下的最优求解值；d1、d2为各自目标函数对应优化的伸缩指标；λ1、λ2为目标函数的重要程度权重分配值，权重越大表明当前优化越看重对应优化目标函数，λ1、λ2∈[0,1]，λ1+λ2＝1。
与现有技术相比，本发明的有益效果是：
1.本发明在客流时空网络状态估计的基础上，提出在列车发车时间与停站时间调整的同时对列车驾驶策略与区间运行时间进行优化，通过站台与换乘通道的客流时空状态划分运行峰期时段，调整每一峰期下的发车时间，组合优化全线各区间运行时间，实现列车节能与乘客出行成本最低。
2.本发明通过对目标函数进行优化，求取最优解，解决了降低运行能耗的最好方法是减速运行，减速折返，却增加了旅客的旅行时间问题，兼顾了运营能耗和旅客旅行成本，实现城市轨道交通高质量运营服务与节能减排的可持续发展。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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方式，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为本发明的工作流程示意图；
图2为本发明的列车运行工况转换图；
图3为本发明的最短运行时间列车的速度曲线示意图；
图4为本发明的时间增量下的速度曲线描述；
图5为本发明的时间－能耗关系曲线对比图；
图6为本发明的不同载客状态时间能耗数据表；
图7为本发明的同一区间不同载客状态下时间能耗关系拟合曲线；
图8为本发明的不同载客时间能耗曲线拟合公式表；
图9为本发明的线路示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
请参阅图1至图9，本发明提供一种技术方案：
本实施例中，基于时空网络客流状态估计的节能运行图优化分析方法，包括以下步骤：
步骤1、依据列车在线路区间运行的工况，地铁列车牵引电机的工作状态，时空动态客流队列车的运行车重的影响，结合基本运动学原理计算列车能耗，得出时空客流下列车能耗计算模型；
具体的，步骤1中的列车在线路区间运行的工况为牵引加速、中间运行和制动减速中的一种；
步骤1中的地铁牵引电机的工作状态具体为牵引、巡航、惰行和制动的一种或者多种组合，具体的，步骤1.1作出列车运行工况转换图，具体如图1所示：
具体的，步骤1.2、速度曲线运动学方程为：
Figure BDA0003631056860000071
式中，ρ为回转质量系数；vkn't和xkn't分别为t时刻运行于区间n'列车k的速度与位置；M 为列车自重，单位kg；ak(n+1)为列车k到达车站n+1的时刻；m为单位乘客质量，按60kg/人计算，单位kg；
Figure BDA0003631056860000072
指的是第i区间t时刻下车内乘网络客流状态估计结果m(i,j)(n,k,v)；
Figure BDA0003631056860000073
和
Figure BDA0003631056860000074
分别指的是列车k运行在区间n'内时牵引转向巡航、巡航转向惰行和惰行转向制动的时刻；FT(vkn't)为列车速度vkn't下牵引力；R(vkn't,xkn't)为列车速度vkn't下的运行阻力与坡道、曲线线路条件决定；FB(vkn't)为列车速度vkn't下制动力。
具体的，步骤1.3、牵引运行速度为vkn't时受到的牵引力FT(vkn't)计算如下：
Figure BDA0003631056860000075
式中，(V1-F1)与(V2-F2)为当前牵引特征曲线上的两点，V1<vkn't<V2，F1< FT(vkn't)<F2；
制动力计算如下：
Figure BDA0003631056860000076
式中，(V1-V2)和(V2-B2)为当前制动特性曲线上两点，V1<vkn't<V2，B1< FB(vkn't)<B2；
基本阻力计算：
w0＝a+b·v+c·v2(N/kN) (4)
式中，w0为单位基本阻力，单位N/kN；v表示列车运行速度，单位km/h；a、b、c为经验系数，与车型、编组相关；
附加阻力计算：
wf＝wi+wr+wl (5)
wi＝1000sinθ≈1000tanθ≈1000θ＝i (6)
Figure BDA0003631056860000081
wi＝0.00013Ls (8)
式中，wi为单位坡道阻力，单位N/kN；wr为单位弯道阻力，单位N/kN；wl为单位隧道阻力，单位N/kN，A根据牵引规定，当在计算弯道的附加阻力时A＝600；LC为列车长度，单位是m；Lr为弯道长度，单位是m；R是曲线半径，单位是m；θ，i为坡道角；Ls为隧道长度，单位是m。
综上，列车运行阻力的计算公式为：
R(vkn't,xkn't)＝G×(ω0+ωf) (9)
具体的，步骤1.4、计算列车运行能耗：
Figure BDA0003631056860000082
式中，vkn't和xkn't为t时刻运行于区间n'列车k的速度与位置；T为当前区间运行时间；
具体的，步骤2、分析不同载客状态下列车运行时间能耗的关系曲线，同时依据区间最短运行时间计算方法求解各区间冗余时间；
本实施例中，列车区间运行工况可归结为由牵引加速、中间运行、制动减速三种组成。牵引加速阶段使用牵引运行状态，列车一般以最大牵引力加速到目标速度。根据线路长度的不同和区间内限速的变化，中间阶段可能为牵引、巡航、惰行、制动运行状态的一种或多种组合。
在巡航模式下，列车在信号系统ATP与区间物理条件限速保证最快速度运行至终点，此模式下的列车运行时间为该区间最短运行时间。
本实施例中，考虑线路区间的限速可能有一个或多个数值，则当列车采用巡航运行时，从起点加速运行至第一个限速路段保持当前最快速度直至离开第一个限速路段，开始二次加速运行至第二个限速路段继续保持当前速度直至离开第二个限速路段，以此类推运行。反之，当下一限速值小于当前限速值，列车则以最大制动降速，按此循环直至运行至该区间终点。上述过程中牵引加速度与制动加速度均为列车最大加速度，线路条件限速路段长度已知，具体如图2所示；
因此，最短运行时间列车的驾驶策略下的列区间冗余时间计算可表示为：
Figure BDA0003631056860000091
式中，
Figure BDA0003631056860000092
为当前区间四段线路限速；l1，l2，l3，l4为前区间四段限速线路长度；Tacc为列车牵引加速度；tbr为区间制动总时间；aacc为列车牵引加速度；abr为列车制动加速度；
Figure BDA0003631056860000093
为列车巡航最大限速；Tplan为最短运行时间策略前区间计划运行时间；Tmin为最短运行时间策略区间计划运行时间；ΔTn'为当前区间下的冗余时间。
本实施例中，步骤3、在时空网络客流状态估计结果的基础上，将车内客流数量作为动态载客参数通过影响列车运行过程中能耗仿真分析时空客流对列车时间能耗敏感曲线的影响，分析列车区间运行时间节能原理；
步骤3.1、时间能耗敏感曲线的节能分析
根据选取敏感度较高的区间按照冗余时间尽可能延长时间，而对于敏感度较差的区间可在最小运行时间的前提下适当缩短运行时间，实现区间组合能耗降低的远离对区间进行组合优化节能；
列车在当前区间运行时，定义当前区间线路长度L，区间运行时间为T，列车行驶最优速度曲线由(Ta，Ts，Tc，Tb)和(Vs，Vb)，当区间运行时间增加δ时，则一定存在另一组参数(Ta，T's，T'c，T'b)和(Vs，V'b)所唯一决定的最优运行曲线能耗更低，具体如图3所示：
列车的净能耗：
Figure BDA0003631056860000094
式中，Fa为列车在La阶段的牵引力；v(t)为列车在La阶段的瞬时速度；r(vs)为列车在Ls阶段的运行阻力；vs(t)在Ls阶段的巡航速度；
运行时间和运行距离约束为：
Figure BDA0003631056860000101
式中，La、Ls、Lc和Lb表示列车区间运行下的最大加速工况、巡航工况、惰行工况以及最大制动工况下的列车行进距离；
Ta、Ts、Tc和Tb表示列车区间运行下的最大加速时间、巡航时间、惰行时间以及最大制动时间；
这两条速度曲线运行时间和距离的约束为：
Figure BDA0003631056860000102
令ΔTs＝Ts-T's，式(12)可改写为：
Figure BDA0003631056860000103
得出δ和Δvb的关系：
Figure BDA0003631056860000104
δ和Δvb为等价无穷小，可得v'b＝vb-Δvb，v'b的解在(0,vb)的范围内，可得式：
Figure BDA0003631056860000105
δ和ΔTs的关系为：
Figure BDA0003631056860000106
ΔTs是δ的等价无穷小，已知T's＝Ts-ΔTs，T's的解分布在(0,Ts)的范围内，运行时间为T+ δ下的最优运行曲线可以用(Ta，T's，T'c，T′b)和(Vs,V′b)表示。
综上，列车T+δ运行时间下的净能耗小于列车在T运行时间下的净能耗：
Figure BDA0003631056860000107
Figure BDA0003631056860000111
列车区间牵引能耗与区间运行时间呈近似反比关系。当区间运行时间增加时，区间牵引能耗将会降低；而不同区间的计划行车时间、基础线路条件、区间承载量乘客数量、计划运行等影响列车运行能耗因素不同，因此，对于不同区间增加相同的区间运行时间，列车区间牵引能耗的降低幅度不相同。
具体如图4所示，假设为相邻两个区间1和2，区间1和2均延长ΔT时间，发现每个区间上能耗的降低量有明显差别，计算如下：
Figure BDA0003631056860000112
式中，ΔE1为区间1延长ΔT时间的能耗变化量；ΔE2为区间2延长ΔT时间的能耗变化量； T'1为区间1延长ΔT时间的区间运行时间；T'2为区间2缩短ΔT时间的区间运行时间；Esum为延长ΔT时间前的区间1、2能耗和；E'sum为延长ΔT时间后的区间1、2能耗和；
仅从能源角度考察，在进行区段运行时间优化时，就必须尽量的提高区段二的区间运行时间，以便于取得最节能的效益。在整个周转计划执行时间不变的约束条件下，当某个区段的计划执行时间同时提高时，必将引起其他区段的计划执行时间同时下降。区间组合优化节能的原理在于选取能耗敏感度较高的区间按照冗余时间尽可能延长时间，而对于敏感度较差的区间可在最小运行时间的前提下适当缩短运行时间，实现区间组合能耗降低。
步骤3.2、构建时空客流的列车节能模型：由于时空客流分布的随机性，为分析该因素对步骤3.1的优化节能原理的影响，分析在网络客流状态估计的基础上确定单车区间载客量，利用能耗计算模型仿真求解不同载客情况下的列车能耗，通过最小二乘法拟合获得各区间时间能耗曲线，分析曲线变化是否依然符合负相关特征规律；
本实施例中，通过仿真分析某一区间列车在不同载客量情况下的时间能耗，具体如图5 所示，采用最小二乘法拟合时间能耗敏感曲线，具体如图6所示，拟合公式多项式系数如图 7所示；
因此全线区间均可获得时间能耗曲线，拟合曲线可得当前曲线拟合方程，
E(t)＝at5+bt4+ct3+dt2+et+f
t＝Tplan+ΔT (21)
式中，a，b，c，d，e，f为拟合方程5次项、4次项、3次项、2次项、1次项与常数项系数；t为当前区间运行总时间；Tplan为当前区间计划运行时间；ΔT为区间冗余时间；
总体来看，在满足步骤3.1的结论下，列车能耗随着运行时间的增加逐渐减小，当运行时间逐渐延长到区间运行时间最大约束时，三种载客状态下的能耗降低速率不断减小，即当极限化扩充区间运行时间时，客流对能耗的影响弱化明显，而非极限情况下，不同载客状态下，扩充相同区间运行时间能耗降低幅度不同，通过时间能耗敏感曲线进行列车区间运行时间优化时必须考虑列车的区间载客量。
步骤3.3、考虑不同时空客流状态下时间能耗敏感曲线变化率随时间增加逐渐减小的差异性，对基于时空客流能耗敏感曲线进行节能优化。
基于时空客流能耗敏感曲线节能优化步骤如下：
(1)估计结果求解出全天运营时间段各峰期的客流估计值，作为列车仿真运行的技术参数带入列车能耗计算模型，求解各峰期列车在运行的各个区间的能耗时间点集；
(2)采用最小二乘法拟合每个峰期的能耗时间点集，得到各峰期的能耗时间敏感曲线与拟合公式，组合得到全线时空客流能耗时间敏感曲线拟合公式方程组；
(3)求解各区间冗余时间，将冗余时间与原始计划时间的合时间作为当前计划时间带入方程组，考虑运行图需求建立约束条件，设计算法求解节能目标的各个区间运行时间解集。
本实施例中，步骤4、以乘客出行时间成本最低与运营能耗成本最小为目标，建立基于客流时空分布的列车运行图优化模型，利用分配权重的模糊优化理论转化多目标优化为单目标优化问题。
首先对本发明的建模方法进行描述：
具体如图8所示：假设一条单向行向共有S个车站的地铁线路。可简记S＝ {1，2，…，2s+2}为车站物理点集。列车上行沿站台1，2，3，…，s-1，s，到达s站台采用站前或者站后折返开始眼下行线出发回到始发站站台2s+2。将列车上下行运行总时间记为离散时间点的集合Γ＝{0，1，…，T}，每个离散之间的时间间隔ΔT相同并且ΔT→0。
具体的，本实施例中，步骤4.1、对列车和乘客作假设；
假设1、列车始发服FIFO原则，研究时刻各上行或者下行站台只能由一列车停站；
假设2、线路运行各列车运载能力相同，运载能力具有相同上限，超出上限乘客人数必须乘坐下一班次列车；
假设3、相对于乘客出行总时间，乘客站台上下车时间近似忽略；
假设4、乘客上下车遵循排队秩序，无个体特殊上下车行为；
假设5、换乘通道内所有客流行走速度做平均速度处理，站内乘客出行轨迹按照最短路径抵达估计。
本实施例中，步骤4.2、优化模型：对乘客上下车、列车停站时刻、列车区间运行时间和列车区间运行速度进行约束，以最小化乘客出行时间成本为目的计算目标函数；
约束条件
假设在第i站台发生乘客上下车行为，那么从列车k到达第i站台后，车内与第i站台乘客发生人员交换，则在第i站：
(1)乘客上下车约束
第k列车离开由第i站台前往第j站台，站台上由第i站台前往第j站的人数由列车第i站台的有效乘车时间窗约束，满足式，
Figure BDA0003631056860000131
式中，pi，j(t)为第t个时间间隔内，第i站台前往第j站乘客需求；
Figure BDA0003631056860000132
为在第i站台能够乘坐第k列车的乘客的最晚到达时间；
Figure BDA0003631056860000133
为在第i站台能够乘坐第k-1列车的乘客的最晚到达时间；
Figure BDA0003631056860000134
为第i站台上由第i站台前往第j站的人数；(i,j,t1,t1+t,m(n,k,v))为从第i站台到第j站时空状态转移弧。
k列车上车人数：
Figure BDA0003631056860000135
k列车下车人数：
Figure BDA0003631056860000136
则乘客上下车约束表示为：
Figure BDA0003631056860000137
式中，
Figure BDA0003631056860000138
为第i站台离开时k列车的乘客人数；
Figure BDA0003631056860000139
为在第i站台到达前k列车的乘客人数；
Figure BDA00036310568600001310
为在第i站台k列车的下车人数；
Figure BDA00036310568600001311
在第i站台k列车的上车人数。
其中，在第i站台，考虑列车满载、运载能力与乘客乘车舒适度，乘客乘坐k列车的有效乘车最晩到达时刻
Figure BDA00036310568600001312
满足
Figure BDA0003631056860000141
式中，
Figure BDA0003631056860000142
为k列车离开第i车站的时刻；CAPk为k列车的容量；σ为k列车的满载率。
(2)列车停站时刻约束
Figure BDA0003631056860000143
式中，
Figure BDA0003631056860000144
为k列车到达第i车站的时刻；
Figure BDA0003631056860000145
为k列车在第i车站停站时间。
(3)列车区间运行时间约束
Figure BDA0003631056860000146
式中，
Figure BDA0003631056860000147
为第i车站出发到下一站的最小运行时间由式(13)计算；
Figure BDA0003631056860000148
为第i车站出发到下一站的最大运行时间，由信号系统提供；Ti,j+1第i车站出发到下一站的运行时间。
(4)列车区间运行速度约束
Figure BDA0003631056860000149
式中，
Figure BDA00036310568600001410
为k列车第i站出发到下一站的区间运行限速最小值、最大值；
Figure BDA00036310568600001411
为k 列车在第i站出发到下一站的区间运行巡航速度；vi为k列车在第i站出发到下一站的区间运行速度。
最小化乘客出行时间成本，可表示为乘客与其出行时间的乘积的最小化，目标函数为：
Figure BDA00036310568600001412
式中，
Figure BDA00036310568600001413
为行驶到第i车站k列车始发站的发车时间；twn为k列车行驶到第i车站的途径的第n个区间停站时间；turnn为k列车行驶到第i车站的途径的第n个区间运行时间；
Figure BDA00036310568600001414
为k列车行驶到第i车站的到站时刻。
最小化运营能耗成本，可由线路全部列车运行能耗组合最小化表示，目标函数为：
Figure BDA00036310568600001415
式中，tn为区间n运行时间；
Figure BDA0003631056860000151
为区间n计划运行时间；ΔTn区间n冗余时间。
本实施例中，步骤4.3、运用基于模糊优化理论的两阶段法对双目标函数进行综合处理，将双目标函数优化问题通过隶属度函数的方法转化为可分配权重的单目标函数优化问题，求取最优解。
假设记CPT代表乘客出行的最大利益，乘客希望出行时间越短越好，会导致当前区间最大速度升高，从而增加列车的运行能耗。相反，E表示运营方的利益，但从运营角度考虑，只要满足列车基本运行条件，则期望列车的运营能耗越低越好，从运营组织角度考虑，降低运行能耗的最好方法是减速运行，减速折返，势必造成旅客的旅行时间增长。因此，两个目标函数之间存在矛盾。
考虑乘客乘车时间的单位量级为与列车运行能耗成本的单位量级差别性，可以运用基于模糊优化理论的两阶段法对双目标函数进行综合处理，将双目标函数优化问题通过隶属度函数的方法转化为可分配权重的单目标函数优化问题，再设计方法求取最优解。
各目标函数的隶属度函数可分别通过式定义：
CPT对应隶属度函数为
Figure BDA0003631056860000152
E对应隶属度函数为
Figure BDA0003631056860000153
分配权重转换双目标为单目标函数：
minZ＝λ1·Z1+λ2·Z2 (33)
式中，minE、minCPT为—各自目标函数在约束条件下的最优求解值；d1、d2为各自目标函数对应优化的伸缩指标；λ1、λ2为目标函数的重要程度权重分配值，权重越大表明当前优化越看重对应优化目标函数，λ1、λ2∈[0,1]，λ1+λ2＝1。
本发明首先建立列车牵引能耗仿真计算模型，基于理想化三段式速度曲线求取列车最短区间运行时间；然后，在时空网络客流状态估计结果的基础上将车内客流数量作为动态载客参数通过影响列车运行过程中能耗，仿真分析时空客流对列车时间能耗敏感曲线的影响，分析列车区间运行时间节能原理；最后，以乘客出行时间成本最低与运营能耗成本最小为目标，建立基于客流时空分布的列车运行图优化模型，利用分配权重的模糊优化理论转化多目标优化为单目标优化问题。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (9)

1.基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，包括以下步骤：
步骤1、依据列车在线路区间运行的工况，地铁列车牵引电机的工作状态，时空动态客流队列车的运行车重的影响，结合基本运动学原理计算列车能耗，得出时空客流下列车能耗计算模型；
步骤2、分析不同载客状态下列车运行时间能耗的关系曲线，同时依据区间最短运行时间计算方法求解各区间冗余时间；
步骤3、在时空网络客流状态估计结果的基础上，将车内客流数量作为动态载客参数通过影响列车运行过程中能耗仿真分析时空客流对列车时间能耗敏感曲线的影响，分析列车区间运行时间节能原理；
步骤4、以乘客出行时间成本最低与运营能耗成本最小为目标，建立基于客流时空分布的列车运行图优化模型，利用分配权重的模糊优化理论转化多目标优化为单目标优化问题。
2.根据权利要求1所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤1中的列车在线路区间运行的工况为牵引加速、中间运行和制动减速中的一种；
所述步骤1中的地铁牵引电机的工作状态具体为牵引、巡航、惰行和制动的一种或者多种组合。
3.根据权利要求1所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤1具体还包括以下步骤：
步骤1.1、作出列车运行工况转换图；
步骤1.2、从所述列车运行工况转换图中列出速度曲线运动学方程；
步骤1.3、进行制动力计算和附加阻力计算；
步骤1.4、计算列车运行能耗。
4.根据权利要求1所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤2具体还包括：
根据巡航模式下，列车在多个不同限速区域下的加速或者减速行驶情况，绘制最短运行时间列车的速度曲线示意图以及创建最短运行时间列车的驾驶策略下的列区间冗余时间计算表达式。
5.根据权利要求1所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤3具体还包括以下步骤：
步骤3.1、对时间能耗敏感曲线进行节能分析；根据选取敏感度较高的区间按照冗余时间尽可能延长时间，而对于敏感度较差的区间可在最小运行时间的前提下适当缩短运行时间，实现区间组合能耗降低的远离对区间进行组合优化节能；
步骤3.2、构建时空客流的列车节能模型：由于时空客流分布的随机性，分析所述时空客流分布的随机性对步骤3.1的优化节能原理的影响，分析在网络客流状态估计的基础上确定单车区间载客量，利用能耗计算模型仿真求解不同载客情况下的列车能耗，通过最小二乘法拟合获得各区间时间能耗曲线，分析曲线变化是否依然符合负相关特征规律；
步骤3.3、考虑不同时空客流状态下时间能耗敏感曲线变化率随时间增加逐渐减小的差异性，对基于时空客流能耗敏感曲线进行节能优化。
6.根据权利要求1所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤4具体还包括以下步骤：
步骤4.1、对列车和乘客作假设；
步骤4.2、优化模型：对乘客上下车、列车停站时刻、列车区间运行时间和列车区间运行速度进行约束，以最小化乘客出行时间成本为目的计算目标函数；
步骤4.3、运用基于模糊优化理论的两阶段法对双目标函数进行综合处理，将双目标函数优化问题通过隶属度函数的方法转化为可分配权重的单目标函数优化问题，求取最优解。
7.根据权利要求6所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤4.1、对列车和乘客作假设具体为：
假设1、列车始发服FIFO原则，研究时刻各上行或者下行站台只能由一列车停站；
假设2、线路运行各列车运载能力相同，运载能力具有相同上限，超出上限乘客人数必须乘坐下一班次列车；
假设3、相对于乘客出行总时间，乘客站台上下车时间近似忽略；
假设4、乘客上下车遵循排队秩序，无个体特殊上下车行为；
假设5、换乘通道内所有客流行走速度做平均速度处理，站内乘客出行轨迹按照最短路径抵达估计。
8.根据权利要求6所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤2还包括：
约束条件
假设在第i站台发生乘客上下车行为，那么从列车k到达第i站台后，车内与第i站台乘客发生人员交换，则在第i站：
(1)乘客上下车约束
第k列车离开由第i站台前往第j站台，站台上由第i站台前往第j站的人数由列车第i站台的有效乘车时间窗约束，满足式，
Figure FDA0003631056850000031
式中，pi，j(t)为第t个时间间隔内，第i站台前往第j站乘客需求；
Figure FDA0003631056850000032
为在第i站台能够乘坐第k列车的乘客的最晚到达时间；
Figure FDA0003631056850000033
为在第i站台能够乘坐第k-1列车的乘客的最晚到达时间；
Figure FDA0003631056850000034
为第i站台上由第i站台前往第j站的人数；(i，j，t1，t1+t，m(n，k，v))为从第i站台到第j站时空状态转移弧；
k列车上车人数：
Figure FDA0003631056850000035
k列车下车人数：
Figure FDA0003631056850000036
则乘客上下车约束表示为：
Figure FDA0003631056850000037
式中，
Figure FDA0003631056850000038
为第i站台离开时k列车的乘客人数；
Figure FDA0003631056850000039
为在第i站台到达前k列车的乘客人数；
Figure FDA00036310568500000310
为在第i站台k列车的下车人数；
Figure FDA00036310568500000311
在第i站台k列车的上车人数；
其中，在第i站台，考虑列车满载、运载能力与乘客乘车舒适度，乘客乘坐k列车的有效乘车最晚到达时刻
Figure FDA00036310568500000312
满足
Figure FDA00036310568500000313
式中，
Figure FDA00036310568500000314
为k列车离开第i车站的时刻；CAPk为k列车的容量；σ为k列车的满载率；
(2)列车停站时刻约束
Figure FDA00036310568500000315
式中，
Figure FDA00036310568500000316
为k列车到达第i车站的时刻；
Figure FDA00036310568500000317
为k列车在第i车站停站时间；
(3)列车区间运行时间约束
Figure FDA00036310568500000318
式中，
Figure FDA0003631056850000041
为第i车站出发到下一站的最小运行时间由式(13)计算；
Figure FDA0003631056850000042
为第i车站出发到下一站的最大运行时间，由信号系统提供；Ti，j+1第i车站出发到下一站的运行时间；
(4)列车区间运行速度约束
Figure FDA0003631056850000043
Figure FDA0003631056850000044
式中，
Figure FDA0003631056850000045
为k列车第i站出发到下一站的区间运行限速最小值、最大值；
Figure FDA0003631056850000046
为k列车在第i站出发到下一站的区间运行巡航速度；vi为k列车在第i站出发到下一站的区间运行速度；
最小化乘客出行时间成本，可表示为乘客与其出行时间的乘积的最小化，目标函数为：
Figure FDA0003631056850000047
式中，
Figure FDA0003631056850000048
为行驶到第i车站k列车始发站的发车时间；twn为k列车行驶到第i车站的途径的第n个区间停站时间；turnn为k列车行驶到第i车站的途径的第n个区间运行时间；
Figure FDA0003631056850000049
为k列车行驶到第i车站的到站时刻；
最小化运营能耗成本，可由线路全部列车运行能耗组合最小化表示，目标函数为：
Figure FDA00036310568500000410
式中，tn为区间n运行时间；
Figure FDA00036310568500000411
为区间n计划运行时间；ΔTn区间n冗余时间。
9.根据权利要求6所述的基于时空网络客流状态估计的节能运行图优化分析方法，其特征在于，所述步骤4还包括：
各目标函数的隶属度函数可分别通过式定义：
CPT对应隶属度函数为
Figure FDA00036310568500000412
E对应隶属度函数为
Figure FDA0003631056850000051
分配权重转换双目标为单目标函数：
minZ＝λ1·Z1+λ2·Z2
式中，minE、minCPT为-各自目标函数在约束条件下的最优求解值；d1、d2为各自目标函数对应优化的伸缩指标；λ1、λ2为目标函数的重要程度权重分配值，权重越大表明当前优化越看重对应优化目标函数，λ1、λ2∈[0，1]，λ1+λ2＝1。
CN202210489620.0A 2022-05-07 2022-05-07 基于时空网络客流状态估计的节能运行图优化分析方法 Withdrawn CN114818349A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210489620.0A CN114818349A (zh) 2022-05-07 2022-05-07 基于时空网络客流状态估计的节能运行图优化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210489620.0A CN114818349A (zh) 2022-05-07 2022-05-07 基于时空网络客流状态估计的节能运行图优化分析方法

Publications (1)

Publication Number Publication Date
CN114818349A true CN114818349A (zh) 2022-07-29

Family

ID=82511897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210489620.0A Withdrawn CN114818349A (zh) 2022-05-07 2022-05-07 基于时空网络客流状态估计的节能运行图优化分析方法

Country Status (1)

Country Link
CN (1) CN114818349A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115424436A (zh) * 2022-08-19 2022-12-02 郑州大学 基于冗余性的暴雨影响下城市道路网络优化设计方法
CN115620525A (zh) * 2022-12-16 2023-01-17 中国民用航空总局第二研究所 基于时变动态贝叶斯网络的短时交通客运需求预测方法
CN115860339A (zh) * 2023-02-17 2023-03-28 天津津轨汇海科技发展有限公司 基于大数据分析的轨道交通能耗管理方法及相关组件

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115424436A (zh) * 2022-08-19 2022-12-02 郑州大学 基于冗余性的暴雨影响下城市道路网络优化设计方法
CN115620525A (zh) * 2022-12-16 2023-01-17 中国民用航空总局第二研究所 基于时变动态贝叶斯网络的短时交通客运需求预测方法
CN115620525B (zh) * 2022-12-16 2023-03-10 中国民用航空总局第二研究所 基于时变动态贝叶斯网络的短时交通客运需求预测方法
CN115860339A (zh) * 2023-02-17 2023-03-28 天津津轨汇海科技发展有限公司 基于大数据分析的轨道交通能耗管理方法及相关组件

Similar Documents

Publication Publication Date Title
CN111311017B (zh) 城市轨道交通列车运营时刻表和速度运行曲线优化方法
CN114818349A (zh) 基于时空网络客流状态估计的节能运行图优化分析方法
CN110450825B (zh) 城市轨道交通列车运行控制方法
CN110782079B (zh) 基于停站方案节能的高速铁路列车运行图的调整方法
CN105460048B (zh) 城轨交通优化操纵与行车调度综合节能控制方法及装置
CN108830399B (zh) 一种轨道交通站点接驳设施供需平衡的优化调整方法
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
CN109300326B (zh) 一种基于实时gps的公交短时动态调度方法
CN114386310A (zh) 一种时空客流网络分布下地铁列车节能时刻表优化方法
CN109398426B (zh) 一种定时条件下基于离散蚁群算法的节能驾驶策略寻优方法
CN113592419B (zh) 考虑客流和节能的轨道交通快慢车时刻表优化方法
CN102063791B (zh) 一种信号控制与定位监控相结合的公交车辆行车控制方法
CN104656452A (zh) 一种基于矩阵离散算法的地铁列车优化控制方法及装置
CN113077162A (zh) 面向实时需求的多车型定制公交区域调度方法
Hamid et al. Investigation into train positioning systems for saving energy with optimised train trajectories
CN115593471A (zh) 一种轨道交通虚拟编组列车运行方案的优化方法及装置
CN116070422A (zh) 一种基于时空网络的灵活编组列车周转计划分解优化方法
CN109101672B (zh) 轨道交通系统列车运行能效研究方法
CN113888387A (zh) 一种基于客流需求的多目标运行优化方法
CN110246356B (zh) 一种确定可变线路公交配置车辆数和类型的方法
Guastafierro et al. A method for optimizing coasting phases in railway speed profiles: An application to an Italian route
CN111598434A (zh) 确定山地城市轨道交通超级电容储能装置配置方案的方法
Sarango et al. Mathematical model for predicting the vehicle occupancy for urban passenger transport on the route
CN114331060B (zh) 一种MaaS背景下面向高铁站接驳的DRT车辆路径生成方法
CN112989553A (zh) 基于电池容量损失控制的CEBs速度规划模型的构建与应用

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220729