CN114819418B - 一种车站客流控制方法、装置、设备及可读存储介质 - Google Patents

一种车站客流控制方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN114819418B
CN114819418B CN202210739446.0A CN202210739446A CN114819418B CN 114819418 B CN114819418 B CN 114819418B CN 202210739446 A CN202210739446 A CN 202210739446A CN 114819418 B CN114819418 B CN 114819418B
Authority
CN
China
Prior art keywords
station
flow control
subsystem
passenger flow
data
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
Application number
CN202210739446.0A
Other languages
English (en)
Other versions
CN114819418A (zh
Inventor
刘珺
胡路
蒋阳升
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.)
Chengdu Jiaoda Big Data Technology Co ltd
Southwest Jiaotong University
Original Assignee
Chengdu Jiaoda Big Data Technology Co ltd
Southwest Jiaotong 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 Chengdu Jiaoda Big Data Technology Co ltd, Southwest Jiaotong University filed Critical Chengdu Jiaoda Big Data Technology Co ltd
Priority to CN202210739446.0A priority Critical patent/CN114819418B/zh
Publication of CN114819418A publication Critical patent/CN114819418A/zh
Application granted granted Critical
Publication of CN114819418B publication Critical patent/CN114819418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明提供了一种车站客流控制方法、装置、设备及可读存储介质，其特征在于，包括：获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；基于所述车站系统的设计参数构建车站流体排队网络模型；基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案。本发明在城市轨道交通车站客流控制方案的基础上，结合流体排队网络模型建立了客流控制优化模型，降低了车站各聚集区域内拥堵的概率，提升了系统的整体服务水平。

Description

一种车站客流控制方法、装置、设备及可读存储介质
技术领域
本发明涉及交通技术领域，具体而言，涉及一种车站客流控制方法、装置、设备及可读存储介质。
背景技术
随着我国的城市化进程不断加快，城市内的人口密度越来越高。伴随着社会经济的发展，人口的出行需求不断增加，为了满足日益增长的运输需求和日常运营管理，地铁交通管理手段需要进一步的提升。也正是因为乘客出行对城市轨道交通的需求及依赖逐渐增加，运能与运输需求之间不匹配的矛盾日益尖锐。目前，城市轨道交通日常运营人员采取的限流方式大都从站内安全水平的角度出发。凭个人主观经验，依赖于专业知识和工作经验，没有系统的理论支撑，缺乏合理的计算标准且对乘客出行的服务水平缺乏考量。
发明内容
本发明的目的在于提供一种车站客流控制方法、装置、设备及可读存储介质，以改善上述问题。
为了实现上述目的，本申请实施例提供了如下技术方案：
一方面，本申请实施例提供了一种车站客流控制方法，所述方法包括：
获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；
基于所述车站系统的设计参数构建车站流体排队网络模型；
基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；
基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案。
第二方面，本申请实施例提供了一种车站客流控制装置，所述装置包括获取模块、第一构建模块、第二构建模块和求解模块。
获取模块，用于获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；
第一构建模块，用于基于所述车站系统的设计参数构建车站流体排队网络模型；
第二构建模块，用于基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；
求解模块，用于基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案。
第三方面，本申请实施例提供了一种车站客流控制设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述客流控制方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述车站客流控制方法的步骤。
本发明的有益效果为：
1、本发明克服了传统客流控制方案依靠主观经验，缺乏系统、科学的理论支撑的问题，在城市轨道交通客流控制方案的基础上，结合流体排队网络模型，充分考虑了系统的安全性，服务水平，乘客的出行时间费用，建立了客流控制优化模型。通过客流控制与发车间隔的优化，基本消除了系统状态造成的服务率下降问题，同时在客流到达高峰期降低发车间隔时间，提高单位时间列车运能，降低站台排队溢出与排队爆炸的可能性。
2、与传统客流控制优化方法相比，本发明有效减少了乘客出行时间费用，减少了城市轨道交通网络中的拥堵状况，有效提升了系统的服务水平。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例中所述的车站客流控制方法流程示意图；
图2是本发明实施例中所述的车站客流控制装置结构示意图；
图3是本发明实施例中所述的车站客流控制设备结构示意图；
图中标记：701、获取模块；702、第一构建模块；703、第二构建模块；704、求解模块；7021、获取单元；7022、第一计算单元；70211、第一计算子单元；70212、第二计算子单元；70213、第三计算子单元；7031、分析单元；7032、第二计算单元；7033、第二构建单元；7041、分解单元；7042、求解单元；7043、判断单元；70421、第一求解子单元；70422、第二求解子单元；800、车站客流控制设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了一种车站客流控制方法，该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；
在本步骤中，车站系统的设计参数可以包括车站的空间结构信息、服务设施布局信息和服务设施数量信息等；需要调控的服务设施可以包括通道、楼梯、自动扶梯、安检机、检票闸机等；
步骤S2、基于所述车站系统的设计参数构建车站流体排队网络模型；本步骤的具体实现步骤包括步骤S21和步骤S22；
步骤S21、获取第四数据，所述第四数据包括通道子系统当前的排队状态、楼梯子系统当前的排队状态、自动扶梯子系统当前的排队状态、安检子系统当前的排队状态和检票闸机子系统当前的排队状态；
步骤S22、基于所述车站系统的设计参数和所述第四数据，计算得到第一计算结果，并根据所述第一计算结果构建所述车站流体排队网络模型；所述第一计算结果包括车站系统中通道子系统对于所述车站流体排队网络模型的服务率、楼梯子系统对于所述车站流体排队网络模型的服务率、自动扶梯子系统对于所述车站流体排队网络模型的服务率、安检子系统对于所述车站流体排队网络模型的服务率和检票闸机子系统对于所述车站流体排队网络模型的服务率；
对于任意时刻t，第i个服务设施对应的排队系统状态
Figure 760861DEST_PATH_IMAGE001
为系统初始状态
Figure 881263DEST_PATH_IMAGE002
加上进入的乘客数量减去出去的乘客数量，因此
Figure 333104DEST_PATH_IMAGE001
也可以表示为任意时刻t，第i个服务 设施的排队乘客数量；
因此，t+1时刻第i个服务设施对应的排队乘客数量Xi(t+1)的计算方式为
Figure 665997DEST_PATH_IMAGE004
；
其中，
Figure 949211DEST_PATH_IMAGE005
由第i个服务设施在t时刻的乘客到达率所决定；乘客的到达服从泊 松分布，因此第i个服务设施在t时刻的乘客到达率记为
Figure 974935DEST_PATH_IMAGE006
，因此：
Figure 179652DEST_PATH_IMAGE007
Figure 847394DEST_PATH_IMAGE008
由第i个服务设施在t时刻的乘客离去率所决定，
Figure 719535DEST_PATH_IMAGE009
， 其中
Figure 647652DEST_PATH_IMAGE010
，
Figure 605244DEST_PATH_IMAGE011
表示第
Figure 545518DEST_PATH_IMAGE012
个服务设施在t时刻的离去 率；
Figure 272165DEST_PATH_IMAGE013
表示第
Figure 905272DEST_PATH_IMAGE012
个服务设施在t时刻的空闲概率；
Figure 350160DEST_PATH_IMAGE014
表示i服务设施在t时刻的服 务率；
在本实施例中，车站系统由楼梯子系统、自动扶梯子系统、检票闸机子系统、安检子系统及通道子系统组成。对于不同子系统所对应的服务率（代表不同子系统所对应车站流体排队网络模型的服务率），具体如下：
针对通道子系统
Figure 828546DEST_PATH_IMAGE015
（各个通道的集合），通道子系统中第i个通道在t时刻的服务率
Figure 409700DEST_PATH_IMAGE016
为：
Figure 948128DEST_PATH_IMAGE017
；
Figure 880312DEST_PATH_IMAGE018
其中，
Figure 162389DEST_PATH_IMAGE020
，
Figure 878277DEST_PATH_IMAGE022
；
Figure 118766DEST_PATH_IMAGE023
表示第i个通道在t时刻的乘客流动速度；
Figure 538246DEST_PATH_IMAGE024
表示第i个通道在t时刻的排队 乘客数量；(0,
Figure 624013DEST_PATH_IMAGE025
)表示第i个通道中乘客数量为0时，通道中的乘客走行速度为
Figure 445339DEST_PATH_IMAGE025
；
Figure 856729DEST_PATH_IMAGE026
表示第i个通道中乘客数量为a时，通道中的乘客走行速度为va；
Figure 497926DEST_PATH_IMAGE027
表示第i 个通道中乘客数量为c时，通道中的乘客走行速度为vc；通过历史数据给出(0,
Figure 387384DEST_PATH_IMAGE025
)，
Figure 328795DEST_PATH_IMAGE026
，
Figure 911086DEST_PATH_IMAGE027
三个标准点进行标定，可以算出速度
Figure 305159DEST_PATH_IMAGE028
；
Figure 998308DEST_PATH_IMAGE029
为第i个通道的长 度；
针对楼梯子系统
Figure 528647DEST_PATH_IMAGE030
（各个楼梯的集合）：将楼梯的俯视面视为通道，按照通道子系 统服务率的计算方法计算楼梯子系统服务率；
自动扶梯子系统E（各个自动扶梯的集合）：与前两者不同，自动扶梯具有固定的运 行速度，第i个自动扶梯在t时刻的速度为
Figure 281839DEST_PATH_IMAGE031
，因此可以得到自动扶梯子系统中第i个 自动扶梯在t时刻的服务率为
Figure 894698DEST_PATH_IMAGE032
，其中，
Figure 391539DEST_PATH_IMAGE029
为第i个自动扶梯的长度，
Figure 776384DEST_PATH_IMAGE024
表示第i个自动扶梯在t时刻的排队乘客数量；
安检子系统
Figure 903740DEST_PATH_IMAGE033
（各个安检机的集合）：安检子系统中乘客和包裹需分别在人员检 测和X光机检测下通过，而包裹通过X光机所需花费的时间远远大于人通过人员检测的时 间。因此X光机中履带的运行速度是决定安检系统服务时间的关键因素。同自动扶梯子系统 不同的是，虽然两者都具有固定速度，但是安检系统只能同时服务一位乘客，因此安检子系 统中第i个安检机在t时刻的服务率为
Figure 104695DEST_PATH_IMAGE034
，其中，
Figure 724333DEST_PATH_IMAGE035
表示第i个安检机 在t时刻的履带速度，
Figure 494843DEST_PATH_IMAGE029
为第i个安检机履带的长度，
Figure 324259DEST_PATH_IMAGE024
表示第i个安检机在t时刻的排 队乘客数量；
检票闸机子系统
Figure 180219DEST_PATH_IMAGE036
（各个检票闸机的集合）：一组检票闸机由多个闸机组成，每个 闸机的服务时间可以视为一个定值
Figure 18862DEST_PATH_IMAGE037
，因此检票闸机子系统中第i个闸机在t时刻的服务 率为
Figure 112720DEST_PATH_IMAGE038
，其中，
Figure 378617DEST_PATH_IMAGE039
为所有闸机的数量，
Figure 456294DEST_PATH_IMAGE037
表示第i个闸机的服 务时间；
Figure 364207DEST_PATH_IMAGE024
表示第i个闸机在t时刻的排队乘客数量；
计算得到第一计算结果之后，通过步骤S221、步骤S222和步骤S223完成车站流体排队网络模型的构建；
步骤S221、基于逐点固定流体近似算法和所述车站系统的设计参数计算得到第二计算结果，所述第二计算结果包括通道子系统当前的空闲概率、楼梯子系统当前的空闲概率、自动扶梯子系统当前的空闲概率、安检子系统当前的空闲概率和检票闸机子系统当前的空闲概率；
对于
Figure 578151DEST_PATH_IMAGE013
，根据PSFFA方法得到
Figure 14948DEST_PATH_IMAGE013
的计算公式如下：
Figure 845501DEST_PATH_IMAGE041
其中：
Figure 760368DEST_PATH_IMAGE042
，
Figure 94397DEST_PATH_IMAGE043
， (0，
Figure 433587DEST_PATH_IMAGE044
)表示第i个服务设施中乘客数量为0时，此服务设施的空闲概率为
Figure 485857DEST_PATH_IMAGE044
，
Figure 204414DEST_PATH_IMAGE045
表示第i个服务设施中乘客数量为a时，此服务设施的空闲概率为pea，
Figure 658529DEST_PATH_IMAGE046
表示第i个服务设施中乘客数量为c时，此服务设施的空闲概率为为pec；同样通过历史数据 给出(0,
Figure 171550DEST_PATH_IMAGE047
)，
Figure 445536DEST_PATH_IMAGE048
，
Figure 967785DEST_PATH_IMAGE049
的三个标准点进行标定得到；C表示第i个服务设施 的容量；
Figure 682931DEST_PATH_IMAGE050
表示第i个服务设施在t时刻的排队乘客数量；
步骤S222、基于所述第二计算结果和所述第一计算结果，计算得到第三计算结果，所述第三计算结果包括通道子系统当前时刻的乘客离去率、楼梯子系统当前时刻的乘客离去率、自动扶梯子系统当前时刻的乘客离去率、安检子系统当前时刻的乘客离去率和检票闸机子系统当前时刻的乘客离去率；
在本步骤中，通过
Figure 366853DEST_PATH_IMAGE051
即可计算得到乘客离去率；
步骤S223、基于所述第三计算结果和所述第四数据分别计算下一时刻通道子系统的排队状态、楼梯子系统的排队状态、自动扶梯子系统的排队状态、安检子系统的排队状态和检票闸机子系统的排队状态，完成所述车站流体排队网络模型的构建。
在本步骤中，通过
Figure 862557DEST_PATH_IMAGE053
即可计算得到每个子系统的排队状态；
步骤S3、基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；本步骤的具体实现步骤包括步骤S31、步骤S32和步骤S33；
步骤S31、分析所述需要调控的服务设施参数和所述乘客出行OD数据确定客流控制决策变量，所述客流控制决策变量包括每个时刻允许进站的乘客数量占车站外乘客的数量的百分比、每个时刻自动扶梯的速度、每个时刻安检机的履带速度和检票闸机的数量；
在本步骤中，客流控制决策变量
Figure 925846DEST_PATH_IMAGE054
满足以下约束：
Figure 557816DEST_PATH_IMAGE055
Figure 412639DEST_PATH_IMAGE056
Figure 926797DEST_PATH_IMAGE057
Figure 525269DEST_PATH_IMAGE058
其中，
Figure 277324DEST_PATH_IMAGE059
为自动扶梯速度最小值；
Figure 834207DEST_PATH_IMAGE060
为闸机开放数量的最小值；
Figure 570082DEST_PATH_IMAGE061
为自动 扶梯速度最大值；
Figure 972245DEST_PATH_IMAGE062
为闸机开放数量的最大值；
Figure 844386DEST_PATH_IMAGE063
为第i个安检机在t时刻的履带 速度；
Figure 306591DEST_PATH_IMAGE064
为第i个自动扶梯在t时刻的速度；
步骤S32、基于所述客流控制决策变量和所述车站流体排队网络模型的输出指标，确定客流控制约束条件；
在本步骤中，客流控制约束条件为：
Figure 529762DEST_PATH_IMAGE065
Figure 467107DEST_PATH_IMAGE066
Figure 193754DEST_PATH_IMAGE068
Figure 826861DEST_PATH_IMAGE069
Figure 6169DEST_PATH_IMAGE070
Figure 15714DEST_PATH_IMAGE071
Figure 862447DEST_PATH_IMAGE073
其中，
Figure 666455DEST_PATH_IMAGE074
为对应第i个服务设施的容量大小；
Figure 864218DEST_PATH_IMAGE075
为第i个服务设施在t时刻的 服务率；
Figure 411874DEST_PATH_IMAGE076
表示的是最小服务水平取值，在本步骤中取值为0.4；
Figure 113114DEST_PATH_IMAGE077
表示每个时间步的 长度；
Figure 88023DEST_PATH_IMAGE078
为各站外排队区域的集合；E为各个自动扶梯的集合；
Figure 773082DEST_PATH_IMAGE079
为各个楼梯的集合；
Figure 858850DEST_PATH_IMAGE080
表示第i个服务设施在t时刻的排队乘客数量；
Figure 507324DEST_PATH_IMAGE081
表示第
Figure 918714DEST_PATH_IMAGE082
个服务设施在t时刻的离去 率；
Figure 825490DEST_PATH_IMAGE083
表示第i个服务设施在t时刻的乘客到达率；
Figure 714948DEST_PATH_IMAGE084
为客流控制决策变量；
Figure 390780DEST_PATH_IMAGE059
为自动扶梯速度最小值；
Figure 973071DEST_PATH_IMAGE060
为闸机开放数量的最小值；
Figure 101564DEST_PATH_IMAGE061
为自动扶梯速度最大值；
Figure 794714DEST_PATH_IMAGE062
为闸机开放数量的最大值；
Figure 590632DEST_PATH_IMAGE085
为第i个安检机在t时刻的履带速度；
Figure 609403DEST_PATH_IMAGE064
为第 i个自动扶梯在t时刻的速度；
步骤S33、根据所述客流控制约束条件，以乘客等待时间最小为目标，构建客流控制优化目标函数，完成所述客流控制优化模型的建立。
在本步骤中，客流控制优化目标函数为：
Figure 490772DEST_PATH_IMAGE086
其中
Figure 456454DEST_PATH_IMAGE087
车站排队网络中所有设备设施的集合；
Figure 106878DEST_PATH_IMAGE088
表示乘客等待时间；
Figure 30971DEST_PATH_IMAGE077
表示 每个时间步的长度；
Figure 399636DEST_PATH_IMAGE089
表示第i个服务设施在t时刻的排队乘客数量；
步骤S4、基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案。本步骤的具体实现步骤包括步骤S41、步骤S42和步骤S43；
步骤S41、使用交替方向乘子法分解所述客流控制优化模型，将其分解为一个非线性规划子问题和一个整数非线性规划子问题；
步骤S42、先后求解所述非线性规划子问题和所述整数非线性规划子问题；本步骤的具体实现步骤包括步骤S421和步骤S422；
步骤S421、对所述非线性规划子问题进行求解；
在本步骤中，使用同步扰动随机逼近算法对所述非线性规划子问题进行求解；
步骤S422、对所述整数非线性规划子问题进行求解；
在本步骤中，将求得的解传递给整数非线性规划子问题，并使用自适应大邻域搜索算法对所述整数非线性规划子问题进行求解；
步骤S43、求解后判断是否满足终止条件，若满足则结束，得到所述车站客流控制方案；若不满足则重复迭代对所述非线性规划子问题进行求解的步骤和对所述整数非线性规划子问题进行求解的步骤，直至满足所述终止条件。
通过以上步骤，本实施例克服了传统客流控制方案依靠主观经验，缺乏系统、科学的理论支撑的问题，在城市轨道交通客流控制方案的基础上，结合流体排队网络模型，充分考虑了系统的安全性，服务水平，乘客的出行时间费用，建立了客流控制优化模型。通过客流控制与发车间隔的优化，基本消除了系统状态造成的服务率下降问题，同时在客流到达高峰期降低发车间隔时间，提高单位时间列车运能，降低站台排队溢出与排队爆炸的可能性。与传统客流控制优化方法相比，本实施例有效减少了乘客出行时间费用，减少了城市轨道交通网络中的拥堵状况，有效提升了系统的服务水平。
实施例2
如图2所示，本实施例提供了一种车站客流控制装置，所述装置包括获取模块701、第一构建模块702、第二构建模块703和求解模块704。
获取模块701，用于获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；
第一构建模块702，用于基于所述车站系统的设计参数构建车站流体排队网络模型；
第二构建模块703，用于基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；
求解模块704，用于基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案。
在本公开的一种具体实施方式中，所述获取单元7021，还包括第一计算子单元70211、第二计算子单元70212和第三计算子单元70213。
获取单元7021，用于获取第四数据，所述第四数据包括通道子系统当前的排队状态、楼梯子系统当前的排队状态、自动扶梯子系统当前的排队状态、安检子系统当前的排队状态和检票闸机子系统当前的排队状态；
第一计算单元7022，用于基于所述车站系统的设计参数和所述第四数据，计算得到第一计算结果，并根据所述第一计算结果构建所述车站流体排队网络模型；所述第一计算结果包括车站系统中通道子系统对于所述车站流体排队网络模型的服务率、楼梯子系统对于所述车站流体排队网络模型的服务率、自动扶梯子系统对于所述车站流体排队网络模型的服务率、安检子系统对于所述车站流体排队网络模型的服务率和检票闸机子系统对于所述车站流体排队网络模型的服务率。
在本公开的一种具体实施方式中，所述第一计算单元7022，还包括第一计算子单元70211、第二计算子单元70212和第三计算子单元70213。
第一计算子单元70211，用于基于逐点固定流体近似算法和所述车站系统的设计参数计算得到第二计算结果，所述第二计算结果包括通道子系统当前的空闲概率、楼梯子系统当前的空闲概率、自动扶梯子系统当前的空闲概率、安检子系统当前的空闲概率和检票闸机子系统当前的空闲概率；
第二计算子单元70212，用于基于所述第二计算结果和所述第一计算结果，计算得到第三计算结果，所述第三计算结果包括通道子系统当前时刻的乘客离去率、楼梯子系统当前时刻的乘客离去率、自动扶梯子系统当前时刻的乘客离去率、安检子系统当前时刻的乘客离去率和检票闸机子系统当前时刻的乘客离去率；
第三计算子单元70213，用于基于所述第三计算结果和所述第四数据分别计算下一时刻通道子系统的排队状态、楼梯子系统的排队状态、自动扶梯子系统的排队状态、安检子系统的排队状态和检票闸机子系统的排队状态，完成所述车站流体排队网络模型的构建。
在本公开的一种具体实施方式中，所述第二构建模块703，还包括分析单元7031、第二计算单元7032和第二构建单元7033。
分析单元7031，用于分析所述需要调控的服务设施参数和所述乘客出行OD数据确定客流控制决策变量，所述客流控制决策变量包括每个时刻允许进站的乘客数量占车站外乘客的数量的百分比、每个时刻自动扶梯的速度、每个时刻安检机的履带速度和检票闸机的数量；
第二计算单元7032，用于基于所述客流控制决策变量和所述车站流体排队网络模型的输出指标，确定客流控制约束条件；
第二构建单元7033，用于根据所述客流控制约束条件，以乘客等待时间最小为目标，构建客流控制优化目标函数，完成所述客流控制优化模型的建立。
在本公开的一种具体实施方式中，所述求解模块704，还包括分解单元7041、求解单元7042和判断单元7043。
分解单元7041，用于使用交替方向乘子法分解所述客流控制优化模型，将其分解为一个非线性规划子问题和一个整数非线性规划子问题；
求解单元7042，用于先后求解所述非线性规划子问题和所述整数非线性规划子问题；
判断单元7043，用于求解后判断是否满足终止条件，若满足则结束，得到所述车站客流控制方案；若不满足则重复迭代对所述非线性规划子问题进行求解的步骤和对所述整数非线性规划子问题进行求解的步骤，直至满足所述终止条件。
在本公开的一种具体实施方式中，所述求解单元7042，还包括第一求解子单元70421和第二求解子单元70422。
第一求解子单元70421，用于对所述非线性规划子问题进行求解，其中，使用同步扰动随机逼近算法对所述非线性规划子问题进行求解；
第二求解子单元70422，用于对所述整数非线性规划子问题进行求解，其中，将求得的解传递给所述整数非线性规划子问题，并使用自适应大邻域搜索算法对所述整数非线性规划子问题进行求解。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了车站客流控制设备，下文描述的车站客流控制设备与上文描述的车站客流控制方法可相互对应参照。
图3是根据一示例性实施例示出的车站客流控制设备800的框图。如图3所示，该车站客流控制设备800可以包括：处理器801，存储器802。该车站客流控制设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该车站客流控制设备800的整体操作，以完成上述的车站客流控制方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该车站客流控制设备800的操作，这些数据例如可以包括用于在该车站客流控制设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该车站客流控制设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，该车站客流控制设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的车站客流控制方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的车站客流控制方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该车站客流控制设备800的处理器801执行以完成上述的车站客流控制方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的车站客流控制方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的车站客流控制方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车站客流控制方法，其特征在于，包括：
获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；
基于所述车站系统的设计参数构建车站流体排队网络模型；
基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；
基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案；
其中，基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案，包括：
使用交替方向乘子法分解所述客流控制优化模型，将其分解为一个非线性规划子问题和一个整数非线性规划子问题；
先后求解所述非线性规划子问题和所述整数非线性规划子问题；
求解后判断是否满足终止条件，若满足则结束，得到所述车站客流控制方案；若不满足则重复迭代对所述非线性规划子问题进行求解的步骤和对所述整数非线性规划子问题进行求解的步骤，直至满足所述终止条件；
其中，先后求解所述非线性规划子问题和所述整数非线性规划子问题，包括：
对所述非线性规划子问题进行求解，其中，使用同步扰动随机逼近算法对所述非线性规划子问题进行求解；
对所述整数非线性规划子问题进行求解，其中，将非线性规划子问题求得的解传递给所述整数非线性规划子问题，并使用自适应大邻域搜索算法对所述整数非线性规划子问题进行求解。
2.根据权利要求1所述的车站客流控制方法，其特征在于，基于所述车站系统的设计参数构建车站流体排队网络模型，包括：
获取第四数据，所述第四数据包括通道子系统当前的排队状态、楼梯子系统当前的排队状态、自动扶梯子系统当前的排队状态、安检子系统当前的排队状态和检票闸机子系统当前的排队状态；
基于所述车站系统的设计参数和所述第四数据，计算得到第一计算结果，并根据所述第一计算结果构建所述车站流体排队网络模型；所述第一计算结果包括车站系统中通道子系统对于所述车站流体排队网络模型的服务率、楼梯子系统对于所述车站流体排队网络模型的服务率、自动扶梯子系统对于所述车站流体排队网络模型的服务率、安检子系统对于所述车站流体排队网络模型的服务率和检票闸机子系统对于所述车站流体排队网络模型的服务率。
3.根据权利要求2所述的车站客流控制方法，其特征在于，根据所述第一计算结果构建所述车站流体排队网络模型，包括：
基于逐点固定流体近似算法和所述车站系统的设计参数计算得到第二计算结果，所述第二计算结果包括通道子系统当前的空闲概率、楼梯子系统当前的空闲概率、自动扶梯子系统当前的空闲概率、安检子系统当前的空闲概率和检票闸机子系统当前的空闲概率；
基于所述第二计算结果和所述第一计算结果，计算得到第三计算结果，所述第三计算结果包括通道子系统当前时刻的乘客离去率、楼梯子系统当前时刻的乘客离去率、自动扶梯子系统当前时刻的乘客离去率、安检子系统当前时刻的乘客离去率和检票闸机子系统当前时刻的乘客离去率；
基于所述第三计算结果和所述第四数据分别计算下一时刻通道子系统的排队状态、楼梯子系统的排队状态、自动扶梯子系统的排队状态、安检子系统的排队状态和检票闸机子系统的排队状态，完成所述车站流体排队网络模型的构建。
4.根据权利要求1所述的车站客流控制方法，其特征在于，基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型，包括：
分析所述需要调控的服务设施参数和所述乘客出行OD数据确定客流控制决策变量，所述客流控制决策变量包括每个时刻允许进站的乘客数量占车站外乘客的数量的百分比、每个时刻自动扶梯的速度、每个时刻安检机的履带速度和检票闸机的数量；
基于所述客流控制决策变量和所述车站流体排队网络模型的输出指标，确定客流控制约束条件；
根据所述客流控制约束条件，以乘客等待时间最小为目标，构建客流控制优化目标函数，完成所述客流控制优化模型的建立。
5.一种车站客流控制装置，其特征在于，包括：
获取模块，用于获取第一数据、第二数据和第三数据，所述第一数据包括乘客出行OD数据，所述第二数据包括车站系统的设计参数，所述第三数据包括需要调控的服务设施参数；
第一构建模块，用于基于所述车站系统的设计参数构建车站流体排队网络模型；
第二构建模块，用于基于所述乘客出行OD数据、所述需要调控的服务设施参数和所述车站流体排队网络模型构建客流控制优化模型；
求解模块，用于基于交替方向乘子法，求解所述客流控制优化模型，得到车站客流控制方案；
其中，所述求解模块，包括：
分解单元，用于使用交替方向乘子法分解所述客流控制优化模型，将其分解为一个非线性规划子问题和一个整数非线性规划子问题；
求解单元，用于先后求解所述非线性规划子问题和所述整数非线性规划子问题；
判断单元，用于求解后判断是否满足终止条件，若满足则结束，得到所述车站客流控制方案；若不满足则重复迭代对所述非线性规划子问题进行求解的步骤和对所述整数非线性规划子问题进行求解的步骤，直至满足所述终止条件；
其中，所述求解单元，包括：
第一求解子单元，用于对所述非线性规划子问题进行求解，其中，使用同步扰动随机逼近算法对所述非线性规划子问题进行求解；
第二求解子单元，用于对所述整数非线性规划子问题进行求解，其中，将非线性规划子问题求得的解传递给所述整数非线性规划子问题，并使用自适应大邻域搜索算法对所述整数非线性规划子问题进行求解。
6.根据权利要求5所述的车站客流控制装置，其特征在于，第一构建模块，包括：
获取单元，用于获取第四数据，所述第四数据包括通道子系统当前的排队状态、楼梯子系统当前的排队状态、自动扶梯子系统当前的排队状态、安检子系统当前的排队状态和检票闸机子系统当前的排队状态；
第一计算单元，用于基于所述车站系统的设计参数和所述第四数据，计算得到第一计算结果，并根据所述第一计算结果构建所述车站流体排队网络模型；所述第一计算结果包括车站系统中通道子系统对于所述车站流体排队网络模型的服务率、楼梯子系统对于所述车站流体排队网络模型的服务率、自动扶梯子系统对于所述车站流体排队网络模型的服务率、安检子系统对于所述车站流体排队网络模型的服务率和检票闸机子系统对于所述车站流体排队网络模型的服务率。
7.根据权利要求6所述的车站客流控制装置，其特征在于，第一计算单元，包括：
第一计算子单元，用于基于逐点固定流体近似算法和所述车站系统的设计参数计算得到第二计算结果，所述第二计算结果包括通道子系统当前的空闲概率、楼梯子系统当前的空闲概率、自动扶梯子系统当前的空闲概率、安检子系统当前的空闲概率和检票闸机子系统当前的空闲概率；
第二计算子单元，用于基于所述第二计算结果和所述第一计算结果，计算得到第三计算结果，所述第三计算结果包括通道子系统当前时刻的乘客离去率、楼梯子系统当前时刻的乘客离去率、自动扶梯子系统当前时刻的乘客离去率、安检子系统当前时刻的乘客离去率和检票闸机子系统当前时刻的乘客离去率；
第三计算子单元，用于基于所述第三计算结果和所述第四数据分别计算下一时刻通道子系统的排队状态、楼梯子系统的排队状态、自动扶梯子系统的排队状态、安检子系统的排队状态和检票闸机子系统的排队状态，完成所述车站流体排队网络模型的构建。
8.根据权利要求5所述的车站客流控制装置，其特征在于，第二构建模块，包括：
分析单元，用于分析所述需要调控的服务设施参数和所述乘客出行OD数据确定客流控制决策变量，所述客流控制决策变量包括每个时刻允许进站的乘客数量占车站外乘客的数量的百分比、每个时刻自动扶梯的速度、每个时刻安检机的履带速度和检票闸机的数量；
第二计算单元，用于基于所述客流控制决策变量和所述车站流体排队网络模型的输出指标，确定客流控制约束条件；
第二构建单元，用于根据所述客流控制约束条件，以乘客等待时间最小为目标，构建客流控制优化目标函数，完成所述客流控制优化模型的建立。
9.一种车站客流控制设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述车站客流控制方法的步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述车站客流控制方法的步骤。
CN202210739446.0A 2022-06-28 2022-06-28 一种车站客流控制方法、装置、设备及可读存储介质 Active CN114819418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210739446.0A CN114819418B (zh) 2022-06-28 2022-06-28 一种车站客流控制方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210739446.0A CN114819418B (zh) 2022-06-28 2022-06-28 一种车站客流控制方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114819418A CN114819418A (zh) 2022-07-29
CN114819418B true CN114819418B (zh) 2022-09-23

Family

ID=82522724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210739446.0A Active CN114819418B (zh) 2022-06-28 2022-06-28 一种车站客流控制方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114819418B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117409199B (zh) * 2023-10-19 2024-05-14 中南大学 一种基于云端大数据技术的成长型智慧安检系统及方法
CN117975733B (zh) * 2024-03-28 2024-08-09 青岛理工大学 高峰客流控制方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107833342A (zh) * 2017-11-22 2018-03-23 蒋祥春 一种用于火车站安检的智能分流方法
WO2021120817A1 (zh) * 2019-12-19 2021-06-24 广州新科佳都科技有限公司 一种基于节点控制的地铁车站客流管控方法及装置
CN113030880A (zh) * 2021-03-17 2021-06-25 南京航空航天大学 基于admm的间歇采样转发式干扰的信号估计方法
CN113269367A (zh) * 2021-06-07 2021-08-17 南京邮电大学 一种基于边缘协同交替方向乘子法的地铁客流预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906179B (zh) * 2020-11-27 2022-04-19 西南交通大学 一种基于流体排队网络的城市轨道交通客流控制优化方法
CN114604297B (zh) * 2022-04-06 2023-04-18 中南大学 基于对称交替方向乘子法的列车运行控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107833342A (zh) * 2017-11-22 2018-03-23 蒋祥春 一种用于火车站安检的智能分流方法
WO2021120817A1 (zh) * 2019-12-19 2021-06-24 广州新科佳都科技有限公司 一种基于节点控制的地铁车站客流管控方法及装置
CN113030880A (zh) * 2021-03-17 2021-06-25 南京航空航天大学 基于admm的间歇采样转发式干扰的信号估计方法
CN113269367A (zh) * 2021-06-07 2021-08-17 南京邮电大学 一种基于边缘协同交替方向乘子法的地铁客流预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A queuing network simulation optimization method for coordination control of passenger flow in urban rail transit stations;Liu Jun 等;《Neural Computing & Applications》;20210102;第33卷(第17期);10935-10959 *
Short-term passenger flow prediction of rail transit based on VMD-LSTM neural network combination model;Dong Liang 等;《2020 Chinese Control And Decision Conference (CCDC)》;20200811;5131-5136 *
基于VMD-GRU的城市轨道交通短时客流预测;吴娟 等;《都市快轨交通》;20220218;第35卷(第01期);79-86 *
基于聚类站点客流公共特征的轨道交通车站精细分类;蒋阳升 等;《交通运输系统工程与信息》;20220519;1-10 *

Also Published As

Publication number Publication date
CN114819418A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN114819418B (zh) 一种车站客流控制方法、装置、设备及可读存储介质
Liu et al. Collaborative optimization for metro train scheduling and train connections combined with passenger flow control strategy
Wang et al. Efficient bilevel approach for urban rail transit operation with stop-skipping
CN112598182B (zh) 一种轨道交通智能调度方法及系统
Yuan et al. Passenger flow control strategies for urban rail transit networks
Wang et al. Passenger-demands-oriented train scheduling for an urban rail transit network
CN108242149A (zh) 一种基于交通数据的大数据分析方法
CN105488751A (zh) 一种地铁站客流微观统计与调度方法
CN115018148A (zh) 一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统
CN112949080A (zh) 一种基于动态驱动的城市轨道交通车站仿真系统及方法
Mou et al. Reliability Optimization Model of Stop‐Skipping Bus Operation with Capacity Constraints
JP4910432B2 (ja) 車両混雑状況予測システム及び方法、プログラム
CN111914940A (zh) 一种共享车辆站点分群聚类方法、系统、装置及存储介质
CN109409563B (zh) 一种公交运营车辆实时人数的分析方法、系统和存储介质
CN112347654A (zh) 一种基于地铁客流系统的仿真方法及装置
CN116822729A (zh) 一种基于客流需求的城轨快慢车调度策略优化方法及系统
CN112101677B (zh) 一种公共交通出行路径规划方法、装置、设备及存储介质
CN113159385A (zh) 一种基于深度强化学习的自反馈客流控制方法及装置
Dou et al. A cloud model-based method for passenger flow control at subway stations: A real-world case study
CN107886190B (zh) 一种突发事件下乘客出行选择行为仿真方法及装置
CN118095577B (zh) 一种地铁站闲时运行效率优化方法、电子设备及存储介质
CN116777089B (zh) 基于车站密度系数算法的线网客控方法、装置及相关设备
CN112465234B (zh) 一种平峰行车计划的生成方法、装置及电子设备
CN104239958A (zh) 适用于城市轨道交通系统的短时客流预测方法
Mulerikkal et al. A Path-Depended Passenger Flow Forecasting Model for Metro Rail Systems Using LSTM Neural Network.

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