CN114943484B - 一种轨道客流运能匹配方法及其电子设备及其存储介质 - Google Patents

一种轨道客流运能匹配方法及其电子设备及其存储介质 Download PDF

Info

Publication number
CN114943484B
CN114943484B CN202210853469.4A CN202210853469A CN114943484B CN 114943484 B CN114943484 B CN 114943484B CN 202210853469 A CN202210853469 A CN 202210853469A CN 114943484 B CN114943484 B CN 114943484B
Authority
CN
China
Prior art keywords
passenger flow
intersection
travel
time
constraint
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
CN202210853469.4A
Other languages
English (en)
Other versions
CN114943484A (zh
Inventor
张晓春
陈振武
周勇
霍剑光
王祖健
刘星
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.)
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Urban Transport Planning Center 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 Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Urban Transport Planning Center Co Ltd
Priority to CN202210853469.4A priority Critical patent/CN114943484B/zh
Publication of CN114943484A publication Critical patent/CN114943484A/zh
Application granted granted Critical
Publication of CN114943484B publication Critical patent/CN114943484B/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
    • G06Q10/06—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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06314—Calendaring for a resource
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种轨道客流运能匹配方法及其电子设备及其存储介质，属于城市轨道交通客流管理技术领域。为解决轨道运能分布的问题。本发明基于原始OD客流出行全环节数据，获取目标线路上的OD客流集合；基于已知线路上的客流后获取实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合，确定目标线路的运行网络图，根据所述目标线路上的OD客流集合遍历OD出行方案，建立时空网络下的乘客备选出行数据集；建立OD客流量的出行服务质量上限拟合函数；建立最小化断面运能缺口模型及约束条件；根据所述优化模型和预设约束条件确定预测OD，进行所述轨道客流运能匹配。本发明优化轨道运能分布，提升运能与客流正相关性。

Description

一种轨道客流运能匹配方法及其电子设备及其存储介质
技术领域
本发明属于城市轨道交通客流管理技术领域，具体涉及一种轨道客流运能匹配方法及其电子设备及其存储介质。
背景技术
实际场景下，轨道列车以固定间隔发车，优势在于准时稳定、易于操控。但是面对时空分布不均衡的客流需求，轨道运能易出现缺口或溢出，导致资源利用不足。因此对于客流量大的站点和时段，如何排布运力在合适的时间到达，缓解该站点的乘客出行需求，对于客流量小的站点和时段，如何节约运能资源，且保障乘客出行服务质量和运营企业的利益，具有实际研究应用价值。
目前地铁运能优化主要解决方法有三种方式：1)分时段发车间隔设计：工作人员将全天运营时间划分为多个时段，如早平峰、早高峰、午平峰、午高峰、晚高峰及晚平峰，对高峰低谷的客流进行数据分析，设置各个时段下的发车间隔；2)多编组列车设计：列车编组辆数体现其载客能力，根据不同时段下的客流特征，通过大编组、小编组或混合编组的形式来动态配置运能，缓解大客流需求；3)多交路运营设计：在同一方向线路上，开行多种交路方案，如嵌套交路、衔接交路，满足客流的分布特征，加快车底周转效率，节约营运成本。
方式1)的发车间隔调整主要步骤如下：
依据全天的客流量分布，将一天时间切割划分为多个运营时段。划分的方法可以直观数据统计，也有使用聚类方法，如最优分割聚类，将OD概率分布矩阵就行归类，保证相同时段下OD客流满足近似的分布规律；
确定时段下开行对数n。使用最大断面客流量，模拟出运力需求，进而折算出列车开行数量；
交路发车间隔：
Figure GDA0003856311410000011
在高峰时期设置较小的发车间隔，而非高峰时期设置较大的间隔。
方式1)在实际运营过程中灵活简单，便于实际操作，但当平峰时段的客流量过少时，得到的发车间隔会过大，乘客的等车时长增加，导致服务质量下降，客诉率升高，并且平峰和高峰时段切换的时期，简单的发车间隔转换会导致局部站点运能冗余或者溢出，浪费运力资源，缺乏全局的优化角度。
方式2)常规情况下，使用固定交路组合的形式，可由实际业务经验制定出大小交路，或建立模型计算交路组合及其开行频率，目标满足最大断面客流需求。通过编组策略直接提升列车运能能力，可以不改动运行图的情况下，按实际需求进行运能的增减。
固定交路的形式仅考虑断面客流，忽略乘客乘车的全环节流程，而实际乘客出行决策过程中，选择不同的乘车班次，往往引起后序断面客流量发生连锁变化，那么基于静态的断面客流数据估计出来的运能需求准确性会降低；另外增减交路仅考虑满足断面客流需求，未体现乘客服务质量的优化，同线路路换乘等牺牲服务质量的情况便不可控。
方式3)是从规划层面，考虑站点折返能力和换乘条件，增加合适交路组合，匹配客流。但方式2)和方式3)中固定交路的形式仅考虑断面客流，忽略了乘客乘车的全环节流程环节流程，而实际乘客出行决策过程中，选择不同的乘车班次，往往引起后序断面客流量发生连锁变化，那么基于静态的断面客流数据估计出来的运能需求准确性会降低；另外增减交路仅考虑满足断面客流需求，未体现乘客服务质量的优化，导致服务质量下降。
发明内容
本发明针对以时段为周期班次切换导致运能不均衡问题及针对乘客的等车时长增加导致服务质量下降的问题进行优化，提出一种轨道客流运能匹配方法及其电子设备及其存储介质。
为实现上述目的，本发明通过以下技术方案实现：
一种轨道客流运能匹配方法，包括如下步骤：
S1、基于原始OD客流出行全环节数据，获取目标线路上的OD客流集合；
S2、基于步骤S1已知线路上的客流，通过该线路上的大小交路交通流数据，获取实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合；
S3、根据所述实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合确定目标线路的运行网络图，根据所述目标线路上的OD客流集合遍历OD出行方案，建立时空网络下的乘客备选出行数据集；
S4、建立OD客流量的出行服务质量上限拟合函数；
S5、建立最小化断面运能缺口模型及约束条件；
S6、根据最小化断面运能缺口模型及预设约束条件获得预测OD，进行轨道客流运能匹配。
进一步的，步骤S1的具体实现方法包括如下步骤：
S1.1、输入原始OD客流出行全环节数据；
S1.2、判断OD客流是否为换乘客流，若否，不进行处理，若是，按照乘客乘车班次将原始OD拆分为多个环节的OD；
S1.3、通过各个环节OD中的班次ID判断客流所属的线路，保留目标线路上OD客流，使用D代表目标线路上的OD客流集合。
进一步的，步骤S2的具体实现方法包括如下步骤：
S2.1、已知线路上所有折返站集合A，计算笛卡尔集B＝A×A＝{(a1,a2)|a1≠a2}，得到大小交路站点始发目的站点流向，a1为折返站集合中的一个元素，a2为排除a1后折返站集合中的一个元素；
S2.2、统计现状运行图中的班次始发时间，得到各个折返站点的发车时刻，并进行升序排列；
S2.3、通过站点最小发车间隔，计算出折返站仍可以发车的时间点，即新增交路的始发时刻；
S2.4、基于交路流向和新增交路的始发时刻，进行交路时刻表推演，得到基于算法生成的新增大小交路集合，使用R表示；
S2.5、遍历交路集合R，两两判断交路的方向及其所属折返站，将同折返站同方向交路对集合用C1表示，得到同折返站不同方向的交路对集合用C2表示，得到交路对c的始发时间差集合用Bc表示。
进一步的，步骤S3的具体实现方法包括如下步骤：
S3.1、将实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合中的每一个交路拆分为节点和边，节点是一个交路途经的站点，边是由两个节点组成，该两个节点代表的站点是前后相邻的站点；
S3.2、使用S3.1中的边构建目标线路的运行网络图，所述目标线路的运行网络图包含全部交路的节点；
S3.3、依据目标线路的运行网络图，遍历全部目标线路上的OD，得到出行需求d路径相关的OD出行路径集合，用Pd表示；
S3.4、遍历OD出行路径集合Pd，统计以交路为主键的路径，使用Pr表示交路r相关的出行路径集合，统计以路径为主键的OD集合，使用Dp表示路径p相关的OD出行路径集合。
进一步的，步骤S4利用幂函数拟合得到服务质量上限函数：
y＝min(ub,3259*x-0.689)
其中，y表示候车时长上限，x表示单时间片下的客流量，ub表示单时间片下乘客的候车时长的上限。
进一步的，步骤S5中最小化断面运能缺口模型的目标函数为：
Figure GDA0003856311410000041
其中，min为最小化目标函数，T表示时间片集合，t表示集合中的任一时间片，S表示相邻断面集合，s表示集合中的任一断面，ot,s表示时间t下断面s运能缺口变量。
进一步的，步骤S5最小化断面运能缺口模型包括以下约束条件：乘客出行约束、列车发车间隔约束、列车折返约束、路径班次约束、断面运能约束；
乘客出行约束为时间切片下的所有乘客出行率，约束条件为：
Figure GDA0003856311410000042
其中，d为出行需求，D为OD出行需求集合，yd,p表示OD出行需求d在路径p上的出行比例；
列车发车间隔约束为同一折返站发车满足安全发车时间间隔，约束条件为：
Figure GDA0003856311410000043
Figure GDA0003856311410000044
Figure GDA0003856311410000045
其中，C1为同折返站同方向交路对集合，c为集合中的任一交路对，r1和r2分别表示交路对中第一个交路和第二个交路，Ec为交路对c之间的发车间隔下限，
Figure GDA0003856311410000046
表示交路r1是否被选择，
Figure GDA0003856311410000047
表示交路r2是否被选择，
Figure GDA0003856311410000048
表示正实数，zc表示交路对c发车时间大小对比辅助变量，
Figure GDA0003856311410000049
表示交路r1时刻调整量，
Figure GDA00038563114100000410
表示交路r2时刻调整量，Bc表示交路对c的始发时间差集合；
列车折返约束为同一折返站发车进站列车和出站列车满足安全折返时间间隔，约束条件为：
Figure GDA00038563114100000411
Figure GDA00038563114100000412
Figure GDA00038563114100000413
其中，C2表示同折返站的不同方向的交路对集合，Fc表示交路对c之间的折返时间间隔下限；
路径班次约束为只有班次被选中的情况下，OD可搭乘该班次所在的路径，约束条件为：
Figure GDA0003856311410000051
断面运能约束为限制断面下客流和运能关系，约束条件为：
Figure GDA0003856311410000052
Figure GDA0003856311410000053
其中，L表示列车可满载人数，T表示时间片集合，Pt,s表示时间t下经过断面s的路径集合，Rt,s表示时间t下经过断面s的交路集合，Hd表示OD出行需求d包含的乘客人数。
进一步的，步骤S6利用分支定界算法求解得到全部变量v、x、y的值，通过变量v得到交路组合方案，通过变量x得到各个交路调整后的发车时间，通过变量y得到OD最优的出行路径，以及在该路径上乘客人数。
电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现所述的一种轨道客流运能匹配方法的步骤。
计算机可读存储介质，其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所述的一种轨道客流运能匹配方法。
本发明的有益效果：
本发明所述的一种轨道客流运能匹配方法，针对现状以时段为周期下班次切换导致运能不均衡问题，本发明所述的一种轨道客流运能匹配方法以天为周期进行优化计算；
本发明所述的一种轨道客流运能匹配方法，针对现状乘客服务质量权衡标准过于简单，所述的一种轨道客流运能匹配方法通过幂函数的形式模拟乘客候车时长上限，然后由最小化断面运能缺口模型决策实际候车时长，即减少模型变量和复杂度，又可控制服务质量变化；
本发明所述的一种轨道客流运能匹配方法，针对现状运能规划考虑断面客流，导致结果精细程度低，本发明使用OD维度客流，建立混合整数规划模型，计算具体的OD出行方案，以及班次的排布方案，从全局角度优化乘客出行和班次运能。
本发明所述的一种轨道客流运能匹配方法，通过分时客流候车时长拟合+最小化断面运能缺口模型的形式实现乘客服务质量和运能规划的多目标优化，解耦策略即提升模型的计算效率，又实现方案的可控性。
本发明所述的一种轨道客流运能匹配方法，基于分时乘客出行OD对，通过新增交路班次、调整班次时刻表的方式，优化轨道运能分布，提升运能与客流正相关性。
附图说明
图1为本发明所述的一种轨道客流运能匹配方法对深圳市一号线07:00运能客流匹配对比图；
图2为本发明所述的一种轨道客流运能匹配方法对深圳市一号线08:00运能客流匹配对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。
因此，以下对在附图中提供的本发明的具体实施方式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具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
为能进一步了解本发明的发明内容、特点及功效，兹例举以下具体实施方式，并配合附图详细说明如下：
具体实施方式一：
一种轨道客流运能匹配方法，包括如下步骤：
S1、基于原始OD客流出行全环节数据，获取目标线路上的OD客流集合；
进一步的，原始OD客流数据包含乘客出行全环节中的始发和目的站点，而模型只计算特定的线路，比如计算1号线时，只关注途经1号线的客流量及时间，因此需要将原始OD的出行环节进行切分，截取目标线路上的分时客流，步骤S1的具体实现方法包括如下步骤：
S1.1、输入原始OD客流出行全环节数据；
S1.2、判断OD客流是否为换乘客流，若否，不进行处理，若是，按照乘客乘车班次将原始OD拆分为多个环节的OD；
S1.3、通过各个环节OD中的班次ID判断客流所属的线路，保留目标线路上OD客流，使用D代表目标线路上的OD客流集合；
S2、基于步骤S1已知线路上的客流，通过该线路上的大小交路交通流数据，获取实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合；
进一步的，步骤S2的具体实现方法包括如下步骤：
S2.1、已知线路上所有折返站集合A，计算笛卡尔集B＝A×A＝{(a1,a2)|a1≠a2}，得到大小交路站点始发目的站点流向，a1为折返站集合中的一个元素，a2为排除a1后折返站集合中的一个元素；
S2.2、统计现状运行图中的班次始发时间，得到各个折返站点的发车时刻，并进行升序排列；
S2.3、通过站点最小发车间隔，计算出折返站仍可以发车的时间点，即新增交路的始发时刻；
S2.4、基于交路流向和新增交路的始发时刻，进行交路时刻表推演，得到基于算法生成的新增大小交路集合，使用R表示；
S2.5、遍历交路集合R，两两判断交路的方向及其所属折返站，将同折返站同方向交路对集合用C1表示，得到同折返站不同方向的交路对集合用C2表示，得到交路对c的始发时间差集合用Bc表示；
S3、根据所述实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合确定目标线路的运行网络图，根据所述目标线路上的OD客流集合遍历OD出行方案，建立时空网络下的乘客备选出行数据集；
进一步的，步骤S3的具体实现方法包括如下步骤：
S3.1、将实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合中的每一个交路拆分为节点和边，节点是一个交路途经的站点，边是由两个节点组成，该两个节点代表的站点是前后相邻的站点；
S3.2、使用S3.1中的边构建目标线路的运行网络图，所述目标线路的运行网络图包含全部交路的节点；
S3.3、依据目标线路的运行网络图，遍历全部目标线路上的OD，得到出行需求d路径相关的OD出行路径集合，用Pd表示；
S3.4、遍历OD出行路径集合Pd，统计以交路为主键的路径，使用Pr表示交路r相关的出行路径集合，统计以路径为主键的OD集合，使用Dp表示路径p相关的OD出行路径集合；
进一步的，S3.3遍历所有OD，针对单一OD利用深度遍历策略进行匹配出行方案。具体的，已知OD的始发站点和到站时刻，从网络图中搜索出可以匹配的节点(站点相同，时间可衔接)，然后搜索下一个可以探访的节点，判断当前节点是否为OD的目的站点，若否继续先下个节点进行搜索，直至无叶子节点，若是则返回至上一个节点继续进行遍历，直至无叶子节点；
S4、建立OD客流量的出行服务质量上限拟合函数；
进一步的，步骤S4利用幂函数拟合得到服务质量上限函数：
y＝min(ub,3259*x-0.689)
其中，y表示候车时长上限，x表示单时间片下的客流量，ub表示单时间片下乘客的候车时长的上限；
进一步的，出于车站运营安全考虑，站内候车人数不宜过多，因此大客流OD需尽快乘车出站，模型通过指数函数拟合形式，模拟出不同乘客数量下其候车时长的上限，对S3中的出行方案进行筛选，仅保留候车时长限制内的方案。单时间片下站点出现大客流时，如果不及时输送，容易发生阻塞甚至踩踏事故，因此该类客流服务要求优先级高。根据实际客流量进行多次测试实验，利用幂函数拟合技术得出服务质量上限函数。通过步骤S1可得单时间片下的客流量x，代入步骤S4的公式后可得到时间片下乘客的出行等待时长上限y，达到大客流候车时间上限小，小客流候车时间上限大的效果。
S5、建立最小化断面运能缺口模型及约束条件；
进一步的，步骤S5中最小化断面运能缺口模型的目标函数为：
Figure GDA0003856311410000081
其中，min为最小化目标函数，T表示时间片集合，t表示集合中的任一时间片，S表示相邻断面集合，s表示集合中的任一断面，ot,s表示时间t下断面s运能缺口变量，ot,s为连续变量；
进一步的，步骤S5最小化断面运能缺口模型包括以下约束条件：乘客出行约束、列车发车间隔约束、列车折返约束、路径班次约束、断面运能约束；
所述乘客出行约束为时间切片下的所有乘客出行率，约束条件为：
Figure GDA0003856311410000091
其中，d为出行需求，D为OD出行需求集合，yd,p表示OD出行需求d在路径p上的出行比例，yd,p为连续变量；d包含始发站点、目的站点、到达始发站台时间及人数；该约束要求所有的OD都必须有出行路径，最终到达目的站点；
所述列车发车间隔约束为同一折返站发车满足安全发车时间间隔，约束条件为：
Figure GDA0003856311410000092
Figure GDA0003856311410000093
Figure GDA0003856311410000094
其中，C1为同折返站同方向交路对集合，c为集合中的任一交路对，r1和r2分别表示交路对中第一个交路和第二个交路，r1和r2为0或1变量，Ec为交路对c之间的发车间隔下限，
Figure GDA0003856311410000095
表示交路r1是否被选择，
Figure GDA0003856311410000096
表示交路r2是否被选择，
Figure GDA0003856311410000097
表示正实数，zc表示交路对c发车时间大小对比辅助变量，zc为0或1变量，
Figure GDA0003856311410000098
表示交路r1时刻调整量，
Figure GDA0003856311410000099
表示交路r2时刻调整量，Bc表示交路对c的始发时间差集合；该约束限制模型调整交路发车时间时满足最小发车时间间隔；
所述列车折返约束为同一折返站发车进站列车和出站列车满足安全折返时间间隔，约束条件为：
Figure GDA00038563114100000910
Figure GDA00038563114100000911
Figure GDA00038563114100000912
其中，C2表示同折返站的不同方向的交路对集合，Fc表示交路对c之间的折返时间间隔下限；该约束限制模型调整交路发车时间时满足最小的折返时间间隔；
所述路径班次约束为只有班次被选中的情况下，OD可搭乘该班次所在的路径，约束条件为：
Figure GDA00038563114100000913
该约束是的OD在选择出行路径时需满足路径中的交路选择变量大于0；
所述断面运能约束为限制断面下客流和运能关系，约束条件为：
Figure GDA0003856311410000101
Figure GDA0003856311410000102
其中，L表示列车可满载人数，T表示时间片集合，Pt,s表示时间t下经过断面s的路径集合，Rt,s表示时间t下经过断面s的交路集合，Hd表示OD出行需求d包含的乘客人数；该约束将目标函数变量转换为运能缺口的绝对值，通过最小化目标函数达到控制运能和客流差异的目的；
S6、根据所述优化模型和预设约束条件确定预测OD，进行所述轨道客流运能匹配；
进一步的，步骤S6利用分支定界算法求解得到全部变量v、x、y的值，通过变量v得到交路组合方案，通过变量x得到各个交路调整后的发车时间，通过变量y得到OD最优的出行路径，以及在该路径上乘客人数。
进一步的，得到OD的可能出行路径，该混合整数规划模型通过决策OD的最优出行方案和交路班次的选择来控制运能与客流的匹配程度，也可对班次发车时刻进行调整，来实现最大限制的运能节约。
利用本实施方式风洞方法应用于深圳市一号线运能客流匹配，图1为早七时的优化前后运行对比图，图2为早八时的优化前后运行图对比，柱状图代表客流量，背景色为5分钟发车间隔下的运能作为参考，从图中可知满足乘客出行需求前提下，优化后运能减少明显。部分优化后交路方案如表1所示，部分优化后的OD出行方案如表2所示，一号线08:00时间片运能与客流匹配优化如表3所示：
表1：部分优化后交路方案
Figure GDA0003856311410000103
Figure GDA0003856311410000111
表2：部分优化后OD出行方案
Figure GDA0003856311410000112
Figure GDA0003856311410000121
表3:一号线08:00时间片运能与客流匹配优化(单位：人)
Figure GDA0003856311410000122
Figure GDA0003856311410000131
精细化的数据给地铁运营工作人员提供实际运营依据，通过数据推演分析，得到不同时间下，各个站点的客流需求量和运能排布量。基于优化方案统计出，早高峰08:00时间片下深圳地铁一号线各个站点的客流和运能优化数据如下，可看出西乡至竹子林的可运能减少793人。
本实施方式所述的一种轨道客流运能匹配方法，考虑进行精细化处理，具体刻画出运能和客流的映射关系，进而建立数学模型精确求解，得出具体OD对的出行方案，以及班次运能分钟级的排布方案。另外考虑到方案落地时，便于操作人员的上手，模型即可进行零基规划，输出完全理想最优的方案，又可以基于现状运行图为基础进行优化，输出优化后的局部最优运行方案。模型核心思想是，基于乘客出行OD对，通过新增交路班次、调整交路时刻表的方式，优化轨道运能分布，提升运能与客流正相关性。
本实施方式所述的一种轨道客流运能匹配方法，通过分时客流候车时长拟合+最小化断面运能缺口模型的形式实现乘客服务质量和运能规划的多目标优化，解耦策略即提升模型的计算效率，又实现方案的可控性。
本实施方式所述的一种轨道客流运能匹配方法，基于分时乘客出行OD对，通过新增交路班次、调整班次时刻表的方式，优化轨道运能分布，提升运能与客流正相关性。
具体实施方式二：
本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
具体实施方式三：
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机程序时，可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然在上文中已经参考具体实施方式对本申请进行了描述，然而在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本申请并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (6)

1.一种轨道客流运能匹配方法，其特征在于：包括如下步骤：
S1、基于原始OD客流出行全环节数据，获取目标线路上的OD客流集合；
S2、基于步骤S1已知线路上的客流，通过该线路上的大小交路交通流数据，获取实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合；
步骤S2的具体实现方法包括如下步骤：
S2.1、已知线路上所有折返站集合A，计算笛卡尔集B＝A×A＝{(a1,a2)|a1≠a2}，得到大小交路站点始发目的站点流向，a1为折返站集合中的一个元素，a2为排除a1后折返站集合中的一个元素；
S2.2、统计现状运行图中的班次始发时间，得到各个折返站点的发车时刻，并进行升序排列；
S2.3、通过站点最小发车间隔，计算出折返站仍可以发车的时间点，即新增交路的始发时刻；
S2.4、基于交路流向和新增交路的始发时刻，进行交路时刻表推演，得到基于算法生成的新增大小交路集合，使用R表示；
S2.5、遍历交路集合R，两两判断交路的方向及其所属折返站，将同折返站同方向交路对集合用C1表示，得到同折返站不同方向的交路对集合用C2表示，得到交路对c的始发时间差集合用Bc表示；
S3、根据所述实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合确定目标线路的运行网络图，根据所述目标线路上的OD客流集合遍历OD出行方案，建立时空网络下的乘客备选出行数据集；
S4、建立OD客流量的出行服务质量上限拟合函数，对S3中的出行方案进行筛选，仅保留候车时长限制内的方案；
S5、建立最小化断面运能缺口模型及约束条件；
步骤S5中最小化断面运能缺口模型的目标函数为：
Figure FDA0003856311400000011
其中，min为最小化目标函数，T表示时间片集合，t表示集合中的任一时间片，S表示相邻断面集合，s表示集合中的任一断面，ot,s表示时间t下断面s运能缺口变量；
步骤S5最小化断面运能缺口模型包括以下约束条件：乘客出行约束、列车发车间隔约束、列车折返约束、路径班次约束、断面运能约束；
乘客出行约束为时间切片下的所有乘客出行率，约束条件为：
Figure FDA0003856311400000021
其中，d为出行需求，D为OD出行需求集合，yd,p表示OD出行需求d在路径p上的出行比例；
列车发车间隔约束为同一折返站发车满足安全发车时间间隔，约束条件为：
Figure FDA0003856311400000022
Figure FDA0003856311400000023
Figure FDA0003856311400000024
其中，C1为同折返站同方向交路对集合，c为集合中的任一交路对，r1和r2分别表示交路对中第一个交路和第二个交路，Ec为交路对c之间的发车间隔下限，
Figure FDA0003856311400000025
表示交路r1是否被选择，
Figure FDA0003856311400000026
表示交路r2是否被选择，
Figure FDA0003856311400000027
表示正实数，zc表示交路对c发车时间大小对比辅助变量，
Figure FDA0003856311400000028
表示交路r1时刻调整量，
Figure FDA0003856311400000029
表示交路r2时刻调整量，Bc表示交路对c的始发时间差集合；
列车折返约束为同一折返站发车进站列车和出站列车满足安全折返时间间隔，约束条件为：
Figure FDA00038563114000000210
Figure FDA00038563114000000211
Figure FDA00038563114000000212
其中，C2表示同折返站的不同方向的交路对集合，Fc表示交路对c之间的折返时间间隔下限；
路径班次约束为只有班次被选中的情况下，OD可搭乘该班次所在的路径，约束条件为：
Figure FDA00038563114000000213
断面运能约束为限制断面下客流和运能关系，约束条件为：
Figure FDA00038563114000000214
Figure FDA0003856311400000031
其中，L表示列车可满载人数，T表示时间片集合，Pt,s表示时间t下经过断面s的路径集合，Rt,s表示时间t下经过断面s的交路集合，Hd表示OD出行需求d包含的乘客人数；
S6、根据最小化断面运能缺口模型及预设约束条件获得预测OD，进行轨道客流运能匹配；
步骤S6利用分支定界算法求解得到全部变量vr、xr、yd,p的值，通过变量vr得到交路组合方案，通过变量xr得到各个交路调整后的发车时间，通过变量yd,p得到OD最优的出行路径，以及在该路径上乘客人数。
2.根据权利要求1所述的一种轨道客流运能匹配方法，其特征在于：步骤S1的具体实现方法包括如下步骤：
S1.1、输入原始OD客流出行全环节数据；
S1.2、判断OD客流是否为换乘客流，若否，不进行处理，若是，按照乘客乘车班次将原始OD拆分为多个环节的OD；
S1.3、通过各个环节OD中的班次ID判断客流所属的线路，保留目标线路上OD客流，使用D代表目标线路上的OD客流集合。
3.根据权利要求2所述的一种轨道客流运能匹配方法，其特征在于：步骤S3的具体实现方法包括如下步骤：
S3.1、将实际已经开通运行的大小交路集合和基于算法生成的新增大小交路集合中的每一个交路拆分为节点和边，节点是一个交路途经的站点，边是由两个节点组成，该两个节点代表的站点是前后相邻的站点；
S3.2、使用S3.1中的边构建目标线路的运行网络图，所述目标线路的运行网络图包含全部交路的节点；
S3.3、依据目标线路的运行网络图，遍历全部目标线路上的OD，得到出行需求d路径相关的OD出行路径集合，用Pd表示；
S3.4、遍历OD出行路径集合Pd，统计以交路为主键的路径，使用Pr表示交路r相关的出行路径集合，统计以路径为主键的OD集合，使用Dp表示路径p相关的OD出行路径集合。
4.根据权利要求3所述的一种轨道客流运能匹配方法，其特征在于：步骤S4利用幂函数拟合得到服务质量上限函数：
y＝min(ub,3259*x-0.689)
其中，y表示候车时长上限，x表示单时间片下的客流量，ub表示单时间片下乘客的候车时长的上限。
5.电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-4任一项所述的一种轨道客流运能匹配方法的步骤。
6.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权利要求1-4任一项所述的一种轨道客流运能匹配方法。
CN202210853469.4A 2022-07-20 2022-07-20 一种轨道客流运能匹配方法及其电子设备及其存储介质 Active CN114943484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210853469.4A CN114943484B (zh) 2022-07-20 2022-07-20 一种轨道客流运能匹配方法及其电子设备及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210853469.4A CN114943484B (zh) 2022-07-20 2022-07-20 一种轨道客流运能匹配方法及其电子设备及其存储介质

Publications (2)

Publication Number Publication Date
CN114943484A CN114943484A (zh) 2022-08-26
CN114943484B true CN114943484B (zh) 2022-11-25

Family

ID=82911600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210853469.4A Active CN114943484B (zh) 2022-07-20 2022-07-20 一种轨道客流运能匹配方法及其电子设备及其存储介质

Country Status (1)

Country Link
CN (1) CN114943484B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239030B (zh) * 2022-09-23 2023-02-14 深圳市城市交通规划设计研究中心股份有限公司 一种城市轨道交通交路时刻表优化方法、设备及存储介质
CN115983543B (zh) * 2022-11-22 2023-09-01 安徽磁云数据科技有限公司 一种城市轨道交通的调度方法、系统、终端及存储介质
CN116957636B (zh) * 2023-09-21 2023-12-26 深圳市城市交通规划设计研究中心股份有限公司 一种城市轨道运能客流匹配方法、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428096A (zh) * 2019-07-26 2019-11-08 西南交通大学 基于票务信息的城市轨道交通多交路运输组织优化方法
CN112712247A (zh) * 2020-12-28 2021-04-27 交控科技股份有限公司 一种面向跨线运营的开行方案制定方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217129B (zh) * 2014-09-22 2018-02-02 北京交通大学 一种城轨路网客流估算方法
US20170330112A1 (en) * 2016-05-11 2017-11-16 Conduent Business Services, Llc Travel demand inference for public transportation simulation
CN112132551B (zh) * 2020-09-30 2022-05-06 西南交通大学 一种城市轨道交通应急客流协同疏运方法
CN113962599B (zh) * 2021-11-11 2024-07-23 北京交通大学 一种城市轨道交通网络化运营管理方法及系统
CN114132363B (zh) * 2021-11-11 2024-03-26 北京市地铁运营有限公司技术创新研究院分公司 基于客流时空状态精细化分析的列车运行图编制方法
CN115018208B (zh) * 2022-08-04 2023-02-03 深圳市城市交通规划设计研究中心股份有限公司 一种城市轨道运力优化方法、电子设备及其存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428096A (zh) * 2019-07-26 2019-11-08 西南交通大学 基于票务信息的城市轨道交通多交路运输组织优化方法
CN112712247A (zh) * 2020-12-28 2021-04-27 交控科技股份有限公司 一种面向跨线运营的开行方案制定方法及系统

Also Published As

Publication number Publication date
CN114943484A (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN114943484B (zh) 一种轨道客流运能匹配方法及其电子设备及其存储介质
CN110197311A (zh) 一种基于智能优化的物流配送路径规划方法
CN108335007A (zh) 一种城市用地再开发强度的计算模型及其计算方法
Verma et al. Developing integrated schedules for urban rail and feeder bus operation
CN115049156B (zh) 一种交通线网运行图衔接优化方法、电子设备及存储介质
Dolinayova et al. Regional railways transport—effectiveness of the regional railway line
Fu et al. Perimeter control and route guidance of multi-region mfd systems with boundary queues using colored petri nets
CN110598971A (zh) 一种基于蚁群算法的响应式公交服务规划方法
Zhang et al. Train Scheduling Optimization for an Urban Rail Transit Line: A Simulated‐Annealing Algorithm Using a Large Neighborhood Search Metaheuristic
Anderstig et al. Modelling land-use and transport interaction: policy analyses using the IMREL model
Chen et al. Dynamic path optimization in sharing mode to relieve urban traffic congestion
CN112070275A (zh) 一种轨道交通路网协同限流的方法和装置及设备
Rusca et al. Algorithm for traffic allocation when are developed park and ride facilities
Lai et al. Optimizing train network routing with heterogeneous traffic
Jacobs-Crisioni et al. Transport link scanner: simulating geographic transport network expansion through individual investments
Lundqvist et al. National transport models: Introduction and comparative analysis
Alanazi et al. Application of Sustainable City Logistics in Saudi Arabia
Yamauchi et al. Optimizing train stopping patterns for congestion management
Yang et al. Optimal service design of demand responsive connector with elastic demand
Zhu et al. A Bilevel Programming Model for Designing a Collaborative Network for Regional Railway Transportation and Logistics: The Case of the Beijing‐Tianjin‐Hebei Region in China
Giesen et al. Rural school location and student allocation
Choudhury et al. Determination of Passenger-Carrying Cost of Delhi Redline Metro Using Physical System Theory and Garch Model and the Most Preferred Schedule of Metro Operation
Cui et al. Optimal locations of bus stops connecting subways near urban intersections
Dyrcz et al. Competitiveness Assessment of Polish Regional Airports Based on Location Planning Models
Antoniazzi et al. Introducing competition in Italian high-speed rail

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