CN115027535A - 一种行车指挥决策系统和行车指挥决策系统的调度方法 - Google Patents
一种行车指挥决策系统和行车指挥决策系统的调度方法 Download PDFInfo
- Publication number
- CN115027535A CN115027535A CN202210680197.2A CN202210680197A CN115027535A CN 115027535 A CN115027535 A CN 115027535A CN 202210680197 A CN202210680197 A CN 202210680197A CN 115027535 A CN115027535 A CN 115027535A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- driving
- decision
- train
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004088 simulation Methods 0.000 claims description 100
- 238000012544 monitoring process Methods 0.000 claims description 77
- 238000010586 diagram Methods 0.000 claims description 63
- 230000008520 organization Effects 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000005206 flow analysis Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/60—Testing or simulation
Abstract
本申请提供一种行车指挥决策系统和行车指挥决策系统的调度方法,该系统包括:中心级和现场;中心级,用于分析线网客流态势,基于客流态势制定行车指挥决策,根据行车指挥决策制定针对现场的行车计划;现场,用于执行行车计划。该方法包括:分析线网客流态势;基于客流态势制定行车指挥决策;根据行车指挥决策制定针对现场的行车计划;执行行车计划。本申请通过线网客流态势制定行车指挥决策,进而得到行车计划,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
Description
技术领域
本申请涉及轨道交通技术领域,尤其涉及一种行车指挥决策系统和行车指挥决策系统的调度方法。
背景技术
目前针对客流的智能运输组织的体系建设如火如荼进行中,建成基于共享数据、智能设备、智能软件的网络化运输组织系统平台,实现客流分布的实时预测、运输计划的智能化编制、运力与客流的精准匹配;智能调度与应急指挥中心深度融合,初步建成智能化线网运输组织辅助决策系统为主目标。同时,随着线网规模的扩大和客流需求的快速增加,各运营公司逐渐明确地铁运输组织应由“行车组织”,转向“依人运营”。
但是,目前国内超大城市主要采用“一线一中心”的三级管控模式,存在资源配置杂、运行管控难、指挥决策弱的问题。且,目前各线按计划图组织行车,客流发生变化或异常发生后,系统智能调整手段有限。目前的行车指挥系统主要以行车及设备监视为主,客流疏导管控与行车控制相对独立,客流与车流的协同和匹配度较差;当出现异常事件,多以专业为主进行应急处置,无法实现运力的灵活调整和运力运量的匹配。
发明内容
为了解决上述技术缺陷之一,本申请提供了一种行车指挥决策系统和行车指挥决策系统的调度方法。
本申请第一个方面,提供了一种行车指挥决策系统,所述系统包括:中心级和现场;
所述中心级,用于分析线网客流态势,基于所述客流态势制定行车指挥决策,根据所述行车指挥决策制定针对所述现场的行车计划;
所述现场,用于执行所述行车计划。
可选地,所述中心级,包括:决策层和执行层;
所述决策层,用于分析线网客流态势,基于所述客流态势制定行车指挥决策;
所述执行层,用于根据所述行车指挥决策制定针对所述现场的行车计划,根据所述行车计划对所述现场进行行车调度;
所述现场,用于执行所述行车调度。
可选地,所述决策层,包括:综合监控模块、平行推演模块、态势研判模块、运输组织辅助决策模块和应急指挥模块模块;
所述综合监控模块,用于对线网进行综合监控;
所述态势研判模块,用于管理运营指标体系;
所述平行推演模块,用于根据历史客流数据、所述综合监控模块得到的监控数据和所述态势研判模块管理的运营指标体系分析线网客流态势;
所述运输组织辅助决策模块,用于获取所述综合监控模块得到的监控数据和所述平行推演模块得到的线网客流态势;获取执行层当前的行车计划;根据所述监控数据、所述线网客流态势和当前的行车计划进行客流-车流仿真,获得线网客流风险点和运力失衡预警;根据所述线网客流风险点和运力失衡预警制定行车指挥决策;
所述应急指挥模块模块,用于在应急事件发生时,制定并执行应急预案。
可选地,通过如下步骤进行客流-车流仿真:
201,根据仿真场景和列车数据初始化仿真场景;
202,设置仿真开始时间,并初始化第一列车;
203,推进一个步长;
204,遍历时刻表,判断当前时刻是否有新列车生成,如果没有,则执行205,如果有,则增加并初始化新列车后执行205。
205,在列控仿真控制下控制所有列车运行,进行联锁设备仿真,并保持所有列车的速度和位置;
206,如果列车表还存在列车,则重复执行步骤203及后续步骤,直至列车表不存在列车。
可选地,所述执行层,包括:智能调度系统,用于根据所述行车指挥决策制定针对所述现场的行车计划,根据所述行车计划对所述现场进行行车调度;
所述智能调度系统,包括:线路集群行车监控模块、运行图自动编制模块、运行图动态调整模块;
所述线路集群行车监控模块,用于监控所述现场的行车数据;
所述运行图自动编制模块,用于根据所述线路集群行车监控模块得到的行车数据和所述行车指挥决策制定针对所述现场的行车计划;
所述运行图动态调整模块,用于根据所述行车计划对所述现场进行行车调度。
本申请第二个方面,提供了一种行车指挥决策系统的调度方法,所述行车指挥决策系统如上述第一个方面所述的行车指挥决策系统;
所述方法,包括:
分析线网客流态势;
基于所述客流态势制定行车指挥决策;
根据所述行车指挥决策制定针对所述现场的行车计划;
执行所述行车计划。
可选地,所述分析线网客流态势,包括:
对线网进行实时的综合监控;
根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势;
所述根据所述行车指挥决策制定针对所述现场的行车计划,包括:
根据所述行车指挥决策铺画运行图;
基于当前线路信息、车辆资源验证所述运行图的可行性;
若验证可行,则制定所述运行图对应的行车计划;
若验证不可行,则重复执行根据所述行车指挥决策铺画运行图,基于当前线路信息、车辆资源验证所述运行图的可行性的步骤。
可选地,所述监控数据为客流数据;
所述根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势,包括:
根据历史客流数据和运营指标体系对客流数据进行分析,得到短时、短期或特殊情况下的线网客流态势;
所述基于所述客流态势制定行车指挥决策,包括:
获取线路基础信息和交路方案;
根据所述客流数据,线路基础信息和交路方案,短时、短期或特殊情况下的线网客流态势,进行开行方案编制;
所述根据所述行车指挥决策铺画运行图之后,还包括:
基于运行图构建乘客列车交互仿真模型,推演客流时空分布状态与变化;
根据所述客流时空分布状态与变化,进行报警;
根据所述报警的类型,确定运力调整和客流管控的辅助决策建议。
可选地,所述方法,还包括:
获取故障报警信息;
根据所述故障报警信息,确定启动应急预案后,根据所述故障报警信息和客流数据确定并执行临时行车调整方案;
根据行车计划和客流数据进行网络化推演,根据推演的结果,按照预设的评价指标体系,确定优化方案;
当故障恢复后,故障恢复后的客流车流情况,进行网络化资源的调配,调整运行图,并对调整后的运行图进行运行图仿真验证。
可选地,通过如下步骤进行客流-车流仿真:
201,根据仿真场景和列车数据初始化仿真场景;
202,设置仿真开始时间,并初始化第一列车;
203,推进一个步长;
204,遍历时刻表,判断当前时刻是否有新列车生成,如果没有,则执行205,如果有,则增加并初始化新列车后执行205。
205,在列控仿真控制下控制所有列车运行,进行联锁设备仿真,并保持所有列车的速度和位置;
206,如果列车表还存在列车,则重复执行步骤203及后续步骤,直至列车表不存在列车。
本申请提供一种行车指挥决策系统和行车指挥决策系统的调度方法,该系统包括:中心级和现场;中心级,用于分析线网客流态势,基于客流态势制定行车指挥决策,根据行车指挥决策制定针对现场的行车计划;现场,用于执行行车计划。该方法包括:分析线网客流态势;基于客流态势制定行车指挥决策;根据行车指挥决策制定针对现场的行车计划;执行行车计划。
本申请提供的行车指挥决策系统由中心级和现场构成,中心级通过线网客流态势制定行车指挥决策,进而得到行车计划,现场执行该行车计划,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
另外,在一种实现中,中心级由决策层和执行层构成,决策层通过线网客流态势制定行车指挥决策,执行层根据进而行车指挥决策得到行车计划,并对现场进行行车调度,提高了客流与车流的协同和匹配度,可以基于客流的运力灵活调整。
另外,在一种实现中,决策层由综合监控模块、平行推演模块、态势研判模块、运输组织辅助决策模块和应急指挥模块模块构成,通过各模块之间的协作实现线网客流态势制定行车指挥决策,进而调整运力,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
另外,在一种实现中,通过对客流-车流仿真的实现细节进行明确,保证了仿真效率和效果,进而提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
另外,在一种实现中,执行层包括智能调度系统,该智能调度系统根据行车指挥决策制定针对现场的行车计划,根据行车计划对现场进行行车调度,同时,智能调度系统由线路集群行车监控模块、运行图自动编制模块、运行图动态调整模块构成,通过各模块之间的协作制定针对现场的行车计划,根据行车计划对现场进行行车调度,实现了基于客流的运力灵活调整。
另外,在一种实现中,提供一种行车指挥决策系统的调度方法,基于客流态势制定行车指挥决策;根据行车指挥决策制定针对现场的行车计划;执行行车计划。本申请通过线网客流态势制定行车指挥决策,进而得到行车计划,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
另外,在一种实现中,根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势,保证了线网客流态势的准确性,另外,根据行车指挥决策铺画运行图后,基于当前线路信息、车辆资源验证运行图的可行性,在可行后制定运行图对应的行车计划,进而保证了行车计划的准确性,以及基于客流的运力灵活调整的准确性。
另外,在一种实现中,根据历史客流数据和运营指标体系对客流数据进行分析,根据分析结果制定行车指挥决策,并在确定报警后,确定运力调整和客流管控的辅助决策建议,实现了基于客流的运力灵活及准确调整。
另外,在一种实现中,当接收到故障报警信息后,确定临时行车调整方案,并推演出优化方案,在故障恢复后进行网络化资源的调配,保证了故障报警信息的及时处理,以及处理效果。
另外,在一种实现中,通过对客流-车流仿真的实现细节进行明确,保证了仿真效率和效果,进而提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种行车指挥决策系统的结构示意图;
图2为本申请实施例提供的另一种行车指挥决策系统的结构示意图;
图3为本申请实施例提供的另一种行车指挥决策系统的结构示意图;
图4为本申请实施例提供的另一种行车指挥决策系统的结构示意图;
图5为本申请实施例提供的另一种行车指挥决策系统的结构示意图;
图6为本申请实施例提供的一种行车指挥决策系统的调度方法的流程示意图;
图7为本申请实施例提供的一种基于客流-车流耦合的行车指挥体系示意图;
图8为本申请实施例提供的一种行车组织辅助决策流程示意图;
图9为本申请实施例提供的一种客流车流联合仿真模型的示意图;
图10为本申请实施例提供的一种客流车流联合仿真的流程示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在实现本申请的过程中,发明人发现,目前国内超大城市主要采用“一线一中心”的三级管控模式,存在资源配置杂、运行管控难、指挥决策弱的问题。且,目前各线按计划图组织行车,客流发生变化或异常发生后,系统智能调整手段有限。目前的行车指挥系统主要以行车及设备监视为主,客流疏导管控与行车控制相对独立,客流与车流的协同和匹配度较差;当出现异常事件,多以专业为主进行应急处置,无法实现运力的灵活调整和运力运量的匹配。。
针对上述问题,本申请实施例中提供了一种行车指挥决策系统和行车指挥决策系统的调度方法,该系统包括:中心级和现场;中心级,用于分析线网客流态势,基于客流态势制定行车指挥决策,根据行车指挥决策制定针对现场的行车计划;现场,用于执行行车计划。该方法包括:分析线网客流态势;基于客流态势制定行车指挥决策;根据行车指挥决策制定针对现场的行车计划;执行行车计划。本申请通过线网客流态势制定行车指挥决策,进而得到行车计划,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
参见图1,本实施例提供的行车指挥决策系统,包括:中心级和现场。
1、中心级
中心级,用于分析线网客流态势,基于客流态势制定行车指挥决策,根据行车指挥决策制定针对现场的行车计划。
2、现场
现场,用于执行行车计划。
本实施例提供的行车指挥决策系统由中心级和现场构成,中心级通过线网客流态势制定行车指挥决策,进而得到行车计划,现场执行该行车计划,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
在具体实现时,如图2所示,中心级,包括:决策层和执行层。
1.1决策层
决策层,用于分析线网客流态势,基于客流态势制定行车指挥决策。决策层面向线网指挥中心,主要实现基于历史、实时数据的客流预测及分析、开行方案生成、计划图验证、客流车流联合仿真、针对仿真告警给出行车决策建议等功能。
其中,通过如下步骤进行客流-车流仿真:
201,根据仿真场景和列车数据初始化仿真场景。
202,设置仿真开始时间,并初始化第一列车。
203,推进一个步长。
204,遍历时刻表,判断当前时刻是否有新列车生成,如果没有,则执行205,如果有,则增加并初始化新列车后执行205。
205,在列控仿真控制下控制所有列车运行,进行联锁设备仿真,并保持所有列车的速度和位置。
206,如果列车表还存在列车,则重复执行步骤203及后续步骤,直至列车表不存在列车。
在具体实现时,客流车流联合仿真过程可以通过图9所示的模型实现,该模型包含乘客主体、列车主体、车站主体和由多个线路组成的路网主体。
为实现精确的实时的仿真结果,必须建立精确的乘客集散模型、乘客网络出行行为仿真模型和列车运行仿真模型。
乘客集散模型和乘客网络出行行为仿真模型分别实现微观(车站)和宏观(线网)层面的乘客出行行为和决策的仿真,结合列车运行仿真模型从而预测未来时间段内线网客流的发展态势和运行状态,为决策人员提供客流车流信息。列车运行仿真流程如图10所示:
1、导入仿真场景和列车数据,并初始化仿真场景。
2、设置仿真开始时间,初始化第一列车。
3、推进一个步长。
4、遍历时刻表。
5、判断当前时刻是否有新列车生成,如果没有则执行6,如果有,则在增加并初始化新列车后执行6。
6、所有列车在列控仿真控制下运行。
7、进行联锁设备仿真。
8、保持所有列车的速度和位置。
9、图形化展示仿真结果。
10、确认列车表是否还有列车,如果没有,则结束仿真。如果有,则重新执行3及后续步骤。
通过上述客流-车流仿真方案,保证了仿真效率和效果,进而提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
1.2执行层
执行层,用于根据行车指挥决策制定针对现场的行车计划,根据行车计划对现场进行行车调度。
此时,现场,用于执行行车调度。
图2所示的中心级由决策层和执行层构成,决策层通过线网客流态势制定行车指挥决策,执行层根据进而行车指挥决策得到行车计划,并对现场进行行车调度,提高了客流与车流的协同和匹配度,可以基于客流的运力灵活调整。
对于决策层,参见图3,综合监控模块、平行推演模块、态势研判模块、运输组织辅助决策模块和应急指挥模块模块。
1.1.1综合监控模块
综合监控模块,用于对线网进行综合监控。综合监控模块可实现线网综合监控功能,包含行车监视、客流监视、设备监视、能耗监视、视频监视、报警监视等。
1.1.2态势研判模块
态势研判模块,用于管理运营指标体系。态势研判模块建立完善的运营指标体系,实现指标分类统计、可视化和管理,实现线网运行中各类综合性、专业性指标的统一管理,同时结合历史同期指标值判断客流、列车运行状态等关键指标的演变趋势。当状态监视信息和推演模块的仿真结果超出指标阈值比,在综合监控模块实现指标告警预警。
1.1.3平行推演模块
平行推演模块,用于根据历史客流数据、综合监控模块得到的监控数据和态势研判模块管理的运营指标体系分析线网客流态势。平行推演模块主要是基于客流分析预测结果和预设的处置方案,通过建立轨道交通系统网络运营仿真模型,推演方案的后续影响;该模块包括客流分析预测、运营仿真功能,客流分析预测以轨道交通实时刷卡明细等数据为基础,结合计划运行图等参数,在充分挖掘历史OD数据规律的基础上,运用高效的模型与算法实现对未来不同时间维度的客流分布和变化的预测,同时,该模块对客流数据进行统一存储管理,对客流预测算法及模型参数进行滚动优化,提高客流预测算法的准确率。
其中,运营仿真主要是建立由车站、列车、乘客等主体组成的复杂系统模型,通过输入当前运行的状态、客流分布、处置方案,可推演下一步现场客流时空分布状态、行车交路等,预估事件发展方向,进一步给出预警告警,帮助评估态势发展。
另外,运营仿真功能分为离线和在线,在线平行推演侧重事中,主要针对运营过程中出现的如单车延误/降级、单点行车中断等场景进行实时推演,受当前算法性能和算力的制约,当前的在线平行推演主要预测异常事件对未来某时间段运营产生的影响,为行调人员提供信息支持而不直接接入行车组织决策。离线平行推演侧重事前推演,在前一工作日对下一工作日的运行方案进行优化和比选,在此过程中支持离线开行方案生成和离线验证,常规运营、重大活动等场景下的开行方案比选和优化等功能。
1.1.4运输组织辅助决策模块
运输组织辅助决策模块,用于基于客流态势制定行车指挥决策。运输组织决策模块能够基于平行推演和态势研判结果,为指挥决策人员提供运力调整和客流管控的辅助决策建议。
在具体实现时,运输组织辅助决策模块,用于1)获取综合监控模块得到的监控数据和平行推演模块得到的线网客流态势。2)获取执行层当前的行车计划。根据监控数据、线网客流态势和当前的行车计划进行客流-车流仿真,获得线网客流风险点和运力失衡预警。3)根据线网客流风险点和运力失衡预警制定行车指挥决策。除此之外,运输组织辅助决策模块还可以进行其他处理以及做其他决策。
运输组织辅助决策模块根据监控数据和线网客流态势,对当前的行车计划进行客流-车流仿真,得到行车指挥决策,保证了车指挥决策符是合线网客流态势的最佳决策,不仅提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整,还保证了调整的准确性。
●行车辅助决策功能:
行车辅助决策针对典型故障场景或应急场景,根据行车调整措施,基于客流推演结果进行行车的可行性分析,显示告警信息,给出运行图调整后的具体客流影响评估和行车辅助决策建议。此处给出的行车决策建议主要通过关联若干个相关场景的常规运营处置预案分析给出,由行调人员决定具体执行某一预案的若干处置流程。
图8示例性的一种行车组织辅助决策流程,该实现过程为:
在发生应急事件(影响行车)后,能够在综合管控模块获取事件详细信息;
获取行车调度系统给出的调整后的列车运行图,基于运行图通过客流-车流仿真得到线网客流演化态势,从而获得线网客流风险点和运力失衡预警;
根据预警结果给出相应的客流、行车辅助决策建议,并将决策建议发送至智能调度系统或行调人员;同时通过监控界面监视管控措施执行情况和线网运行实时状态。
根据当前运行状态和运行图循环步骤2]-3],给出全网客流推演结果,直至故障恢复或预警解除。
运营结束后对重大应急或故障事件进行后评估,优化现有预案和辅助决策建议。
●客流辅助决策功能:
结合态势研判模块提供的车站未来客流预测数据、当前车站客流情况、历史客流规律等,综合判断是否采取客流管控方案,并通过知识图谱的方式,智能匹配应该采用的客流管控手段。根据面向对象的不同,提出针对性的客流管控措施和建议。
同时,运输组织辅助决策模块支持人员物资辅助决策和重大事件后评估功能。
1.1.5应急指挥模块模块
应急指挥模块模块,用于在应急事件发生时,制定并执行应急预案。
应急指挥模块,在应急事件发生时提供应急预案管理、应急会商、信息报送与发布等功能,为线网指挥人员提供统一的会商平台,相关方统一接入,实现应急预案半自动执行,以及应急信息的整合汇聚,提高应急处置效率。
图3所示的决策层由综合监控模块、平行推演模块、态势研判模块、运输组织辅助决策模块和应急指挥模块模块构成,通过各模块之间的协作实现线网客流态势制定行车指挥决策,进而调整运力,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
参见图4,执行层包括:智能调度系统。
1.2.1智能调度系统
智能调度系统,用于根据行车指挥决策制定针对现场的行车计划,根据行车计划对现场进行行车调度。
图4所示的执行层包括智能调度系统,该智能调度系统根据行车指挥决策制定针对现场的行车计划,根据行车计划对现场进行行车调度,实现了基于客流的运力灵活调整。
具体的,智能调度系统,包括:线路集群行车监控模块、运行图自动编制模块、运行图动态调整模块。
1.2.1.1线路集群行车监控模块
线路集群行车监控模块,用于监控现场的行车数据。
线路集群行车监控模块是一套面向多条线路的区域列车自动监控系统,可实现多线路列车运行的集中管理和控制,并在此基础上增加运行图自动编制和智能化的动态调整功能。
1.2.1.2运行图自动编制模块
运行图自动编制模块,用于根据线路集群行车监控模块得到的行车数据和行车指挥决策制定针对现场的行车计划。
运行图自动编制模块利用计算机替代现阶段仍然以人工编制列车计划运行图为主的方式,大大减少运行图编制时间。
1.2.1.3运行图动态调整模块
运行图动态调整模块,用于根据行车计划对现场进行行车调度。
运行图动态调整模块主要针对运营过程中发生的异常事件,提供在无人工干预或少量人工干预情况下的运行图自动调整,以及辅助调整建议。
运行图动态调整模块可实现两种调整方式:其一,在故障原因分析及处置过程中,提供辅助性的运行调整建议,如智能扣车、备车等调度命令,由行调人员选择执行具体操作;调整建议主要是事件发生后的第一时间处置决策,而运输组织决策模块提供的决策建议偏重于基于第一时间处置产生的影响进行预测性的建议。其二,根据处置方案对列车运行的影响调用相应的运行图动态调整算法,实现指定场景下的运行图自动调整,并下发执行。
除此之外,智能调度系统还可以包括设备调度模块等其他模块。
智能调度系统由线路集群行车监控模块、运行图自动编制模块、运行图动态调整模块构成,通过各模块之间的协作制定针对现场的行车计划,根据行车计划对现场进行行车调度,实现了基于客流的运力灵活调整。
执行层面向列车运行主要包含智能调度系统,调度系统面向线路/线路集群行车调度,包含运行图自动编制、行车监控、运行图动态调整、设备调度等功能。现场层主要包含列车、乘客、基础设施设备等现场要素。
参见图5,现场,包括:列车,乘客,基础设施设备。除此之外,还可以包括其他设备。
图5所示的现场由列车,乘客,基础设施设备构成,保证了运力的全方位灵活调整。
本实施例提供的行车指挥决策系统,分为中心级、现场,其中,中心级包含决策层、执行层;决策层主要包含综合监控模块、平行推演模块、态势研判模块、运输组织辅助决策模块和应急指挥模块;决策层面向线网指挥中心,主要实现基于历史、实时数据的客流预测及分析、开行方案生成、计划图验证、客流车流联合仿真、针对仿真告警给出行车决策建议等功能;执行层,面向列车运行主要包含智能调度系统,调度系统面向线路/线路集群行车调度,包含线路集群行车监控模块、运行图自动编制模块、运行图动态调整模块等,实现运行图自动编制、行车监控、运行图动态调整、设备调度等功能。现场层主要包含列车、乘客、基础设施设备等现场要素。
本实施例提供的行车指挥决策系统是一种基于客流车流耦合的行车指挥决策系统。本实施例提供的行车指挥决策系统可以实现客流驱动的两级行车指挥体系,即基于客流-车流耦合的行车指挥体系,具体的,参见图7,该基于客流-车流耦合的行车指挥体系以乘客为中心,精准掌握客流需求及态势变化,优化调整列车运行计划,实现运力精准投放,打造客流驱动的运力运量调整匹配体系,实现“按图行车”向“按需行车”的模式转换,同时充分发挥网络化资源优势,实现网络集约化管理。
基于客流-车流耦合的行车指挥体系核心在于,基于对运营整体表现状态的实时监控及运营态势研判,可以从线网层面及时对行车及客运组织进行调整,加强中心的控制能力,主要包含客流调度、行车调度和设备运行调度。客流调度的功能是客流监视和动态管控,实时监控全线网客流动态信息,应急情况下及时进行信息报送和客流引导。行车按线路集群调度、设备按网络集成调度,利用车车通信和灵活编组技术,实现平高峰时客流与运力的匹配;通过运行图动态调整技术,实现应急情况下运力的灵活调整,对行车调整方案进行验证评估。最终实现以客流驱动的动态调图、多线路集约化的网络化调度、灵活响应的高效列车控制的目标,构建客流-车流耦合的网络化韧性运行新模式。
另外,本实施例提供的行车指挥决策系统还可以构建中心-现场两级管控模式。中心包括决策层和执行层,决策层实现线网级态势研判、应急指挥、辅助决策等业务功能,有效提升网络层面的掌控能力;执行层实现线路集群的行车计划、动态调整和设备调度等功能,中心级通过采用同一套网络化调度系统,向下兼容线路调度,建立以线路集群为核心的中心调控、协同指挥、有效执行的链条式管理。现场构建车站综合管控平台和列车一体化平台,增强现场的多专业综合管理能力和执行能力,同时加强中心与现场的直接交互,可有效整合现有资源,降低运营成本。
本实施例提供的行车指挥决策系统中,决策层、执行层的所有模块部署在云平台,不同岗位采用同一套网络化调度系统,通过终端可部署和使用所需功能模块。
本实施例提供的行车指挥决策系统包括:中心级和现场;中心级,用于分析线网客流态势,基于客流态势制定行车指挥决策,根据行车指挥决策制定针对现场的行车计划;现场,用于执行行车计划,可以提高客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
基于图1至5所示的行车指挥决策系统,可以进行运力调度,其中,具体的调度方案如图6所示。
101,分析线网客流态势。
具体的,
1、对线网进行实时的综合监控。
2、根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势。
本步骤根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势,保证了线网客流态势的准确性,进而保证了行车计划的准确性,以及基于客流的运力灵活调整的准确性。
102,基于客流态势制定行车指挥决策。
103,根据行车指挥决策制定针对现场的行车计划。
具体的,
1、根据行车指挥决策铺画运行图。
2、基于当前线路信息、车辆资源验证运行图的可行性。
3、若验证可行,则制定运行图对应的行车计划。
若验证不可行,则重复执行根据行车指挥决策铺画运行图,基于当前线路信息、车辆资源验证运行图的可行性的步骤。
本步骤根据行车指挥决策铺画运行图后,基于当前线路信息、车辆资源验证运行图的可行性,在可行后制定运行图对应的行车计划,保证了行车计划的可行性,以及基于客流的运力灵活调整的准确性。
104,执行行车计划。
区域控制中心可以通过本实施例提供的行车指挥决策系统的调度方法,在日常运营时进行运行管控,保证列车按计划运行,并根据客流情况调整行车计划。在应急情况下可以控制调度指挥中心接管控制权,此时区域控制中心作为执行部门执行应急指挥中心的调度命令,行车调度、设备调度配合指挥中心尽快恢复正常运营。
下面以日常运行场景为例,对本实施例提供的行车指挥决策系统的调度方法进行再次说明。
即步骤101中会对线网进行实时的客流数据进行综合监控分析,根据历史客流数据和运营指标体系对客流数据进行分析,得到短时、短期或特殊情况下的线网客流态势。
步骤102中会获取线路基础信息和交路方案,根据客流数据,线路基础信息和交路方案,短时、短期或特殊情况下的线网客流态势,进行开行方案编制。
步骤103中会根据行车指挥决策铺画运行图,基于当前线路信息、车辆资源验证运行图的可行性,若验证可行,则制定运行图对应的行车计划,
步骤104中会执行行车计划。
另外,在根据行车指挥决策铺画运行图之后,还会基于运行图构建乘客列车交互仿真模型,推演客流时空分布状态与变化;根据客流时空分布状态与变化,进行报警;根据报警的类型,确定运力调整和客流管控的辅助决策建议,进而实现基于客流的运力灵活及准确调整。。
下面以具体场景为例,对上述过程进行再次说明:
1)根据客流数据,实现对短时、短期或特殊情况下的线网客流预测的分析及客流变化趋势预估,当出现大客流等事件触发客流报警。
2)支持线路基础信息、交路方案、客流数据的加载,并基于客流分析预测数据,进行开行方案编制。
3)编制后的开行方案进行自动铺画运行图,针对铺画好的运行图,基于当前线路信息、车辆资源等约束条件进行运行图可行性验证。
4)运行图验证通过,则可将本运行图下发至智能调度系统并由列车执行;验证不通过则人工调整或基于调整算法自动调整,循环进行3)-4)步骤。
5)同时,针对编制的运行计划图,通过构建乘客、列车交互仿真模型,推演未来某时间段内现场客流时空分布状态与变化、行车交路等信息,并通过可视化的方式展示当前方案的指标统计结果。
6)进行各类指标统计与可视化展示,当某类指标(例如,客流断面)超出阈值,则触发报警。
7)报警信息自动触发响决策优化,根据报警类型、对应场景触发运力调整和客流管控的辅助决策建议。
下面以典型故障应急场景为例,对本实施例提供的行车指挥决策系统的调度方法进行再次说明。
实现过程为:
1、获取故障报警信息。
2、根据故障报警信息,确定启动应急预案后,根据故障报警信息和客流数据确定并执行临时行车调整方案。
3、根据行车计划和客流数据进行网络化推演,根据推演的结果,按照预设的评价指标体系,确定优化方案。
4、当故障恢复后,通过客流-车流仿真预测故障恢复后的客流车流情况,进行网络化资源的调配,调整运行图,并对调整后的运行图进行运行图仿真验证。
其中,通过如下步骤进行客流-车流仿真:
201,根据仿真场景和列车数据初始化仿真场景。
202,设置仿真开始时间,并初始化第一列车。
203,推进一个步长。
204,遍历时刻表,判断当前时刻是否有新列车生成,如果没有,则执行205,如果有,则增加并初始化新列车后执行205。
205,在列控仿真控制下控制所有列车运行,进行联锁设备仿真,并保持所有列车的速度和位置。
206,如果列车表还存在列车,则重复执行步骤203及后续步骤,直至列车表不存在列车。
在具体实现时,客流车流联合仿真过程可以通过图9所示的模型实现,该模型包含乘客主体、列车主体、车站主体和由多个线路组成的路网主体。
为实现精确的实时的仿真结果,必须建立精确的乘客集散模型、乘客网络出行行为仿真模型和列车运行仿真模型。
乘客集散模型和乘客网络出行行为仿真模型分别实现微观(车站)和宏观(线网)层面的乘客出行行为和决策的仿真,结合列车运行仿真模型从而预测未来时间段内线网客流的发展态势和运行状态,为决策人员提供客流车流信息。列车运行仿真流程如图10所示:
1、导入仿真场景和列车数据,并初始化仿真场景。
2、设置仿真开始时间,初始化第一列车。
3、推进一个步长。
4、遍历时刻表。
5、判断当前时刻是否有新列车生成,如果没有则执行6,如果有,则在增加并初始化新列车后执行6。
6、所有列车在列控仿真控制下运行。
7、进行联锁设备仿真。
8、保持所有列车的速度和位置。
9、图形化展示仿真结果。
10、确认列车表是否还有列车,如果没有,则结束仿真。如果有,则重新执行3及后续步骤。
通过上述客流-车流仿真方案,保证了仿真效率和效果,进而提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
通过上述过程,当接收到故障报警信息后,确定临时行车调整方案,并推演出优化方案,在故障恢复后进行网络化资源的调配,保证了故障报警信息的及时处理,以及处理效果。
上述过程在具体实施时,可以分为接警、决策处置、恢复三个子过程,下面以实际应用为例再次说明。
1)接警
现场出现故障(例如道岔故障)后,故障的上报通过统一的大数据平台,中心级的综合决策、运行、服务、维护等平台,以及现场级的车站站务中心,均能同时收到故障报警信息。
2)决策处置
阶段一:第一时间处置
与既有模式中相同的是,在故障上报被接收到的第一时间,行车调度员、以及车站站务中心需要对故障做出第一时间的处置。
与既有模式不同的是,站务中心应对故障的维修进行第一时间处置;根据处置决策和结果分为两种情况:
●快速恢复:当站务中心对故障进行第一时间处置并快速恢复时,不影响既有行车计划,此时站务中心进行信息上报,同时中心各业务模块只需进行集中监视,后续列车按计划图运行。
●无法快速恢复:当站务中心判断故障无法快速恢复,对运行造成影响,也需要进行信息上报,决策层根据故障信息,对是否启动应急预案进行判定,若需启动应急预案则进入相应的处置流程,中心根据故障信息和客流信息提供临时的行车调整方案。
阶段二:综合决策
在该阶段,对行车、客流等信息进行网络化推演,根据推演的结果,对行车调度、车站的处置方案,按照预设的评价指标体系,进行决策优化方案或辅助决策建议的推送,以及相关态势研判指标的预警和报警。
阶段三:决策方案执行
该阶段,同时进行故障处置和行车调整,此阶段运维平台、车站站务联动执行设备故障的处置方案。同时,根据行车辅助决策建议,调度人员通过智能调度系统下发相应的调度命令,现场执行具体的行车处置,如跳停、小交路等。
3)恢复
故障恢复后,恢复信息上报,中心更新发布信息并结束应急;同时与调度员通过下发调度命令回复行车的既有方式不同的是,本阶段智能调度系统基于故障恢复后当前的客流-车流的匹配情况,进行网络化资源的调配,实现运行图自动调整,调整后的运行图进行运行图仿真验证,满足客流运输需求,实现运行图动态调整,尽快恢复计划行车。
本实施例提供的行车指挥决策系统的调度方法,分析线网客流态势;基于客流态势制定行车指挥决策;根据行车指挥决策制定针对现场的行车计划;执行行车计划。通过线网客流态势制定行车指挥决策,进而得到行车计划,提高了客流与车流的协同和匹配度,实现了基于客流的运力灵活调整。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种行车指挥决策系统,其特征在于,所述系统包括:中心级和现场;
所述中心级,用于分析线网客流态势,基于所述客流态势制定行车指挥决策,根据所述行车指挥决策制定针对所述现场的行车计划;
所述现场,用于执行所述行车计划。
2.根据权利要求1所述的系统,其特征在于,所述中心级,包括:决策层和执行层;
所述决策层,用于分析线网客流态势,基于所述客流态势制定行车指挥决策;
所述执行层,用于根据所述行车指挥决策制定针对所述现场的行车计划,根据所述行车计划对所述现场进行行车调度;
所述现场,用于执行所述行车调度。
3.根据权利要求2所述的系统,其特征在于,所述决策层,包括:综合监控模块、平行推演模块、态势研判模块、运输组织辅助决策模块和应急指挥模块模块;
所述综合监控模块,用于对线网进行综合监控;
所述态势研判模块,用于管理运营指标体系;
所述平行推演模块,用于根据历史客流数据、所述综合监控模块得到的监控数据和所述态势研判模块管理的运营指标体系分析线网客流态势;
所述运输组织辅助决策模块,用于获取所述综合监控模块得到的监控数据和所述平行推演模块得到的线网客流态势;获取执行层当前的行车计划;根据所述监控数据、所述线网客流态势和当前的行车计划进行客流-车流仿真,获得线网客流风险点和运力失衡预警;根据所述线网客流风险点和运力失衡预警制定行车指挥决策;
所述应急指挥模块模块,用于在应急事件发生时,制定并执行应急预案。
4.根据权利要求3所述的系统,其特征在于,通过如下步骤进行客流-车流仿真:
201,根据仿真场景和列车数据初始化仿真场景;
202,设置仿真开始时间,并初始化第一列车;
203,推进一个步长;
204,遍历时刻表,判断当前时刻是否有新列车生成,如果没有,则执行205,如果有,则增加并初始化新列车后执行205;
205,在列控仿真控制下控制所有列车运行,进行联锁设备仿真,并保持所有列车的速度和位置;
206,如果列车表还存在列车,则重复执行步骤203及后续步骤,直至列车表不存在列车。
5.根据权利要求2所述的系统,其特征在于,所述执行层,包括:智能调度系统,用于根据所述行车指挥决策制定针对所述现场的行车计划,根据所述行车计划对所述现场进行行车调度;
所述智能调度系统,包括:线路集群行车监控模块、运行图自动编制模块、运行图动态调整模块;
所述线路集群行车监控模块,用于监控所述现场的行车数据;
所述运行图自动编制模块,用于根据所述线路集群行车监控模块得到的行车数据和所述行车指挥决策制定针对所述现场的行车计划;
所述运行图动态调整模块,用于根据所述行车计划对所述现场进行行车调度。
6.一种行车指挥决策系统的调度方法,其特征在于,所述行车指挥决策系统如权利要求1至5任一权利要求所述的行车指挥决策系统;
所述方法,包括:
分析线网客流态势;
基于所述客流态势制定行车指挥决策;
根据所述行车指挥决策制定针对所述现场的行车计划;
执行所述行车计划。
7.根据权利要求6所述的方法,其特征在于,所述分析线网客流态势,包括:
对线网进行实时的综合监控;
根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势;
所述根据所述行车指挥决策制定针对所述现场的行车计划,包括:
根据所述行车指挥决策铺画运行图;
基于当前线路信息、车辆资源验证所述运行图的可行性;
若验证可行,则制定所述运行图对应的行车计划;
若验证不可行,则重复执行根据所述行车指挥决策铺画运行图,基于当前线路信息、车辆资源验证所述运行图的可行性的步骤。
8.根据权利要求7所述的方法,其特征在于,所述监控数据为客流数据;
所述根据历史客流数据和运营指标体系对监控数据进行分析,得到线网客流态势,包括:
根据历史客流数据和运营指标体系对客流数据进行分析,得到短时、短期或特殊情况下的线网客流态势;
所述基于所述客流态势制定行车指挥决策,包括:
获取线路基础信息和交路方案;
根据所述客流数据,线路基础信息和交路方案,短时、短期或特殊情况下的线网客流态势,进行开行方案编制;
所述根据所述行车指挥决策铺画运行图之后,还包括:
基于运行图构建乘客列车交互仿真模型,推演客流时空分布状态与变化;
根据所述客流时空分布状态与变化,进行报警;
根据所述报警的类型,确定运力调整和客流管控的辅助决策建议。
9.根据权利要求8所述的方法,其特征在于,所述方法,还包括:
获取故障报警信息;
根据所述故障报警信息,确定启动应急预案后,根据所述故障报警信息和客流数据确定并执行临时行车调整方案;
根据行车计划和客流数据进行网络化推演,根据推演的结果,按照预设的评价指标体系,确定优化方案;
当故障恢复后,通过客流-车流仿真预测故障恢复后的客流车流情况,进行网络化资源的调配,调整运行图,并对调整后的运行图进行运行图仿真验证。
10.根据权利要求9所述的方法,其特征在于,通过如下步骤进行客流-车流仿真:
201,根据仿真场景和列车数据初始化仿真场景;
202,设置仿真开始时间,并初始化第一列车;
203,推进一个步长;
204,遍历时刻表,判断当前时刻是否有新列车生成,如果没有,则执行205,如果有,则增加并初始化新列车后执行205;
205,在列控仿真控制下控制所有列车运行,进行联锁设备仿真,并保持所有列车的速度和位置;
206,如果列车表还存在列车,则重复执行步骤203及后续步骤,直至列车表不存在列车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680197.2A CN115027535A (zh) | 2022-06-16 | 2022-06-16 | 一种行车指挥决策系统和行车指挥决策系统的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680197.2A CN115027535A (zh) | 2022-06-16 | 2022-06-16 | 一种行车指挥决策系统和行车指挥决策系统的调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115027535A true CN115027535A (zh) | 2022-09-09 |
Family
ID=83124369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210680197.2A Pending CN115027535A (zh) | 2022-06-16 | 2022-06-16 | 一种行车指挥决策系统和行车指挥决策系统的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115027535A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116714645A (zh) * | 2023-08-03 | 2023-09-08 | 比亚迪股份有限公司 | 列车测试方法、系统、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110203257A (zh) * | 2019-05-09 | 2019-09-06 | 北京交通大学 | 一种轨道交通事件下列车运行调度方法和系统 |
CN112801338A (zh) * | 2020-12-07 | 2021-05-14 | 通控研究院(安徽)有限公司 | 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统 |
CN113469465A (zh) * | 2021-08-10 | 2021-10-01 | 卡斯柯信号(郑州)有限公司 | 一种基于客流和信号行车融合协同分析的线网调度指挥系统 |
CN114298669A (zh) * | 2021-12-22 | 2022-04-08 | 交控科技股份有限公司 | 用于列车运行图的调整方法、装置和列车 |
-
2022
- 2022-06-16 CN CN202210680197.2A patent/CN115027535A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110203257A (zh) * | 2019-05-09 | 2019-09-06 | 北京交通大学 | 一种轨道交通事件下列车运行调度方法和系统 |
CN112801338A (zh) * | 2020-12-07 | 2021-05-14 | 通控研究院(安徽)有限公司 | 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统 |
CN113469465A (zh) * | 2021-08-10 | 2021-10-01 | 卡斯柯信号(郑州)有限公司 | 一种基于客流和信号行车融合协同分析的线网调度指挥系统 |
CN114298669A (zh) * | 2021-12-22 | 2022-04-08 | 交控科技股份有限公司 | 用于列车运行图的调整方法、装置和列车 |
Non-Patent Citations (1)
Title |
---|
王祥进 等: "城市轨道交通行车突发事件应急处置辅助决策系统研究与实现", 《铁路计算机应用》, vol. 29, no. 1, 31 January 2020 (2020-01-31), pages 82 - 86 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116714645A (zh) * | 2023-08-03 | 2023-09-08 | 比亚迪股份有限公司 | 列车测试方法、系统、存储介质及电子设备 |
CN116714645B (zh) * | 2023-08-03 | 2023-11-14 | 比亚迪股份有限公司 | 列车测试方法、系统、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
CN111452669B (zh) | 公交智能充电的系统和方法及介质 | |
US8082071B2 (en) | System and method of multi-generation positive train control system | |
CN109747682A (zh) | 轨道交通弱电一体化系统 | |
EP2747000B1 (en) | System and method for automatic allocation of mobile resources to tasks | |
Lüthi | Improving the efficiency of heavily used railway networks through integrated real-time rescheduling | |
CN112598177B (zh) | 一种城市轨道交通突发事件在线客流预测与仿真系统 | |
CN110329319A (zh) | 一种面向智慧城轨的全自动运行系统 | |
RU2500563C1 (ru) | Система для оперативного управления поездной работой направления железнодорожной сети | |
US7680750B2 (en) | Method of planning train movement using a three step optimization engine | |
CN113723659B (zh) | 一种城市轨道交通全场景客流预测方法及系统 | |
CN114132363B (zh) | 基于客流时空状态精细化分析的列车运行图编制方法 | |
CN110210652A (zh) | 一种轨道交通站点客流控制方法及装置 | |
US20060212187A1 (en) | Scheduler and method for managing unpredictable local trains | |
CN115384586B (zh) | 一种铁路平行调度系统、方法及其应用 | |
CN115027535A (zh) | 一种行车指挥决策系统和行车指挥决策系统的调度方法 | |
CN114611726A (zh) | 一种基于云平台的城市轨道交通数据融合控制系统 | |
RU2662351C1 (ru) | Система для оперативного управления поездной работой участка железной дороги | |
CN112949081A (zh) | 一种轨道交通路网应急救援策略仿真与评估系统 | |
CN115860246A (zh) | 一种城市轨道交通客流管控方法及装置 | |
CN110837944A (zh) | 调度方法、装置及系统 | |
CN113658429B (zh) | 一种公交廊道的协同调度方法及相关装置 | |
RU123990U1 (ru) | Система управления тяговыми ресурсами | |
Liu | Optimization of Computer-aided Decision-making System for Railroad Traffic Dispatching Command | |
Koh et al. | Simulation of demand and supply of urban rail in a multimodal environment |
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 |