CN115809729A - 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 - Google Patents
考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 Download PDFInfo
- Publication number
- CN115809729A CN115809729A CN202211500719.2A CN202211500719A CN115809729A CN 115809729 A CN115809729 A CN 115809729A CN 202211500719 A CN202211500719 A CN 202211500719A CN 115809729 A CN115809729 A CN 115809729A
- Authority
- CN
- China
- Prior art keywords
- transfer
- passengers
- passenger
- rail transit
- station
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法。该方法包括:获取包括新增规划线路的城市轨道交通网络相关属性,构建城市轨道交通网络;建立城市轨道交通枢纽换乘设施的服务效率计算模型,计算乘客在换乘设施的平均延误时间以及排队乘客数量;假设乘客根据行程时间选择出行路径,以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,基于该模型对城市轨道交通网络换乘设施的配置进行优化。本发明实施例方法考虑新增规划线路引入新的客流对于网络乘客换乘需求的影响,从网络层面决策各换乘站点配置关键换乘设施的数量,提高网络的运输效率及服务水平。
Description
技术领域
本发明涉及城市轨道交通管理技术领域,尤其涉及一种考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法。
背景技术
城市轨道交通网络作为城市公共交通系统的重要组成部分,是支撑大都市居民通勤及日常出行活动的重要交通方式,具有运量大、速度快和准时便捷等特点。
随着城市轨道交通的快速发展及居民轨道交通出行需求的增加,城市轨道交通网络化发展趋势不断加强,运营线路不断扩张,而新增规划线路引入新的客流,原有线路客流量也会相应增加。由于原有线路换乘设施配置时未考虑未来新增线路导致需求增加,或预估的客流量增加已与当前情况产生较大偏差,一些换乘枢纽站点已设置的换乘设施服务能力不能满足未来新增线路开通后的乘客换乘需求。当新增线路投入运营后,一些换乘枢纽站点客流量可能超出换乘设施服务能力,乘客将会在扶梯、楼梯处发生拥堵,不仅会延误出行时间,大量乘客在关键换乘设施周边的堆积还可能引发踩踏等危险事件。因此,根据城市轨道交通网络结构及网络中客流量的变化及时优化换乘枢纽站点的换乘设施配置,增大关键换乘设施服务能力以减少乘客换乘过程中的延误,避免危险事故的发生,对提高城市轨道交通网络服务水平十分重要。
现有技术中的一种城市轨道交通枢纽换乘设施优化配置方法包括:
(1)针对乘客在轨道交通站点楼梯扶梯处的排队机理,利用排队论模型中的D/D/n系统计算乘客的排队延时,即将乘客排队系统建模为乘客按照确定的时间间隔到达,服务用时为确定时间间隔的多服务台模型。根据实测数据拟合了乘客在楼梯上的流量-密度曲线,分析上行和下行楼梯的行人流交通特性,利用VISSIM软件仿真楼梯上行、下行方向的行人通行能力。基于M/G/c/c排队模型构建地铁车站楼梯与通道乘客疏散能力瓶颈分析模型,识别乘客到达率发生变化时的楼梯、通道疏散瓶颈点。按照轨道交通枢纽内楼梯位置不同,研究枢纽出入口楼梯、与站台连接处楼梯以及换乘楼梯的客流特征,考虑乘客个体特性建立流量-密度模型,利用基于社会力模型的Anylogic软件对楼梯通行能力进行仿真分析。
(2)针对轨道交通网络楼梯和扶梯的优化配置,结合车站客流量对轨道交通车站乘客楼梯、电梯的使用需求量作出预测,确定楼梯、电梯的设计宽度及扶梯和楼梯的宽度比例。考虑乘客体验、乘客安全及美观程度对地铁楼梯和扶梯的相对位置进行设计优化。
上述现有技术中的一种城市轨道交通枢纽换乘设施优化配置方法的缺点包括:
(1)利用排队论对乘客在轨道交通换乘扶梯、楼梯处的排队行为进行建模和分析时,较少区分扶梯和楼梯的服务特性不同而分别进行建模。采用仿真工具从微观角度对乘客在换乘设施处的通行行为进行仿真分析计算成本高,不适用于大规模网络、多个站点换乘设施联合优化问题的高效求解。
(2)对于轨道交通站点楼梯、扶梯的优化布设,现有方案一般解决单个站点的换乘设施的布设方式、布设位置、结构设计等问题,较少从网络整体角度考虑客流需求与换乘设施服务能力的匹配,缺少在网络层面实现多站点换乘设施布设数量联合优化配置的方法,并且缺少针对网络结构和客流量的变化来优化网络中的换乘设施配置的方法。
发明内容
本发明的实施例提供了一种考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法,以提高城市轨道交通网络考虑新增规划线路下的运输效率、安全性等服务水平指标。
为了实现上述目的,本发明采取了如下技术方案。
一种考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法,包括:
获取包括新增规划线路的城市轨道交通网络相关属性,构建城市轨道交通网络;
建立城市轨道交通枢纽换乘设施的服务效率计算模型,利用所述服务效率计算模型计算乘客在换乘设施的平均延误时间以及排队乘客数量;
假设乘客根据行程时间选择出行路径,以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,基于所述换乘设施配置双层规划模型对城市轨道交通网络换乘设施的配置进行优化。
优选地,所述的获取包括新增规划线路的城市轨道交通网络相关属性,构建城市轨道交通网络,包括:
获取待优化城市轨道交通网络、新增规划线路及网络相关属性,所述网络相关属性包括:线路发车间隔、线路各区间列车行驶时间、列车在各站点的停靠时间、枢纽站点换乘设施种类及个数,各换乘站换乘步行时间,所述换乘设施包括扶梯和楼梯;根据城市轨道交通网络刷卡数据获取在工作日与休息日全天不同时段的乘客出行起点到终点OD矩阵数据,以及新增线路各站点的预测客流量;
构建城市轨道交通网络G(N,L),将城市轨道交通网络表示为由节点(N)和连边(L)组成的有向网络G(N,L),节点表示站点,具有站点列车停靠时间属性;连边表示线路区间,具有列车在区间的行驶时间属性,同一换乘枢纽站点在不同线路上由不同的节点表示,两个节点之间增加虚拟连边表示乘客在换乘枢纽站点从一条线路到达另一条线路需要经过换乘,虚拟连边的属性为乘客换乘所需的时间。
优选地,所述的建立城市轨道交通枢纽换乘设施的服务效率计算模型,利用所述服务效率计算模型计算乘客在换乘设施的平均延误时间以及排队乘客数量,包括:
建立城市轨道交通枢纽换乘设施的服务效率计算模型,利用排队论建模乘客在换乘设施处的服务情况,对不同种类的换乘设施分别建模,根据乘客到达率服从泊松分布、服务时间为常数、单服务台的排队模型,计算乘客在扶梯处的平均延误时间及排队长度;根据乘客到达率服从泊松分布、服务时间服从任意分布、单服务台的排队模型,计算乘客在楼梯处的平均延误时间及排队长度;假设每个设施的乘客到达率服从相同分布;
对于城市轨道交通网络,一些线路的出站乘客在出站时需要和换乘乘客共用换乘设施,将这部分出站乘客的数量加入换乘乘客总数中,乘客在一个换乘枢纽站点i换乘设施处的平均等待时间wqi表示为:
Qi为站点i的换乘乘客数量;αei为站点i选择扶梯换乘的乘客比例,αei∈[0,1];αsi为站点i选择楼梯换乘的乘客比例,αsi∈[0,1];αei+αsi=1,当换乘站只有扶梯换乘时,αei=1,当换乘站只有楼梯换乘时,αsi=1;μei为站点i一台扶梯每小时能够输送的乘客数量,μsi为站点i一个楼梯每小时能够输送的乘客数量,nei为站点i设置的换乘扶梯的数量,nsi为站点i设置的换乘楼梯的数量,σ2(vsi)为站点i楼梯服务时间的方差;
在一个换乘枢纽站点i换乘设施处发生排队的乘客总数Lqi表示为:
优选地,所述的假设乘客根据行程时间选择出行路径,包括:
设乘客倾向于选择感知到的行程时间最短的路径作为出行路径或根据出行偏好选择出行路径,乘客感知的一条轨道交通路径的行程时间T包括乘客在站台的等车时间Tw、乘车时间Tr和换乘时间Tt,则行程时间T表示为:
T=Tw+Tr+Tt+ε
其中,ε表示乘客感知路径行程时间的误差,为随机项;TIk为线路k的发车间隔;δk为二进制变量,当出行路径包含线路k,δk取值为1,反之为0;Tl为线路区间l的列车行驶时间;Tls为列车在线路区间l的区间起点的停靠时间;δl为二进制变量,当出行路径包含区间l,δl取值为1,反之为0;Tfi为乘客在i站换乘的步行时间;Wqi为乘客在站点i换乘设施处的平均等待时间;δi为二进制变量,当乘客在站点i换乘时,δi取值为1,反之取值为0;E为换乘枢纽站点集合。
假设乘客感知路径行程时间的随机项相互独立且服从Gumbel分布,利用logit模型表示乘客选择路径的概率,logit模型表示为:
其中,PR为乘客选择路径R的概率,PR∈[0,1];TR为路径R的行程时间,根据行程时间T的公式计算;θ是度量乘客总体对城市轨道交通网络熟悉程度的指标,Re为有效路径集,有效路径集根据路径行程时间筛选,对于某一起终点对,存在行程时间最短路径Rsh,当一条路径R的行程时间TR<(1+β)Tsh时,将路径R纳入有效路径集,β>0。
优选地,所述的以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,基于所述换乘设施配置双层规划模型对城市轨道交通网络换乘设施的配置进行优化,包括:
以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,决策是否在换乘枢纽站点增设扶梯或楼梯,建模如下:
上层模型:
下层模型:
其中,Mu为选择城市轨道交通方式出行的乘客集合,包括城市轨道交通网络当前乘客及规划线路的新增乘客;nu为选择城市轨道交通方式出行的乘客数量;Tu(y)为在优化决策y下乘客u的行程时间;E为换乘枢纽站点集合;Lqi为换乘枢纽站点i换乘设施处发生排队的乘客总数;ci为换乘枢纽站点i的容量;γ为惩罚系数;yi为二进制决策变量,yi取值为1时,表示在站点i增设一台电梯或一个楼梯,反之不增设;Zi为在站点i增设一台电梯或一个楼梯的成本;B为总预算金额;θ为度量乘客总体对城市轨道交通网络熟悉程度的指标;是起点为r,终点为s的OD对的有效路径集合;为OD对r,s选择路径R的客流量;L为网络连边集合,包括线路区间和换乘站点的虚拟连边;fl′为连边l′上的客流量;Tl′为连边l′上的行程时间;TIk为线路k的发车间隔;δk,u为二进制变量,当乘客u的出行路径经过线路k时,δk,u取值为1,反之为0;fl为区间l上的客流量;Tls为列车在区间l的区间起点的停靠时间;qr ,s为OD对r,s之间的总客流量;为二进制变量,当OD对r,s之间的客流选择的路径R经过连边l′时,取值为1,反之取值为0。
利用遗传算法对所述换乘设施配置双层规划模型进行求解,获得使目标函数值最小的优化结果作为换乘设施优化配置的决策方案,该决策方案的内容包括在哪个站点增设哪种换乘设施。
优选地,所述的利用遗传算法对所述换乘设施配置双层规划模型进行求解,包括:
设置遗传算法迭代次数I、迭代终止阈值e,在第i次迭代过程中,由遗传算法给出一个解,根据该解所表示的决策含义,在城市轨道交通网络相应站点增设换乘设施,基于logit随机用户平衡进行客流分配,计算目标函数值Si,即乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和,将当前迭代所得Si与上次迭代的Si-1进行对比,当两次迭代的结果之差小于迭代终止阈值,判定遗传算法收敛,输出当前解作为最优决策;或当迭代次数达到初始设置次数,迭代结束,输出当前解作为最优决策;否则,遗传算法根据当前迭代结果优化调整解,进行下次迭代,直至达到迭代终止条件。
优选地,所述的方法还包括:对优化后的换乘设施配置双层规划模型进行参数灵敏度分析,改变模型中设置的参数,分析不同参数对于客流分布、网络运行状态的影响,量化分析模型中关键参数的选取对优化结果的影响。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例方法考虑新增规划线路引入新的客流对于网络乘客换乘需求的影响,在有限资源约束下,从网络层面决策各换乘站点配置关键换乘设施的数量,提升网络关键换乘瓶颈的服务能力以缓解乘客的拥堵及延误,使网络换乘服务能力与未来新增线路开通后的乘客换乘需求相匹配,从而提高网络的运输效率及服务水平。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
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,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例提供的一种考虑新增线路的城市轨道交通枢纽换乘设施配置优化方法的实现原理图;
图2为本发明实施例提供的一种考虑新增线路的城市轨道交通枢纽换乘设施配置优化方法流程图;
图3为本发明实施例提供的一种换乘设施配置双层规划模型求解流程图;
图4为本发明实施例提供的一种城市轨道交通枢纽的案例网络示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例针对城市轨道交通网络当前换乘设施的配置与未来新增规划线路开通后的乘客需求不匹配的问题,提供一种在有限资源约束下对城市轨道交通网络换乘设施进行优化配置的方法,增大换乘瓶颈服务能力以减少乘客换乘过程中的延误,减少关键换乘设施周边乘客拥挤度,从而提高乘客出行效率并避免危险事故的发生,为城市公共交通系统的优化管理提供方法支撑。其中,对于乘客在换乘设施处的延误分析,考虑楼梯、扶梯的服务特性差异分别建模,使模型更加符合实际,并推导得出乘客延误时间及排队人数的理论计算方法。对于换乘设施的优化配置,本发明考虑网络拓扑的变化及新增客流对网络客流分布的影响,提出从网络层面对多站点换乘设施布设数量进行联合优化配置的技术方案。
本发明实施例提供的一种考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法的实现原理图如图1所示,处理流程如图2所示,包括如下的处理步骤:
步骤A,获取待优化城市轨道交通网络、新增规划线路及网络相关属性,所述网络相关属性包括:线路发车间隔、线路各区间列车行驶时间、列车在各站点的停靠时间、枢纽站点换乘设施种类(扶梯、楼梯)及个数,各换乘站换乘步行时间,构建城市轨道交通网络G(N,L)。同时根据城市轨道交通网络刷卡数据获取在工作日与休息日全天不同时段的乘客出行需求矩阵数据,即OD(起点到终点,Origin to Destination)矩阵,以及新增线路各站点的预测客流量。
步骤B,建立城市轨道交通枢纽换乘设施服务效率计算模型,计算乘客在楼梯、扶梯等换乘设施的平均延误时间以及排队乘客数量。
步骤C,假设乘客根据行程时间选择出行路径,以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,基于换乘设施配置双层规划模型对城市轨道交通网络换乘设施的配置进行优化。
假设资源有限,在部分换乘枢纽站点增设扶梯或楼梯以改善换乘设施的服务能力,提高乘客的通行效率。
步骤D,对换乘设施配置双层规划模型进行参数灵敏度分析,量化分析模型中关键参数的选取对优化结果的影响。
其中,在步骤A中所述的“构建城市轨道交通网络”,其具体做法为:将城市轨道交通网络表示为由节点(N)和连边(L)组成的有向网络G(N,L),节点表示站点,具有站点列车停靠时间这一属性;连边表示线路区间,具有列车在区间的行驶时间这一属性。其中,同一换乘枢纽站点在不同线路上由不同的节点表示,两个节点之间增加虚拟连边表示乘客在换乘枢纽站点从一条线路到达另一条线路需要经过换乘,虚拟连边的属性为乘客换乘所需的时间。
其中,对步骤B中所述的“建立城市轨道交通枢纽换乘设施服务效率计算模型”,利用排队论建模乘客在换乘设施处的服务情况,当一个换乘枢纽站点同时存在换乘楼梯、换乘扶梯时,需要对不同种类的换乘设施分别建模。根据M/D/1模型,即乘客到达率服从泊松分布、服务时间为常数、单服务台的排队模型,计算乘客在扶梯处的平均延误时间及排队长度;根据M/G/1模型,即乘客到达率服从泊松分布、服务时间服从任意分布(服务时间的分布为任意形式,但服务时间的期望和方差存在,可以通过实地调查获得期望和方差)、单服务台的排队模型,计算乘客在楼梯处的平均延误时间及排队长度。对于不同的换乘枢纽站点,换乘楼梯、扶梯的数量和规格不同,可以通过实地调查确定设施设置情况。当同一类型设施数量超过一个时,将其处理为多个单服务台系统,每个设施的乘客到达率服从相同分布,乘客到达率的期望E(λ)可以表示为:
其中,Q为站点换乘乘客数量;α为乘客选择某种换乘设施的概率,α∈[0,1];n为某种换乘设施的数量。
对于城市轨道交通网络,一些线路的出站乘客在出站时可能需要和换乘乘客共用换乘设施,此时需要将这部分出站乘客的数量加入换乘乘客总数中。则乘客在一个换乘枢纽站点i换乘设施处的平均等待时间wqi可以表示为:
其中:Qi为站点i的换乘乘客数量;αei为站点i选择扶梯换乘的乘客比例,αei∈[0,1];αsi为站点i选择楼梯换乘的乘客比例,αsi∈[0,1];αei+αsi=1,当换乘站只有扶梯可以换乘时,αei=1,当换乘站只有楼梯可以换乘时,αsi=1;μei为站点i一台扶梯每小时可以输送的乘客数量,参考GB 50157-2013《地铁设计规范》和GB 16899-2011《自动扶梯和自动人行道的制造与安装安全规范》;μsi为站点i一个楼梯每小时可以输送的乘客数量,参考GB50157-2013《地铁设计规范》;nei为站点i设置的换乘扶梯的数量;nsi为站点i设置的换乘楼梯的数量;σ2(vsi)为站点i楼梯服务时间的方差。
在一个换乘枢纽站点i换乘设施处发生排队的乘客总数Lqi可以表示为:
其中,在步骤C中所述的“假设乘客根据行程时间选择出行路径”,其含义为:乘客一般会倾向于选择感知到的行程时间最短的路径作为出行路径或根据出行偏好选择出行路径,同时乘客对于路径行程时间的感知存在误差。乘客感知的一条轨道交通路径的行程时间T包括乘客在站台的等车时间Tw、乘车时间Tr、换乘时间Tt,则行程时间T表示为:
T=Tw+Tr+Tt+ε
其中,ε表示乘客感知路径行程时间的误差,为随机项;TIk为线路k的发车间隔;δk为二进制变量,当出行路径包含线路k,δk取值为1,反之为0;Tl为线路区间l的列车行驶时间;Tls为列车在线路区间l的区间起点的停靠时间;δl为二进制变量,当出行路径包含区间l,δl取值为1,反之为0;Tfi为乘客在i站换乘的步行时间;Wqi为乘客在站点i换乘设施处的平均等待时间;δi为二进制变量,当乘客在站点i换乘时,δi取值为1,反之取值为0;E为换乘枢纽站点集合。
假设乘客感知路径行程时间的随机项相互独立且服从Gumbel分布,利用logit模型表示乘客选择路径的概率,logit模型表示为:
其中,PR为乘客选择路径R的概率,PR∈[0,1];TR为路径R的行程时间,根据行程时间T的公式计算;θ是度量乘客总体对城市轨道交通网络熟悉程度的指标,当θ很大时,人们对路径行程时间的感知误差很小,当θ很小时,人们对路径行程时间的感知误差很大;Re为有效路径集,有效路径集根据路径行程时间筛选,对于某一起终点对,存在行程时间最短路径Rsh,当一条路径R的行程时间TR<(1+β)Tsh时,将路径R纳入有效路径集,β>0,可以根据需求和实际情况进行设置。
其中,在步骤C中所述的“对城市轨道交通网络换乘设施的配置进行优化”,其具体做法为:以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,以资金成本和网络流量守恒为约束,建立双层规划模型,决策是否在换乘枢纽站点增设扶梯或楼梯,建模如下:
上层模型:
下层模型:
其中,Mu为选择城市轨道交通方式出行的乘客集合,包括城市轨道交通网络当前乘客及规划线路的新增乘客;nu为选择城市轨道交通方式出行的乘客数量;Tu(y)为在优化决策y下乘客u的行程时间;E为换乘枢纽站点集合;Lqi为换乘枢纽站点i换乘设施处发生排队的乘客总数;ci为换乘枢纽站点i的容量;γ为惩罚系数,决策者可以根据需求和目标设置惩罚系数;yi为二进制决策变量,yi取值为1时,表示在站点i增设一台电梯或一个楼梯,反之不增设;Zi为在站点i增设一台电梯或一个楼梯的成本;B为总预算金额;θ为度量乘客总体对城市轨道交通网络熟悉程度的指标;是起点为r,终点为s的OD对的有效路径集合;为OD对r,s选择路径R的客流量;L为网络连边集合,包括线路区间和换乘站点的虚拟连边;fl′为连边l′上的客流量;Tl′为连边l′上的行程时间;TIk为线路k的发车间隔;δk,u为二进制变量,当乘客u的出行路径经过线路k时,δk,u取值为1,反之为0;fl为区间l上的客流量;Tls为列车在区间l的区间起点的停靠时间;qr,s为OD对r,s之间的总客流量;为二进制变量,当OD对r,s之间的客流选择的路径R经过连边l′时,取值为1,反之取值为0。
图3为本发明实施例提供的一种换乘设施配置双层规划模型求解流程图。利用遗传算法对换乘设施配置双层规划模型进行求解,最终获得使目标函数值最小的优化结果作为换乘设施优化配置的决策方案。
设置遗传算法迭代次数I、迭代终止阈值e。在第i次迭代过程中,首先由遗传算法给出一个解,根据该解所表示的决策含义,在城市轨道交通网络相应站点增设换乘设施。基于logit随机用户平衡进行客流分配,计算目标函数值Si,即乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和,将当前迭代所得Si与上次迭代的Si-1进行对比,当两次迭代的结果之差小于迭代终止阈值,判定遗传算法收敛,输出当前解作为最优决策;或当迭代次数达到初始设置次数,迭代结束,输出当前解作为最优决策;否则,遗传算法根据当前迭代结果优化调整解,进行下次迭代,直至达到迭代终止条件。
其中,在步骤D中所述的“进行参数灵敏度分析,量化分析模型中关键参数的选取对优化结果的影响”,其具体做法为:改变乘客对于城市轨道交通网络熟悉程度的指标θ、惩罚系数γ等参数,分析不同参数对于客流分布、网络运行状态及优化结果的影响。
实施例一
图4为本发明实施例提供的一种城市轨道交通枢纽的案例网络示意图,包含四条已开通线路,五个换乘站点,十一个普通站点,虚线表示规划新开通线路,线路开通后,将增加一个换乘站点和一个普通站点。
根据步骤A,获取待优化城市轨道交通网络、新增规划线路及网络相关属性、某日客流需求,假设每个换乘枢纽站点每个换乘方向都设置有1台换乘扶梯和一个换乘楼梯,楼梯和扶梯的宽度为1米,其通行能力μsi和μei分别为3600人次/h、5000人次/h。线路参数如表1所示,出行需求如表2所示。
表1线路参数
表2出行OD矩阵(十人/小时)
O\D | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 |
1 | 0 | 2 | 6 | 4 | 12 | 12 | 2 | 2 | 4 | 6 | 6 | 14 | 16 | 10 | 6 | 8 | 10 | 18 |
2 | 4 | 0 | 8 | 10 | 6 | 4 | 4 | 2 | 10 | 14 | 12 | 16 | 14 | 6 | 12 | 14 | 18 | 18 |
3 | 12 | 6 | 0 | 2 | 14 | 4 | 14 | 4 | 16 | 8 | 8 | 4 | 4 | 2 | 18 | 16 | 10 | 8 |
4 | 8 | 8 | 4 | 0 | 6 | 6 | 4 | 2 | 8 | 8 | 16 | 16 | 4 | 6 | 18 | 10 | 18 | 16 |
5 | 18 | 14 | 10 | 2 | 0 | 4 | 16 | 4 | 18 | 2 | 4 | 12 | 2 | 2 | 16 | 4 | 16 | 16 |
6 | 18 | 2 | 12 | 14 | 2 | 0 | 12 | 6 | 8 | 8 | 4 | 4 | 16 | 4 | 14 | 2 | 14 | 14 |
7 | 2 | 6 | 4 | 10 | 16 | 2 | 0 | 8 | 14 | 14 | 14 | 12 | 6 | 14 | 4 | 4 | 14 | 6 |
8 | 12 | 6 | 14 | 10 | 6 | 8 | 2 | 0 | 2 | 14 | 2 | 6 | 10 | 12 | 2 | 6 | 14 | 6 |
9 | 12 | 6 | 14 | 8 | 10 | 12 | 14 | 6 | 0 | 6 | 8 | 2 | 4 | 16 | 4 | 10 | 16 | 8 |
10 | 8 | 2 | 16 | 2 | 14 | 8 | 8 | 18 | 8 | 0 | 4 | 10 | 4 | 6 | 12 | 10 | 8 | 6 |
11 | 8 | 10 | 4 | 6 | 24 | 6 | 2 | 8 | 10 | 6 | 0 | 10 | 2 | 10 | 10 | 18 | 4 | 4 |
12 | 8 | 10 | 2 | 8 | 6 | 4 | 2 | 16 | 4 | 10 | 4 | 0 | 2 | 12 | 18 | 6 | 6 | 16 |
13 | 16 | 12 | 4 | 2 | 8 | 12 | 4 | 10 | 8 | 14 | 14 | 14 | 0 | 2 | 6 | 12 | 10 | 10 |
14 | 18 | 8 | 2 | 4 | 18 | 10 | 14 | 16 | 14 | 16 | 2 | 14 | 10 | 0 | 16 | 8 | 16 | 18 |
15 | 16 | 8 | 2 | 14 | 2 | 10 | 10 | 14 | 6 | 4 | 12 | 4 | 8 | 12 | 0 | 12 | 10 | 10 |
16 | 16 | 14 | 18 | 12 | 10 | 12 | 16 | 8 | 6 | 8 | 12 | 14 | 18 | 12 | 6 | 0 | 4 | 16 |
17 | 4 | 2 | 2 | 12 | 2 | 2 | 10 | 2 | 12 | 16 | 12 | 2 | 12 | 10 | 6 | 6 | 0 | 8 |
18 | 2 | 14 | 18 | 12 | 4 | 2 | 10 | 18 | 12 | 4 | 18 | 16 | 2 | 14 | 18 | 4 | 2 | 0 |
根据步骤B,建立城市轨道交通枢纽换乘设施服务效率计算模型,以换乘站点5为例,从1号线换乘到4号线的乘客数量Q为2400人次/h,从4号线换乘到1号线的乘客数量Q为2040人次/h,乘客选择扶梯换乘的概率αei为0.9,选择楼梯换乘的概率αsi为0.1,楼梯服务时间的方差σ2(vsi)为0.01,则通过计算可得从1号线换乘4号线的换乘扶梯乘客到达率的期望E(λ)为2160人次/h,换乘楼梯乘客到达率的期望为240人次/h,乘客平均等待时间wqi为7.72min,发生排队的乘客总数Lqi为308人次/h;从4号线换乘1号线的换乘扶梯乘客到达率的期望为1836人次/h,换乘楼梯乘客到达率的期望为204人次/h,平均等待时间为6.49min,发生排队的乘客总数为220人次/h。
根据步骤c,假设资金总额为7,在各换乘站点增设一台扶梯的价格为4,增设一个楼梯的价格为2.5,假设2、3、5、9、10、17号换乘枢纽站点的容量ci分别为200人、250人、200人、250人、150人、150人,惩罚系数γ取1,乘客总体对轨道交通网络熟悉程度的指标θ取19.6,构建双层规划模型,下层模型利用logit模型进行随机用户均衡分配,利用遗传算法对模型进行求解,最终得到优化方案为在9号换乘站点3号线换2号线方向和3号换乘站点1号线换3号线方向各增设一个楼梯。
根据步骤D,进行参数灵敏度分析,改变惩罚系数γ取值、乘客选择楼梯换乘的概率αsi、选择扶梯换乘的概率αei。假设γ取值为1,乘客选择楼梯换乘的概率αsi为0.05,选择扶梯换乘的概率αei为0.95,优化方案为在9号换乘站点增设一台扶梯,在3号线换2号线方向增设一个楼梯;假设γ取值为10,两种换乘概率设置下优化方案均为在10号换乘站点两个换乘方向上各增设一个楼梯。
综上所述,本发明实施例考虑扶梯和楼梯的服务特性不同及乘客对换乘设施的选择偏好,利用排队论模型分别建模城市轨道交通网络不同种类的换乘设施对乘客的服务过程。进而,基于该排队论模型量化乘客在换乘设施处的平均延误时间及排队人数并提供具体的建模步骤及相应的计算公式,适用于在大规模城市轨道交通网络上进行客流换乘延误分析。
本发明实施例方法考虑新增规划线路引入新的客流对于网络乘客换乘需求的影响,在有限资源约束下,从网络层面决策各换乘站点配置关键换乘设施的数量,提升网络关键换乘瓶颈的服务能力以缓解乘客的拥堵及延误,使网络换乘服务能力与未来新增线路开通后的乘客换乘需求相匹配,从而提高网络的运输效率及服务水平。本发明技术方案详细阐述了优化模型的建模步骤,在所提出的模型中,优化目标综合考虑了网络运行效率及关键换乘设施周边拥堵带来的安全隐患,有利于避免拥堵引发危险事故造成的不良后果。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法,其特征在于,包括:
获取包括新增规划线路的城市轨道交通网络相关属性,构建城市轨道交通网络;
建立城市轨道交通枢纽换乘设施的服务效率计算模型,利用所述服务效率计算模型计算乘客在换乘设施的平均延误时间以及排队乘客数量;
假设乘客根据行程时间选择出行路径,以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,基于所述换乘设施配置双层规划模型对城市轨道交通网络换乘设施的配置进行优化。
2.根据权利要求1所述的方法,其特征在于,所述的获取包括新增规划线路的城市轨道交通网络相关属性,构建城市轨道交通网络,包括:
获取待优化城市轨道交通网络、新增规划线路及网络相关属性,所述网络相关属性包括:线路发车间隔、线路各区间列车行驶时间、列车在各站点的停靠时间、枢纽站点换乘设施种类及个数,各换乘站换乘步行时间,所述换乘设施包括扶梯和楼梯;根据城市轨道交通网络刷卡数据获取在工作日与休息日全天不同时段的乘客出行起点到终点OD矩阵数据,以及新增线路各站点的预测客流量;
构建城市轨道交通网络G(N,L),将城市轨道交通网络表示为由节点(N)和连边(L)组成的有向网络G(N,L),节点表示站点,具有站点列车停靠时间属性;连边表示线路区间,具有列车在区间的行驶时间属性,同一换乘枢纽站点在不同线路上由不同的节点表示,两个节点之间增加虚拟连边表示乘客在换乘枢纽站点从一条线路到达另一条线路需要经过换乘,虚拟连边的属性为乘客换乘所需的时间。
3.根据权利要求1或者2所述的方法,其特征在于,所述的建立城市轨道交通枢纽换乘设施的服务效率计算模型,利用所述服务效率计算模型计算乘客在换乘设施的平均延误时间以及排队乘客数量,包括:
建立城市轨道交通枢纽换乘设施的服务效率计算模型,利用排队论建模乘客在换乘设施处的服务情况,对不同种类的换乘设施分别建模,根据乘客到达率服从泊松分布、服务时间为常数、单服务台的排队模型,计算乘客在扶梯处的平均延误时间及排队长度;根据乘客到达率服从泊松分布、服务时间服从任意分布、单服务台的排队模型,计算乘客在楼梯处的平均延误时间及排队长度;假设每个设施的乘客到达率服从相同分布;
对于城市轨道交通网络,一些线路的出站乘客在出站时需要和换乘乘客共用换乘设施,将这部分出站乘客的数量加入换乘乘客总数中,乘客在一个换乘枢纽站点i换乘设施处的平均等待时间wqi表示为:
Qi为站点i的换乘乘客数量;αei为站点i选择扶梯换乘的乘客比例,αei∈[0,1];αsi为站点i选择楼梯换乘的乘客比例,αsi∈[0,1];αei+αsi=1,当换乘站只有扶梯换乘时,αei=1,当换乘站只有楼梯换乘时,αsi=1;μei为站点i一台扶梯每小时能够输送的乘客数量,μsi为站点i一个楼梯每小时能够输送的乘客数量,nei为站点i设置的换乘扶梯的数量,nsi为站点i设置的换乘楼梯的数量,σ2(vsi)为站点i楼梯服务时间的方差;
在一个换乘枢纽站点i换乘设施处发生排队的乘客总数Lqi表示为:
4.根据权利要求3所述的方法,其特征在于,所述的假设乘客根据行程时间选择出行路径,包括:
设乘客倾向于选择感知到的行程时间最短的路径作为出行路径或根据出行偏好选择出行路径,乘客感知的一条轨道交通路径的行程时间T包括乘客在站台的等车时间Tw、乘车时间Tr和换乘时间Tt,则行程时间T表示为:
T=Tw+Tr+Tt+ε
其中,ε表示乘客感知路径行程时间的误差,为随机项;TIk为线路k的发车间隔;δk为二进制变量,当出行路径包含线路k,δk取值为1,反之为0;Tl为线路区间l的列车行驶时间;Tls为列车在线路区间l的区间起点的停靠时间;δl为二进制变量,当出行路径包含区间l,δl取值为1,反之为0;Tfi为乘客在i站换乘的步行时间;Wqi为乘客在站点i换乘设施处的平均等待时间;δi为二进制变量,当乘客在站点i换乘时,δi取值为1,反之取值为0;E为换乘枢纽站点集合。
假设乘客感知路径行程时间的随机项相互独立且服从Gumbel分布,利用logit模型表示乘客选择路径的概率,logit模型表示为:
其中,PR为乘客选择路径R的概率,PR∈[0,1];TR为路径R的行程时间,根据行程时间T的公式计算;θ是度量乘客总体对城市轨道交通网络熟悉程度的指标,Re为有效路径集,有效路径集根据路径行程时间筛选,对于某一起终点对,存在行程时间最短路径Rsh,当一条路径R的行程时间TR<(1+β)Tsh时,将路径R纳入有效路径集,β>0。
5.根据权利要求4所述的方法,其特征在于,所述的以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,基于所述换乘设施配置双层规划模型对城市轨道交通网络换乘设施的配置进行优化,包括:
以最小化乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和为目标,建立换乘设施配置双层规划模型,决策是否在换乘枢纽站点增设扶梯或楼梯,建模如下:
上层模型:
下层模型:
其中,Mu为选择城市轨道交通方式出行的乘客集合,包括城市轨道交通网络当前乘客及规划线路的新增乘客;nu为选择城市轨道交通方式出行的乘客数量;Tu(y)为在优化决策y下乘客u的行程时间;E为换乘枢纽站点集合;Lqi为换乘枢纽站点i换乘设施处发生排队的乘客总数;ci为换乘枢纽站点i的容量;γ为惩罚系数;yi为二进制决策变量,yi取值为1时,表示在站点i增设一台电梯或一个楼梯,反之不增设;Zi为在站点i增设一台电梯或一个楼梯的成本;B为总预算金额;θ为度量乘客总体对城市轨道交通网络熟悉程度的指标;是起点为r,终点为s的OD对的有效路径集合;为OD对r,s选择路径R的客流量;L为网络连边集合,包括线路区间和换乘站点的虚拟连边;fl′为连边l′上的客流量;Tl′为连边l′上的行程时间;TIk为线路k的发车间隔;δk,u为二进制变量,当乘客u的出行路径经过线路k时,δk,u取值为1,反之为0;fl为区间l上的客流量;Tls为列车在区间l的区间起点的停靠时间;qr,s为OD对r,s之间的总客流量;为二进制变量,当OD对r,s之间的客流选择的路径R经过连边l′时,取值为1,反之取值为0。
利用遗传算法对所述换乘设施配置双层规划模型进行求解,获得使目标函数值最小的优化结果作为换乘设施优化配置的决策方案,该决策方案的内容包括在哪个站点增设哪种换乘设施。
6.根据权利要求4所述的方法,其特征在于,所述的利用遗传算法对所述换乘设施配置双层规划模型进行求解,包括:
设置遗传算法迭代次数I、迭代终止阈值e,在第i次迭代过程中,由遗传算法给出一个解,根据该解所表示的决策含义,在城市轨道交通网络相应站点增设换乘设施,基于logit随机用户平衡进行客流分配,计算目标函数值Si,即乘客实际平均出行成本及与关键换乘设施周边乘客拥挤度相关惩罚值的加权和,将当前迭代所得Si与上次迭代的Si-1进行对比,当两次迭代的结果之差小于迭代终止阈值,判定遗传算法收敛,输出当前解作为最优决策;或当迭代次数达到初始设置次数,迭代结束,输出当前解作为最优决策;否则,遗传算法根据当前迭代结果优化调整解,进行下次迭代,直至达到迭代终止条件。
7.根据权利要求4所述的方法,其特征在于,所述的方法还包括:对优化后的换乘设施配置双层规划模型进行参数灵敏度分析,改变模型中设置的参数,分析不同参数对于客流分布、网络运行状态的影响,量化分析模型中关键参数的选取对优化结果的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211500719.2A CN115809729B (zh) | 2022-11-28 | 2022-11-28 | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211500719.2A CN115809729B (zh) | 2022-11-28 | 2022-11-28 | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115809729A true CN115809729A (zh) | 2023-03-17 |
CN115809729B CN115809729B (zh) | 2023-08-22 |
Family
ID=85484694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211500719.2A Active CN115809729B (zh) | 2022-11-28 | 2022-11-28 | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115809729B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011888A (zh) * | 2023-03-20 | 2023-04-25 | 北京华录高诚科技有限公司 | 一种缓解枢纽人流压力的方法及系统 |
CN117195484A (zh) * | 2023-08-08 | 2023-12-08 | 广东贝能达交通设备有限公司 | 一种轨道交通管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
CN106779190A (zh) * | 2016-12-02 | 2017-05-31 | 东南大学 | 一种城市轨道交通乘客出行路径建议方法及系统 |
CN111552913A (zh) * | 2020-04-24 | 2020-08-18 | 东南大学 | 一种新线接入条件下城市轨道交通运能匹配性评价方法 |
CN111815166A (zh) * | 2020-07-09 | 2020-10-23 | 北京交通大学 | 基于客流分配的城市公共交通系统的协同优化方法和装置 |
CN112149889A (zh) * | 2020-09-15 | 2020-12-29 | 北京交通大学 | 考虑客流分配的轨道交通开行线路及频率协同优化方法 |
CN112819316A (zh) * | 2021-01-29 | 2021-05-18 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
-
2022
- 2022-11-28 CN CN202211500719.2A patent/CN115809729B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
CN106779190A (zh) * | 2016-12-02 | 2017-05-31 | 东南大学 | 一种城市轨道交通乘客出行路径建议方法及系统 |
CN111552913A (zh) * | 2020-04-24 | 2020-08-18 | 东南大学 | 一种新线接入条件下城市轨道交通运能匹配性评价方法 |
CN111815166A (zh) * | 2020-07-09 | 2020-10-23 | 北京交通大学 | 基于客流分配的城市公共交通系统的协同优化方法和装置 |
CN112149889A (zh) * | 2020-09-15 | 2020-12-29 | 北京交通大学 | 考虑客流分配的轨道交通开行线路及频率协同优化方法 |
CN112819316A (zh) * | 2021-01-29 | 2021-05-18 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011888A (zh) * | 2023-03-20 | 2023-04-25 | 北京华录高诚科技有限公司 | 一种缓解枢纽人流压力的方法及系统 |
CN116011888B (zh) * | 2023-03-20 | 2023-05-26 | 北京华录高诚科技有限公司 | 一种缓解枢纽人流压力的方法及系统 |
CN117195484A (zh) * | 2023-08-08 | 2023-12-08 | 广东贝能达交通设备有限公司 | 一种轨道交通管理方法及系统 |
CN117195484B (zh) * | 2023-08-08 | 2024-05-03 | 广东贝能达交通设备有限公司 | 一种轨道交通管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115809729B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115809729B (zh) | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 | |
CN109409560B (zh) | 基于多智能体仿真的城市轨道交通客流诱导方法 | |
CN111582691B (zh) | 基于双层规划的客运枢纽多交通方式的运力匹配方法 | |
Yalçınkaya et al. | Modelling and optimization of average travel time for a metro line by simulation and response surface methodology | |
Zhu et al. | A bi-level model for single-line rail timetable design with consideration of demand and capacity | |
CN110390421B (zh) | 基于时空网络的拥堵地铁线路客流协调控制方法 | |
CN108364127B (zh) | 一种路网客流协同控制优化系统 | |
CN111401614B (zh) | 一种城市轨道交通动态客流分配方法及系统 | |
CN109377048B (zh) | 一种综合交通网络枢纽节点选择方法 | |
CN112070355A (zh) | 一种机场摆渡车的分配调度方法 | |
Wang et al. | Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows | |
CN115527369B (zh) | 一种空港枢纽大面积延误条件下的大客流预警与疏散方法 | |
CN108364093B (zh) | 基于能力瓶颈疏解策略的路网客流协同控制优化方法 | |
CN111445048A (zh) | 一种响应型接驳公交分时段协调优化方法 | |
Zhu et al. | Parallel and collaborative passenger flow control of urban rail transit under comprehensive emergency situation | |
CN111882915A (zh) | 采用复合算法及交互模型的应需定制公交线路规划方法 | |
CN108830401B (zh) | 基于元胞传输模型的动态拥堵收费最优费率计算方法 | |
Papola et al. | Schedule-based transit assignment: new dynamic equilibrium model with vehicle capacity constraints | |
CN112598328A (zh) | 卫星厅模式下中转登机口多目标分配的优化方法及系统 | |
Zhen et al. | Train rescheduling model with train delay and passenger impatience time in urban subway network | |
CN116307441B (zh) | 考虑突发场景的城市轨道交通枢纽换乘设施优化配置方法 | |
CN116739213A (zh) | 基于代理模型辅助算法的地铁接驳公交优化方法 | |
CN108515988B (zh) | 一种提高乘客时效的列车运行图优化方法 | |
CN113379157B (zh) | 一种以排队公平为导向的城市安全屏障优化设计方法 | |
Starmans et al. | Passenger transfer chain analysis for reallocation of heritage space at Amsterdam Central station |
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 |