CN115860246A - 一种城市轨道交通客流管控方法及装置 - Google Patents

Abstract

本公开的实施例提供了一种城市轨道交通客流管控方法、装置及设备，涉及城市轨道交通领域。所述方法包括收集实时客流数据，并对所述客流数据进行客流监测和客流分析；根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行预警；根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。以此方式，可以在应急情况下及时进行运力调配或客流管控，并为客流引导提供信息支持，不仅为运营组织的优化提供科学支撑，也形成了一套完善的基于网络化客流管控的管控平台。

Description

一种城市轨道交通客流管控方法及装置

技术领域

本公开涉及城市轨道交通领域，尤其涉及城市轨道交通的客流调度技术领域。

背景技术

在当前城市轨道交通领域，对于线网组织客流协同控制的不足主要表现在：1)现有客流控制措施一般是基于单车站历史客流数据确定的，未能充分考虑网络协同客流管控影响，也未能充分考虑客流控制条件下客流分布的动态性和复杂性。2)现有针对运力调配和客流控制的措施通常是依据经验人工分散处置，难以实现系统优化。3)面对客流控制和运力调配措施，各车站的工作人员通常自主处置，和调度人员缺乏交流，同时交流机制不完善。因此，急需一种完善的基于网络化客流管控的管控方法。

发明内容

本公开提供了一种城市轨道交通客流管控的方法及装置。

根据本公开的第一方面，提供了一种城市轨道交通客流管控的方法。

该方法包括：

收集实时客流数据，并对所述客流数据进行客流监测和客流分析；

根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行预警；

根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。

在第一方面的一些实现方式中，所述对所述客流数据进行客流监测包括：

根据客流时间序列建模方法进行客流特征分析，其中，所述客流特征分析包括客流分布形态、线网的换乘量及网络的客运量。

在第一方面的一些实现方式中，所述对所述客流数据进行客流分析包括：

根据度量相似性分析乘客出行规律的相似性和乘客出行特征，其中，所述出行规律包括车站进站客流相似性和车站OD客流相似性，所述乘客出行特征包括乘客进站时间分布、旅行时间及出行距离。

在第一方面的一些实现方式中，所述运力调整策略包括常规交路策略，所述常规交路策略包括：

对发车频率进行二进制编码，生成初始种群；

进行种群进化，所述种群进化包括：

将第n代种群中的个体解码成十进制数，计算目标函数值，取目标函数值的倒数作为适应度函数，其中，n的初始值为1；

根据所述适应度函数，采用锦标赛选择法进行个体选择；

采用单点交叉进行个体交叉；

采用基本位变异进行个体变异，得到n+1代种群；

n＝n+1；

重复进行种群进化，直到进化次数达到预设值时，输出最终发车频率。

在第一方面的一些实现方式中，所述运力调整策略包括加车策略，所述加车策略包括：

根据断面客流量、客流OD以及可用车辆数计算断面满载率；

判断最大断面满载率是否大于等于第一阈值，若是，则触发加车策略；

令加车数量为f₁，计算最大断面满载率是否小于等于第二阈值，若否，则f₁＝f₁+1，直到最大断面满载率小于等于第二阈值；

计算加车数量f1的运用车辆数，若运用车辆数小于可用车辆数，则筛选断面满载率大于等于第三阈值的断面，确定加车区间的起点和终点；

输出加车数量f1、起点和终点。

在第一方面的一些实现方式中，所述运力调整策略包括大小交路策略，所述大小交路策略包括：

将小交路可选折返站组合形成列表；

对所述列表中各组小交路可选折返站组合利用遗传算法，得到小交路可选折返站组合的最优解列表；

根据目标函数在所述最优解列表中选取对应的最优解；

输出所述最优解以及所述最优解对应的小交路可选折返站组合。

在第一方面的一些实现方式中，所述运力调整策略包括衔接交路策略，所述衔接交路策略包括：

将可选衔接站形成列表；

对所述列表中各可选衔接站利用遗传算法，得到可选衔接站的最优解列表；

根据目标函数，在所述最优解列表中选取对应的最优解；

输出所述最优解以及所述最优解对应的衔接站。

在第一方面的一些实现方式中，所述协同限流包括：

根据限流站点数量以及每个站点在预设范围内随机生成的限流强度生成初始种群；

进行种群进化，所述种群进化包括：

根据初始种群计算适应度函数；

根据所述适应度函数，采用锦标赛选择法进行个体选择；

采用单点交叉进行个体交叉；

采用基本位变异进行个体变异，得到新一代种群；

重复进行种群进化，当进化代数达到预设值时，输出限流车站、限流强度及限流时段。

在第一方面的一些实现方式中，所述根据客流预警进行运力调整或协同限流，包括：

根据乘客候车时间、列车走行公里、平均满载率、最大满载率以及运用车辆数对各运力调整策略进行评价，确定最优运力调整策略；

根据所述最优运力调整策略进行客流缓解；

当所述最优运力调整策略仍无法缓解车站客流时，对所述车站进行协同限流。

根据本公开的第二方面，提供了一种城市轨道交通客流管控装置。该装置包括：

监测分析单元，用于收集实时客流数据，并对所述客流数据进行客流监测和客流分析；

预警单元，用于根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行客流预警；

调整单元，用于根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。

根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。

本公开中通过对轨道交通的实时客流数据进行监测、分析进而对客流进行预测，为下一步的决策提供建议，为系统级管控提供支撑，包括人力，运力，客流，设备等方面，从而达到保障路网-客流耦合优化的目的。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1是本公开实施例提供的一种客流调度原理示意图；

图2是本公开实施例提供的一种城市轨道交通客流管控方法的流程图；

图3是本公开实施例提供的一种客流管控决策示意图；

图4是本公开实施例提供的一种常规交路的运力调整策略流程图；

图5是本公开实施例提供的一种大小交路的运力调整策略流程图；

图6是本公开实施例提供的一种衔接交路的运力调整策略流程图；

图7是本公开实施例提供的一种加车策略的运力调整策略流程图；

图8是本公开实施例提供的一种协同限流策略的流程图；

图9是本公开实施例提供的一种城市轨道交通客流管控装置的框图；

图10是本公开实施例提供的一种示例性电子设备的方框图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本公开中，为了提供一套完善的基于网络化客流管控的管控平台，提出了一种城市轨道交通客流管控的方法，该方法包括：收集实时客流数据，

并对所述客流数据进行客流监测和客流分析；根据所述客流监测和客流分5析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行预警；根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。以此方式，通过对轨道交通的实时客流数据进行监测、分析进而对客流进行预测，为下一步的决策提供建议，为系统级管控提供0支撑，包括人力，运力，客流，设备等方面，从而达到保障路网-客流耦合优化的目的。

图1示出了能够在其中实现本公开的实施例的客流调度原理示意图，如图1所示，客流调度系统包括客流信息监视模块、行车信息监视模块、线网综合分析模块、调控建议方案模块以及运力运量评估模块，其中，客5流信息监视模块与客流推演系统接口相配合得到客流推演信息，行车信息监视模块和运输策划管理系统相配合得到行车调整信息，线网综合分析模块相配合对客流推演信息和行车调整信息进行综合分析，得到调控建议方案；

调控建议方案模块将调控信息共享到客服系统，将调控方案共享到应0急调度系统，将协同限流要求(地点、时间、程度)同步到车站管理系统，

将运力调配要求(区段、时间、数量)同步到MATS系统，同时车站管理系统将实际的限流情况反馈到客流信息监视模块，MATS系统将计划实际运行图对比、列车运行基础信息以及实际调控措施反馈到行车信息监视模块，以此方式，解决了调度人员在正常和异常场景下路网客流和车流有效耦合及管控的问题，即能够实时监控全路网的客流动态信息，并在应急情况下及时进行运力调配、客流管控，并为客流引导提供信息支持。

图2示出了根据本公开实施例的一种城市轨道交通客流管控方法200的流程图，如图2所示，方法200包括：

S210，收集实时客流数据，并对所述客流数据进行客流监测和客流分析。

在一些实施例中，实时客流数据可以基于车站自动售检票系统获取，也可以基于视觉或红外的断面客流监测方法或者WIFI探针进行获取。

在一些实施例中，可以使用客流时间序列建模方法，对实时客流数据进行客流监测，得到客流分布形态、线网的换乘量以及网络的客运量。

根据本公开的实施例，充分考虑了客流控制条件下客流分布的动态性和复杂性，通过对实时客流数据进行监测实现了对全路网的客流动态信息的实时监控，得到路网客流的特征及规律，为下一步进行出行规律的相似性分析和乘客出行特征分析提供了基础。

进一步地，可以使用度量相似性来完成出行规律的相似性分析和乘客出行特征分析，其中，出行规律包括车站进站客流相似性、车站OD客流相似性；乘客出行特征包括进站时间分布、旅行时间和出行距离。

根据本公开的实施例，在客流监测的基础之上又使用度量相似性实现了地铁出行规律的相似度度量和乘客出行特征分析，实现了对路网客流的动态监视，从而可以对路网客流进行预测，为后续运营组织的优化提供科学支撑。

S220，根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行预警。

在一些实施例中，临界阈值可以根据各车站或列车的实际情况而定。

S230，根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。

在一些实施例中，当前行车状态包括列车位置、时间、间隔以及满载率，资源状态包括备车数、司机情况以及系统容纳能力等。

在一些实施例中，出现客流预警后，采用运营组织常用的运营策略来进行客流的疏解，如图3所示，常见的运营策略包括交路策略、加车策略等方式，其中，交路策略又包括常规交路策略、大小交路策略和衔接交路策略等方式。

根据本公开的实施例，通过各运力调整策略对出现客流预警的车站进行客流疏解和管控，为人力，运力，客流，设备等各方面管控提供支撑，从而达到保障路网-客流耦合优化的目的。

在一些实施例中，可以根据乘客候车时间、列车走行公里、平均满载率、最大满载率以及运用车辆数对常规交路、大小交路和衔接交路以及加车策略等运力调整策略进行评价，确定出最优的运力调整策略进行客流的疏解。

根据本公开的实施例，通过乘客候车时间、列车走行公里、平均满载率、最大满载率以及运用车辆数多个方面综合地对各运力调整策略进行评价，得出最优运力调整策略，可以实现最大程度以及最高效率的疏解车站客流。

在一些实施例中，当最优的运力调整策略仍然无法缓解车站客流时，对上述无法缓解客流的车站，根据客流分布、资源承载强度、当前运力状况及车站的客流承载强度对车站进行协同限流。

根据本公开的实施例，在最优运力调整策略仍无法缓解车站客流时，则针对车站给出在时间上的具体管控建议，以实现在应急情况下对车站客流的动态管控，形成了一套完善的基于网络化客流管控的管控平台。

根据本公开的实施例，实现了以下技术效果：

充分考虑了客流控制条件下客流分布的动态性和复杂性，实现了客流监视和动态管控，并实时监控全路网的客流动态信息，在客流监测分析的基础之上对当前的运营组织情况给出科学的评估，在应急情况下及时进行运力调配或客流管控，并为客流引导提供信息支持，不仅为运营组织的优化提供科学支撑，也形成了一套完善的基于网络化客流管控的管控平台。

根据本公开的另一实施例，结合图4-图8对本公开实施例中的运力调整策略和协同限流策略做进一步详细的说明。

常规交路的基本流程如图4所示，包括：

Step 1:采用二进制编码法对发车频率进行编码，发车频率不超过30，因此染色体为5位。初始种群数量为100。

Step 2:将种群中的个体解码成十进制数，计算目标函数值，取目标函数值的倒数作为适应度函数，根据目标函数计算适应度函数。若发车频率f₀不超过30，且运用车辆数不超过可用车辆数，目标函数为计算值；否则，目标函数值为较大值，在此取10000。

Step 3:采用锦标赛选择法(根据适应度函数)进行个体选择。在种群中随机选取5个个体，其中适应度函数最大的进入下一代，执行100次，保持种群数量与初始种群数量一致。

Step 4:采用单点交叉进行个体交叉。令种群中相邻个体两两配对，随机确定一个交叉点位置，并产生一个随机数τ∈[0,1]，如果τ≤Pc，则进行交叉，产生新的个体。

Step 5:采用基本位变异进行个体变异。随机选取一个基因位，并产生一个随机数τ∈[0,1]，如果τ≤Pm，则该基因位改变，否则该基因位不变。

Step 6:若进化代数小于设定值，跳转Step2；否则输出最终结果f₀。

根据本公开的实施例，常规交路策略方案行车组织简单且乘客无需换乘，不需要设置中间折返站，提高了运力调整效率。

大小交路策略的基本流程如图5所示，包括：

Step1:将小交路可选折返站组合形成列表，如[[1,13],[5,13],[5,20],[1,20]]。

Step2:对每一组可选折返站组合利用遗传算法求其最优解。即对每一组可选折返站组合执行Step4至Step9，保存其最优解形成解的列表。

Step3:根据目标函数，在解的列表中选取最优解，最优解对应的f₄和m，以及该解对应的小交路可选折返站组合作为输出结果。

Step4:采用二进制编码法对小交路列车发车频率f₄、大交路列车与小交路列车发车频率比值m进行编码。大交路列车与小交路列车发车频率比值不超过3，因此其编码为2位；大、小交路列车发车频率之和不超过30，因此小交路列车发车频率最大值为15，其编码为4位。染色体总编码长度为6位，前4位为小交路列车发车频率，后2位为比值。初始种群数量为100。

Step5:将种群中的个体解码成十进制数，计算目标函数值，取目标函数值的倒数作为适应度函数，根据目标函数计算适应度函数。若大交路列车发车频率f₃不小于10，且f₃与f₄之和不大于30，且运用车辆数不超过可用车辆数，目标函数为计算值；否则，目标函数值为较大值，在此取10000。

Step6:采用锦标赛选择法进行个体选择。在种群中随机选取5个个体，其中适应度函数最大的进入下一代，执行100次，保持种群数量与初始种群数量一致。

Step7:采用单点交叉进行个体交叉。令种群中相邻个体两两配对，随机确定一个交叉点位置，并产生一个随机数τ∈[0,1]，如果τ≤Pc，则进行交叉，产生新的个体。

Step8:采用基本位变异进行个体变异。随机选取一个基因位，并产生一个随机数τ∈[0,1]，如果τ≤Pm，则该基因位改变，否则该基因位不变。

Step9:若进化代数小于设定值，跳转Step5；否则输出最终结果。

根据本公开的实施例，大小交路策略虽然运营组织较为复杂，但是可以加强线路客流大的区间行车间隔，增大该区间客运时流，可以满足客运需求。

衔接交路的基本流程如图6所示，包括：

Step1:将可选衔接站形成列表，如[5，13]。

Step2:对每一个可选衔接站利用遗传算法求其最优解。即对每一个可选衔接站执行Step4至Step9，保存其最优解形成解的列表。

Step3:根据目标函数，在解的列表中选取最优解，最优解对应的f1和f2，以及该解对应的衔接站作为输出结果。

Step4:采用二进制编码法对交路1发车频率f₅、交路2发车频率f₆进行编码。交路1和交路2发车频率均不超过30，交路1和交路2发车频率的编码均为4位。染色体总编码长度为10位，前5位为交路1列车发车频率，后5位为交路2列车发车频率。初始种群数量为100。

Step5:将种群中的个体解码成十进制数，计算目标函数值，取目标函数值的倒数作为适应度函数，根据目标函数计算适应度函数。若f₅与f₆均不小于10，且f₅与f₆均不大于30，且运用车辆数不超过可用车辆数，目标函数为计算值；否则，目标函数值为较大值，在此取10000。

Step6:采用锦标赛选择法进行个体选择。在种群中随机选取5个个体，其中适应度函数最大的进入下一代，执行100次，保持种群数量与初始种群数量一致。

Step7:采用单点交叉进行个体交叉。令种群中相邻个体两两配对，随机确定一个交叉点位置，并产生一个随机数τ∈[0,1]，如果τ≤Pc，则进行交叉，产生新的个体。

Step8:采用基本位变异进行个体变异。随机选取一个基因位，并产生一个随机数τ∈[0,1]，如果τ≤Pm，则该基因位改变，否则该基因位不变。

Step9:若进化代数小于设定值，跳转Step5；否则输出最终结果。

根据本公开的实施例，衔接交路策略可以提高断面客流较小区段的列车满载率。

加车策略的基本流程如图7所示，包括：

Step1：判断最大断面满载率是否大于等于110％，若是，则触发加车策略，进入Step2；若否，则输出“不采用加车策略”。

Step2：令f₁＝1，计算最大断面满载率是否小于等于100％，若是，5则进入Step3；若否，令f₁＝f₁+1，继续Step2。

Step3：计算加车f₁的运用车辆数，若小于等于可用列车数量，则进入Step4；若大于可用列车数量，则输出“不采用加车策略”。

Step4：筛选断面满载率大于等于70％的断面，存入一个列表中，将

列表中的第一个断面和最后一个断面对应的站点作为加车区段的起点a和0终点b，输出加车数量f₁和加车区段的起点a和终点b作为求解结果。

根据本公开的实施例，加车策略能够有效缓解大客流，增加行车调整过程中的运输能力。

在一些实施例中，通过乘客候车时间、列车走行公里、平均满载率、最大满载率以及运用车辆数多个方面综合地对常规交路、大小交路和衔接5交路以及加车策略等运力调整策略进行评价，确定出最优的运力调整策略，

以实现最大程度以及最高效率的疏解车站客流。

当最优的运力调整策略仍然无法缓解车站客流时，对上述无法缓解客流的车站，根据客流分布、资源承载强度、当前运力状况及车站的客流承

载强度对车站进行协同限流，即针对车站给出在时间上的具体管控建议，0以实现在应急情况下对车站客流的动态管控，形成了一套完善的基于网络

化客流管控的管控平台。

协同限流策略的基本流程如图8所示，包括：

Step1:编码。染色体总长度为所有站点数量，每个基因为每个站点的客流控制强度。由于受到限流站点数量不超过总站点数量40％的约束，染色体的编码有限制。假设限流站点数量为Nc，总站点数量为N，首先要在N个车站中选择Nc个车站进行限流，每个站点的限流强度在0.5-0.9范围内随机生成。初始种群数量为200。

Step2:计算适应度函数值。采取限流措施后的总进站人数为目标函数值，若采取限流措施后的最大断面满载率不超过100％，则适应度函数值等于目标函数值；否则，适应度函数值为0。

Step3:采用锦标赛选择法进行个体选择。在种群中随机选取5个个体，其中适应度函数最大的进入下一代，执行200次，保持种群数量与初始种群数量一致。

Step4:采用单点交叉进行个体交叉。令种群中相邻个体两两配对，随机确定一个交叉点位置，并产生一个随机数τ∈[0,1]，如果τ≤Pc，则进行交叉，产生新的个体。

Step5:采用基本位变异进行个体变异。随机选取一个基因位，并产生一个随机数τ∈[0,1]，如果τ≤Pm，则该基因位改变，即生成一个0.5-0.9范围内的随机数，否则该基因位不变。

Step6:不可行解修复。计算采取限流措施的车站数量Nr，若Nr>Nc，则在Nr个车站中选择Nr-Nc个车站，令其限流强度为1，即将Nr-Nc个车站变成不限流车站；否则，不执行该操作。

Step7:若进化代数小于设定值，跳转Step2；否则输出最终结果。

根据本公开的实施例，实现了以下技术效果：

通过对常规交路、大小交路和衔接交路以及加车策略等运力调整策略进行评价，确定出最优的运力调整策略进行客流的疏解，当最优的运力调整策略仍然无法缓解车站客流时，对上述无法缓解客流的车站进行协同限

流，实现了对客流的动态管控，不仅为运营组织的优化提供科学支撑，也5形成了一套完善的基于网络化客流管控的管控平台。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同

时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属0于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图9示出了根据本公开的实施例的城市轨道交通客流管控装置900的

方框图，如图9所示，装置900包括：

5监测分析单元910，用于收集实时客流数据，并对所述客流数据进行客

流监测和客流分析；

预警单元920，用于根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行客流预警；

调整单元930，用于根据客流预警进行运力调整或协同限流，其中，所0述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实

时客流数据生成运力调整策略。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10示出了可以用来实施本公开的实施例的电子设备110的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

设备110包括计算单元111，其可以根据存储在只读存储器(ROM)112中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)113中的计算机程序，来执行各种适当的动作和处理。在RAM 113中，还可存储设备800操作所需的各种程序和数据。计算单元111、ROM 112以及RAM 113通过总线114彼此相连。输入/输出(I/O)接口115也连接至总线114。

设备110中的多个部件连接至I/O接口115，包括：输入单元116，例如键盘、鼠标等；输出单元117，例如各种类型的显示器、扬声器等；存储单元118，例如磁盘、光盘等；以及通信单元119，例如网卡、调制解调器、无线通信收发机等。通信单元119允许设备110通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元111可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元111的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元111执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元118。在一些实施例中，计算机程序的部分或者全部可以经由ROM 112和/或通信单元119而被载入和/或安装到设备110上。当计算机程序加载到RAM113并由计算单元111执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元111可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种城市轨道交通客流管控方法，其特征在于，包括：

收集实时客流数据，并对所述客流数据进行客流监测和客流分析；

根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行预警；

根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。

2.根据权利要求1所述的方法，其特征在于，所述对所述客流数据进行客流监测包括：

根据客流时间序列建模方法进行客流特征分析，其中，所述客流特征分析包括客流分布形态、线网的换乘量及网络的客运量。

3.根据权利要求2所述的方法，其特征在于，所述对所述客流数据进行客流分析包括：

根据度量相似性分析乘客出行规律的相似性和乘客出行特征，其中，所述出行规律包括车站进站客流相似性和车站OD客流相似性，所述乘客出行特征包括乘客进站时间分布、旅行时间及出行距离。

4.根据权利要求1所述的方法，其特征在于，所述运力调整策略包括常规交路策略，所述常规交路策略包括：

对发车频率进行二进制编码，生成初始种群；

进行种群进化，所述种群进化包括：

将第n代种群中的个体解码成十进制数，计算目标函数值，取目标函数值的倒数作为适应度函数，其中，n的初始值为1；

根据所述适应度函数，采用锦标赛选择法进行个体选择；

采用单点交叉进行个体交叉；

采用基本位变异进行个体变异，得到n+1代种群；

n＝n+1；

重复进行种群进化，直到进化次数达到预设值时，输出最终发车频率。

5.根据权利要求1所述的方法，其特征在于，所述运力调整策略包括加车策略，所述加车策略包括：

根据断面客流量、客流OD以及可用车辆数计算断面满载率；

判断最大断面满载率是否大于等于第一阈值，若是，则触发加车策略；

令加车数量为f₁，计算最大断面满载率是否小于等于第二阈值，若否，则f₁＝f₁+1，直到最大断面满载率小于等于第二阈值；

计算加车数量f1的运用车辆数，若运用车辆数小于可用车辆数，则筛选断面满载率大于等于第三阈值的断面，确定加车区间的起点和终点；

输出加车数量f1、起点和终点。

6.根据权利要求1所述的方法，其特征在于，所述运力调整策略包括大小交路策略，所述大小交路策略包括：

将小交路可选折返站组合形成列表；

对所述列表中各组小交路可选折返站组合利用遗传算法，得到小交路可选折返站组合的最优解列表；

根据目标函数在所述最优解列表中选取对应的最优解；

输出所述最优解以及所述最优解对应的小交路可选折返站组合。

7.根据权利要求1所述的方法，其特征在于，所述运力调整策略包括衔接交路策略，所述衔接交路策略包括：

将可选衔接站形成列表；

对所述列表中各可选衔接站利用遗传算法，得到可选衔接站的最优解列表；

根据目标函数，在所述最优解列表中选取对应的最优解；

输出所述最优解以及所述最优解对应的衔接站。

8.根据权利要求1所述的方法，其特征在于，所述协同限流包括：

根据限流站点数量以及每个站点在预设范围内随机生成的限流强度生成初始种群；

进行种群进化，所述种群进化包括：

根据初始种群计算适应度函数；

根据所述适应度函数，采用锦标赛选择法进行个体选择；

采用单点交叉进行个体交叉；

采用基本位变异进行个体变异，得到新一代种群；

重复进行种群进化，当进化代数达到预设值时，输出限流车站、限流强度及限流时段。

9.根据权利要求1所述的方法，其特征在于，所述根据客流预警进行运力调整或协同限流，包括：

根据乘客候车时间、列车走行公里、平均满载率、最大满载率以及运用车辆数对各运力调整策略进行评价，确定最优运力调整策略；

根据所述最优运力调整策略进行客流缓解；

当所述最优运力调整策略仍无法缓解车站客流时，对所述车站进行协同限流。

10.一种城市轨道交通客流管控装置，其特征在于，包括：

监测分析单元，用于收集实时客流数据，并对所述客流数据进行客流监测和客流分析；

预警单元，用于根据所述客流监测和客流分析的结果，以及当前的行车方案和线路运力状况，对超出临界阈值的客流进行客流预警；

调整单元，用于根据客流预警进行运力调整或协同限流，其中，所述运力调整包括：根据当前行车状态、当前运行计划、资源状态及所述实时客流数据生成运力调整策略。

Images