CN116050669B - 一种城市轨道交通突发事件智能调度方法和系统 - Google Patents

一种城市轨道交通突发事件智能调度方法和系统 Download PDF

Info

Publication number
CN116050669B
CN116050669B CN202310311427.2A CN202310311427A CN116050669B CN 116050669 B CN116050669 B CN 116050669B CN 202310311427 A CN202310311427 A CN 202310311427A CN 116050669 B CN116050669 B CN 116050669B
Authority
CN
China
Prior art keywords
event
train
emergency
events
rail transit
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
CN202310311427.2A
Other languages
English (en)
Other versions
CN116050669A (zh
Inventor
范礼乾
邓志翔
阴佳腾
陈星�
石先明
杨安玉
梁九彪
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.)
Nanchang Rail Transit Group Co ltd
Beijing Jiaotong University
China Railway Siyuan Survey and Design Group Co Ltd
Original Assignee
Nanchang Rail Transit Group Co ltd
Beijing Jiaotong University
China Railway Siyuan Survey and Design Group 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 Nanchang Rail Transit Group Co ltd, Beijing Jiaotong University, China Railway Siyuan Survey and Design Group Co Ltd filed Critical Nanchang Rail Transit Group Co ltd
Priority to CN202310311427.2A priority Critical patent/CN116050669B/zh
Publication of CN116050669A publication Critical patent/CN116050669A/zh
Application granted granted Critical
Publication of CN116050669B publication Critical patent/CN116050669B/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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种城市轨道交通突发事件智能调度方法及系统，该方法包括：S1）根据城市轨道交通突发事件历史数据构建计算图；S2）将计算图进行实例化得到实例化计算图；S3）基于实例化计算图构建列车智能调度优化模型；S4）求解列车智能调度优化模型得到列车调度指挥决策方案；S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。在出现突发事件的情况下，相较于传统的调度员人工管控方法，本发明可更精确、科学地调度列车运行，确保突发事件的处置效率；突发事件下的列车智能调度方案可由模型计算得出，大幅度减小调度员的工作量，提高了行车调度指挥系统的智能化程度。

Description

一种城市轨道交通突发事件智能调度方法和系统
技术领域
本发明属于城市轨道交通管理与控制技术领域，具体涉及一种城市轨道交通突发事件智能调度方法和系统。
背景技术
目前，为了应对高密度的客运需求，目前城市轨道交通已经形成了以行车调度指挥系统为核心的轨道交通运营管理系统，其中包含调度人员和列车自动监控系统（ATS）。行车调度指挥任务的实施需要依赖信号系统、供电系统、维护保障系统以及线路基础资源的支持。作为城市轨道交通的“大脑”，行车调度指挥的主要任务包含以下两个方面。第一，行车调度指挥系统日常主要负责监督列车和组织线上行车。行车调度员利用ATS系统监督线上车辆运行，过程中需要结合线路实际状况、运行计划和乘客信息等条件。第二，线路发生突发事件后，行车调度指挥系统需要调整线路中列车的运行计划，降低突发事件对乘客出行的影响。
目前，突发事件后列车运行调整往往基于历史经验，缺乏科学的指导方法。经验丰富的调度员也无法在短时间内针对复杂的线路信息生成最优调整方案。围绕线路运行调整，建立健全城轨行车调度突发事件处置机制，科学的评估行车调度指挥决策过程，系统的制定突发事件下列车运行调整策略，已成为提升行车调度指挥能力的关键。目前，市场上尚无与本发明相关或相近的成熟产品或知识产权。
发明内容
本发明的目的在于克服现有技术之缺陷，本发明公开了一种城市轨道交通突发事件智能调度方法及系统，本发明利用轨道交通突发事件的历史数据，设计了一种基于人工智能计算图的轨道交通列车智能调度模型与方法，在出现突发事件情况下，可根据突发事件和列车运行实时信息，由AI计算图自动得到列车运行计划调整方案，进而为调度员管控列车提供决策支持。本发明通过深度学习、人工智能等方法，在突发事件发生时，智能地生成列车运行计划调整方案，进而为调度员提供列车运行调整决策支持，保证列车运行和乘客安全，降低突发事件对于轨道交通的负面影响。
为了到达预期效果，本发明采用了以下技术方案：
本发明公开了一种城市轨道交通突发事件智能调度方法，包括：
S1）根据城市轨道交通突发事件历史数据构建计算图；
S2）将计算图进行实例化得到实例化计算图；
S3）基于实例化计算图构建列车智能调度优化模型；
S4）求解列车智能调度优化模型得到列车调度指挥决策方案；
S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
进一步地，所述S1）具体包括：根据城市轨道交通突发事件历史数据，定义系统变量，建立轨道交通突发事件历史数据库，所述轨道交通突发事件历史数据库为图数据库（即为计算图）。
进一步地，所述计算图包括节点的集合和弧的集合，所述节点的集合表示列车在两个车站间的运行事件的集合，所述弧的集合表示运行事件之间的连接关系的集合。
进一步地，所述节点的集合具体包括：对应车站编号、计划运行图规定的从第一站出发时间和到达时间、从第一站到下一站的到达时间、调整后的时间、流入弧与流出弧的编号。
进一步地，所述弧的集合具体包括：基本连接关系、折返连接关系和进出车辆段连接关系，其中，所述基本连接关系用于表示原始时刻表的计划停站事件，所述折返连接关系用于解决受突发事件影响无法执行和到达终点站后的事件衔接问题，所述进出车辆段连接关系用于约束线路中列车数量。
进一步地，所述S2）具体包括：
根据线网拓扑数据，对计算图进行实例化；
根据突发事件信息，对节点的集合进行实例化；
根据列车区间运行时间和运行间隔信息，对弧的集合进行实例化。
进一步地，所述S3）具体包括：
S3.1）根据实例化计算图中列车在两个车站间的运行事件定义模型变量；
S3.2）根据实例化计算图中列车运行计划的可执行性定义模型约束条件；
S3.3）根据实例化计算图中交通线路运营目的来定义模型目标函数。
进一步地，所述S4）具体包括：基于分支切割法对列车智能调度优化模型进行优化并求解得到列车调度指挥决策方案。
进一步地，所述优化具体包括：
S4.1）根据计算图构建分支定界树；
S4.2）从树的根节点开始递归求解节点的线性松弛以及对应的可行解；
S4.3）重复上述步骤，当线性松弛等于对应的可行解时，优化结束。
本发明还公开了一种城市轨道交通突发事件智能调度系统，包括：
数据采集模块，用于采集城市轨道交通突发事件历史数据；
计算图构建模块，用于根据城市轨道交通突发事件历史数据构建计算图；将计算图进行实例化得到实例化计算图；
智能调度模块，用于基于实例化计算图构建列车智能调度优化模型；求解列车智能调度优化模型得到列车调度指挥决策方案；将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
与现有技术相比，本发明的有益效果是：本发明公开了一种城市轨道交通突发事件智能调度方法及系统，该方法包括：S1）根据城市轨道交通突发事件历史数据构建计算图；S2）将计算图进行实例化得到实例化计算图；S3）基于实例化计算图构建列车智能调度优化模型；S4）求解列车智能调度优化模型得到列车调度指挥决策方案；S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。在出现突发事件的情况下，相较于传统的调度员人工管控方法，本发明可更精确、科学地调度列车运行，确保突发事件的处置效率；突发事件下的列车智能调度方案可由模型计算得出，大幅度减小调度员的工作量，提高了行车调度指挥系统的智能化程度。本发明可以收集实际运行产生的大量数据，提前构建计算图，节约测试成本。本发明利用轨道交通突发事件的历史数据，设计了一种基于人工智能计算图的轨道交通列车智能调度模型与方法，在出现突发事件情况下，可根据突发事件和列车运行实时信息，由AI计算图自动得到列车运行计划调整方案，进而为调度员管控列车提供决策支持。本发明通过深度学习、人工智能等方法，在突发事件发生时，智能地生成列车运行计划调整方案，进而为调度员提供列车运行调整决策支持，保证列车运行和乘客安全，降低突发事件对于轨道交通的负面影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。
图1是本发明实施例提供的一种城市轨道交通突发事件智能调度方法的流程图。
图2是本发明实施例提供的一种城市轨道交通突发事件智能调度方法的北京地铁1号线线路拓扑结构。
图3是本发明实施例提供的一种城市轨道交通突发事件智能调度方法的列车采用智能调度决策所得到的运行图调整效果示意图。
图4是本发明实施例提供的一种城市轨道交通突发事件智能调度方法的有三个车站和两个车辆段的运行示例。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
参见图1至图4，本发明公开了一种城市轨道交通突发事件智能调度方法，包括：
S1）根据城市轨道交通突发事件历史数据构建计算图；计算图是人工智能领域近年来的热点之一，其核心思路是用“图”作为数据模型来表示对象之间的关联关系，以表达问题并予以解决的这一过程。城市轨道交通突发事件历史数据对于计算图的构建十分必要，而且样本越多，计算图最后实现的效果越好。
S2）将计算图进行实例化得到实例化计算图；将实例数据导入构建的计算图中，使得计算图与实际应用场景结合起来得到实例化计算图，实例数据选取有典型特征的数据，样本越多，得到的实例化计算图越真实可靠。
S3）基于实例化计算图构建列车智能调度优化模型；根据实例化计算图所构建的列车智能调度优化模型可执行性非常强。
S4）求解列车智能调度优化模型得到列车调度指挥决策方案；根据列车调度计划，采集实际列车运行数据，根据列车智能调度优化模型得到列车调度指挥决策方案具有较高的实用性。
S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。当列车再次发生突发事件时，自动监控系统能够及时处理交通突发事件，减少不必要的损失。
优选的实施例中，根据城市轨道交通突发事件历史数据，定义系统变量，建立轨道交通突发事件历史数据库，所述轨道交通突发事件历史数据库为图数据库（即为计算图）。
进一步地，所述计算图包括节点的集合和弧的集合，所述节点的集合表示列车在两个车站间的运行事件的集合，所述弧的集合表示运行事件之间的连接关系的集合。具体地，首先需要定义计算图的整体抽象结构，用有向图G=（E,P）来描述突发事件调度优化模型，其中集合E是所有运行事件（也成为图节点）的集合，表示列车在两个车站间运行的事件集。集合P则表示事件间的连接关系（也成为连接弧），使用集合P中的连接关系构建出列车移动路径。具体实施过程中，在项目工程中分别定义三类数据结构，即有向图、节点和弧，其中，每个节点均包含流入弧、流出弧；每条弧包含起始节点和终止节点。
优选的实施例中，所述节点的集合具体包括：对应车站编号、计划运行图规定的从第一站出发时间和到达时间、从第一站到下一站的到达时间、调整后的时间、流入弧与流出弧的编号。值得注意的是，考虑受到突发事件影响后线路双向运行中断的情况，线路中运营列车在突发事件期间无法通过受影响区域，计划运行图中连接关系受突发事件影响无法有效执行。因此，需构建计算图框架中的节点，以表示列车的位置信息。本发明中，将两个连续站点之间列车运行计划抽象为事件e，事件中包含相应的信息：从第一站
Figure SMS_1
出发的时间t和到下一站/>
Figure SMS_2
的到达时间/>
Figure SMS_3
。因此，计划时刻表中提供的服务也可以抽象为一系列事件。
具体地，根据系统的计划运行图，构建计算图框架中的节点集合E。该集合中，每个节点e数据类型包含如下基本属性：对应车站编号；计划运行图规定的从第一站
Figure SMS_4
出发、到达该站的时间/>
Figure SMS_5
和到下一站/>
Figure SMS_6
的到达时间/>
Figure SMS_7
；调整后的时间/>
Figure SMS_8
和/>
Figure SMS_9
；流入弧与流出弧编号。此外，根据节点对应车站、时间的不同，定义表1中的的集合作为集合E的子集。
表1
Figure SMS_10
优选的实施例中，所述弧的集合具体包括：基本连接关系、折返连接关系和进出车辆段连接关系，其中，所述基本连接关系用于表示原始时刻表的计划停站事件，所述折返连接关系用于解决受突发事件影响无法执行和到达终点站后的事件衔接问题，所述进出车辆段连接关系用于约束线路中列车数量。值得注意的是，如何合理地调整连接关系以提供更高的服务能力，是突发事件发生后调度员需要关注和解决的问题。具体地，将计算图中一个事件到另一个事件的有向弧定义为一个连接p，即从节点
Figure SMS_11
到节点/>
Figure SMS_12
的弧，进而形成链接弧集合P。该集合包含三个子集，即基本连接弧、折返连接弧和车辆段连接弧，具体定义如下：
(1)基本连接集弧p，代表原始时刻表的计划停站事件，本发明中，使用
Figure SMS_13
表示停站活动集的元素，/>
Figure SMS_14
代表列车到站事件，同时/>
Figure SMS_15
代表列车出站事件；
(2)折返事件集弧
Figure SMS_16
，表示事件e可以折返连接的所有事件的集合。主要解决受突发事件影响无法执行和到达终点站后的事件衔接问题；
(3)进出车辆段弧，表示车辆进出车辆段的连接，用来约束线路中列车数量。
如图4所示，给出了一个具有三个车站和两个车辆段的运行示例。该图中的事件构成了列车的时空轨迹，该列车从1号车站出发，上行行驶到3号车站，然后折返执行下行方向服务，最后回到1号车辆段。从上述例子中可以看出，基于事件活动网络的模型可以通过对事件集中的事件进行重新连接得到新的运行计划。例如，通过让列车在2号站掉头（即小交路操作），可以构成新的列车运行轨迹。
计算图的应用中，需根据突发事件信息、列车实时信息和线网拓扑结构等，对上述发明所定义的计算图结构进行实例化。在一个实施例中，所述将计算图进行实例化得到实例化计算图，具体包括：
（1）根据线网拓扑数据，对计算图进行实例化；具体地，输入线路车站数量、车辆段配置参数、区间运行时间相关参数、列车站停时间相关参数、车辆参数，对计算图G进行初始化；
（2）根据突发事件信息，对节点的集合进行实例化；具体地，定义变量
Figure SMS_17
表示是否将某个节点e实例化（/>
Figure SMS_18
表示需要实例化该节点），之后，根据突发事件发生时刻/>
Figure SMS_19
，进行如下实例化过程：/>
Figure SMS_20
；
上述公式表示，对于发生时刻
Figure SMS_21
早于/>
Figure SMS_22
的节点，需要将该节点进行实例化。此外，如果节点e位于突发事件的持续阶段，那么节点e应该被取消或者节点e等待突发事件结束后继续执行，即列车需要等待突发事件结束后方可继续运行，如下不等式所示：
Figure SMS_23
；
其中，
Figure SMS_24
表示节点e的发车时刻，/>
Figure SMS_25
表示突发事件的结束时刻，/>
Figure SMS_26
表示受中断影响的事件集；
（3）根据列车区间运行时间和运行间隔信息，对弧的集合进行实例化。具体地，主要初始化三类连接弧，即基本连接弧、折返连接弧和车辆段连接弧。其过程使用循环递归实现：从节点集合中任意选出两个节点e、
Figure SMS_27
（其对应的两个车站应具有物理连接，例如，为相邻车站或折返车站），之后判断其对应的计划运行时间是否满足列车区间运行时间限制和运行间隔限制（如车站为折返车站，则判断其折返时间限制），如满足要求，则定义
Figure SMS_28
，并将其加入连接弧集合；循环以上过程，直至无法找到满足要求的两个节点为止。
在构建计算图的基础上，建立列车智能调度优化模型。在另一个实施例中，所述基于实例化计算图构建列车智能调度优化模型，具体包括：
S3.1）根据实例化计算图中列车在两个车站间的运行事件定义模型变量；具体地，如表2所示，包括节点e的发车事件、到达事件、节点是否取消以及车辆段折返列车是否勾选；
表2
Figure SMS_29
S3.2）根据实例化计算图中列车运行计划的可执行性定义模型约束条件；具体地，所述模型约束条件主要用来确保优化后的列车运行计划能够在实际运营中执行，即具有可执行性。因此，主要定义如下几类模型约束条件：
（1）基本运行约束，确保列车区间运行时分、停站事件等符合现场要求，包括：
Figure SMS_30
其中，第一个不等式通过使用
Figure SMS_31
确保最小的运行时间，列车按时刻表运行；
第二个不等式要求节点e的出发时间不应早于计划运行图所规定的出发时间
Figure SMS_32
；
第三个不等式用来表示列车的最小停站时间约束，以满足车站乘客的上下车任务，其中，每个
Figure SMS_35
代表事件e和事件/>
Figure SMS_36
存在连接关系，即事件e和事件/>
Figure SMS_38
停在同一车站
Figure SMS_34
，并且事件/>
Figure SMS_37
发车时间/>
Figure SMS_39
减去事件e的到站时间/>
Figure SMS_40
必须大于/>
Figure SMS_33
；
（2）列车折返约束，折返操作是轨道交通运营中的重要操作，是列车由上（下）行转换为下（上）行的一种运营过程，该约束用以确保车底在折返区间可正常衔接。折返约束主要由以下不等式给出：
Figure SMS_41
其中，第一个和第二个不等式分别要求，每个节点e，最多只能有一个节点
Figure SMS_42
与其匹配（即列车折返后，必须对应最多一个车次号）；第三个不等式要求，接近突发事件发生区域的几点e（对应相应的车次号）都必须在受中断影响区域之前的小交路区段折返。同时，执行小交路折返的两个节点e和/>
Figure SMS_43
必须满足最小折返时间/>
Figure SMS_44
的约束；
（3）列车安全间隔约束，确保列车之间以一定的距离追踪运行，避免因列车运行距离过近而导致追尾。安全间隔约束主要包括以下不等式：
Figure SMS_45
保证两个连续事件之间的最小追踪间隔，其中，使用
Figure SMS_46
代表事件e相同运行区间的后续事件，/>
Figure SMS_47
代表事件e和事件/>
Figure SMS_48
之间的最小追踪间隔，其值是依据系统实际运营中设置的最小追踪间隔确定；
S3.3）根据实例化计算图中交通线路运营目的来定义模型目标函数。具体地，该模型的目标是优化城市轨道交通在面对突发事件的运行调整策略，提高系统韧性。线路运营的首要目的是准时高效的将乘客运送到目的地，因此，模型选取列车延误时间作为目标函数，其表述如下所示：
Figure SMS_49
;
其中e代表列车在站间运行事件，
Figure SMS_50
代表列车的计划到达时间，/>
Figure SMS_51
代表列车的实际到达时间。目标函数中仅计算了未取消车次的延迟时间，而车次取消也会对乘客造成影响。因此，行车调度应保证尽量少的取消车次。车次取消部分的目标函数表达如下：
Figure SMS_52
。
优选的实施例中，所述求解列车智能调度优化模型得到列车调度指挥决策方案，具体包括：基于分支切割法（即branchandcut，是branchandbound分支定界和cuttingplane割平面）对列车智能调度优化模型进行优化并求解得到列车调度指挥决策方案。进一步地，所述优化具体包括：
S4.1）根据计算图构建分支定界树；
S4.2）从树的根节点开始递归求解节点的线性松弛（LP）以及对应的可行解（IP）；
S4.3）重复上述步骤，当线性松弛LP等于对应的可行解IP时，优化算法结束。
进行优化的目的是为了降低列车晚点时间，具体算法步骤如下：
（1）初始化算法，定义
Figure SMS_53
来表示上述优化问题，即最小化列车晚点时间和取消车次数量，其中待求解的变量包括0-1变量/>
Figure SMS_54
以及连续变量/>
Figure SMS_55
；
（2）提升算法限界，将以下约束加入算法：
Figure SMS_56
这一步骤的目的是考虑被突发事件影响的事件e必须取消的情况，因为在中断解决之前，后续列车无法通过该区段；
（3）求解松弛问题，将变量
Figure SMS_57
视为[0，1]之内的连续变量，定义/>
Figure SMS_58
为相应的线性松弛问题，之后，利用内点法求解/>
Figure SMS_59
；如果/>
Figure SMS_60
的最优解中，/>
Figure SMS_61
均为0或1，则得到最优解，算法终止；否则，重新提升算法限界，再求解松弛问题；
（4）对算法进行分支求解松弛问题，从
Figure SMS_62
中找出值最接近0.5的变量/>
Figure SMS_63
，之后，分别设置两个不等式/>
Figure SMS_64
以及/>
Figure SMS_65
，将以上两个约束分别加入/>
Figure SMS_66
，形成两个子问题
Figure SMS_67
与/>
Figure SMS_68
；提升算法限界，再使用内点法求解子问题的线性松弛问题；
（5）以上步骤循环，直至算法结束。
最后，根据计算图各个节点对应的发车时刻
Figure SMS_69
以及列车的实际到达时间/>
Figure SMS_70
值，以及实例化变量/>
Figure SMS_71
为0或1，将求解列车智能调度优化模型得到的线性松弛问题解析为列车调度指挥决策方案，即每个列车到发各个车站的时间。重新实例化计算图对象，并将得到的列车调度指挥决策方案下达列车自动监控系统（ATS）系统，指挥线路列车运行。
本发明在出现突发事件的情况下，此方法较传统的调度员人工管控，可更精确、科学地调度列车运行，确保突发事件的处置效率。基于本发明，突发事件下的列车智能调度方案可由模型计算得出，大幅度减小调度员的工作量，提高了行车调度指挥系统的智能化程度。本发明可以收集实际运行产生的大量数据，提前构建计算图，节约测试成本。
值得注意的是，为了验证本发明的性能及效果，本发明利用北京地铁1号线的实际数据，对列车智能调度系统性能进行试验验证。实验说明及参数设置：北京地铁一号线是中国第一条地下轨道线，共涉及23个车站和22个路段穿越北京市中心，如图2所示。在日常运营中，计划列车数为59列，总运营服务车次是798。其他相关数据，如表3所示，车站停留时间等均与北京地铁目前运营的时间一致。
表3
Figure SMS_72
如图3显示了列车采用智能调度决策所得到的运行图调整效果，可以看出，在早上7:00时14号站到15号站之间区段受突发事件影响不能通车。其中，采用小交路折以降低突发事件对线路列车运行带来的负面影响。图中显示列车采用小交路折返策略后，大部分车次依然保留，说明本发明所提出的方法可以有效的提高线路的服务能力，提高乘客出行的服务质量。
本发明利用轨道交通突发事件的历史数据，设计了一种基于人工智能计算图的轨道交通列车智能调度模型与方法，在出现突发事件情况下，可根据突发事件和列车运行实时信息，由AI计算图自动得到列车运行计划调整方案，进而为调度员管控列车提供决策支持。
本发明主要包括以下步骤：（1）定义计算图整体结构；（2）构建计算图框架中的节点；（3）构建计算图框架中的弧；（4）形成实例化计算图；（5）基于实例化计算图构建列车智能调度优化模型；（6）分支切割模型求解；（7）调度决策下达ATS执行。
基于同一发明思路，本发明还公开了一种城市轨道交通突发事件智能调度系统，该系统可以利用轨道交通突发事件的历史数据，估计出当前突发事件的持续时间与影响范围，进而辅助调度员调整线上列车运行。该系统主要包括：
数据采集模块，用于采集城市轨道交通突发事件历史数据；城市轨道交通突发事件历史数据对于计算图的构建十分必要，而且样本越多，计算图最后实现的效果越好。
计算图构建模块，用于根据城市轨道交通突发事件历史数据构建计算图；将计算图进行实例化得到实例化计算图；计算图是人工智能领域近年来的热点之一，其核心思路是用“图”作为数据模型来表示对象之间的关联关系，以表达问题并予以解决的这一过程。将实例数据导入构建的计算图中，使得计算图与实际应用场景结合起来得到实例化计算图，实例数据选取有典型特征的数据，样本越多，得到的实例化计算图越真实可靠。
智能调度模块，用于基于实例化计算图构建列车智能调度优化模型，根据实例化计算图所构建的列车智能调度优化模型可执行性非常强；求解列车智能调度优化模型得到列车调度指挥决策方案，根据列车调度计划，采集实际列车运行数据，根据列车智能调度优化模型得到列车调度指挥决策方案具有较高的实用性；将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度，当列车再次发生突发事件时，自动监控系统能够及时处理交通突发事件，减少不必要的损失。
优选的实施例中，根据城市轨道交通突发事件历史数据，定义系统变量，建立轨道交通突发事件历史数据库，所述轨道交通突发事件历史数据库为图数据库（即为计算图）。
进一步地，所述计算图包括节点的集合和弧的集合，所述节点的集合表示列车在两个车站间的运行事件的集合，所述弧的集合表示运行事件之间的连接关系的集合。具体地，首先需要定义计算图的整体抽象结构，用有向图G=(E,P)来描述突发事件调度优化模型，其中集合E是所有运行事件（也成为图节点）的集合，表示列车在两个车站间运行的事件集。集合P则表示事件间的连接关系（也成为连接弧），使用集合P中的连接关系构建出列车移动路径。具体实施过程中，在项目工程中分别定义三类数据结构，即有向图、节点和弧，其中，每个节点均包含流入弧、流出弧；每条弧包含起始节点和终止节点。
优选的实施例中，所述节点的集合具体包括：对应车站编号、计划运行图规定的从第一站出发时间和到达时间、从第一站到下一站的到达时间、调整后的时间、流入弧与流出弧的编号。值得注意的是，考虑受到突发事件影响后线路双向运行中断的情况，线路中运营列车在突发事件期间无法通过受影响区域，计划运行图中连接关系受突发事件影响无法有效执行。因此，需构建计算图框架中的节点，以表示列车的位置信息。本发明中，将两个连续站点之间列车运行计划抽象为事件e，事件中包含相应的信息：从第一站
Figure SMS_73
出发的时间/>
Figure SMS_74
和到下一站/>
Figure SMS_75
的到达时间/>
Figure SMS_76
。因此，计划时刻表中提供的服务也可以抽象为一系列事件。
具体地，根据系统的计划运行图，构建计算图框架中的节点集合E。该集合中，每个节点e数据类型包含如下基本属性：对应车站编号；计划运行图规定的从第一站
Figure SMS_77
出发、到达该站的时间/>
Figure SMS_78
和到下一站/>
Figure SMS_79
的到达时间/>
Figure SMS_80
；调整后的时间/>
Figure SMS_81
和/>
Figure SMS_82
；流入弧与流出弧编号。此外，根据节点对应车站、时间的不同，定义表1中的的集合作为集合E的子集。
优选的实施例中，所述弧的集合具体包括：基本连接关系、折返连接关系和进出车辆段连接关系，其中，所述基本连接关系用于表示原始时刻表的计划停站事件，所述折返连接关系用于解决受突发事件影响无法执行和到达终点站后的事件衔接问题，所述进出车辆段连接关系用于约束线路中列车数量。值得注意的是，如何合理地调整连接关系以提供更高的服务能力，是突发事件发生后调度员需要关注和解决的问题。具体地，将计算图中一个事件到另一个事件的有向弧定义为一个连接p，即从节点
Figure SMS_83
到节点/>
Figure SMS_84
的弧，进而形成链接弧集合P。该集合包含三个子集，即基本连接弧、折返连接弧和车辆段连接弧，具体定义如下：
(1)基本连接集弧p，代表原始时刻表的计划停站事件，本发明中，使用
Figure SMS_85
表示停站活动集的元素，/>
Figure SMS_86
代表列车到站事件，同时/>
Figure SMS_87
代表列车出站事件；
(2)折返事件集弧
Figure SMS_88
，表示事件e可以折返连接的所有事件的集合。主要解决受突发事件影响无法执行和到达终点站后的事件衔接问题；
(3)进出车辆段弧，表示车辆进出车辆段的连接，用来约束线路中列车数量。
如图4所示，给出了一个具有三个车站和两个车辆段的运行示例。该图中的事件构成了列车的时空轨迹，该列车从1号车站出发，上行行驶到3号车站，然后折返执行下行方向服务，最后回到1号车辆段。从上述例子中可以看出，基于事件活动网络的模型可以通过对事件集中的事件进行重新连接得到新的运行计划。例如，通过让列车在2号站掉头（即小交路操作），可以构成新的列车运行轨迹。
本发明利用轨道交通突发事件的历史数据，设计了一种基于人工智能计算图的轨道交通列车智能调度模型与方法，在出现突发事件情况下，可根据突发事件和列车运行实时信息，由AI计算图自动得到列车运行计划调整方案，进而为调度员管控列车提供决策支持。
本发明主要包括以下步骤：（1）定义计算图整体结构；（2）构建计算图框架中的节点；（3）构建计算图框架中的弧；（4）形成实例化计算图；（5）基于实例化计算图构建列车智能调度优化模型；（6）分支切割模型求解；（7）调度决策下达ATS执行。
本发明在出现突发事件的情况下，此方法较传统的调度员人工管控，可更精确、科学地调度列车运行，确保突发事件的处置效率。基于本发明，突发事件下的列车智能调度方案可由模型计算得出，大幅度减小调度员的工作量，提高了行车调度指挥系统的智能化程度。本发明可以收集实际运行产生的大量数据，提前构建计算图，节约测试成本。
基于同一发明思路，本发明还公开了一种电子设备，该电子设备可以包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令，以执行一种城市轨道交通突发事件智能调度方法，该方法包括：
S1）根据城市轨道交通突发事件历史数据构建计算图；
S2）将计算图进行实例化得到实例化计算图；
S3）基于实例化计算图构建列车智能调度优化模型；
S4）求解列车智能调度优化模型得到列车调度指挥决策方案；
S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的一种城市轨道交通突发事件智能调度方法，该方法包括：
S1）根据城市轨道交通突发事件历史数据构建计算图；
S2）将计算图进行实例化得到实例化计算图；
S3）基于实例化计算图构建列车智能调度优化模型；
S4）求解列车智能调度优化模型得到列车调度指挥决策方案；
S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的一种城市轨道交通突发事件智能调度方法，该方法包括：
S1）根据城市轨道交通突发事件历史数据构建计算图；
S2）将计算图进行实例化得到实例化计算图；
S3）基于实例化计算图构建列车智能调度优化模型；
S4）求解列车智能调度优化模型得到列车调度指挥决策方案；
S5）将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (7)

1.一种城市轨道交通突发事件智能调度方法，其特征在于，包括：
S1根据城市轨道交通突发事件历史数据构建计算图，具体包括：根据城市轨道交通突发事件历史数据，定义系统变量，建立轨道交通突发事件历史数据库，所述轨道交通突发事件历史数据库为图数据库；所述计算图包括节点的集合E和弧的集合P，所述节点的集合表示列车在两个车站间的运行事件e的集合，所述弧的集合表示运行事件之间的连接关系p的集合；
S2将计算图进行实例化得到实例化计算图；
S3基于实例化计算图构建列车智能调度优化模型，具体包括：
S3.1根据实例化计算图中列车在两个车站间的运行事件定义模型变量，所述模型变量具体包括：
第一决策变量：运行事件e在区间运行的发车时间
Figure QLYQS_1
；
第二决策变量：运行事件e在区间运行的到站时间
Figure QLYQS_2
；
第三决策变量
Figure QLYQS_3
：运行事件e是否被取消，当运行事件e被取消，则/>
Figure QLYQS_4
=1；否则/>
Figure QLYQS_5
=0；
第四决策变量
Figure QLYQS_6
：运行事件e和运行事件/>
Figure QLYQS_7
使用折返的方式连接，当/>
Figure QLYQS_8
=1时，运行事件e折返到运行事件/>
Figure QLYQS_9
；其他的情况则/>
Figure QLYQS_10
=0；
S3.2根据实例化计算图中列车运行计划的可执行性定义模型约束条件，所述模型约束条件具体包括：
基本运行约束：
Figure QLYQS_13
其中，M为常数，
Figure QLYQS_18
用来通过使用/>
Figure QLYQS_20
确保最小的运行时间，列车按时刻表运行；
Figure QLYQS_14
用来要求运行事件e的出发时间不应早于计算图中所规定的出发时间/>
Figure QLYQS_17
；/>
Figure QLYQS_21
用来表示列车的最小停站时间约束，以满足车站乘客的上下车任务，其中，每个/>
Figure QLYQS_23
代表运行事件e和运行事件
Figure QLYQS_11
存在连接关系，即运行事件e和运行事件/>
Figure QLYQS_16
停在同一车站，并且运行事件/>
Figure QLYQS_19
发车时间/>
Figure QLYQS_22
减去运行事件e的到站时间/>
Figure QLYQS_12
必须大于最小运行时间/>
Figure QLYQS_15
；
列车折返约束：
Figure QLYQS_26
其中，
Figure QLYQS_29
表示与运行事件e有折返连接关系的所有事件中远离受中断影响区域的事件集合，
Figure QLYQS_32
表示与运行事件e有折返连接关系的所有事件中接近受中断影响区域的事件集合，
Figure QLYQS_27
表示可能离开折返站的事件集，/>
Figure QLYQS_30
表示可能进入折返站的事件集，/>
Figure QLYQS_33
表示可能离开终点站的事件集，/>
Figure QLYQS_36
表示可能进入终点站的事件集，/>
Figure QLYQS_24
和
Figure QLYQS_31
分别用来要求每个运行事件e最多只能有一个运行事件/>
Figure QLYQS_34
与其匹配；/>
Figure QLYQS_35
用来要求接近突发事件发生区域的运行事件e必须在受中断影响区域之前的小交路区段折返，同时，执行小交路折返的运行事件e和运行事件/>
Figure QLYQS_25
必须满足最小折返时间/>
Figure QLYQS_28
的约束；
列车安全间隔约束：
Figure QLYQS_38
其中，/>
Figure QLYQS_42
表示运行事件/>
Figure QLYQS_43
是否被取消，当运行事件/>
Figure QLYQS_37
被取消，则/>
Figure QLYQS_41
=1；否则/>
Figure QLYQS_44
=0；使用/>
Figure QLYQS_45
代表运行事件e相同运行区间的后续事件，/>
Figure QLYQS_39
代表运行事件e和运行事件/>
Figure QLYQS_40
之间的最小追踪间隔，其值是依据系统实际运营中设置的最小追踪间隔确定；
S3.3根据实例化计算图中交通线路运营首要目的来定义模型目标函数，所述模型目标函数具体包括：
列车延误时间的目标函数：
Figure QLYQS_46
其中，/>
Figure QLYQS_47
代表列车的计划到达时间；
S4求解列车智能调度优化模型得到列车调度指挥决策方案；
S5将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
2.如权利要求1所述的一种城市轨道交通突发事件智能调度方法，其特征在于，所述节点的集合具体包括：对应车站编号、计划运行图规定的从第一站出发时间和到达时间、从第一站到下一站的到达时间、调整后的时间、流入弧与流出弧的编号。
3.如权利要求1所述的一种城市轨道交通突发事件智能调度方法，其特征在于，所述弧的集合具体包括：基本连接关系、折返连接关系和进出车辆段连接关系，其中，所述基本连接关系用于表示原始时刻表的计划停站事件，所述折返连接关系用于解决受突发事件影响无法执行和到达终点站后的事件衔接问题，所述进出车辆段连接关系用于约束线路中列车数量。
4.如权利要求1所述的一种城市轨道交通突发事件智能调度方法，其特征在于，所述S2具体包括：
根据线网拓扑数据，对计算图进行实例化；
根据突发事件信息，对节点的集合进行实例化；
根据列车区间运行时间和运行间隔信息，对弧的集合进行实例化。
5.如权利要求1所述的一种城市轨道交通突发事件智能调度方法，其特征在于，所述S4具体包括：基于分支切割法对列车智能调度优化模型进行优化并求解得到列车调度指挥决策方案。
6.如权利要求5所述的一种城市轨道交通突发事件智能调度方法，其特征在于，所述优化具体包括：
S4.1根据计算图构建分支定界树；
S4.2从树的根节点开始递归求解节点的线性松弛以及对应的可行解；
S4.3重复上述步骤，当线性松弛等于对应的可行解时，优化结束。
7.一种城市轨道交通突发事件智能调度系统，其特征在于，包括：
数据采集模块，用于采集城市轨道交通突发事件历史数据；
智能调度模块，用于根据城市轨道交通突发事件历史数据构建计算图，具体包括：根据城市轨道交通突发事件历史数据，定义系统变量，建立轨道交通突发事件历史数据库，所述轨道交通突发事件历史数据库为图数据库；所述计算图包括节点的集合E和弧的集合P，所述节点的集合表示列车在两个车站间的运行事件e的集合，所述弧的集合表示运行事件之间的连接关系p的集合；
将计算图进行实例化得到实例化计算图；
基于实例化计算图构建列车智能调度优化模型，具体包括：
根据实例化计算图中列车在两个车站间的运行事件定义模型变量，所述模型变量具体包括：
第一决策变量：运行事件e在区间运行的发车时间
Figure QLYQS_48
；
第二决策变量：运行事件e在区间运行的到站时间
Figure QLYQS_49
；
第三决策变量
Figure QLYQS_50
：运行事件e是否被取消，当运行事件e被取消，则/>
Figure QLYQS_51
=1；否则/>
Figure QLYQS_52
=0；
第四决策变量
Figure QLYQS_53
：运行事件e和运行事件/>
Figure QLYQS_54
使用折返的方式连接，当/>
Figure QLYQS_55
=1时，运行事件e折返到运行事件/>
Figure QLYQS_56
；其他的情况则/>
Figure QLYQS_57
=0；
根据实例化计算图中列车运行计划的可执行性定义模型约束条件，所述模型约束条件具体包括：
基本运行约束：
Figure QLYQS_59
其中，M为常数，
Figure QLYQS_63
用来通过使用/>
Figure QLYQS_66
确保最小的运行时间，列车按时刻表运行；
Figure QLYQS_60
用来要求运行事件e的出发时间不应早于计算图中所规定的出发时间/>
Figure QLYQS_65
；/>
Figure QLYQS_68
用来表示列车的最小停站时间约束，以满足车站乘客的上下车任务，其中，每个/>
Figure QLYQS_70
代表运行事件e和运行事件/>
Figure QLYQS_58
存在连接关系，即运行事件e和运行事件/>
Figure QLYQS_62
停在同一车站，并且运行事件/>
Figure QLYQS_67
发车时间/>
Figure QLYQS_69
减去运行事件e的到站时间/>
Figure QLYQS_61
必须大于最小运行时间/>
Figure QLYQS_64
；
列车折返约束：
Figure QLYQS_72
其中，
Figure QLYQS_77
表示与运行事件e有折返连接关系的所有事件中远离受中断影响区域的事件集合，
Figure QLYQS_79
表示与运行事件e有折返连接关系的所有事件中接近受中断影响区域的事件集合，
Figure QLYQS_73
表示可能离开折返站的事件集，/>
Figure QLYQS_76
表示可能进入折返站的事件集，/>
Figure QLYQS_80
表示可能离开终点站的事件集，/>
Figure QLYQS_83
表示可能进入终点站的事件集，/>
Figure QLYQS_71
和
Figure QLYQS_78
分别用来要求每个运行事件e最多只能有一个运行事件/>
Figure QLYQS_81
与其匹配；/>
Figure QLYQS_82
用来要求接近突发事件发生区域的运行事件e必须在受中断影响区域之前的小交路区段折返，同时，执行小交路折返的运行事件e和运行事件/>
Figure QLYQS_74
必须满足最小折返时间/>
Figure QLYQS_75
的约束；
列车安全间隔约束：
Figure QLYQS_86
其中，/>
Figure QLYQS_89
表示运行事件/>
Figure QLYQS_91
是否被取消，当运行事件/>
Figure QLYQS_85
被取消，则/>
Figure QLYQS_88
=1；否则/>
Figure QLYQS_90
=0；使用/>
Figure QLYQS_92
代表运行事件e相同运行区间的后续事件，/>
Figure QLYQS_84
代表运行事件e和运行事件/>
Figure QLYQS_87
之间的最小追踪间隔，其值是依据系统实际运营中设置的最小追踪间隔确定；
根据实例化计算图中交通线路运营首要目的来定义模型目标函数，所述模型目标函数具体包括：
列车延误时间的目标函数：
Figure QLYQS_93
其中，/>
Figure QLYQS_94
代表列车的计划到达时间；
求解列车智能调度优化模型得到列车调度指挥决策方案；
将列车调度指挥决策方案下达给列车自动监控系统执行以实现城市轨道交通突发事件智能调度。
CN202310311427.2A 2023-03-28 2023-03-28 一种城市轨道交通突发事件智能调度方法和系统 Active CN116050669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310311427.2A CN116050669B (zh) 2023-03-28 2023-03-28 一种城市轨道交通突发事件智能调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310311427.2A CN116050669B (zh) 2023-03-28 2023-03-28 一种城市轨道交通突发事件智能调度方法和系统

Publications (2)

Publication Number Publication Date
CN116050669A CN116050669A (zh) 2023-05-02
CN116050669B true CN116050669B (zh) 2023-07-07

Family

ID=86131675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310311427.2A Active CN116050669B (zh) 2023-03-28 2023-03-28 一种城市轨道交通突发事件智能调度方法和系统

Country Status (1)

Country Link
CN (1) CN116050669B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485158B (zh) * 2023-06-19 2023-08-18 厦门畅享信息技术有限公司 一种基于任务代价模型的事件指挥调度优化方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239726B (zh) * 2014-09-22 2019-02-26 北京交通大学 一种城轨路网突发事件条件下客流估算系统
CN110321218A (zh) * 2019-04-10 2019-10-11 苏州卓晋通信有限公司 一种基于点对点网络系统求解混合整数程序的方法
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
CN112598177B (zh) * 2020-12-22 2023-10-24 北京市地铁运营有限公司 一种城市轨道交通突发事件在线客流预测与仿真系统
CN113128774B (zh) * 2021-04-26 2023-09-19 北京交通大学 一种固定列车运行线顺序下的列车运行调整优化方法
CN113723659B (zh) * 2021-06-22 2023-11-21 北京交通大学 一种城市轨道交通全场景客流预测方法及系统

Also Published As

Publication number Publication date
CN116050669A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN111369181B (zh) 一种列车自主调度深度强化学习方法和装置
CN107507430B (zh) 一种城市路口交通控制方法及系统
CN111376954A (zh) 一种列车自主调度方法和系统
Cheng et al. A Fuzzy Petri Nets approach for railway traffic control in case of abnormality: Evidence from Taiwan railway system
CN116050669B (zh) 一种城市轨道交通突发事件智能调度方法和系统
CN114312926B (zh) 一种城市轨道交通列车运行调整方案优化方法和系统
Yin et al. Efficient real-time train operation algorithms with uncertain passenger demands
CN102862589B (zh) 适用于城市轨道交通的应急调度指挥数据处理方法及装置
Zhou et al. Integrated timetable rescheduling for multidispatching sections of high-speed railways during large-scale disruptions
CN112183771A (zh) 一种轨道交通智能运维生态系统及其运行方法
Li et al. Comprehensive optimization of a metro timetable considering passenger waiting time and energy efficiency
CN115796509A (zh) 一种轨道交通应急调度辅助决策系统及方法
Li et al. Joint optimization of delay-recovery and energy-saving in a metro system: A case study from China
Wu et al. Multi-objective timetabling optimization for a two-way metro line under dynamic passenger demand
CN114240002A (zh) 基于深度强化学习的公交发车时刻表动态优化算法
CN116744261B (zh) 一种毫米波通信网络与边缘计算融合方法
Zhang et al. A Multistage Decision Optimization Approach for Train Timetable Rescheduling Under Uncertain Disruptions in a High-Speed Railway Network
Ding et al. Key technologies and applications of intelligent dispatching command for high-speed railway in China
CN116109081A (zh) 一种基于物联网的动态公交调度优化方法和装置
CN111768053B (zh) 一种城市轨道交通网络始发列车发车时刻优化方法
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
Alexis et al. Minimising the travel time on congested urban rail lines with a dynamic bi-modelling of trains and users
Wang et al. Design of multi-agent-based distributed scheduling system for bus rapid transit
Xu et al. A trade-off method for timetable rescheduling considering transfer connections in subway networks
Wang et al. Real-time train scheduling and control based on model predictive control

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