CN116245210A - 城市轨道交通开行计划的优化方法、装置、设备及介质 - Google Patents
城市轨道交通开行计划的优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116245210A CN116245210A CN202211545023.1A CN202211545023A CN116245210A CN 116245210 A CN116245210 A CN 116245210A CN 202211545023 A CN202211545023 A CN 202211545023A CN 116245210 A CN116245210 A CN 116245210A
- Authority
- CN
- China
- Prior art keywords
- node
- urban rail
- rail transit
- importance
- line
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供了一种城市轨道交通开行计划的优化方法、装置、设备及介质,涉及城市轨道交通运输组织技术领域,包括:获取第一信息;基于传输效率矩阵构建节点重要度计算模型,将实际客流量和物理网络作为节点重要度计算模型的输入值,计算得到节点重要度数据,并根据节点重要度数据计算得到重要度数据和线路重要度数据;根据节点重要度数据、重要度数据和线路重要度数据结果计算得到优化目标;根据列车运行数据计算得到约束条件,并根据约束条件和优化目标构建得到线网换乘协调优化模型;基于遗传算法对线网换乘协调优化模型进行求解得到开行方案。本发明能够有效地提升各个层面与客流需求的适应度,协调网络内各运行线的衔接状态。
Description
技术领域
本发明涉及城市轨道交通运输组织技术领域,具体而言,涉及一种城市轨道交通运输计划的优化方法、装置、设备及介质。
背景技术
城市轨道交通网络化运营模式下,线网运输计划作为整个城市轨道交通网络组织的核心,其编制质量的好坏直接影响着轨道交通的运营效率及服务质量。现有的线网运输计划优化的研究中,大多停留在宏观总量层面上,没有对线网内部各对象的重要度差异进行考虑,通常采用均值性指标进行优化,忽略优化对象的优先级处理,难以实现优化过程的有效性。现需要一种基于节点重要度的城市轨道交通开行计划的优化方法,通过对城市轨道交通运输网络中的节点、区间及线路三个层面内的各个元素进行差异性排序,避免研究过程中采用均值性指标带来的弊端,提高关键节点、区间及线路在管理及优化等方面的优先级,进而实现对城市轨道交通运输计划的合理优化。
发明内容
本发明的目的在于提供一种城市轨道交通运输计划的优化方法、装置、设备及介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种城市轨道交通开行计划的优化方法,包括:
获取第一信息,所述第一信息包括实际客流量和城市轨道交通的网络信息,所述网络信息包括城市轨道交通的物理网络和列车运行数据,所述物理网络包括构成城市轨道交通的节点、区间和线路及对应的连接关系;
基于传输效率矩阵构建节点重要度计算模型,将所述实际客流量和所述物理网络作为所述节点重要度计算模型的输入值,计算得到节点重要度数据,并根据所述节点重要度数据计算得到重要度数据和线路重要度数据;
根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,所述优化目标包括所述城市轨道交通物理网络内的节点、区间和线路三个层面的优化对象;
根据所述列车运行数据计算得到约束条件,并根据所述约束条件和所述优化目标构建得到线网换乘协调优化模型;
基于遗传算法对所述线网换乘协调优化模型进行求解得到开行方案,所述开行方案包括所述物理网络内不同班次列车在各换乘站的列车到发时刻表。
第二方面,本申请还提供了一种城市轨道交通开行计划的优化装置,包括:
获取模块,用于获取第一信息,所述第一信息包括实际客流量和城市轨道交通的网络信息,所述网络信息包括城市轨道交通的物理网络和列车运行数据,所述物理网络包括构成城市轨道交通的节点、区间和线路及对应的连接关系;
处理模块,基于传输效率矩阵构建节点重要度计算模型,将所述实际客流量和所述物理网络作为所述节点重要度计算模型的输入值,计算得到节点重要度数据,并根据所述节点重要度数据计算得到重要度数据和线路重要度数据;
分析模块,用于根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,所述优化目标包括所述城市轨道交通物理网络内的节点、区间和线路三个层面的优化对象;
计算模块,用于根据所述列车运行数据计算得到约束条件,并根据所述约束条件和所述优化目标构建得到线网换乘协调优化模型;
输出模块,基于遗传算法对所述线网换乘协调优化模型进行求解得到开行方案,所述开行方案包括所述物理网络内不同班次列车在各换乘站的列车到发时刻表。
第三方面,本申请还提供了一种城市轨道交通开行计划的优化设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述城市轨道交通开行计划的优化方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质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上述基于城市轨道交通开行计划的优化方法的步骤。
本发明的有益效果为:
本发明通过构造基于传输效率矩阵的城市轨道节点重要度计算模型,对网络节点、区间及线路三个层面内的各个元素进行差异性排序,提高关键节点、区间及线路在管理及优化等方面的优先级,有效地提升各个层面与客流需求的适应度,协调网络内各运行线的衔接状态。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例中所述的城市轨道交通开行计划的优化方法流程示意图;
图2为本发明实施例中所述的城市轨道交通开行计划的优化装置结构示意图;
图3为本发明实施例中所述的城市轨道交通开行计划的优化设备结构示意图。
图中标记:1、获取模块;2、处理模块;21、第一计算单元;22、第二计算单元;23、第一处理单元;24、第二处理单元;25、第三处理单元;26、第四处理单元;3、分析模块;31、第五处理单元;32、第三计算单元;33、第四计算单元;4、计算模块;41、第五计算单元;42、第六计算单元;421、第七计算单元;422、第八计算单元;423、第九计算单元;43、第六处理单元;5、输出模块;800、城市轨道交通开行计划的优化设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种城市轨道交通开行计划的优化方法。
参见图1,图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
步骤S100、获取第一信息,所述第一信息包括实际客流量和城市轨道交通的网络信息,所述网络信息包括城市轨道交通的物理网络和列车运行数据,所述物理网络包括构成城市轨道交通的节点、区间和线路及对应的连接关系。
可以理解的是,本步骤中将第一信息进行上传和存储,通过城市轨道交通的网络信息可以直观的了解时段内城市轨道交通中的节点、区间和线路及对应的连接关系,并得到相关的列车运行数据和网络结构参数。
步骤S200、基于传输效率矩阵构建节点重要度计算模型,将所述实际客流量和所述物理网络作为所述节点重要度计算模型的输入值,计算得到节点重要度数据,并根据所述节点重要度数据计算得到重要度数据和线路重要度数据。需要说明的是,步骤S200包括步骤S210、步骤S220、步骤S230、步骤S240、步骤S250和步骤S260。
步骤S210、根据所述网络信息中任意两个节点间有效路径数目、实际客流量和传播阻抗和预设的信息传输效率数学模型计算得到信息传输效率矩阵,所述传播阻抗为两个所述节点间最优路径对应的出行时间费用。
可以理解的是,在本步骤中,提出节点间传输效率值的计算方法,用以衡量轨道交通各节点间的相互贡献,然后根据计算得到的传输效率值构建信息传输效率矩阵,城市轨道交通物理网络内各节点间信息传输效率值从两节点间有效路径数目、传播阻抗、客流量三方面定义。计算公式如下其中:
其中,I为节点集合,i和j为节点索引,Pij为节点i至节点j间的传输效率值,qij为节点i至节点j间的客流量,Nij为节点i至节点j间的有效路径数据,Bij为节点i至节点j间的传播阻抗值,k'为节点i至节点j间的最优路径,Kij为节点i至节点j间的出行路径集合,为节点i至节点j间的最优路径对应的出行费用。
步骤S220、根据所述网络信息得到每个节点在至少两个维度上的评价指标参数,将每个所述节点对应的所有评价指标参数进行归一化处理得到节点属性指标矩阵。
可以理解的是,在本步骤中,对于节点重要度的计算时,不仅考虑节点自身的重要度影响因素,同时考虑网络内其他节点的重要度的相互影响,引入节点间的传输效率矩阵衡量节点间的相互影响,可提高城市轨道交通网络关键节点识别的客观准确性。优选地,在本实施例中采用选取度、连接强度、节点介数及加权节点介数四个评价指标衡量节点自身的重要度,对所有属性指标进行归一化处理,得到节点指标矩阵。
步骤S230、根据所述信息传输效率矩阵、所述节点属性指标矩阵和预设的特征属性权重构建得到城市轨道节点重要度计算模型。
可以理解的是,本步骤得到的计算模型如下:
其中,i和n为节点索引,Si为节点i的重要度,Fc为节点间的传输效率矩阵,T’c为节点属性指标矩阵,w为权重矩阵,ω1为节点选取度权重,ω2为节点连接强度权重,ω3为节点介数权重,ω4为加权节点介数权重,P1n为节点1至节点n间的传输效率值,P2n为节点2至节点n间的传输效率值,Pn1为节点n至节点1间的传输效率值,Pn2为节点n至节点2间的传输效率值,k′n为节点n的选取度,c′n为节点n的连接强度,s′n为节点n的节点介数,x′n为节点n的加权节点介数。
步骤S240、基于区间客流介数及节点影响指数构建城市轨道交通区间重要度计算模型,所述区间客流介数为城市轨道交通物理网络中任意一个区间的最优路径和所述区间对应的路径客流量与所有最优路径上客流总量的比值,所述节点影响指数为所述区间所连接的所有所述节点的节点重要度均值。
可以理解的是,本步骤中得到的区间重要度计算模型为:
其中,Se为区间重要度,ωLe为区间客流介数的指标权重,L’e为区间客流介数指标的归一化值;ωIe为节点影响指数Ie指标权重;I'为节点影响指数的归一化值。
步骤S250、根据所述节点重要度数据和所述城市轨道交通区间重要度计算模型计算得到区间重要度计算结果。
可以理解的是,本步骤中节点重要度数据代入重要度计算模型求解得到区间重要度指数。
步骤S260、基于所述物理网络中所述线路上的所述节点重要度均值和区间重要度均值构建城市轨道交通线路重要度计算模型,将所述区间重要度数据作为所述城市轨道交通线路重要度计算模型的输入值,计算得到线路重要度数据,所述区间重要度均值为所述线路中包含的所述区间重要度数据的均值。
可以理解的是,本步骤中的线路重要度计算模型为:
其中,ωSi为节点重要度权重;ωSe为区间重要度权重;δil为节点i与线路l间的关联系数;δel为区间e与线路l间的关联系数。
S300、根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,所述优化目标包括所述城市轨道交通物理网络内的节点、区间和线路三个层面的优化对象。需要说明的是,步骤S300包括步骤S310、步骤S320和步骤S330。
步骤S310、根据所述节点重要度数据得到节点权重,以所述城市轨道交通物理网络内所有节点的加权匹配度值最高为目的计算得到节点优化目标。
可以理解的是,本步骤中节点优化目标充分考虑研究对象的重要度差异,放大关键节点的影响,提高关键节点的优先级,得到的结果合理可靠。节点优化目标的计算公式为:
步骤S320、根据所述区间重要度数据得到区间权重,以所述城市轨道交通物理网络内所有区间的加权匹配度值最高为目的计算得到区间优化目标。
可以理解的是,本步骤中区间优化目标的计算公式为:
步骤S330、根据所述线路重要度数据得到线路权重,以城市轨道交通物理网络内各线路的加权匹配度值最高为目的计算得到线路优化目标。
可以理解的是,本步骤中网络内各线路优化目标的计算公式为:
S400、根据所述列车运行数据计算得到约束条件,并根据所述约束条件和所述优化目标构建得到线网换乘协调优化模型。需要说明的是,步骤S400包括步骤S410、步骤S420和步骤S430。
步骤S410、根据所述优化目标计算得到总体优化目标,所述总体优化目标为城市轨道交通物理网络中节点、区间及线路三个层面的加权匹配度累加值最高情况下的目标值。
可以理解的是,本步骤中从线网整体协同管理的角度考虑网络运营条件下的客流与运输计划的匹配,可使优化结果更全面,而非只聚焦一个层面。总体优化目标的计算公式为:
F=F1+F2+F3
其中F为总体优化目标,F1为节点优化目标,F2为区间优化目标,F1为线路优化目标。
步骤S420、根据所述列车运行数据计算得到列车时间约束,所述列车时间约束包括停站约束、各线路列车离站时间关系约束和时段约束。需要说明的是,步骤S420包括步骤S421、步骤S422和步骤S423。
步骤S421、根据所述列车运行数据中同一线路的相邻两列车应满足的到发时间限制计算得到同一线路相同方向列车在各换乘站的停站约束。
可以理解的是,本步骤中构建线路p的q方向列车在各换乘站的停站约束,同一线路的相邻两列车应满足到发时间限制。
步骤S422、根据所述列车运行数据中所有线路第一班列车离站时刻和同一线路相同方向的发车间隔计算得到各线路列车离站时间关系约束。
可以理解的是,本步骤中构建各线路列车离站时间关系约束,其中线路上同一方向的任意列车在各换乘站的离站时刻可根据协调时段内第一班线路列车离站时刻确定。
步骤S423、根据所述列车运行数据中线路首班车在各个换乘站的离站时刻、线路最后一班车的离站时刻、线路最后一班车的离站时刻和结束时刻计算得到时段约束。
可以理解的是,本步骤中构建时段约束,线路首班车在各个换乘站的离站时刻应大于线路开始时间,线路最后一班车的离站时刻应小于线路结束时间,最后一班车的离站时刻与结束时刻的差不能大于线路列车发车间隔。
优选地,本实施例中还需构建发车间隔约束、线路列车相邻换乘站件的到发关系约束和换乘站处列车衔接关系。
步骤S430、根据所述总体优化目标和所述列车时间约束得到线网换乘协调优化模型。
可以理解的是,本步骤中将总体优化目标的计算公式和约束条件结合得到线网换乘协调优化模型。
S500、基于遗传算法对所述线网换乘协调优化模型进行求解得到开行方案,所述开行方案包括所述物理网络内不同班次列车在各换乘站的列车到发时刻表。
可以理解的是,在本步骤中在已知各线路换乘站在各方向的换乘客流量的条件下,通过遗传算法对线网换乘协调优化模型进行求解,获得线网各层面匹配度最佳时线路各列车的到发时刻表。需要说明的是,通过遗传算法对线网换乘协调优化模型进行求解为城市轨道交通运输组织领域的公知常识,本实施例中不再赘述。
实施例2:
如图2所示,本实施例提供了一种城市轨道交通开行计划的优化装置,所述装置包括:
获取模块1,用于获取第一信息,所述第一信息包括实际客流量和城市轨道交通的网络信息,所述网络信息包括城市轨道交通的物理网络和列车运行数据,所述物理网络包括构成城市轨道交通的节点、区间和线路及对应的连接关系。
处理模块2,基于传输效率矩阵构建节点重要度计算模型,将所述实际客流量和所述物理网络作为所述节点重要度计算模型的输入值,计算得到节点重要度数据,并根据所述节点重要度数据计算得到区间重要度数据和线路重要度数据。
分析模块3,用于根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,所述优化目标包括所述城市轨道交通物理网络内的节点、区间和线路三个层面的优化对象。
计算模块4,用于根据所述列车运行数据计算得到约束条件,并根据所述约束条件和所述优化目标构建得到线网换乘协调优化模型。
输出模块5,基于遗传算法对所述线网换乘协调优化模型进行求解得到开行方案,所述开行方案包括所述物理网络内不同班次列车在各换乘站的列车到发时刻表。
在本公开的一种具体实施方式中,所述处理模块2包括:
第一计算单元21,用于根据所述网络信息中任意两个节点间有效路径数目、实际客流量和传播阻抗和预设的信息传输效率数学模型计算得到信息传输效率矩阵,所述传播阻抗为两个所述节点间最优路径对应的出行时间费用。
第二计算单元22,用于根据所述网络信息得到每个节点在至少两个维度上的评价指标参数,将每个所述节点对应的所有评价指标参数进行归一化处理得到节点属性指标矩阵。
第一处理单元23,用于根据所述信息传输效率矩阵、所述节点属性指标矩阵和预设的特征属性权重构建得到城市轨道节点重要度计算模型。
第二处理单元24,用于根据所述节点重要度数据得到节点权重,以所述城市轨道交通物理网络内所有节点的加权匹配度值最高为目的计算得到节点优化目标。
第三处理单元25,用于根据所述区间重要度数据得到区间权重,以所述城市轨道交通物理网络内所有区间的加权匹配度值最高为目的计算得到区间优化目标。
第四处理单元26,用于根据所述线路重要度数据得到线路权重,以城市轨道交通物理网络内各线路的加权匹配度值最高为目的计算得到线路优化目标。
在本公开的一种具体实施方式中,所述分析模块3包括:
第五处理单元31,基于区间客流介数及节点影响指数构建城市轨道交通区间重要度计算模型,所述区间客流介数为城市轨道交通物理网络中任意一个区间的最优路径和所述区间对应的路径客流量与所有最优路径上客流总量的比值,所述节点影响指数为所述区间所连接的所有所述节点的节点重要度均值。
第三计算单元32,用于根据所述节点重要度数据和所述城市轨道交通区间重要度计算模型计算得到区间重要度计算结果。
第四计算单元33,基于所述物理网络中所述线路上的所述节点重要度均值和区间重要度均值构建城市轨道交通线路重要度计算模型,将所述区间重要度数据作为所述城市轨道交通线路重要度计算模型的输入值,计算得到线路重要度数据,所述区间重要度均值为所述线路中包含的所述区间重要度数据的均值。
在本公开的一种具体实施方式中,所述计算模块4包括:
第五计算单元41,用于根据所述优化目标计算得到总体优化目标,所述总体优化目标为城市轨道交通物理网络中节点、区间及线路三个层面的加权匹配度累加值最高情况下的目标值。
第六计算单元42,用于根据所述列车运行数据计算得到列车时间约束,所述列车时间约束包括停站约束、各线路列车离站时间关系约束和时段约束。
第六处理单元43,用于根据所述总体优化目标和所述列车时间约束得到线网换乘协调优化模型。
在本公开的一种具体实施方式中,所述第六计算单元42包括:
第七计算单元421,用于根据所述列车运行数据中同一线路的相邻两列车应满足的到发时间限制计算得到同一线路相同方向列车在各换乘站的停站约束。
第八计算单元422,用于根据所述列车运行数据中所有线路第一班列车离站时刻和同一线路相同方向的发车间隔计算得到各线路列车离站时间关系约束。
第九计算单元423,用于根据所述列车运行数据中线路首班车在各个换乘站的离站时刻、线路最后一班车的离站时刻、线路最后一班车的离站时刻和结束时刻计算得到时段约束。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种城市轨道交通开行计划的优化设备,下文描述的一种城市轨道交通开行计划的优化设备与上文描述的一种城市轨道交通开行计划的优化方法可相互对应参照。
图3是根据示例性实施例示出的一种城市轨道交通开行计划的优化设备800的框图。如图3所示,该城市轨道交通开行计划的优化设备800可以包括:处理器801,存储器802。该城市轨道交通开行计划的优化设备800还可以包括多媒体组件803,I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该城市轨道交通开行计划的优化设备800的整体操作,以完成上述的城市轨道交通开行计划的优化方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该城市轨道交通开行计划的优化设备800的操作,这些数据例如可以包括用于在该城市轨道交通开行计划的优化设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该城市轨道交通开行计划的优化设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,城市轨道交通开行计划的优化设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital SignalProcessing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的城市轨道交通开行计划的优化方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的城市轨道交通开行计划的优化方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由城市轨道交通开行计划的优化设备800的处理器801执行以完成上述的城市轨道交通开行计划的优化方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种城市轨道交通开行计划的优化方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的城市轨道交通开行计划的优化方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种城市轨道交通开行计划的优化方法,其特征在于,包括:
获取第一信息,所述第一信息包括实际客流量和城市轨道交通的网络信息,所述网络信息包括城市轨道交通的物理网络和列车运行数据,所述物理网络包括构成城市轨道交通的节点、区间和线路及对应的连接关系;
基于传输效率矩阵构建节点重要度计算模型,将所述实际客流量和所述物理网络作为所述节点重要度计算模型的输入值,计算得到节点重要度数据,并根据所述节点重要度数据计算得到区间重要度数据和线路重要度数据;
根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,所述优化目标包括所述城市轨道交通物理网络内的节点、区间和线路三个层面的优化对象;
根据所述列车运行数据计算得到约束条件,并根据所述约束条件和所述优化目标构建得到线网换乘协调优化模型;
基于遗传算法对所述线网换乘协调优化模型进行求解得到开行方案,所述开行方案包括所述物理网络内不同班次列车在各换乘站的列车到发时刻表。
2.根据权利要求1所述的城市轨道交通开行计划的优化方法,其特征在于,基于传输效率矩阵构建节点重要度计算模型,包括:
根据所述网络信息中任意两个节点间有效路径数目、实际客流量和传播阻抗和预设的信息传输效率数学模型计算得到信息传输效率矩阵,所述传播阻抗为两个所述节点间最优路径对应的出行时间费用;
根据所述网络信息得到每个节点在至少两个维度上的评价指标参数,将每个所述节点对应的所有评价指标参数进行归一化处理得到节点属性指标矩阵;
根据所述信息传输效率矩阵、所述节点属性指标矩阵和预设的特征属性权重构建得到城市轨道节点重要度计算模型。
3.根据权利要求1所述的城市轨道交通开行计划的优化方法,其特征在于,根据所述节点重要度数据计算得到重要度数据和线路重要度数据,包括:
基于区间客流介数及节点影响指数构建城市轨道交通区间重要度计算模型,所述区间客流介数为城市轨道交通物理网络中任意一个区间的最优路径和所述区间对应的路径客流量与所有最优路径上客流总量的比值,所述节点影响指数为所述区间所连接的所有所述节点的节点重要度均值;
根据所述节点重要度数据和所述城市轨道交通区间重要度计算模型计算得到区间重要度计算结果;
基于所述物理网络中所述线路上的所述节点重要度均值和区间重要度均值构建城市轨道交通线路重要度计算模型,将所述区间重要度数据作为所述城市轨道交通线路重要度计算模型的输入值,计算得到线路重要度数据,所述区间重要度均值为所述线路中包含的所述区间重要度数据的均值。
4.根据权利要求1所述的城市轨道交通开行计划的优化方法,其特征在于,根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,包括:
根据所述节点重要度数据得到节点权重,以所述城市轨道交通物理网络内所有节点的加权匹配度值最高为目的计算得到节点优化目标;
根据所述区间重要度数据得到区间权重,以所述城市轨道交通物理网络内所有区间的加权匹配度值最高为目的计算得到区间优化目标;
根据所述线路重要度数据得到线路权重,以城市轨道交通物理网络内各线路的加权匹配度值最高为目的计算得到线路优化目标。
5.一种城市轨道交通开行计划的优化装置,其特征在于,包括:
获取模块,用于获取第一信息,所述第一信息包括实际客流量和城市轨道交通的网络信息,所述网络信息包括城市轨道交通的物理网络和列车运行数据,所述物理网络包括构成城市轨道交通的节点、区间和线路及对应的连接关系;
处理模块,基于传输效率矩阵构建节点重要度计算模型,将所述实际客流量和所述物理网络作为所述节点重要度计算模型的输入值,计算得到节点重要度数据,并根据所述节点重要度数据计算得到区间重要度数据和线路重要度数据;
分析模块,用于根据所述节点重要度数据、所述重要度数据和所述线路重要度数据结果计算得到优化目标,所述优化目标包括所述城市轨道交通物理网络内的节点、区间和线路三个层面的优化对象;
计算模块,用于根据所述列车运行数据计算得到约束条件,并根据所述约束条件和所述优化目标构建得到线网换乘协调优化模型;
输出模块,基于遗传算法对所述线网换乘协调优化模型进行求解得到开行方案,所述开行方案包括所述物理网络内不同班次列车在各换乘站的列车到发时刻表。
6.根据权利要求5所述的城市轨道交通开行计划的优化装置,其特征在于,所述处理模块包括:
第一计算单元,用于根据所述网络信息中任意两个节点间有效路径数目、实际客流量和传播阻抗和预设的信息传输效率数学模型计算得到信息传输效率矩阵,所述传播阻抗为两个所述节点间最优路径对应的出行时间费用;
第二计算单元,用于根据所述网络信息得到每个节点在至少两个维度上的评价指标参数,将每个所述节点对应的所有评价指标参数进行归一化处理得到节点属性指标矩阵;
第一处理单元,用于根据所述信息传输效率矩阵、所述节点属性指标矩阵和预设的特征属性权重构建得到城市轨道节点重要度计算模型。
7.根据权利要求5所述的城市轨道交通开行计划的优化装置,其特征在于,所述处理模块包括:
第二处理单元,用于根据所述节点重要度数据得到节点权重,以所述城市轨道交通物理网络内所有节点的加权匹配度值最高为目的计算得到节点优化目标;
第三处理单元,用于根据所述区间重要度数据得到区间权重,以所述城市轨道交通物理网络内所有区间的加权匹配度值最高为目的计算得到区间优化目标;
第四处理单元,用于根据所述线路重要度数据得到线路权重,以城市轨道交通物理网络内各线路的加权匹配度值最高为目的计算得到线路优化目标。
8.根据权利要求5所述的城市轨道交通开行计划的优化装置,其特征在于,所述分析模块包括:
第五处理单元,基于区间客流介数及节点影响指数构建城市轨道交通区间重要度计算模型,所述区间客流介数为城市轨道交通物理网络中任意一个区间的最优路径和所述区间对应的路径客流量与所有最优路径上客流总量的比值,所述节点影响指数为所述区间所连接的所有所述节点的节点重要度均值;
第三计算单元,用于根据所述节点重要度数据和所述城市轨道交通区间重要度计算模型计算得到区间重要度计算结果;
第四计算单元,基于所述物理网络中所述线路上的所述节点重要度均值和区间重要度均值构建城市轨道交通线路重要度计算模型,将所述区间重要度数据作为所述城市轨道交通线路重要度计算模型的输入值,计算得到线路重要度数据,所述区间重要度均值为所述线路中包含的所述区间重要度数据的均值。
9.一种城市轨道交通开行计划的优化设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述城市轨道交通开行计划的优化方法的步骤。
10.一种介质,其特征在于:所述介质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如权利要求1至4任一项所述城市轨道交通开行计划的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545023.1A CN116245210A (zh) | 2022-12-02 | 2022-12-02 | 城市轨道交通开行计划的优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545023.1A CN116245210A (zh) | 2022-12-02 | 2022-12-02 | 城市轨道交通开行计划的优化方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116245210A true CN116245210A (zh) | 2023-06-09 |
Family
ID=86626598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211545023.1A Pending CN116245210A (zh) | 2022-12-02 | 2022-12-02 | 城市轨道交通开行计划的优化方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116245210A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957636A (zh) * | 2023-09-21 | 2023-10-27 | 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 |
-
2022
- 2022-12-02 CN CN202211545023.1A patent/CN116245210A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957636A (zh) * | 2023-09-21 | 2023-10-27 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bai et al. | A bi-objective model for location planning of electric vehicle charging stations with GPS trajectory data | |
Jelokhani-Niaraki et al. | A group multicriteria spatial decision support system for parking site selection problem: A case study | |
Liu et al. | Transit users’ route‐choice modelling in transit assignment: A review | |
Ghannadpour et al. | A multi-objective dynamic vehicle routing problem with fuzzy time windows: Model, solution and application | |
Chevrier et al. | Solving a dial-a-ride problem with a hybrid evolutionary multi-objective approach: Application to demand responsive transport | |
CN110555640A (zh) | 路由规划的方法和装置 | |
Dotoli et al. | A multi-agent advanced traveler information system for optimal trip planning in a co-modal framework | |
Tang et al. | Scheduling local and express trains in suburban rail transit lines: Mixed–integer nonlinear programming and adaptive genetic algorithm | |
CN110309923A (zh) | 横向联邦学习方法、装置、设备及计算机存储介质 | |
Zheng et al. | A methodology for choosing between route deviation and point deviation policies for flexible transit services | |
Verma et al. | Feeder bus routes generation within integrated mass transit planning framework | |
JP2007241340A (ja) | N分割巡回経路探索システム、経路探索サーバ、n分割巡回経路探索方法 | |
CN112819659B (zh) | 旅游景点开发与评价方法 | |
Yang et al. | A GIS‐based method to identify cost‐effective routes for rural deviated fixed route transit | |
CN116245210A (zh) | 城市轨道交通开行计划的优化方法、装置、设备及介质 | |
Huang et al. | A GIS-based framework for bus network optimization using genetic algorithm | |
Uddin et al. | A framework to measure transit-oriented development around transit nodes: Case study of a mass rapid transit system in Dhaka, Bangladesh | |
Almasi et al. | Urban transit network optimization under variable demand with single and multi-objective approaches using metaheuristics: The case of Daejeon, Korea | |
CN116384603A (zh) | 一种运输订单的处理方法、装置及设备 | |
Posada et al. | A metaheuristic for evaluation of an integrated special transport service | |
CN115668265A (zh) | 为操纵和调整承保标的的风险驱动组合提供前瞻和后顾度量的风险转移配置器和模拟引擎及其方法 | |
Liu et al. | Vehicle scheduling approach and its practice to optimise public bicycle redistribution in Hangzhou | |
Kolaee et al. | Sustainable group tourist trip planning: An adaptive large neighborhood search algorithm | |
Zhou et al. | An adaptation of reference class forecasting for the assessment of large-scale urban planning vision, a SEM-ANN approach to the case of Hong Kong Lantau tomorrow | |
Chevrier et al. | On optimizing a demand responsive transport with an evolutionary multi-objective approach |
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 |