CN116702520A - 一种乘客的轨道交通出行情况仿真方法及装置 - Google Patents

一种乘客的轨道交通出行情况仿真方法及装置 Download PDF

Info

Publication number
CN116702520A
CN116702520A CN202310982202.XA CN202310982202A CN116702520A CN 116702520 A CN116702520 A CN 116702520A CN 202310982202 A CN202310982202 A CN 202310982202A CN 116702520 A CN116702520 A CN 116702520A
Authority
CN
China
Prior art keywords
passenger
rail transit
station
specified
travel
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
Application number
CN202310982202.XA
Other languages
English (en)
Inventor
郭继孚
缐凯
于云
李寻
朱重远
张磊
许晗
商攀
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.)
Beijing Transport Institute
Original Assignee
Beijing Transport Institute
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 Beijing Transport Institute filed Critical Beijing Transport Institute
Priority to CN202310982202.XA priority Critical patent/CN116702520A/zh
Publication of CN116702520A publication Critical patent/CN116702520A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/18Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种乘客的轨道交通出行情况仿真方法及装置,涉及轨道交通仿真技术领域,主要目的在于每个乘客在轨道交通网络中出行全过程的仿真结果的准确性。本发明主要的技术方案为:获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;基于预设轨道交通物理网络,规划每个乘客在所述进站点到所述出站点间的多条指定路径;基于每个乘客的所述AFC系统数据及所述多条指定路径得到每个乘客在轨道交通中的出行仿真结果。本发明用于乘客的轨道交通出行情况仿真。

Description

一种乘客的轨道交通出行情况仿真方法及装置
技术领域
本发明涉及轨道交通仿真技术领域,尤其涉及一种乘客的轨道交通出行情况仿真方法及装置。
背景技术
在城市轨道交通领域中,会通过仿真技术来再现轨道交通的乘客实际出行情况,以便制定对应的运营策略。
目前的仿真方法大都是通过收集轨道交通中的累计客流数据来实现群体出行情况的大规模推演,由于是累计客流数据,因此缺少对于群体中每个乘客的完整出行行为描述,将会影响到每个乘客在轨道交通中的出行仿真结果的准确性。
发明内容
鉴于上述问题,本发明提供一种乘客的轨道交通出行情况仿真方法及装置,主要目的是为了提升每个乘客在轨道交通中的出行仿真结果的准确性。
为解决上述技术问题,本发明提出以下方案:
第一方面,本发明提供了一种乘客的轨道交通出行情况仿真方法,所述方法包括:
获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;
基于预设轨道交通物理网络,规划每个乘客在所述进站点到所述出站点间的多条指定路径;
基于每个乘客的所述AFC系统数据及所述多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
第二方面,本发明提供了一种乘客的轨道交通出行情况仿真装置,所述装置包括:
数据获取单元,用于获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;
路径规划单元,用于基于预设轨道交通物理网络,规划每个乘客在所述数据获取单元获取到的AFC系统数据中的进站点到所述出站点间的多条指定路径;
结果确定单元,用于基于所述数据获取单元获取到的每个乘客的所述AFC系统数据及所述路径规划单元规划出的多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
为了实现上述目的,根据本发明的第三方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述第一方面的乘客的轨道交通出行情况仿真方法。
为了实现上述目的,根据本发明的第四方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述第一方面的乘客的轨道交通出行情况仿真方法。
借由上述技术方案,本发明提供的一种乘客的轨道交通出行情况仿真方法及装置,可以针对于每个乘客,获取到每个乘客在轨道交通站内的AFC系统数据,AFC系统数据中包括进站点和出站点,结合预设的轨道交通物理网络可以规划出每个乘客在进站点到出站点间的多条指定路径,之后可以结合每个乘客的AFC系统数据中的进站时间以及每条指定路径,来得到每个乘客在轨道交通中的出行仿真结果。这样一来,先规划出每个乘客的路径,结合每个乘客的路径及AFC系统数据直接对每个乘客在轨道交通中的完整出行情况进行仿真,相较于利用累计客流观测数据得到的群体出行仿真结果中的每个乘客个体而言,本发明直接对乘客个体的出行情况进行仿真,可以使得到的乘客个体在轨道交通中的完整出行仿真结果更加精确。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种乘客的轨道交通出行情况仿真方法流程图;
图2示出了本发明实施例提供的另一种乘客的轨道交通出行情况仿真方法流程图;
图3示出了本发明实施例提供的一种乘客的轨道交通出行情况仿真装置的组成框图;
图4示出了本发明实施例提供的另一种乘客的轨道交通出行情况仿真装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在城市轨道交通领域中,会通过仿真技术来再现轨道交通的乘客实际出行情况,以便制定对应的运营策略。目前的仿真方法一方面是依赖单一数据源,只通过收集轨道交通中的累计客流数据来实现群体出行情况的大规模推演,但该方法由于注重的是整体,因此落实到每个乘客的路径轨迹上将会存在仿真不精确的情况。另一方面,现有的仿真方法结构复杂,仿真难度较大,无法快速输出仿真结果。为了解决上述问题,本发明提供了一种乘客的轨道交通出行情况仿真方法,其具体执行步骤如图1所示,包括:
101、获取每个乘客在轨道交通站内的AFC系统数据。
在发明中,是基于轨道交通网络动态仿真模块实现的。
在轨道交通中,每个乘客均会通过刷卡或手机扫码进站等方式通过闸机进站和出站,因此,城市轨道交通自动售检票(Automatic Fare Collection,AFC)系统中将会存在每个乘客的AFC系统数据,包括乘客进站点名称/编号、进站日期/时间、出站点名称/编号,出站日期/时间、进站闸机编号、出站闸机编号等信息。可以是人为在AFC系统中导出每个乘客的AFC系统数据并传输至轨道交通网络动态仿真模块中,也可以是在轨道交通网络动态仿真模块和AFC系统之间建立通讯接口,使得二者可以直接进行通信,这样一来,每有一个乘客的AFC系统数据,轨道交通网络动态仿真模块就可以直接获取到。
需要说明的是,本发明中获取到的只是AFC系统数据(包括进出站站点名称及进出站时间),不获取其他敏感信息。
102、基于预设轨道交通物理网络,规划每个乘客在进站点到出站点间的多条指定路径。
在本发明中,预先构建有轨道交通物理网络,此时的预设轨道交通物理网络可以是包括各个轨道交通线路中的具体站名、各个轨道交通线路走向等,各个轨道交通线路间的关联走向等,也就是轨道交通线路的结构拓扑图。
在获得了每个乘客的AFC系统数据后,可以根据预设轨道交通物理网络来规划每个乘客在AFC系统数据中的进站点到出站点间的多条指定路径。
具体的,在规划多条指定路径时,可以是轨道交通网络动态仿真模块将进站点的站名和出站点的站名代入至预设轨道交通物理网络中,从而规划其间的多条可行路径。之后,可以分别确定多条可行路径的站点数量,然后将站点数量较少的几条可行路径确定为指定路径;此外,还可以分别确定多条可行路径的历史拥堵信息及固定检测器获取的区间客流量数据和换乘客流量数据,然后结合多条可行路径的历史拥堵信息及固定检测器获取的区间客流量数据和换乘客流量数据确定出多条可行路径中用时较少的几条指定路径;此外,还可以是同时结合站点数量、历史拥堵信息及固定检测器获取的区间客流量数据和换乘客流量数据来对多条可行路径进行综合的评判,从而在多条可行路径中筛选出多条指定路径。
103、基于每个乘客的AFC系统数据及多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
在该步骤中,在规划出每个乘客在进站点到出站点间对应的多条指定路径后,轨道交通网络动态仿真模块可以结合每个乘客的AFC系统数据中的进站时间及每条指定路径仿真每个乘客在每条指定路径下的出行情况,具体的可以为时变动态行程轨迹的形式。
在得到了每个乘客在每条指定路径下的出行情况后,由于最终输出时,可以只输出一个较为优化的结果,此结果可以为乘客相对其他指定路径来说最有可能选择的,因此,可以对每个乘客在每条指定路径下的出行成本进行计算,然后在多条指定路径中选择出一个出行成本最小的目标路径,最终将每个乘客在目标路径下的仿真出行情况作为该乘客最终的出行仿真结果输出;此外,还可以是预先模拟乘客的历史出行习惯,然后将乘客在每条指定路径上的出行仿真情况和历史出行习惯进行比对,确定出最符合历史出行习惯的目标路径,最终将每个乘客在目标路径下的仿真出行情况作为该乘客最终的出行仿真结果输出。
基于上述图1的实现方式可以看出,本发明提供的一种乘客的轨道轨道交通出行情况仿真方法,可以针对于每个乘客,获取到每个乘客在轨道交通站内的AFC系统数据,AFC系统数据中包括进站点和出站点,结合预设的轨道交通物理网络可以规划出每个乘客在进站点到出站点间的多条指定路径,之后可以结合每个乘客的AFC系统数据中的进站时间以及每条指定路径,来得到每个乘客在轨道交通中的出行仿真结果。这样一来,先规划出每个乘客的路径,结合每个乘客的路径及AFC系统数据直接对每个乘客在轨道交通中的完整出行情况进行仿真,相较于从累计客流观测数据的角度出发得到的群体出行仿真结果中的每个乘客而言,本发明得到的每个乘客在轨道交通中的完整出行情况更加精确。
进一步的,作为对图1所示实施例的细化及扩展,本发明实施例还提供了另一种乘客的轨道交通出行情况仿真方法,如图2所示,其具体步骤如下:
201、获取每个乘客在轨道交通站内的AFC系统数据。
其中,步骤201的实施方式与步骤101相同,并且可以达到相同的技术效果,解决相同的技术问题,在此不做重复赘述。
202、基于预设轨道交通物理网络,规划每个乘客在进站点到出站点间的多条路径。
203、基于预设拥堵模拟方法和固定检测器获取的流量数据,在多条路径中确定出多条指定路径。
在步骤202和步骤203中,可以根据预设轨道交通物理网络规划每个乘客在进站点到出站点间的多条路径,示例性的,在预设轨道交通物理网络中有三条线路,分别为线路A、线路B、线路C,三条线路间均有换乘关联点,可以从线路A换成到线路B再换成到线路C,也可以从线路A直接换成到线路C。乘客1从进站点1进站,在出站点2出站,进站点1为线路A的其中一个站点、出站点2为线路C中的一个站点,因此,在进站点1和出站点2之间的多条路径可以是:路径1:从线路A中的进站点1,经过线路A和线路C之间的换乘站直接换乘到线路C中的出站点2;路径2:从线路A中的进站点1,经过线路A和线路B之间的换乘站换乘到线路B,再到线路B中线路B和线路C的换乘点,经由该换乘点换乘到线路C中的出站点2。
在确定出多条路径后,需要对多条路径进行进一步排查,筛选掉拥堵时间大于拥堵阈值的路径,得到剩下的指定路径,因为大部分乘客在乘坐轨道交通工具时,首选的都是拥堵情况较轻的。
具体的,可以是确定出规划的多条路径中,每条路径的历史拥堵数据,同时还获取到固定检测器获取的当下流量数据(其中,流量数据包括区间客流量数据和换乘客流量数据),之后可以根据每条路径的历史拥堵数据及固定检测器获取的流量数据计算出每条路径的拥堵值,从而筛选出多条路径中拥堵值小于拥堵阈值的多条指定路径。
引入固定检测器获取的流量数据的原因是:历史拥堵数据只代表了历史时间段内路径上的轨道交通出行情况,但随着时间的推移,各种因素都有可能介入,导致路径上的轨道交通出行情况发生变化,因此,需要引入固定检测器获取的当下流量数据结合历史拥堵数据对每条路径进行综合的评定,最终筛选出指定路径,这样筛选出的指定路径更为符合当下情况,也更倾向于乘客的实时出行行为。
204、基于每个乘客的AFC系统数据及多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
在该步骤中,由于预先构建的轨道交通物理网络中体现的是具体的轨道交通线路情况,不能描述乘客的出行行为,因此,可以结合规划出的多条指定路径,在预设轨道交通物理网络的基础上,生成每个乘客的每条指定路径对应的指定路径信息。
其中,由于每条指定路径都是基于预先构建的轨道交通物理网络生成的,因此,每条指定路径中可以明确经过哪些站点以及是否有换乘,若有换乘具体的换乘点等信息,因此来生成每条指定路径对应的指定路径信息后,每个指定路径信息中也就可以包括乘客在对应路径上的进站点、出站点、换乘点、上行运行站、下行运行站了,若要用于描述乘客在指定路径上的出行行为,还需要构建连接每两个相邻站点间的弧,例如换乘弧,连接了两条不同线路间的站台,用于描述乘客在不同线路间的换乘行为。
在拥有了用于描述乘客在每条指定路径上的出行行为的指定路径信息的基础上,可以结合乘客的进站时间及列车的运行时刻表信息来推算之后的每个时刻乘客位于哪个位置,对应于指定路径信息上,可以是每个时刻乘客位于连接弧上还是站点上,若位于连接弧可以表示乘客正在运行,若位于站点,可以是乘客正在等车等。
用于描述每个时刻乘客位于哪个位置的网络就是指定路径信息对应的指定轨道交通时空网络了。其中,每个乘客对应多条指定路径,每条指定路径均有对应的指定路径信息,用于描述乘客在该路径上的行为,可以是从进站点出发,经过进站弧到达上行运行站,经过上行运行弧到达换乘站,经过换乘弧到达另一线路等,每个指定路径信息也有对应的指定轨道交通时空网络,轨道交通时空网络用于描述每个时刻乘客位于哪个位置,例如乘客进站时间为八点,在八点十分时位于换乘弧上,八点十二分时到达另一线路。
示例性的,指定轨道交通时空网络中也包括了运行弧(i,j,t,t')连接了上游时空节点(i,t)和下游时空节点(j,t'),它代表了从节点i前往节点j,且旅程时间为(t'-t)。为描述乘客在时空网络中的精细化行为,共有五种不同类型的时空弧,它们分别是进站弧、运行弧、等待弧、换乘弧和出站弧。
在得到了每个乘客对应的进站时间、每条指定路径对应的指定轨道交通时空网络及对应的指定路径信息后,也就是说,进站时间有了,指定路径信息有了(相当于明确了乘客的路程行为了),具体推算的时空信息有了(相当于在路程行为上的每个时刻有了),轨道交通网络动态仿真模块就可以结合列车的运行时刻表信息来仿真出动态的每个乘客在每条指定路径上的动态运行轨迹了(出行情况)。
具体的,根据乘客的路程行为及描述路程行为的时空行为可以确定动态运行轨迹中乘客的换乘次数,再结合列车的运行时刻表信息,可以确定出动态运行轨迹中乘客在站台的等待时间、换乘等待时间、每个时刻乘客所处的具体位置等参数。
加入列车运行时刻表的信息是因为,乘客可能会因为列车当次并未到达而在站台等待或者由于列车提前进站而提前到达,是直接影响乘客在每个时刻所处位置的直接因素。
由于存在多个乘客,结合多个乘客的动态轨迹行为(出行情况)中的乘客所处位置及列车的运行时刻表信息可以得到具体哪辆列车在每个站点运载了多少人,也就是列车内的拥挤度等信息。
之后,根据每个乘客在每条指定路径上的动态运行轨迹(在每条路径上的出行情况)以及列车的拥挤度等信息可以得到每个乘客在每条指定路径上的出行成本。
最终,将每个乘客对应的多条指定路径中,出行成本最小的指定路径对应的轨道交通出行情况作为交通运行仿真结果输出。
需要说明的是,本申请中的每个算法都是针对于每个乘客,都是利用并行计算架构进行的,这样一来,仿真乘客人数众多的大规模轨道交通网络,也可以快速的输出每个乘客的轨道交通运行仿真结果。
在列车层面,由于每个乘客所在的具体位置可以得到,因此根据多个乘客所在的具体位置,可以得到每个车辆在每个区间的载客人数、车辆拥挤度信息等。
也就是说,本发明是利用每个乘客的已知进出站点信息以及轨道交通的物理结构来确定每个乘客在该进出站点间的多条可行路径,在根据已知进站时间仿真乘客在多条可行路径上的动态运行轨迹。
又由于乘客在运行时,大都选择一个成本最小的路径出行,因此,可以选择出乘客在多条可行路径中出行成本最小的路径上的动态运行轨迹的作为每个乘客的最终仿真运行结果输出。
需要说明的是,本发明在计算出行成本时考虑了乘客的多种可能情况,例如车内的拥挤度以及中途的等待时间及换乘次数等,这些都可能影响到乘客是否选择该路径,因此,根据该方法计算的出行成本更为精确,根据该方法计算出的出行成本最小的路径,也是最贴切乘客的真实选择的。
另外,本发明并不限于某个时间段,对任意时刻进站的乘客在站内的具体行为进行了精细化的描述,在知道了每个乘客的行为的基础上,每个时刻的群体行为也就可以得出了。
进一步的,作为对上述图1所示方法的实现,本发明实施例还提供了一种乘客的轨道交通出行情况仿真装置,用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示,该装置包括:
数据获取单元301,用于获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;
路径规划单元302,用于基于预设轨道交通物理网络,规划每个乘客在所述数据获取单元301获取到的AFC系统数据中的进站点到所述出站点间的多条指定路径;
结果确定单元303,用于基于所述数据获取单元301获取到的每个乘客的所述AFC系统数据及所述路径规划单元302规划出的多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
进一步的,作为对上述图2所示方法的实现,本发明实施例还提供了另一种乘客的轨道交通出行情况仿真装置,用于对上述图2所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图4所示,该装置包括:
数据获取单元301,用于获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;
路径规划单元302,用于基于预设轨道交通物理网络,规划每个乘客在所述数据获取单元301获取到的AFC系统数据中的进站点到所述出站点间的多条指定路径;
结果确定单元303,用于基于所述数据获取单元301获取到的每个乘客的所述AFC系统数据及所述路径规划单元302规划出的多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
一种可选的实施方式中,所述路径规划单元302包括:
路径规划模块3021,用于基于所述预设轨道交通物理网络中的各个轨道交通线路中的站点信息及线路情况,规划每个乘客在所述进站点到所述出站点间的多条路径;
路径确定模块3022,用于基于预设拥堵模拟方法和固定检测器获取的流量数据,在所述路径规划模块3021规划的多条路径中确定出多条指定路径。
一种可选的实施方式中,所述路径确定模块3022具体用于:
确定所述多条路径对应的历史拥堵数据;
基于所述多条路径对应的历史拥堵数据及所述固定检测器获取的流量数据确定所述多条路径对应的拥堵值;
确定出所述多条路径中拥堵值小于拥堵阈值的多条指定路径。
一种可选的实施方式中,所述结果确定单元303包括:
路径信息生成模块3031,用于基于所述预设轨道交通物理网络,生成每个乘客在每条指定路径上对应的指定路径信息,所述指定路径信息用于描述乘客在对应指定路径上的行程,包括进站点、出站点、上行运行站、下行运行站、换乘站、进站弧、出站弧、上行运行弧、下行运行弧及换乘弧;
结果仿真模块3032,用于基于所述路径信息生成模块3031生成的每个乘客对应的每个指定路径信息及所述AFC系统数据中的进站时间及列车运行时刻表信息,仿真每个乘客在每条指定路径上的出行情况;
结果输出模块3033,用于基于所述结果仿真模块3032仿真的每个乘客在每条指定路径上的出行情况输出每个乘客在轨道交通中的出行仿真结果。
一种可选的实施方式中,结果仿真模块3032具体用于:
基于每个乘客对应的每个指定路径信息及所述AFC系统数据中的进站时间及列车运行时刻表信息,构建每个乘客对应的每个指定路径信息对应的指定轨道交通时空网络,所述指定轨道交通时空网络用于描述乘客在对应指定路径上时具体的行程时刻;
基于所述每个乘客的所述进站时间、所述每个指定路径信息、每个指定轨道交通时空网络及所述列车运行时刻表信息,利用并行计算方法仿真每个乘客在每条指定路径上的出行情况,所述出行情况包括总出行时间、总换乘次数及各个时刻每个乘客所在的位置。
一种可选的实施方式中,所述结果输出模块3033具体用于:
基于每个乘客在每条指定路径上的出行情况确定所述每个乘客在所述每条指定路径上的出行成本;
将多条指定路径中出行成本最小的指定路径确定为所述每个乘客的目标路径;
将所述每个乘客在所述目标路径上的出行情况作为每个乘客在轨道交通中的出行仿真结果输出。
一种可选的实施方式中,所述结果输出模块3033在基于每个乘客在每条指定路径上的出行情况确定所述每个乘客在所述每条指定路径上的出行成本时,具体用于:
基于所述每个乘客在所述每条指定路径上的总出行时间、总换乘次数及各个时刻所述每个乘客所在的位置计算所述每个乘客在所述每条指定路径的出行成本。
进一步的,本发明实施例还提供一种存储介质,所述存储介质用于存储计算机程序,其中,所述计算机程序运行时控制所述存储介质所在设备执行上述图1-2中所述的乘客的轨道交通出行情况仿真方法。
进一步的,本发明实施例还提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述图1-2中所述的乘客的轨道交通出行情况仿真方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
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,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
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。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种乘客的轨道交通出行情况仿真方法,其特征在于,所述方法包括:
获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;
基于预设轨道交通物理网络,规划每个乘客在所述进站点到所述出站点间的多条指定路径;
基于每个乘客的所述AFC系统数据及所述多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
2.根据权利要求1所述的方法,其特征在于,基于预设轨道交通物理网络,规划每个乘客在所述进站点到所述出站点间的多条指定路径,包括:
基于所述预设轨道交通物理网络中的各个轨道交通线路中的站点信息及线路情况,规划每个乘客在所述进站点到所述出站点间的多条路径;
基于预设拥堵模拟方法和固定检测器获取的流量数据,在所述多条路径中确定出多条指定路径。
3.根据权利要求2所述的方法,其特征在于,基于预设拥堵模拟方法和固定检测器获取的流量数据,在所述多条路径中确定出多条指定路径,包括:
确定所述多条路径对应的历史拥堵数据;
基于所述多条路径对应的历史拥堵数据及所述固定检测器获取的流量数据确定所述多条路径对应的拥堵值;
确定出所述多条路径中拥堵值小于拥堵阈值的多条指定路径。
4.根据权利要求1所述的方法,其特征在于,基于每个乘客的所述AFC系统数据及所述多条指定路径得到每个乘客在轨道交通中的出行仿真结果,包括:
基于所述预设轨道交通物理网络,生成每个乘客在每条指定路径上对应的指定路径信息,所述指定路径信息用于描述乘客在对应指定路径上的行程,包括进站点、出站点、上行运行站、下行运行站、换乘站、进站弧、出站弧、上行运行弧、下行运行弧及换乘弧;
基于每个乘客对应的每个指定路径信息及所述AFC系统数据中的进站时间及列车运行时刻表信息,仿真每个乘客在每条指定路径上的出行情况;
基于每个乘客在每条指定路径上的出行情况输出每个乘客在轨道交通中的出行仿真结果。
5.根据权利要求4所述的方法,其特征在于,基于每个乘客对应的每个指定路径信息及所述AFC系统数据中的进站时间及列车运行时刻表信息,仿真每个乘客在每条指定路径上的出行情况,包括:
基于每个乘客对应的每个指定路径信息及所述AFC系统数据中的进站时间及列车运行时刻表信息,构建每个乘客对应的每个指定路径信息对应的指定轨道交通时空网络,所述指定轨道交通时空网络用于描述乘客在对应指定路径上时具体的行程时刻;
基于所述每个乘客的所述进站时间、所述每个指定路径信息、每个指定轨道交通时空网络及所述列车运行时刻表信息,利用并行计算方法仿真每个乘客在每条指定路径上的出行情况,所述出行情况包括总出行时间、总换乘次数及各个时刻每个乘客所在的位置。
6.根据权利要求4所述的方法,其特征在于,基于每个乘客在每条指定路径上的出行情况输出每个乘客在轨道交通中的出行仿真结果,包括:
基于每个乘客在每条指定路径上的出行情况确定所述每个乘客在所述每条指定路径上的出行成本;
将多条指定路径中出行成本最小的指定路径确定为所述每个乘客的目标路径;
将所述每个乘客在所述目标路径上的出行情况作为每个乘客在轨道交通中的出行仿真结果输出。
7.根据权利要求6所述的方法,其特征在于,基于每个乘客在每条指定路径上的出行情况确定所述每个乘客在所述每条指定路径上的出行成本,包括:
基于所述每个乘客在所述每条指定路径上的总出行时间、总换乘次数及各个时刻所述每个乘客所在的位置计算所述每个乘客在所述每条指定路径的出行成本。
8.一种乘客的轨道交通出行情况仿真装置,其特征在于,所述装置包括:
数据获取单元,用于获取每个乘客在轨道交通站内的AFC系统数据,所述AFC系统数据中包括进站点、出站点;
路径规划单元,用于基于预设轨道交通物理网络,规划每个乘客在所述数据获取单元获取到的AFC系统数据中的进站点到所述出站点间的多条指定路径;
结果确定单元,用于基于所述数据获取单元获取到的每个乘客的所述AFC系统数据及所述路径规划单元规划出的多条指定路径得到每个乘客在轨道交通中的出行仿真结果。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求7中任意一项所述的乘客的轨道交通出行情况仿真方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行如权利要求1至权利要求7中任意一项所述的乘客的轨道交通出行情况仿真方法。
CN202310982202.XA 2023-08-07 2023-08-07 一种乘客的轨道交通出行情况仿真方法及装置 Pending CN116702520A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310982202.XA CN116702520A (zh) 2023-08-07 2023-08-07 一种乘客的轨道交通出行情况仿真方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310982202.XA CN116702520A (zh) 2023-08-07 2023-08-07 一种乘客的轨道交通出行情况仿真方法及装置

Publications (1)

Publication Number Publication Date
CN116702520A true CN116702520A (zh) 2023-09-05

Family

ID=87829700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310982202.XA Pending CN116702520A (zh) 2023-08-07 2023-08-07 一种乘客的轨道交通出行情况仿真方法及装置

Country Status (1)

Country Link
CN (1) CN116702520A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409560A (zh) * 2018-08-16 2019-03-01 北京交通大学 基于多智能体仿真的城市轨道交通客流诱导方法
CN112418574A (zh) * 2019-08-21 2021-02-26 上海宝信软件股份有限公司 基于人工智能的城市轨道交通运营仿真系统及方法
CN113887068A (zh) * 2021-10-21 2022-01-04 北京城建设计发展集团股份有限公司 城市轨道交通线网与车站协同仿真计算方法
CN115018148A (zh) * 2022-06-01 2022-09-06 北京交通大学 一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统
CN115829147A (zh) * 2022-12-14 2023-03-21 广州地铁设计研究院股份有限公司 一种基于机器仿真的快慢车时刻表变化下客流od修正方法及应用

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409560A (zh) * 2018-08-16 2019-03-01 北京交通大学 基于多智能体仿真的城市轨道交通客流诱导方法
CN112418574A (zh) * 2019-08-21 2021-02-26 上海宝信软件股份有限公司 基于人工智能的城市轨道交通运营仿真系统及方法
CN113887068A (zh) * 2021-10-21 2022-01-04 北京城建设计发展集团股份有限公司 城市轨道交通线网与车站协同仿真计算方法
WO2023065595A1 (zh) * 2021-10-21 2023-04-27 北京城建设计发展集团股份有限公司 城市轨道交通线网与车站协同仿真计算方法
CN115018148A (zh) * 2022-06-01 2022-09-06 北京交通大学 一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统
CN115829147A (zh) * 2022-12-14 2023-03-21 广州地铁设计研究院股份有限公司 一种基于机器仿真的快慢车时刻表变化下客流od修正方法及应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚向明: "城市轨道交通网络动态客流分布及协同流入控制理论与方法", 《CNKI博士电子期刊》, pages 3 - 4 *

Similar Documents

Publication Publication Date Title
Alisoltani et al. Can dynamic ride-sharing reduce traffic congestion?
Dewilde et al. Robust railway station planning: An interaction between routing, timetabling and platforming
Yap et al. Identification and quantification of link vulnerability in multi-level public transport networks: a passenger perspective
Francesco et al. Complex railway systems: capacity and utilisation of interconnected networks
CN112686466A (zh) 地铁乘客的路径确认方法及装置
CN109074726A (zh) 人流评价系统、人流控制的检测方法
Yan et al. Inter-school bus scheduling under stochastic travel times
CN109726842A (zh) 乘车路径确定方法及其装置
Calabrò et al. Comparing the performance of demand responsive and schedule-based feeder services of mass rapid transit: an agent-based simulation approach
JP2016030473A (ja) 交通分析システム、交通分析プログラムおよび交通分析方法
Lee et al. Path-oriented synchronized transit scheduling using time-dependent data
Estrada et al. Experimental evaluation of real-time information services in transit systems from the perspective of users
Henchey et al. A simulation approach to study emergency response
CN116702520A (zh) 一种乘客的轨道交通出行情况仿真方法及装置
Furini et al. A fast heuristic approach for train timetabling in a railway node
West et al. Individual and synergetic effects of transit service improvement strategies: Simulation and validation
Duanmu et al. A simulation modeling framework for community-wide evacuation planning
Umlauf et al. Ridership estimation procedure for a transit corridor with new bus rapid transit service
CN114435433A (zh) 一种验证自动触发进路冲突的方法及装置
Yap et al. Robustness of multi-level public transport networks: a methodology to quantify robustness from a passenger perspective
Eltved et al. An assignment model for public transport networks with both schedule-and frequency-based services
Rotoli et al. Capacity assessment of railway infrastructure
Gkiotsalitis Periodic Stop Skipping: NP-hardness and computational limitations.
Al-Harthei et al. Real-time traffic patrol allocation for Abu Dhabi emirate (UAE)
Büker Methods of assessing railway infrastructure capacity

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