CN116757400A - 城市轨道交通车站限流方法及系统 - Google Patents
城市轨道交通车站限流方法及系统 Download PDFInfo
- Publication number
- CN116757400A CN116757400A CN202310595405.3A CN202310595405A CN116757400A CN 116757400 A CN116757400 A CN 116757400A CN 202310595405 A CN202310595405 A CN 202310595405A CN 116757400 A CN116757400 A CN 116757400A
- Authority
- CN
- China
- Prior art keywords
- station
- passenger flow
- current limiting
- flow
- passenger
- 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
- 230000000670 limiting effect Effects 0.000 title claims abstract description 268
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000012546 transfer Methods 0.000 claims description 110
- 238000009826 distribution Methods 0.000 claims description 94
- 230000006870 function Effects 0.000 claims description 34
- 238000005457 optimization Methods 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 17
- XQCFHQBGMWUEMY-ZPUQHVIOSA-N Nitrovin Chemical compound C=1C=C([N+]([O-])=O)OC=1\C=C\C(=NNC(=N)N)\C=C\C1=CC=C([N+]([O-])=O)O1 XQCFHQBGMWUEMY-ZPUQHVIOSA-N 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 7
- 230000004308 accommodation Effects 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请公开了一种城市轨道交通车站限流方法及系统。其中，方法包括基于预设客流数据，确定限流目标；基于限流目标以及车站类型，获得客流供需关系；基于车站类型，获得限流区域相关模型；基于客流供需关系，获得M个预设时间粒度下的子控制方案；子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；将N个预设时间粒度的子控制方案按照预设方法进行合并，利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略；根据城市轨道交通车站限流策略进行动态客流控制。该方法是一种基于限流区域动态控制的智能方法，能够适用于所有类型的车站以进行动态限流，大大提高运营的连贯性的普适性，有效降低人力资源和时间成本。
Description
技术领域
本公开涉及城市轨道交通运营组织技术领域，尤其涉及一种城市轨道交通车站限流方法及系统。
背景技术
为应对高峰时段的大客流需求，目前运营单位通常采取一定的客流控制手段来保障运营安全，如北京、上海、广州、深圳、杭州、成都等城市都在不同时段有一定数量的限流车站。通过对限流车站进行分析发现限流车站中大部分为换乘站，普通车站和换乘站限流的区别在于普通车站仅需针对进站客流限流，可以采取减缓进站或部分时段停止进站来达到客流控制的目的；换乘站需要综合考虑站外进站客流和站内换乘客流二者的限流问题，但一般当车站规模较大且换乘走行距离较长时，仅考虑采用站外限流方式进行组织。
目前针对换乘站限流问题通常采用的限流手段是限制进站或增加换乘走行长度。一些换乘站在设计过程中考虑到原有线路的客流增长问题，一般采取用换乘通道拉长换乘距离的手段减少对客流车站和线路的冲击。这种设计思路可以保证在运营过程中利用乘客走行速度差异达到分散乘客的效果，但平峰时段乘客走行距离过长而导致乘客体验和服务水平显著下降。另外一些换乘站采用的运营手段对换乘客流进行控制，如高峰和平峰时段采取不同的换乘路径，变相拉长换乘距离，从而达到减少客流冲击的作用，但这种方式可能会导致各向客流的汇集，造成换乘秩序混乱。还有一些采取了在站内或站外设置限流护栏来容纳过多的换乘、进站客流的手段。
现有的限流方法的研究多集中在路网协同限流、单线协同限流和车站限流等，实际运营过程中以单车站限流为主，且以站外限流为主要的限流形式。对于限流实际操作中限流设施摆放的考量缺乏具体可遵循的流程性步骤叙述，且受制于站内环境与目前的指导性手册，限流设施的摆放十分依赖地铁运营者与值班人员的日常经验，且客流的潮汐性与时间分布的不均衡性等特征使得城市轨道交通车站内部的限流设施摆放极具临时与日期时段重复性的特点。
在调研过程中发现常态化限流车站的工作人员在工作日的固定时段进行限流栏杆的摆放，组成一定的限流区域，等待高峰时段结束再将限流栏杆拆解撤出。这一重复性工作导致了工作人员布设固定隔离栏杆需要耗费的大量的人力资源及时间成本，对于每日固定时段的人力调用有很大的限制，且目前常态化限流基本上属于“一站一方案”，根据车站构造和固定运行设施的数量、位置的不同整体车站的限流方案也千差万别，运营的连贯性和普适性较差，无法适用于所有的车站。
发明内容
有鉴于此，本公开实施例提供了一种城市轨道交通车站限流方法及系统，能够适用于所有的车站，满足不同类型车站的动态限流。
第一方面，本公开实施例提供了一种城市轨道交通车站限流方法，方法包括：
基于预设客流数据，确定限流目标；
基于所述限流目标以及车站类型，获得客流供需关系；
所述客流供需关系包括进站客流分布模型、换乘客流分布模型和站台可容纳客流量分布模型；
基于车站类型，获得限流区域相关模型；
基于所述客流供需关系，获得M个预设时间粒度下的子控制方案；所述子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；
将N个预设时间粒度的子控制方案按照预设方法进行合并，利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略；
根据所述城市轨道交通车站限流策略进行动态客流控制；其中，N＜M。
可选的，所述预设客流数据包括车站历史客流数据、预测的客流数据或实时采集的客流数据中的一种或多种。
可选的，所述基于预设客流数据，确定限流目标，包括：对所述预设客流数据进行分析，当进站客流占总体客流的50％时，对应的所述限流目标为进站客流；
当换乘客流占总体客流的70％及以上时，对应的所述限流目标为换乘客流；
当换乘客流占总体客流的50％-70％时，对应的所述限流目标为站外的进站客流和站内的换乘客流；
其中，总体客流包括进站客流和换乘客流。
可选的，所述基于所述限流目标以及车站类型，获得客流供需关系，包括：基于所述限流目标以及车站类型，获得第一预设数据；所述第一预设数据包括行人步速、走行距离和列车到站时刻；
基于所述第一预设数据，构建行人流运动模型；
基于所述行人流运动模型以及进站客流的流率，获得进站客流分布模型；
基于所述第一预设数据以及换乘客流量，获得换乘客流分布模型；
基于所述第一预设数据以及所述车站类型，获得第一分布模型和第二分布模型；
其中，所述第一分布模型为进行站外限流时的站台可容纳客流量分布模型；所述第二分布模型为进行站内限流时的站台可容纳客流量分布模型。
可选的，所述行人流运动模型为f(t,l)，其中，v0为步速服从均值，δ为标准差，t为时间，l为预设距离；
所述进站客流分布模型为Qin；
其中，ρp(t)为t时刻下进站客流的流率，T为乘客从第i个进站口到达下一设备设施入口所需时间，v0为乘客行走速度均值，li为第i个进站口与下一设备设施入口之间的距离；
所述换乘客流分布模型为C(t)；Ak(t)＝Qkf(t,lk)；其中，Kz为列车车次数，k为第k列车，lk为平均换乘走行距离，Qk为换乘客流量，f(t,lk)为乘客走行时间为lk的概率分布模型；
所述第一分布模型为Qzt(t)；Qzt(t)＝min(Qst(t),Qax(t),Qjz(t))；
其中，其中，Qax(t)为车站安检设施能力，Qjz(t)为车站进站闸机能力；/>为安全水平下付费区内客流密度的临界值，Sf为站台付费区的有效面积，Qf(t)为第t个控制时段在站厅付费区的乘客数，/>为安全水平下非付费区内客流密度的临界值，Suf为站台非付费区的有效面积，Qj(t)为第t个控制时段在站厅非付费区已进站的乘客数；
所述第二分布模型为Qzj(t)；Qzj(t)＝min(Qsy(t),Qsx(t))；
Qsy(t)＝ρmaxSk-Qz(t)；ρmax＝ψ(μ)·F(x,y)；
其中，Sk为站台有效面积，Qz(t)为第t个控制时段在站台的乘客数，ψ(μ)为换乘站结构形式函数，F(x,y)为岛式站台或侧式站台的分区密度函数；/>为t时刻的楼扶梯设施通行能力，/>为t时刻的通道通行能力，为t时刻的站台走行通行能力。
可选的，所述基于车站类型，获得限流区域相关模型，包括：基于车站类型，确定影响因子；所述影响因子包括限流区域长度、限流区域宽度、限流区域内部护栏摆放方向、护栏通道宽度、护栏通道数量、护栏通道转角宽度、限流区域入口宽度和限流区域出口宽度；
基于所述影响因子，构建仿真模型；
对所述仿真模型进行分析，获得第一线性相关模型；
基于预设参数对所述第一线性相关模型进行优化，获得第二线性相关模型；
所述预设参数包括限流区域内走行长度和限流区域外排队人数；
基于所述第二线性相关模型，采用控制变量法，获得所述限流区域相关模型
其中，/>为第t个控制时段限流区域ci的实际客流需求流率，/>为第t-1个时段被限制进入限流区域ci的乘客流率，/>为第t个控制时段新到达限流区域ci的换乘客流率；/>为第t个控制时段对应的限流区域控制方案中的走行折数，/>为第t个控制时段对应的限流区域控制方案中的出口宽度；a、b、c、d均为常数，且a、b、d为正数，c为负数；i为限流区域类型参数，当i为1时，代表站外限流区域，当i为2时，代表站内限流区域；/>为由0-1变量组成的矩阵，表示限流区域各个通道两端的可移动护栏的开闭状态。
可选的，所述城市轨道交通车站限流策略包括站外动态限流策略、站内动态限流策略以及站内外协同动态限流策略；
所述站外动态限流策略的获取方法包括：
基于所述第一分布模型以及所述限流区域相关模型，获得站外限流优化模型Qw；
根据第一目标函数以及第一模型约束条件，获得第一子控制方案；其中，所述第一目标函数为ΔQ1：所述第一模型约束条件包括站外限流需求约束、站外客流需求约束和站厅非付费区面积约束；
所述站内动态限流策略的获取方法包括：
基于所述第二分布模型Qzj(t)以及所述限流区域相关模型，获得站内限流优化模型Qn；
根据第二目标函数以及第二模型约束条件，获得第二子控制方案；其中，所述第二目标函数为ΔQ2：所述第二模型约束条件包括站内限流需求约束、站内客流需求约束、站厅付费区面积约束和车站设施容纳能力约束；
所述站内外协同动态限流策略的获取方法包括：
基于所述第一分布模型、所述第二分布模型以及所述限流区域相关模型，获得站内外协同限流优化模型Qx；Qx＝Qw+Qn；
根据第三目标函数以及第三模型约束条件，获得第三子控制方案；
所述第三目标函数包括ΔT和ΔQ3；
其中，为每个时段换乘方向i的乘客平均等待时间，/>为换乘方向i每个时段的换乘乘客数，/>为换乘站换乘路径i乘客走行时间分布函数，/>为每个时段进站乘客的平均等待时间，Na为每个时段进站乘客数，f(t,lz)为进站乘客走行时间分布函数，/>为第t个控制时段站外限流区域c1的实际客流需求流率，q为限流区域的乘客到达量阈值，n为换乘方向的个数；
所述第三模型约束条件包括站外限流需求约束、站外客流需求约束、站厅非付费区面积约束、站内限流需求约束、站内客流需求约束、站厅付费区面积约束和车站设施容纳能力约束。
第二方面，本公开实施例还提供了一种城市轨道交通车站限流系统，包括：
限流目标确定模块，配置为基于预设客流数据，确定限流目标；
第一获取模块，配置为基于所述限流目标以及车站类型，获得客流供需关系；所述客流供需关系包括进站客流分布模型、换乘客流分布模型和站台可容纳客流量分布模型；
第二获取模块，配置为基于车站类型，获得限流区域相关模型；
第三获取模块，配置为基于所述客流供需关系，获得M个预设时间粒度下的子控制方案；所述子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；
第四获取模块，配置为将N个预设时间粒度的子控制方案按照预设方法进行合并；利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略；根据所述城市轨道交通车站限流策略进行动态客流控制；其中，N＜M。
第三方面，本公开实施例还提供了一种电子设备，采用如下技术方案：
所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以上任一所述的城市轨道交通车站限流方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行以上任一所述的城市轨道交通车站限流方法。
本申请公开的城市轨道交通车站限流方法，是一种基于限流区域动态控制的智能方法，能够适用于所有类型的车站，根据每个车站类型实现动态限流，大大提高运营的连贯性的普适性，有效降低人力资源和时间成本。具体地，通过引入限流区域的方法，以限流区域作为乘客的容纳场所和调节客流分布的手段，从需求端动态调节客流分布，对客流需求“削峰填谷”，在现有设施和建筑容量的限制下，确保客流量不超过设施限制、充分发挥车站设施运力，使客流需求与运力更好地匹配，为城市轨道交通车站运营者提供精细化和可操作的客流动态控制实施方案，达到有效提高换乘站的运营效率和安全效果、提升乘客出行体验的目的。
上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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为本公开实施例提供的城市轨道交通车站限流方法的流程图。
图2为本公开实施例中的客流供需关系的获得方法流程图。
图3为本公开实施例中的限流区域相关模型的获得方法流程图。
图4为本公开实施例中的限流区域结构示意图。
图5为本公开实施例中的限流区域护栏横向布设示意图。
图6为本公开实施例中的限流区域护栏纵向布设示意图。
图7为本公开实施例中的站外动态限流策略的获取方法流程图。
图8为本公开实施例中的站内动态限流策略的获取方法流程图。
图9为本公开实施例中的站内限流策略遗传算法流程示意图。
图10为本公开实施例中的站外限流策略遗传算法流程示意图。
图11为本公开实施例中的站内外协同限流策略的获取方法流程图。
图12为本公开实施例中的站内外限流策略的NSGA-II算法流程示意图。
图13为本公开实施例中的预设方法流程图。
图14为本公开实施例中的方案实施模型算法流程图。
图15为本公开实施例中的叠加换乘客流随时间分布示意图。
图16为本公开实施例中的Pareto最优解集示意图。
图17为本公开实施例中的站外限流区域的控制方案示意图。
图18为本公开实施例中的站内限流区域的控制方案示意图。
图19为本公开实施例中的合并后站外限流区域的控制方案和排队人数示意图。
图20为本公开实施例中的合并后站内限流区域的控制方案和排队人数示意图。
图21为本公开实施例提供的一种电子设备的原理框图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
应当明确，以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。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所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目各方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
参照图1，本申请公开了一种城市轨道交通车站限流方法，该方法具体包括以下步骤：
S100，基于预设客流数据，确定限流目标；其中，预设客流数据包括车站历史客流数据、预测的客流数据或实时采集的客流数据中的一种或多种；在本实施例中，可以通过分析进站客流量、换乘客流量、以及进站换乘客流比例等来确定限流目标(即限流对象)。
S200，基于限流目标以及车站类型，获得客流供需关系；
其中，客流供需关系包括进站客流分布模型、换乘客流分布模型和站台可容纳客流量分布模型；
基于车站类型，获得限流区域相关模型。
S300，基于客流供需关系，获得M个预设时间粒度下的子控制方案；其中，子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；
将N个预设时间粒度的子控制方案按照预设方法进行合并，利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略。
S400，根据城市轨道交通车站限流策略进行动态客流控制；
其中，预设时间粒度为小时间粒度。
N＜M，即在本实施例中，选取M个子控制方案中的N个进行合并，以得到至少两种合并方案。
本申请公开的城市轨道交通车站限流方法，是一种基于限流区域动态控制的智能方法，能够适用于所有类型的车站，根据每个车站类型实现动态限流，大大提高运营的连贯性的普适性，有效降低人力资源和时间成本。具体地，通过引入限流区域的方法，以限流区域作为乘客的容纳场所和调节客流分布的手段，从需求端动态调节客流分布，对客流需求“削峰填谷”，在现有设施和建筑容量的限制下，确保客流量不超过设施限制、充分发挥车站设施运力，使客流需求与运力更好地匹配，为城市轨道交通车站运营者提供精细化和可操作的客流动态控制实施方案，达到有效提高换乘站的运营效率和安全效果、提升乘客出行体验的目的。
在本实施例中，基于该预设客流数据，分析进站客流量、换乘客流量以及进站换乘客流比例来确定限流目标(即限流对象)。当某条线路的站台客流达到F级负荷度，则考虑进行限流控制。其中，站台客流的评价标准为：城市轨道交通运力负荷评估规范。
其中，预设客流数据为在选定研究对象的车站类型后，获得的数据。
进一步地，车站类型的选定方法具体包括：选定所研究的城市轨道交通车站后，确定车站为非换乘站或换乘站，若为非换乘站，则只涉及到站外限流问题，限流对象为站外进站客流；若为换乘站，则进一步考虑换乘站进站客流和换乘客流的比例后再确定限流对象。
对于限流目标的确定具体包括：对预设客流数据进行分析，当进站客流占总体客流的50％时，对应的限流目标为进站客流，此时可以进行站外限流。
当换乘客流占总体客流的70％及以上时，对应的限流目标为换乘客流，可以进行站内限流。当然，部分车站根据限流区域在站内设置的位置，限流对象为换乘客流和进站客流。
当换乘客流占总体客流的50％-70％时，对应的限流目标为站外的进站客流和站内的换乘客流，可以按照一定优先级对站内和站外进行协同限流。
其中，总体客流包括进站客流和换乘客流；预设客流数据为不同类型车站所对应的数据。
进站客流、出站客流和换乘客流之和组成了车站的总客流，但由于出站客流在站内停留时间较短且方向为离开车站，因此在本实施例中，仅考虑将进站客流和换乘客流作为总体客流。
参照图2，客流供需关系的获得方法具体包括以下步骤：
A210，基于限流目标以及车站类型，获得第一预设数据；其中，第一预设数据包括行人步速、走行距离和列车到站时刻。
A220，基于第一预设数据，构建行人流运动模型。
A230，基于行人流运动模型以及进站客流的流率，获得进站客流分布模型；
基于第一预设数据以及换乘客流量，获得换乘客流分布模型；
基于第一预设数据以及车站类型，获得第一分布模型和第二分布模型。
其中，第一分布模型为进行站外限流时的站台可容纳客流量分布模型；第二分布模型为进行站内限流时的站台可容纳客流量分布模型。
在本实施例中，行人流运动模型为f(t,l)，其中，v0为步速服从均值，δ为标准差，t为时间，l为预设距离。
进站客流分布模型为Qin；
其中，ρp(t)为t时刻下进站客流的流率，T为乘客从第i个进站口到达下一设备设施入口所需时间，v0为乘客走行速度均值，li为第i个进站口与下一设备设施入口之间的距离。
换乘客流分布模型为C(t)；
其中，Kz为列车车次数，k为第k列车，lk为平均换乘走行距离，Qk为换乘客流量，f(t,lk)为乘客走行时间为lk的概率分布模型。
第一分布模型为Qzt(t)；Qzt(t)＝min(Qst(t),Qax(t),Qjz(t))；
其中，Qax(t)为车站安检设施能力，Qjz(t)为车站进站闸机能力；为安全水平下付费区内客流密度的临界值，Sf为站台付费区的有效面积，Qf(t)为第t个控制时段在站厅付费区的乘客数，/>为安全水平下非付费区内客流密度的临界值，Suf为站台非付费区的有效面积，Qj(t)为第t个控制时段在站厅非付费区已进站的乘客数。
在本实施例中，Qst(t)为站厅内部动态客流变化与付费区、非付费区的客流流动形成的函数关系，即第t个控制时段站厅剩余可容纳乘客量。
第二分布模型为Qzj(t)；
Qzj(t)＝min(Qsy(t),Qsz(t))；
Qsy(t)＝ρmaxSk-Qz(t)；ρmax＝ψ(μ)·F(x,y)；
其中，Sk为站台有效面积，Qz(t)为第t个控制时段在站台的乘客数，ψ(μ)为换乘站结构形式函数，与T型站、L型站、十字型有关；F(x,y)为岛式站台或侧式站台的分区密度函数，单位为人/m2；为t时刻的楼扶梯设施通行能力，/>为t时刻的通道通行能力，为t时刻的站台走行通行能力。
其中，站台有效面积Sk和安全水平下的客流密度临界值ρmax都可以根据不同方法来确定，例如站台密度的计算可以考虑岛式站台与侧式站台的结构不同而取值有所不同，站台分区不同也有差异；站台有效面积与站台建筑面积密切相关，需要刨去乘客不可利用的面积，或留出乘客在站台通行的通道面积。
在本实施例中，客流供需关系包括客流需求和设施运力供给，客流和设施的供需关系决定了限流的力度。根据车站结构和乘客行为特征，计算客流需求端(即实际到达客流)和能力供给端(即各设施或空间剩余)的能力之间的匹配关系，若客流需求远超过设施供给能力，则需要考虑进行限流控制。
进一步地，第一预设数据的获取过程具体包括：根据行人步速、走行距离和列车到站时刻对行人流走行规律进行建模，然后根据进站客流到达规律和换乘客流到达规律叠加得到研究时段每一时间粒度下的客流达到和分布，最后进行设施对客流的影响分析得到限流区域入口处的客流分布，即该第一预设数据。
由于行人步速存在差异，假设行人步速服从正态分布，建立乘客到达下一设施设备的分布模型。根据Henderson的行人步速概率分布模型，v～N(v0,δ)，即步速服从均值为v0，标准差为δ的正态分布，其中，单位为m/s。
经过时间T的乘客到达下一设备设施入口的概率为P：
用距离和时间表示模型中的速度，可得到一定距离l下的行人流运动模型f(t,l)。
对于进站客流到达规律：可以根据进站客流的流率ρp(t)和行人流运动模型f(t,l)可得T时刻到达站厅关键位置的乘客人数
则各个进站口i到达下一设备设施入口处的人数，即进站客流分布模型为：
对于换乘客流到达规律：以乘客走行过程来计算乘客到达量，乘客走到某设施前需要步行的距离在所研究地铁站内为确定值，从列车k到达时刻起到乘客步行到所研究设施前的客流到达分布可以根据平均换乘走行距离lk和换乘客流量Qk计算，第k列车产生的客流达到某设施的分布可表示：Ak(t)＝Qkf(t,lk)；其中，f(t,lk)为乘客走行时间为lk的概率分布模型。
在以地铁站台为研究对象时，某一时间粒度下的输入客流Cz(t)应为多列车客流的叠加，需要计算时段[0,T]时间内的多列车的叠加客流，通过研究时段内对换入客流产生影响的列车车次数Kz和t时刻某列车换入换乘站研究站台的乘客数可得t时刻地铁换乘站的换乘客流输入，即换乘客流分布模型C(t)：
进一步地，设施对客流的影响：对于进出站和换乘过程中所经过的服务设施，根据其对客流规律的影响进行建模。某些设施受其能力影响，当等待服务乘客数超出设施通过能力时，一部分乘客将无法即时接受服务，需要等待一段时间，此类设施大多指的是楼扶梯、通道等服务类设施。若某一时刻等待服务乘客数超出设施最大服务能力，超出服务能力部分乘客将无法即时接受服务，会被移到下一时刻。若等待服务乘客数在最大服务能力以内，则不做往何调整。
对于进出站和换乘过程中所经过的服务设施，根据其对客流规律的影响进行建模。当扶梯设施处出现排队现象，部分乘客会选择楼梯通行。假设超过扶梯能力时，由扶梯转为楼梯的乘客比例为θ(t)，再选择行为后的客流调整如下：
S1(t+1)＝S1(t)+max{0,θ(t)(S2(t)-h2)}；
S2(t+1)＝S2(t)-max{0,θ(t)(S2(t)-h2)}。
其中，S1(t)为t时刻选择楼梯的乘客数，S2(t)为t时刻选择扶梯的乘客数，S1(t+1)为t+1时刻乘客再选择行为后的楼梯的人数，S2(t+1)为t+1时刻乘客再选择行为后的扶梯的人数，h2为扶梯的最大通过能力。
重新计算楼扶梯处的乘客数量，并考虑通过能力限制，可得楼扶梯处的输出客流。
S3(t+1)＝min{(S1(t+1),h1)}；
S4(t+1)＝min{(S2(t+1),h2)}。
其中，S3(t+1)为楼梯处的输出乘客数，S4(t+1)为扶梯处的输出乘客数，h1为楼梯最大通过能力。
对于设施运力供给：设施运力指的是车站关键设施可能提供的运力，该关键区域指站台、通道、楼扶梯等位置，设施运力供给是指这些关键位置能够提供运力的最小值，由于换乘客流最终将出现在站台上，则设施运力供给表现为可进入站台的客流量。
对于站外限流区域：第一分布模型(即进行站外限流时的可进入站厅的客流量)为站厅剩余可容纳的客流量Qst(t)、车站安检设施能力Qax(t)、车站进站闸机能力Qjz(t)三者的最小值。
对于站内限流区域：第二分布模型(即进行站内限流时的可进入站厅的客流量)为站台剩余可容纳的客流量Qsy(t)、车站设施能力Qsx(t)的最小值。
对于站台剩余可容纳的客流量Qsy(t)的获得过程，具体如下：
站台内部动态客流变化以及站台与其他区域的客流流动形成的函数关系借助下式来表示，其中上车客流与每一时段列车的剩余运力、站台客流需求、乘客对车厢密度的选择偏好等有关。部分靠近始发站或重要中间换乘站的乘客会根据车厢内的客流密度、发车频率等选择是否上车，当发车频率和车内客流密度较高时，乘客会选择主动留乘，等候乘车体验更好的列车乘坐。
其中，为第t个控制时段f`行方向的实际上车客流量，/>为第t个控制时段f`行方向到达车站前列车的剩余运力，/>为第t个控制时段f`行方向的下车客流流率，/>为第t个控制时段f`行方向主动留乘的乘客流率，/>为第t个控制时段f`行方向上车客流需求，/>为第t-1个控制时段f`行方向被动留乘乘客数，/>为第t-1个控制时段f`行方向主动留乘乘客数，/>为第t个控制时段f`行方向到达站台的乘客流量；f`为站台的上下行方向，1代表上行方向，2代表下行方向。
通过计算此时在站台的乘客数，再由车站站台原始可容纳的乘客数相减可得到站站台剩余可容纳的客流量Qsy(t)，即第t个控制时段站台剩余可容纳乘客量。
参照图3，限流区域相关模型的获得方法具体包括以下步骤：
B210，基于车站类型，确定影响因子。其中，影响因子包括限流区域长度、限流区域宽度、限流区域内部护栏摆放方向、护栏通道宽度、护栏通道数量、护栏通道转角宽度、限流区域入口宽度和限流区域出口宽度。
B220，基于影响因子，构建仿真模型。具体地，基于影响因子，构建仿真模型，采用控制变量法进行仿真分析，输出若干场景下对应的若干限流区域出口流量。
设计仿真实验并对仿真参数进行设置，随后进行仿真场景的搭建，按照设计的仿真方案用控制变量法研究限流区域限流效果(出口流率)与实验中的影响因子之间的关系，输出数据。
B230，对仿真模型进行分析，获得第一线性相关模型。具体地，利用数据分析软件(SPSS)进行相关因素分析，排除相关性较低的结构参数，建立限流效果与限流区域外部尺寸、内部结构的函数模型，即获得该第一线性相关模型。
B240，基于预设参数对第一线性相关模型进行优化，获得第二线性相关模型。其中，预设参数包括限流区域内走行长度和限流区域外排队人数。
具体地，利用评价指标对限流区域效果进行评估，优化限流区域外部尺寸、内部结构，该部分可以得到优化后的限流设施外部尺寸、内部结构。提出乘客在限流区域内走行长度和限流区域外排队人数两个评价指标，计算各种组合方案的限流区域设置指标，选择一定面积下的限流区域的最佳布置形式。根据实际空地面积限制，再仿真特定限流区域设置形式下的限流区域出口客流流率和相关参数的函数关系。
B250，基于第二线性相关模型，采用控制变量法，获得该限流区域相关模型
其中，/>为第t个控制时段限流区域ci的实际客流需求流率，/>为第t-1个时段被限制进入限流区域ci的乘客流率，/>为第t个控制时段新到达限流区域ci的换乘客流率；/>为第t个控制时段对应的限流区域控制方案中的走行折数，/>为第t个控制时段对应的限流区域控制方案中的出口宽度；a、b、c、d均为常数，且a、b、d为正数，c为负数；i为限流区域类型参数，当i为1时，代表站外限流区域，当i为2时，代表站内限流区域；/>为由0-1变量组成的矩阵，表示限流区域各个通道两端的可移动护栏的开闭状态。
具体地，在确定限流区域外部尺寸和内部结构的基础上，通过仿真方法研究限流区域内部折数和出口宽度与限流效果之间的关系，为后续限流区域的控制方案提供依据。
1)仿真实验设计：在外部结构尺寸确定的前提下，通过改变限流区域内通道两端的可移动护栏开闭，按照设计的仿真方案用控制变量法研究乘客走行折数、限流区域出口宽度与限流区域限流效果(出口流率)之间的关系，输出数据。
2)实验数据量化分析：利用数据分析方法确定限流效果与限流区域内部参数之间的关系，输出函数关系式，建立限流效果与走行折数、限流区域出口宽度的模型，确定限流区域布设方案，为限流方案确定部分提供限流区域结构依托。
通过仿真实验获得，获得限流区域ci的在t时段的出口流量即/>与走行折数/>出口宽度/>呈现线性关系。
参照图4至图6，限流区域长度以及限流区域宽度构成预设限流区域的边界，限流区域内部设置有若干护栏，相邻护栏形成通道；限流区域的护栏布设方式包括横向布设和纵向布设两种方式。
在本实施例中，城市轨道交通车站限流策略包括站外动态限流策略、站内动态限流策略以及站内外协同动态限流策略。
参照图7，站外动态限流策略的获取方法包括以下步骤：
W10，基于第一分布模型以及限流区域相关模型，获得站外限流优化模型Qw；
W20，根据第一目标函数以及第一模型约束条件，获得第一子控制方案(即站外动态限流策略)。
其中，第一目标函数为ΔQ1：即第一目标函数为站外限流区域出口乘客数与可进入站台的客流量之差最小。
第一模型约束条件具体为：
第一模型约束条件包括站外限流需求约束、站外客流需求约束和站厅非付费区面积约束；其中，限流需求约束即为每个时间t内的限流区域出口乘客数量不大于此时站台剩余可容纳的乘客数量Qzt(t)；站外客流需求约束即为离开限流区域的客流数量不超过该限流区域进站客流的实际需求/>站厅非付费区面积约束即为每时段站厅非付费区内聚集的乘客数nuf(t)小于站厅非付费区面积能够容纳的乘客数/>
参照图8，站内动态限流策略的获取方法包括以下步骤：
N10，基于第二分布模型以及限流区域相关模型，获得站内限流优化模型Qn；
N20，根据第二目标函数以及第二模型约束条件，获得第二子控制方案(即站内动态限流策略)。
其中，第二目标函数为ΔQ2：即第二目标函数为站内限流区域出口乘客数与可进入站台的客流量之差最小。
第二模型约束条件具体为：/>
第二模型约束条件包括站内限流需求约束、站内客流需求约束、站厅付费区面积约束和车站设施容纳能力约束；其中，站内限流需求约束即为每个时间t内的限流区域出口乘客数量不大于此时站台剩余可容纳的乘客数量Qzj(t)；站内客流需求约束即为离开限流区域的客流数量/>不超过客流的实际需求/>站厅付费区面积约束即为每时段站厅付费区内聚集的乘客数nf(t)小于站厅付费区面积能够容纳的乘客数/>车站设施容纳能力约束即为车站内楼扶梯等垂直设施的通行能力/>大于t控制时段到达站台的乘客量/>
参照图9和图10，对于站外、站内动态限流策略的获取中，控制方案求解算法均采用遗传算法来解决单目标优化模型，具体地，遗传算法流程示意图如下：
步骤Y10，对控制方案和出口宽度进行实数编码；
步骤Y20，令Gen＝0，进行种群初始化；
步骤Y30，以目标函数为适应度函数并计算；
步骤Y40，计算该种群的适应度；
步骤Y50，进行繁殖、交叉、变异的运算；
步骤Y60，判断Gen是否不小于设定值，若是，输出数据，若否，令Gen＝Gen+1，并执行步骤Y40。
其中，在站内动态限流策略中，步骤Y10为对站内限流区域走形折数和出口宽度进行实数编码；在站外动态限流策略中，步骤Y10为对站外限流区域走形折数和出口宽度进行实数编码。
参照图11，站内外协同动态限流策略的获取方法包括以下步骤：
X10，基于第一分布模型、第二分布模型以及限流区域相关模型，获得站内外协同限流优化模型Qx；Qx＝Qw+Qn；
X20，根据第三目标函数以及第三模型约束条件，获得第三子控制方案(即站内外协同动态限流策略)。
在本实施例中，第三目标函数包括均衡站内站外乘客等待时间和走行时间之和以及站内限流区域出口乘客数与进入站台的最佳客流量之差最小、站外限流区域出口乘客数与进入允许进站的最佳客流量之差最小的多目标优化。
具体地，第三目标函数包括ΔT和ΔQ3；其中，ΔT为时间指标，ΔQ3为客流指标。
其中，每个时段换乘方向i的乘客平均等待时间，/>为换乘方向i每个时段的换乘乘客数，/>为换乘站换乘路径i乘客走行时间分布函数，/>为每个时段进站乘客的平均等待时间，Na为每个时段进站乘客数，f(t,lz)为进站乘客走行时间分布函数，/>为第t个控制时段站外限流区域c1的实际客流需求流率，q为限流区域的乘客到达量阈值，n为换乘方向的个数。/>
进一步地，换乘走行时间和等待时间是由各时段被限流乘客与单位时间相乘的累加之和，车站各向换乘乘客的平均等待时间为车站总等待时间除以研究时段内经过限流区域的总人数。进站乘客的走行时间和等待时间则由进站客流的均匀分布规律而得。
客流指标代表站内限流区域出口乘客数与可进入站台的客流量之差最小，站外限流区域出口乘客数与允许进站的最佳客流量之差最小。
第三模型约束条件具体为：
第三模型约束条件包括站外限流需求约束、站外客流需求约束、站厅非付费区面积约束、站内限流需求约束、站内客流需求约束、站厅付费区面积约束和车站设施容纳能力约束。
参照图12，在本实施例中，站内外协同动态限流策略的求解算法采用可以求解多目标优化的算法，例如NSGA-II算法，具体算法流程示意图如下：
步骤C10，对控制方案和出口宽度进行实数编码；
步骤C20，令Gen＝0，进行种群初始化；
步骤C30，构建适应度函数并计算；
步骤C40，二元锦标赛选择模拟二进制交叉多项式变异；
步骤C50，生成子代种群；
步骤C60，进行改进的快速非支配排序操作；
步骤C70，拥挤度计算；
步骤C80，精英策略；
步骤C90，判断Gen是否不小于设定值；若是，输出帕累托最优解集；若否，令Gen＝Gen+1，并返回执行步骤C40。
在M个预设时间粒度下的子控制方案中选择N个预设时间粒度的子控制方案按照预设方法进行合并，即将小时间粒度的控制方案进行合并，然后得到各时段的控制方案，其目标是为了便于运营管理，因此在本实施例中选择按较大的时间粒度对控制方案进行合并。方案组合的目的在于将变化频繁、控制方案随时间跳跃较大的一系列控制方案按一定规则组合成随时间粒度分布稳定而有序的连贯控制方案。
参照图13，进行合并所选用的预设方法的具体步骤如下：
步骤D10，输入初始时间粒度Δt下的控制方案序列A；
A＝[S1S2…SM]；其中，Sm∈A，Sm为初始时间粒度下第m时段的折数，M代表在初始时间序列下的M个时段。
进一步地，A的获得步骤具体包括：输入按照时间序列顺序排列的初始时间粒度Δt(单位：min)下的开口方案，并按时间序列依次排列控制方案得到折数的矩阵A。
步骤D20，基于时间序列聚类法将序列A聚类为N类，其中，第n类含有i个状态，则
步骤D30，对于第n类，判断iΔt是否不小于10分钟；
若是，执行步骤D50；若否，执行步骤D40；
步骤D40，随机将n类合并至n-1类或n+1类，并更新为N类。
步骤D50，从n＝1开始遍历每个时段，将各时段n的平均折数Sn’作为该时段的初始折数，并计算采用该折数下的限流区域外的排队人数，若排队人数小于等于阈值q(事先设定值)，则将此时的折数作为最终折数；若排队人数大于阈值q，则将折数变为Sn’＝Sn’+1，再次判断排队人数与阈值之间的关系，直至排队人数小于等于阈值q，并将此时的折数作为最终折数；若折数达到最大折数，则将最大折数达到最终折数。
步骤D60，将新时段的最终折数依次排列，得到新矩阵B；B＝[S'1S'2…S'N]。
在执行合并操作后，利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略，即确定各时段限流区域的护栏的开闭位置，以获得最终实施方案。
目标是限流区域各时段控制方案和下一时段控制方案变化最小。
优化目标为限流区域各时段控制方案和下一时段控制方案差别最小，具体为： 其中，/>分别为第t和第t+1时段的限流区域实施方案，为一个由0、1变量组成的(K-1)×2阶矩阵，0代表护栏围成的通道关闭，1代表通道开启，K为限流区域总通道数量；N为方案合并后的N个阶段；i＝1代表站外限流区域；i＝2代表站内限流区域。
约束条件为排列组合原理和通道相邻原理。
其中，Zt+1为第t+1时段的实施方案集合，/>分别为第t+1时段中第k通道两侧开口的位置。
第t时段实施方案可表示为：/>
实施方案算法流程根据排列组合原理，控制方案值代表的走行长度可选择的具体限流区域控制方案有多种，确定具体限流区域控制方案规则如下：
①t时刻控制方案求解出的数值为1～K(K为通道数)之间的数，相应地从实施方案解集中挑选其中一种实施方案作为初始方案。
②t+1时刻实施方案为t时刻实施方案的延伸，即沿用上一时段实施方案基础上利用排列组合原理进一步在剩余通道里选择t+1时刻实施方案。
③判断t+1时刻实施方案是否与t时刻实施方案改变位置为相邻门、相邻通道的解。
参照图14，方案实施模型算法流程示意图具体为：
选择t时刻控制方案值F(G)；在本实施例中，即按照时间序列排列的控制方案值；
选择t时刻下控制方案值F(G)对应的一种实施方案G(即Gt)。
运用排列组合原理，基于t时刻控制方案确定t+1时刻实施方案G(即Gt+1)，以门的调整量最小作为目标；
判断t+1时刻的实施方案G与上一时刻实施方案G改变位置是否相邻(即两个时刻之间改变的门的位置是否处于相邻通道)；
若是，定为t+1时刻的解(即为t+1时刻下的实施方案Gt+1)；若否，则返回寻找其他解。
下面结合具体实施例对本申请进行详细说明。
以换乘车站为例，描述站内站外协同限流方案的步骤。
1、乘客走行过程分析和客流输入的计算
1)利用数据采集仪器或实地调研等方法获取换乘站的进出站客流，并按照早高峰每分钟的时间粒度进行数据处理。对换乘客流量进行统计分析，按照早高峰数据匹配到以分钟为时间粒度的数据范围。
2)统计研究时段内的列车到达信息。
3)获取站内乘客走行过程的分布函数以及走行规律，获取站外进站乘客的行人流参数。测量换乘站各个换乘方向换入研究站台的乘客步行距离与乘客进站走行到研究站台的站外走行距离。
4)参照图15，进行相应时段的客流叠加计算，获得叠加换乘客流随时间分布示意图。
5)站台客流量计算，计算得出每一时刻站台还可容纳的乘客数量。
2、仿真流程分析：站外按面积裕量选择通道数为8的限流区域，限流区域结构为通道宽度为2.3m转角宽度为2.6m。站内限流区域通道数为6，通道宽度为2.3m，转角宽度为2.6m，出口宽度为3.0m；并根据站外限流区域c1的控制模型得到限流区域出口在时间粒度t时段内的客流量模型站内限流区域c2的客流量模型/>
3、限流方案确定：参照图16，通过数据输入和模型构建、算法求解，可以得到利用NSGA-Ⅱ算法求解出的解为Pareto最优解集。
选择帕累托最优解为站内站外被限流乘客的总延误时间为：5.067×104分钟，站内站外限流区域出口客流量与进入站台的最佳流量之差为2688人的解，换算成每个乘客的延误时间为1min55s，站内限流区域、站外限流区域二者与进入空间的最佳客流量之差平均每分钟为22.4人。
参照图17和图18，分别为此解对应的站外限流区域控制方案和站内限流区域控制方案。
进行方案组合操作，设计排队人数不超过60人，参照图19和图20，分别为方案组合后的早高峰控制方案变化1和限流区域入口排队情况。
控制方案随时间变化得到图中连贯的控制方案，再利用限流实施模型与算法，可得站内和站外限流区域早高峰的实施方案，如表1所示。
表1站内和站外限流区域早高峰实施方案
与站内限流区域动态控制优化模型类似，得到实施方案后，求解限流区域通道两端尽头可移动护栏形成的乘客可通行的门的0-1矩阵。方案实施模型对应的门矩阵G的变化如下表2。
表2早高峰站内、站外限流区域实施方案矩阵
将设置限流区域前的乘客到达站厅下行扶梯前的客流分布和到达进站口的客流分布与设置限流区域后的客流分布进行对比，形成站内站外限流方案的优化效果如表3。
表3站内站外协同限流方案下的优化效果
由表3分析可得，在优化前，换乘站站台在早高峰有20min会接收到冲击，超过站台能力限制，而优化之后，由于加入了站内限流区域，增加了站厅的容纳能力，限制了乘客进入站台的速率，因为模型的优化目标和约束条件中加入了站台能力的限制，所以早高峰受到冲击的时段全部被优化，优化比例为-20/120min＝-16.67％。时间上，设置限流区域后平均每位乘客增加的延误时间比不设置限流区域时乘客由于拥堵而造成的平均排队时间更短，缩短比例为-35.03％。经对比发现站内限流方案中时间一项的优化比例为-61.58％。
本申请第二方面公开了一种城市轨道交通车站限流系统，包括：
限流目标确定模块，配置为基于预设客流数据，确定限流目标；
第一获取模块，配置为基于所述限流目标以及车站类型，获得客流供需关系；所述客流供需关系包括进站客流分布模型、换乘客流分布模型和站台可容纳客流量分布模型；
第二获取模块，配置为基于车站类型，获得限流区域相关模型；
第三获取模块，配置为基于所述客流供需关系，获得M个预设时间粒度下的子控制方案；所述子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；
第四获取模块，配置为将N个预设时间粒度的子控制方案按照预设方法进行合并，利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略；根据所述城市轨道交通车站限流策略进行动态客流控制；其中，N＜M。
根据本公开实施例的电子设备包括存储器和处理器。该存储器用于存储非暂时性计算机可读指令。具体地，存储器可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中，该处理器用于运行该存储器中存储的该计算机可读指令，使得该电子设备执行前述的本公开各实施例的城市轨道交通车站限流方法法全部或部分步骤。
本领域技术人员应能理解，为了解决如何获得良好用户体验效果的技术问题，本实施例中也可以包括诸如通信总线、接口等公知的结构，这些公知的结构也应包含在本公开的保护范围之内。
如图21为本公开实施例提供的一种电子设备的结构示意图。其示出了适于用来实现本公开实施例中的电子设备的结构示意图。图21示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图21所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)，其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常，以下装置可以连接至I/O接口：包括例如传感器或者视觉信息采集设备等的输入装置；包括例如显示屏等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备(比如边缘计算设备)进行无线或有线通信以交换数据。虽然图21示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的城市轨道交通车站限流方法的全部或部分步骤。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时，执行前述的本公开各实施例的城市轨道交通车站限流方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于：光存储介质(例如：CD－ROM和DVD)、磁光存储介质(例如：MO)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置ROM的媒体(例如：ROM盒)。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
在本公开中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
另外，如在此使用的，在以“至少一个”开始的项的列举中使用的“或”指示分离的列举，以便例如“A、B或C的至少一个”的列举意味着A或B或C，或AB或AC或BC，或ABC(即A和B和C)。此外，措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。
还需要指出的是，在本公开的系统和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种改变、替换和更改。此外，本公开的权利要求的范围不限于以上所述的处理、机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而，所附权利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或动作。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种城市轨道交通车站限流方法，其特征在于，方法包括：
基于预设客流数据，确定限流目标；
基于所述限流目标以及车站类型，获得客流供需关系；
所述客流供需关系包括进站客流分布模型、换乘客流分布模型和站台可容纳客流量分布模型；
基于车站类型，获得限流区域相关模型；
基于所述客流供需关系，获得M个预设时间粒度下的子控制方案；所述子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；
将N个预设时间粒度的子控制方案按照预设方法进行合并，利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略；
根据所述城市轨道交通车站限流策略进行动态客流控制；
其中，N＜M。
2.根据权利要求1所述的城市轨道交通车站限流方法，其特征在于，所述预设客流数据包括车站历史客流数据、预测的客流数据或实时采集的客流数据中的一种或多种。
3.根据权利要求2所述的城市轨道交通车站限流方法，其特征在于，所述基于预设客流数据，确定限流目标，包括：
对所述预设客流数据进行分析，当进站客流占总体客流的50％时，对应的所述限流目标为进站客流；
当换乘客流占总体客流的70％及以上时，对应的所述限流目标为换乘客流；
当换乘客流占总体客流的50％-70％时，对应的所述限流目标为站外的进站客流和站内的换乘客流；
其中，总体客流包括进站客流和换乘客流。
4.根据权利要求1所述的城市轨道交通车站限流方法，其特征在于，所述基于所述限流目标以及车站类型，获得客流供需关系，包括：
基于所述限流目标以及车站类型，获得第一预设数据；所述第一预设数据包括行人步速、走行距离和列车到站时刻；
基于所述第一预设数据，构建行人流运动模型；
基于所述行人流运动模型以及进站客流的流率，获得进站客流分布模型；
基于所述第一预设数据以及换乘客流量，获得换乘客流分布模型；
基于所述第一预设数据以及所述车站类型，获得第一分布模型和第二分布模型；
其中，所述第一分布模型为进行站外限流时的站台可容纳客流量分布模型；所述第二分布模型为进行站内限流时的站台可容纳客流量分布模型。
5.根据权利要求4所述的城市轨道交通车站限流方法，其特征在于，所述行人流运动模型为f(t,l)，其中，v0为步速服从均值，δ为标准差，t为时间，l为预设距离；
所述进站客流分布模型为Qin；
其中，ρp(t)为t时刻下进站客流的流率，T为乘客从第i个进站口到达下一设备设施入口所需时间，v0为乘客行走速度均值，li为第i个进站口与下一设备设施入口之间的距离；
所述换乘客流分布模型为C(t)；
Ak(t)＝Qkf(t,lk)；其中，Kz为列车车次数，k为第k列车，lk为平均换乘走行距离，Qk为换乘客流量，f(t,lk)为乘客走行时间为lk的概率分布模型；
所述第一分布模型为Qzt(t)；
Qzt(t)＝min(Qst(t),Qax(t),Qjz(t))；
其中，
其中，Qax(t)为车站安检设施能力，Qjz(t)为车站进站闸机能力；为安全水平下付费区内客流密度的临界值，Sf为站台付费区的有效面积，Qf(t)为第t个控制时段在站厅付费区的乘客数，/>为安全水平下非付费区内客流密度的临界值，Suf为站台非付费区的有效面积，Qj(t)为第t个控制时段在站厅非付费区已进站的乘客数；
所述第二分布模型为Qzj(t)；
Qzj(t)＝min(Qsy(t),Qsx(t))；
Qsy(t)＝ρmaxSk-Qz(t)；ρmax＝ψ(μ)·F(x,y)；
其中，Sk为站台有效面积，Qz(t)为第t个控制时段在站台的乘客数，ψ(μ)为换乘站结构形式函数，F(x,y)为岛式站台或侧式站台的分区密度函数；为t时刻的楼扶梯设施通行能力，/>为t时刻的通道通行能力，/>为t时刻的站台走行通行能力。
6.根据权利要求1所述的城市轨道交通车站限流方法，其特征在于，所述基于车站类型，获得限流区域相关模型，包括：
基于车站类型，确定影响因子；所述影响因子包括限流区域长度、限流区域宽度、限流区域内部护栏摆放方向、护栏通道宽度、护栏通道数量、护栏通道转角宽度、限流区域入口宽度和限流区域出口宽度；
基于所述影响因子，构建仿真模型；
对所述仿真模型进行分析，获得第一线性相关模型；
基于预设参数对所述第一线性相关模型进行优化，获得第二线性相关模型；
所述预设参数包括限流区域内走行长度和限流区域外排队人数；
基于所述第二线性相关模型，采用控制变量法，获得所述限流区域相关模型
其中，为第t个控制时段限流区域ci的实际客流需求流率，/>为第t-1个时段被限制进入限流区域ci的乘客流率，/>为第t个控制时段新到达限流区域ci的换乘客流率；
为第t个控制时段对应的限流区域控制方案中的走行折数，/>为第t个控制时段对应的限流区域控制方案中的出口宽度；a、b、c、d均为常数，且a、b、d为正数，c为负数；i为限流区域类型参数，当i为1时，代表站外限流区域，当i为2时，代表站内限流区域；为由0-1变量组成的矩阵，表示限流区域各个通道两端的可移动护栏的开闭状态。
7.根据权利要求6所述的城市轨道交通车站限流方法，其特征在于，所述城市轨道交通车站限流策略包括站外动态限流策略、站内动态限流策略以及站内外协同动态限流策略；
所述站外动态限流策略的获取方法包括：
基于所述第一分布模型以及所述限流区域相关模型，获得站外限流优化模型Qw；
根据第一目标函数以及第一模型约束条件，获得第一子控制方案；其中，所述第一目标函数为ΔQ1：所述第一模型约束条件包括站外限流需求约束、站外客流需求约束和站厅非付费区面积约束；
所述站内动态限流策略的获取方法包括：
基于所述第二分布模型Qzj(t)以及所述限流区域相关模型，获得站内限流优化模型Qn；
根据第二目标函数以及第二模型约束条件，获得第二子控制方案；其中，所述第二目标函数为ΔQ2：所述第二模型约束条件包括站内限流需求约束、站内客流需求约束、站厅付费区面积约束和车站设施容纳能力约束；
所述站内外协同动态限流策略的获取方法包括：
基于所述第一分布模型、所述第二分布模型以及所述限流区域相关模型，获得站内外协同限流优化模型Qx；Qx＝QW+Qn；
根据第三目标函数以及第三模型约束条件，获得第三子控制方案；
所述第三目标函数包括ΔT和ΔQ3；
其中，为每个时段换乘方向i的乘客平均等待时间，/>为换乘方向i每个时段的换乘乘客数，/>为换乘站换乘路径i乘客走行时间分布函数，/>为每个时段进站乘客的平均等待时间，Na为每个时段进站乘客数，f(t,lz)为进站乘客走行时间分布函数，/>为第t个控制时段站外限流区域c1的实际客流需求流率，q为限流区域的乘客到达量阈值，n为换乘方向的个数；
所述第三模型约束条件包括站外限流需求约束、站外客流需求约束、站厅非付费区面积约束、站内限流需求约束、站内客流需求约束、站厅付费区面积约束和车站设施容纳能力约束。
8.一种城市轨道交通车站限流系统，其特征在于，包括：
限流目标确定模块，配置为基于预设客流数据，确定限流目标；
第一获取模块，配置为基于所述限流目标以及车站类型，获得客流供需关系；所述客流供需关系包括进站客流分布模型、换乘客流分布模型和站台可容纳客流量分布模型；
第二获取模块，配置为基于车站类型，获得限流区域相关模型；
第三获取模块，配置为基于所述客流供需关系，获得M个预设时间粒度下的子控制方案；所述子控制方案包括每个预设时间粒度对应的限流区域护栏的走行折数和出口宽度；
第四获取模块，配置为将N个预设时间粒度的子控制方案按照预设方法进行合并；利用排列组合原理和路径相邻原理得到城市轨道交通车站限流策略；根据所述城市轨道交通车站限流策略进行动态客流控制；其中，N＜M。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一所述的城市轨道交通车站限流方法。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行权利要求1-7任一所述的城市轨道交通车站限流方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310595405.3A CN116757400B (zh) | 2023-05-25 | 2023-05-25 | 城市轨道交通车站限流方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310595405.3A CN116757400B (zh) | 2023-05-25 | 2023-05-25 | 城市轨道交通车站限流方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116757400A true CN116757400A (zh) | 2023-09-15 |
| CN116757400B CN116757400B (zh) | 2023-12-22 |
Family
ID=87946893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310595405.3A Active CN116757400B (zh) | 2023-05-25 | 2023-05-25 | 城市轨道交通车站限流方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116757400B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117808184A (zh) * | 2024-02-29 | 2024-04-02 | 成都汇辙科技有限公司 | 一种全生产要素驱动的城市轨道交通服务管理系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245806A (zh) * | 2019-06-24 | 2019-09-17 | 北京交通大学 | 一种城市轨道交通客流管控方法与系统 |
| CN112381260A (zh) * | 2020-09-03 | 2021-02-19 | 北京交通大学 | 基于进站比例的城市轨道交通客流管控优化方法 |
| CN114925909A (zh) * | 2022-05-18 | 2022-08-19 | 北京交通大学 | 城市轨道交通客流与车流耦合优化方法及系统 |
-
2023
- 2023-05-25 CN CN202310595405.3A patent/CN116757400B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245806A (zh) * | 2019-06-24 | 2019-09-17 | 北京交通大学 | 一种城市轨道交通客流管控方法与系统 |
| CN112381260A (zh) * | 2020-09-03 | 2021-02-19 | 北京交通大学 | 基于进站比例的城市轨道交通客流管控优化方法 |
| CN114925909A (zh) * | 2022-05-18 | 2022-08-19 | 北京交通大学 | 城市轨道交通客流与车流耦合优化方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117808184A (zh) * | 2024-02-29 | 2024-04-02 | 成都汇辙科技有限公司 | 一种全生产要素驱动的城市轨道交通服务管理系统 |
| CN117808184B (zh) * | 2024-02-29 | 2024-05-10 | 成都汇辙科技有限公司 | 一种全生产要素驱动的城市轨道交通服务管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116757400B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107248006B (zh) | 基于分层递阶的地铁线路客流协调控制方法 | |
| Shi et al. | Service-oriented train timetabling with collaborative passenger flow control on an oversaturated metro line: An integer linear optimization approach | |
| Jiang et al. | Reinforcement learning approach for coordinated passenger inflow control of urban rail transit in peak hours | |
| CN108550098B (zh) | 一种城市轨道交通网络客流限流方法 | |
| Xu et al. | Capacity-oriented passenger flow control under uncertain demand: Algorithm development and real-world case study | |
| CN116757400B (zh) | 城市轨道交通车站限流方法及系统 | |
| Wang et al. | Passenger-demands-oriented train scheduling for an urban rail transit network | |
| Yang et al. | A bi-objective timetable optimization model incorporating energy allocation and passenger assignment in an energy-regenerative metro system | |
| CN105488751A (zh) | 一种地铁站客流微观统计与调度方法 | |
| CN112465205A (zh) | 一种单线多站协同限流的轨道交通列车开行密度优化方法 | |
| An et al. | Analysis of adding-runs strategy for peak-hour regular bus services | |
| CN116739160A (zh) | 一种面向全域的枢纽客流时空智能管控方法及系统 | |
| CN114519933A (zh) | 基于无过饱和状态的约定出行管控方法、装置及存储介质 | |
| Wang et al. | Pre-trip reservation enabled route guidance and signal control cooperative method for improving network throughput | |
| Sadrani et al. | Designing limited-stop bus services for minimizing operator and user costs under crowding conditions | |
| Zhao et al. | Graphical solution for system optimum dynamic traffic assignment with day-based incentive routing strategies | |
| Shi et al. | Safety-oriented train timetabling and stop planning with time-varying and elastic demand on overcrowded commuter metro lines | |
| Mutlu et al. | COVID-19 transmission risk minimization at public transportation stops using Differential Evolution algorithm | |
| JP6231946B2 (ja) | プログラム及びシミュレーション装置 | |
| CN112070275A (zh) | 一种轨道交通路网协同限流的方法和装置及设备 | |
| He et al. | Modeling pedestrian walking behavior in the flow field with moving walkways | |
| Zhou et al. | Risk analysis of crowd gathering on metro platforms during large passenger flow | |
| Smith | Application of state-dependent queues to pedestrian/vehicular network design | |
| CN114723141A (zh) | 一种brt多服务模式优化方法及系统 | |
| Davis et al. | Estimation of Capacity of escalators in London Underground |
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 |