CN116822762A - 地铁网络系统稳定性监测控制方法、系统和设备 - Google Patents
地铁网络系统稳定性监测控制方法、系统和设备 Download PDFInfo
- Publication number
- CN116822762A CN116822762A CN202310321475.XA CN202310321475A CN116822762A CN 116822762 A CN116822762 A CN 116822762A CN 202310321475 A CN202310321475 A CN 202310321475A CN 116822762 A CN116822762 A CN 116822762A
- Authority
- CN
- China
- Prior art keywords
- network
- site
- blocking
- passenger
- subway
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 230000000903 blocking effect Effects 0.000 claims abstract description 104
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000004215 lattice model Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种地铁网络系统稳定性监测控制方法、系统和设备,属于城市轨道交通运营管理技术领域,本发明利用轨道交通自动售检票数据和地铁实际的运营时刻表数据,反应真实的地铁网络的运行状态;基于实际数据采用仿真技术识别堵塞站点,发现堵塞团簇;通过分析网络中团簇演化过程,确定堵塞形成的关键站点,确定空车越站载客方案中载客起点,并根据实际乘客需求数据分析站点所在区域属性,确定方案中列车的行驶方向,实现地铁网络稳定性的监测和控制。
Description
技术领域
本发明涉及城市轨道交通运营管理技术领域,具体涉及一种地铁网络系统稳定性监测控制方法、系统和设备。
背景技术
已有的交通基础设施并不能完全满足居民的出行需求,这使得交通堵塞问题成为城市可持续化发展的主要制约之一。交通堵塞产生的根本原因在于交通需求与交通供给之间不匹配。为缓解城市发展中的交通堵塞状况,一方面可以通过增加基础设施建设,提高道路的承载力;另一方面可以在现有的交通基础设施之上,进行科学的管理规划,提高网络运营效率,达到缓解交通压力,维持网络稳定的目的。
总体来看,对交通网络稳定性的监测、控制的研究具有重要的研究意义。目前对于城市轨道交通网网络的研究也逐渐开展。如针对地铁网络的脆弱性研究的主要方法是对地铁网络进行拓扑建模,分析不同攻击模式下城市地铁网络性能指标的差异。对于地铁网络抗毁性研究主要是通过解析和仿真来研究网络的抗毁性质。考虑到地铁客流的影响,对突发性事故下地铁客流拥堵的传播扩散现象与级联失效过程进行仿真分析,通过分析受阻客流在复合网络中的传播性。而其他的一些级联失效影响的模型:基于负载-容量模型建立的城市轨道交通网络级联失效模型、基于耦合映像格子模型构建的轨道交通拥挤传播模型等,以及地铁网络脆弱性评价模型,能够分析不同评价方法和网络类型对地铁网络脆弱性的影响,但是这些研究多集中在网络的物理拓扑结构,鲜有考虑实际客流。目前对于地铁网络韧性的研究较少,地铁网络韧性缺乏统一的定义、研究框架和评价方法。有研究将城市地铁网络韧性视为站点中断后网络的剩余性能与原始性能的比值,提出了一种用于定量衡量地铁网络性能的韧性评价方法,但评价指标较为单一。目前的这些研究多集中在网络的物理拓扑结构,鲜有考虑实际客流,加上对网络稳定性分析的评价指标相对单一,很难发挥研究的实践作用。由于城市轨道交通网络化运营的发展带来的客流量激增,客流组织工作变得越来越复杂,仿真技术可以很好地完成大量复杂计算,对模拟实际客流有很大作用。
发明内容
本发明的目的在于提供一种地铁网络系统稳定性监测控制方法、系统和设备,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种地铁网络系统稳定性监测控制方法,包括:
基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
优选的,基于AFC数据中获取的乘客OD数据,利用广度优先遍历算法对网络中的节点进行搜索,获得K条备选路径,从备选路径中选择出一条作为最终的出行路线。
优选的,对K条备选路径进行打分;考虑路线所经过的站点数、换乘次数、行程所需时间因素,制定打分规则如下:
其中,score(i)表示第i条备选路线的得分,t(i)、ns(i)、nt(i)分别表示第i条备选路径所需要的时间、经过的站点数和换乘的次数;α、β、γ为各因素在路径得分中的重要程度;
得分最高的作为乘客的最终出行路径。
优选的,所述堵塞比为:在同一个网络中,堵塞站点的数量可以反应网络的连通性,故采用堵塞比反应团簇网络的连通情况;t时刻网络的堵塞节点比Z(t)为网络中发生堵塞的节点总数C(t)与网络中站点总数N的比值,用来反映网络中节点失效的范围;
规模堵塞比为:用站点总数对堵塞集团数量进行归一化,得到规模堵塞比Rl(t):其中,Cl(t)为t时刻堵塞集团的总规模。
优选的,在一时间段内,具有空间关联的站点会反复堵塞,定义这些站点组成的集合为堵塞团簇;由于每个团簇内部的站点都具有一定的关联性,利用团簇数反应堵塞站点的分类数,对每个团簇单独分析制定控制方案;
出现堵塞站点时不一定形成堵塞集团,只有具有空间关联的堵塞站点存在时会出现堵塞集团,当有集团出现说明当前网络中存在一定规模的堵塞站点,而集团的持续时间反应局部网络中有一定规模堵塞的站点存在时间,集团持续时间过长说明该站点在较长时间段内存在乘客滞留,该站点此时的状态对乘客的出行产生较大的影响,故采用堵塞集团持续时间评价整个控制持续的时间。
优选的,确定空车越站载客站点,包括:从AFC数据中获得各站点的区域属性;对每个站点进行打分,站点i的得分为:s(i)=n(i)-f(i);
其中,n(i)为站点i进站乘客数,f(i)为站点i的出站乘客数;
当站点得分大于0时,为居住区站点,否则为工作区站点,据此对站点所属区域进行划分。
第二方面,本发明提供一种地铁网络系统稳定性监测控制系统,包括:
规划模块,用于基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
确定模块,用于根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
监控模块,用于根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的地铁网络系统稳定性监测控制方法。
第四方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的地铁网络系统稳定性监测控制方法。
第五方面,本发明提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的地铁网络系统稳定性监测控制方法的指令。
本发明有益效果:利用轨道交通自动售检票数据和地铁实际的运营时刻表数据,反应真实的地铁网络的运行状态;基于实际数据采用仿真技术识别堵塞站点,发现堵塞团簇;通过分析网络中团簇演化过程,确定堵塞形成的关键站点,确定空车越站载客方案中载客起点,并根据实际乘客需求数据分析站点所在区域属性,确定方案中列车的行驶方向,实现地铁网络稳定性的监测和控制。
本发明附加方面的优点,将在下述的描述部分中更加明显的给出,或通过本发明的实践了解到。
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,下面描述中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他的附图。
图1为本发明实施例所述的地铁模拟系统算法流程图。
图2为本发明实施例所述的K算法的算法流程图。
图3为本发明实施例所述的地铁网络的堵塞团簇分布图。
图4为本发明实施例所述的团簇堵塞比、规模堵塞变化图。
图5为本发明实施例所述的各站点职-住分布图。其中,空心圆表示的站点为工作区站点,实心圆表示的站点为居住区站点。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1中,首先提供了一种地铁网络系统稳定性监测控制系统,包括:规划模块,用于基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;确定模块,用于根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;监控模块,用于根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
本实施例1中,利用上述的系统实现了地铁网络系统稳定性监测控制方法,包括:
使用规划模块,基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;使用确定模块,根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;使用监控模块,根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
其中,基于AFC数据中获取的乘客OD数据,利用广度优先遍历算法对网络中的节点进行搜索,获得K条备选路径,从备选路径中选择出一条作为最终的出行路线。
对K条备选路径进行打分;考虑路线所经过的站点数、换乘次数、行程所需时间因素,制定打分规则如下:
其中,score(i)表示第i条备选路线的得分,t(i)、ns(i)、nt(i)分别表示第i条备选路径所需要的时间、经过的站点数和换乘的次数;α、β、γ为各因素在路径得分中的重要程度;
得分最高的作为乘客的最终出行路径。
对于地铁网络稳定性评价指标的确定。首先,需要明确堵塞集团的相关的概念。在所构建的模拟系统中,随着乘客不断涌入站点,当交通供给小于交通需求时,出现乘客滞留,认为此时该站点发生了堵塞。随着堵塞站点数量增加,堵塞站点会出现聚集现象,称同一时刻内存在空间关联的站点为堵塞集团。由于堵塞站点间常存在关联,尤其是相邻的两个站点间堵塞会有相互的影响,多个空间相连的堵塞站点会形成堵塞集团,这些集团内部站点之间存在着相互影响。随着时间的推进,在较长时间内会出现堵塞的站点集合,称这些站点为堵塞团簇。由于堵塞团簇是有关联的堵塞站点集合,故团簇的信息可以直观地反映网络的堵塞情况,反应其稳定性,所以需要对团簇进行研究。堵塞以扩散的形式形成团簇,所以团簇内最早出现的堵塞站点对于堵塞的传播具有重要意义,称这种站点为“核”站点。由于核站点周围的堵塞是由于该站点引起的,故疏散核站点及造成该站点堵塞上游站点的客流能够有效提高网络的稳定性。
所述堵塞比为:在同一个网络中,堵塞站点的数量可以反应网络的连通性,故采用堵塞比反应团簇网络的连通情况;t时刻网络的堵塞节点比Z(t)为网络中发生堵塞的节点总数C(t)与网络中站点总数N的比值,用来反映网络中节点失效的范围;
堵塞站点的分布有两种情况:在空间上独立、空间上与其他站点相连。由于地铁运行方式与空间有较大关联,所以考虑有空间关联的堵塞站点具有实际意义。一个站点堵塞后,会引起周围站点堵塞,这些空间关联的堵塞站点构成堵塞集团。而所形成的堵塞集团具有一定规模,可以反应网络中有一定规模的堵塞站点规模。用站点总数对堵塞集团数量进行归一化,得到规模堵塞比规模堵塞比为:用站点总数对堵塞集团数量进行归一化,得到规模堵塞比Rl(t):其中,Cl(t)为t时刻堵塞集团的总规模。
在一时间段内,具有空间关联的站点会反复堵塞,定义这些站点组成的集合为堵塞团簇;由于每个团簇内部的站点都具有一定的关联性,利用团簇数反应堵塞站点的分类数,对每个团簇单独分析制定控制方案;
出现堵塞站点时不一定形成堵塞集团,只有具有空间关联的堵塞站点存在时会出现堵塞集团,当有集团出现说明当前网络中存在一定规模的堵塞站点,而集团的持续时间反应局部网络中有一定规模堵塞的站点存在时间,集团持续时间过长说明该站点在较长时间段内存在乘客滞留,该站点此时的状态对乘客的出行产生较大的影响,故采用堵塞集团持续时间评价整个控制持续的时间。
对于稳定性监测,在地铁网络运营过程中,对每个站点进行实时监测,当团簇内堵塞比达到预设阈值后,需要对团簇内站点开启预警控制。当团簇的规模堵塞比达到预设阈值后,开始对团簇实行控制。
由于列车容量往往大于站点内能够容纳的乘客总数,所以一辆空载的列车能够极大地改善堵塞站点的堵塞状况,地铁实际运营中会采用空车越站的方式缓解个别站点的堵塞状况,即列车在发车后不停车,直接到堵塞站点载客以缓解当前站点的交通压力。本实施例中拟根据系统中团簇的特征及变化情况确定空车越站的列车行驶方向及开始载客站点。根据实际的乘客需求设计空车载客列车的行驶方向,行驶方向应由实际需求反映出来的站点所在区域的属性(居住区/工作区)决定。为满足实际的通勤需求,从AFC数据中获得各站点的区域属性。由于早高峰时段的运输乘客多为通勤人员,故通过进、出站乘客数确定该站点的区域属性。站点的进站乘客数越多,站点所在区域越倾向为居住区,出站人数越多,越倾向为工作区。基于此认知,对每个站点进行打分,站点i的得分为:s(i)=n(i)-f(i);
其中,n(i)为站点i进站乘客数,f(i)为站点i的出站乘客数;
当站点得分大于0时,为居住区站点,否则为工作区站点,据此对站点所属区域进行划分。
实施例2
由于城市轨道交通网络化运营的发展带来的客流量激增,客流组织工作变得越来越复杂,仿真技术可以很好地完成大量复杂计算,对模拟实际客流有很大作用。因此,本实施例2中利用轨道交通自动售检票(Automatic Fare Collection,AFC)数据和某市主要地铁实际的运营时刻表数据,反应真实的地铁网络的运行状态。基于实际数据采用仿真技术识别堵塞站点,发现堵塞团簇。通过分析网络中团簇演化过程,确定堵塞形成的关键站点,确定空车越站载客方案中载客起点,并根据实际乘客需求数据分析站点所在区域属性,确定方案中列车的行驶方向,由此形成一套地铁网络稳定性的监测、控制的方法和装置。
地铁仿真系统涉及地铁运行和乘流两部分。其中地铁的运行状态和轨迹完全按照列车时刻表进行。乘流模拟则需要考虑已知乘客OD时的路径规划、进站后根据所规划的路径、乘客上车条件、换乘及下车条件等,系统的算法具体如图1所示。
本实施例中核心算法为K算法,应用在规划乘客出行路径。其算法的基本步骤为:基于AFC数据中获取的乘客OD数据,利用广度优先遍历算法对网络中的节点进行搜索,以此获得K条最短路径,将这K条路径作为乘客出行的备选方案,再从备选方案中选择出一条作为最终的出行路线。选择方法如下:首先,对K条路径进行打分。考虑到路线所经过的站点数、换乘次数、行程所需时间等因素,拟制定打分规则如下:
其中,score(i)表示第i条备选路线的得分,t(i)、ns(i)、nt(i)分别表示第i条备选路径所需要的时间、经过的站点数和换乘的次数;α、β、γ为各因素在路径得分中的重要程度。得分最高的作为乘客的出行路径,其算法流程如图2所示。算法中的参数通过调整模拟误差与实际误差的分布确定。
考虑到实际出行中,当车厢内乘客数达到一定数量时,如果等待时间较短,出于舒适度的考虑,乘客可能选择乘坐下一班列车,故将车厢内乘客数量、乘客等待时间作为乘客是否上车的判断标准,详见流程图1。
为对网络的稳定性进行控制,本实施例2中,拟基于上述系统的模拟结果提出稳定性指标,用来监测网络的稳定性变化。
首先,需要明确堵塞集团的相关的概念。在所构建的模拟系统中,随着乘客不断涌入站点,当交通供给小于交通需求时,出现乘客滞留,认为此时该站点发生了堵塞。随着堵塞站点数量增加,堵塞站点会出现聚集现象,称同一时刻内存在空间关联的站点为堵塞集团。由于堵塞站点间常存在关联,尤其是相邻的两个站点间堵塞会有相互的影响,多个空间相连的堵塞站点会形成堵塞集团,这些集团内部站点之间存在着相互影响。随着时间的推进,在较长时间内会出现堵塞的站点集合,称这些站点为堵塞团簇。由于堵塞团簇是有关联的堵塞站点集合,故团簇的信息可以直观地反映网络的堵塞情况,反应其稳定性,所以需要对团簇进行研究。堵塞以扩散的形式形成团簇,所以团簇内最早出现的堵塞站点对于堵塞的传播具有重要意义,称这种站点为“核”站点。由于核站点周围的堵塞是由于该站点引起的,故疏散核站点及造成该站点堵塞上游站点的客流能够有效提高网络的稳定性。
本实施例2中,拟根据以上提出的与堵塞相关的概念,定义网络稳定性指标,并阐述该指标的实际意义。
1、堵塞比:在同一个网络中,堵塞站点的数量可以反应网络的连通性,故本发明拟采用堵塞比反应团簇网络的连通情况。t时刻网络的堵塞节点比Z(t)为网络中发生堵塞的节点总数C(t)与网络中站点总数N的比值,可以用来反映网络中节点失效的范围,该指标越大,堵塞影响的范围越广,网络连通度越低,网络稳定性越差。
2、规模堵塞比
堵塞站点的分布有两种情况:在空间上独立、空间上与其他站点相连。由于地铁运行方式与空间有较大关联,所以考虑有空间关联的堵塞站点具有实际意义。一个站点堵塞后,会引起周围站点堵塞,这些空间关联的堵塞站点构成堵塞集团。而所形成的堵塞集团具有一定规模,可以反应网络中有一定规模的堵塞站点规模。用站点总数对堵塞集团数量进行归一化,得到规模堵塞比:其中,Cl(t)为t时刻堵塞集团的总规模。当堵塞规模比超过阈值时,需要开始对网络的稳定性进行控制。
3、团簇数量
在较长一段时间内,一些具有空间关联的站点会反复堵塞,定义这些站点组成的集合为堵塞团簇。由于每个团簇内部的站点都具有一定的关联性,单独分析每一个团簇的演化规律可以分析团簇内站点的堵塞原因。故本实施例中拟利用团簇数Nl(t)反应堵塞站点的分类数,对每个团簇单独分析制定合理的控制方案。
4、堵塞集团持续时间
出现堵塞站点时不一定形成堵塞集团,只有具有空间关联的堵塞站点存在时会出现堵塞集团,当有集团出现说明当前网络中存在一定规模的堵塞站点,而集团的持续时间则可以反应局部网络中有一定规模堵塞的站点存在时间,集团持续时间过长说明该站点在较长时间段内存在乘客滞留,该站点此时的状态对乘客的出行产生较大的影响,故本实施例中拟采用堵塞集团持续时间T作为稳定性指标之一,用来评价整个控制持续的时间。
对于稳定性控制,由于整个地铁网络中堵塞具有空间关联,有聚集性的特点。为了提供更加高效的控制策略,同时提升网络的运营效率,本方案拟结合堵塞站点的影响范围采取空车越站的策略,具体方案如下:
对于稳定性监测,在地铁网络运营过程中,对每个站点进行实时监测,当团簇内堵塞比达到预设阈值后,需要对团簇内站点开启预警控制。当团簇的规模堵塞比达到预设阈值后,开始对团簇实行控制。
在确定空车越站载客站点时,由于列车容量往往大于站点内能够容纳的乘客总数,所以一辆空载的列车能够极大地改善堵塞站点的堵塞状况,地铁实际运营中会采用空车越站的方式缓解个别站点的堵塞状况,即列车在发车后不停车,直接到堵塞站点载客以缓解当前站点的交通压力。本实施例中拟根据系统中团簇的特征及变化情况确定空车越站的列车行驶方向及开始载客站点。本实施例中拟根据实际的乘客需求设计空车载客列车的行驶方向,行驶方向应由实际需求反映出来的站点所在区域的属性(居住区/工作区)决定。为满足实际的通勤需求,本实施例中拟从AFC数据中获得各站点的区域属性。由于早高峰时段的运输乘客多为通勤人员,故通过进、出站乘客数确定该站点的区域属性。站点的进站乘客数越多,站点所在区域越倾向为居住区,出站人数越多,越倾向为工作区。基于此认知,对每个站点进行打分,站点i的得分为:s(i)=n(i)-f(i);其中,n(i)为站点i进站乘客数,f(i)为站点i的出站乘客数;当站点得分大于0时,为居住区站点,否则为工作区站点,据此对站点所属区域进行划分。
考虑到高峰期地铁网络中堵塞站点较多,除了确定空车越站列车的行驶方向外,还需要明确空车载客具体的载客站点,载客站点选取的优劣对于缓解网络中交通压力、提高交通承载效率至关重要。基于实际数据的模拟系统中获取的堵塞团簇的演化过程,将其可视化后可以直观地看出地铁网络中的关键站点,即“核”站点。由于核站点周围的堵塞是由于该站点引起的,故疏解该站点的堵塞可以有效地缓解当前站点的交通压力,并有效地缓解下游站点的堵塞情况,提高整个网络的稳定性。故本实施例中拟将“核”站点确定为空车载客方案中的起始站点。即在网络稳定性需要控制时,根据站点所在的区域属性确定空车载客列车的行驶方向,列车在发车后不载客,直到达对堵塞有重大影响的“核”站点后开始载客,以此缓解当前站点及下游各站点的交通压力,提高网络的稳定性。
本实施例2中,针对上述该某市的地铁线路进行稳定性评价:从客流量角度,依据该市日均客流量排名,选出客流量较大的9条线路(1号线、2号线、4号线、5号线、6号线、7号线、8号线、10号线、13号线)作为本实施例中的研究对象,这9条线路包含234个站点(N=234)。从该市地铁网络拓扑特点和分布范围,这9条线路具有典型的网络特征,覆盖了该市大部分的区域,且地铁2号线、10号线为全市的两条主要环线,环绕市中心,几乎与所有线路之间存在换乘站点。因此,综合来看,研究网络堵塞时,所选取的9条地铁线路具有一定的代表性。然后,构建地铁模拟系统:根据AFC数据中每个乘客的进站时间、出站时间计算出该乘客的实际出行时间Tr,对比模拟中该乘客的出行时间Ts,获得模拟出行时间与实际出行时间之间的误差ΔT,计算每一个乘客的出行误差,由此得到ΔT的分布函数。对模拟系统中的参数进行调整,使得ΔT分布函数的峰值对应的横坐标更接近0。
对于该市地铁网络系统稳定性监测:在所构建的地铁模拟系统中对实际数据进行模拟,根据模拟结果可以看到,所研究的网络中共包含4个团簇,各团簇的分布及核站点所在位置见图3所示,团簇所包含的站点见表1。其中,图3中,空芯圆对应的站点为团簇1的站点,实心圆对应的站点为团簇2的站点,矩形对应的站点为团簇3的站点,椭圆对应的站点为团簇4的站点,正方形对应的站点为各团簇对应的核站点。
表1
分别对4个团簇在模拟过程中的团簇信息进行分析(统计时间间隔为10分钟),监测网络稳定性指标。其中,预警、控制时间是根据堵塞比、堵塞规模比确定的,对于团簇持续时间,其根据堵塞比判断,规模堵塞比非0的时刻为团簇存在的时间,该时段出现一定程度的堵塞。
(1)预警、控制开始时间
将堵塞比和规模堵塞比的阈值设置为0.2,即超过20%的站点发生堵塞时,需要对网络稳定性进行预警,而超过20%的具有一定规模的堵塞站点产生时,网络稳定性不足以满足乘客的出行需求,需要立即启动控制措施。
团簇1的堵塞比和堵塞规模随时间的变化见图4。从图中可以看到,团簇1分别在6:50、7:40、8:10、10:00、10:20、20:00、20:20、21:20时达到预警值域,开始预警,在7:00、7:50、8:10、10:00、10:20、11:10、11:40开始进行控制;团簇2在7:40、10:10、10:30开始预警,8:00时开始对稳定性进行控制;团簇3在7:30、10:00、10:20、11:00、14:20、15:40、18:40时预警,在7:40、8:10、8:50、9:40、10:20、11:30时需要对稳定性进行控制;团簇4分别在7:30、7:50、18:20、18:40时开始预警,分别在8:00、18:20、18:40时需要对网络稳定性进行控制。其中,图4(a)、图4(b)、图4(c)、图4(d)分别为团簇1、2、3、4对应的团簇内堵塞比、规模堵塞比变化图,线1代表各团簇堵塞比的变化,线2代表各团簇规模堵塞比的变化。
(2)控制方法和装置
针对模拟中团簇的演化过程,寻找各团簇的核站点,结果见表1。
为确定区间车的行驶方向,需要确定各站点所在的区域属性。从获取的AFC数据中可以得到高峰期乘客OD数据,根据进站和出站乘客数可以得到各站点得分,进而确定各站点所在区域属性(工作区域/居住区域),将结果呈现在工作区域与居住区域站点的分布图中,见图5。从图5中可以看到,核站点多数分布在居住区域,团簇的形成主要是由通勤引起的。为了缓解堵塞地区的交通压力,对影响交通堵塞的关键站点采取空车越站的策略,空车的方向为:居住区站点-工作区站点。在确定好空车载客列车的行驶方向后,需要确定载客的起始站点。根据团簇的演化过程得到的“核”站点见表1,即为载客起始站点。
实施例3
本实施例3提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的地铁网络系统稳定性监测控制方法,该方法包括:
基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
实施例4
本实施例4提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的地铁网络系统稳定性监测控制方法,该方法包括:
基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
实施例5
本实施例5提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的地铁网络系统稳定性监测控制方法的指令,该方法包括:
基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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,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。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种地铁网络系统稳定性监测控制方法,其特征在于,包括:
基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
2.根据权利要求1所述的地铁网络系统稳定性监测控制方法,其特征在于,基于AFC数据中获取的乘客OD数据,利用广度优先遍历算法对网络中的节点进行搜索,获得K条备选路径,从备选路径中选择出一条作为最终的出行路线。
3.根据权利要求2所述的地铁网络系统稳定性监测控制方法,其特征在于,对K条备选路径进行打分;考虑路线所经过的站点数、换乘次数、行程所需时间因素,制定打分规则如下:
其中,score(i)表示第i条备选路线的得分,t(i)、ns(i)、nt(i)分别表示第i条备选路径所需要的时间、经过的站点数和换乘的次数;α、β、γ为各因素在路径得分中的重要程度;
得分最高的作为乘客的最终出行路径。
4.根据权利要求3所述的地铁网络系统稳定性监测控制方法,其特征在于,所述堵塞比为:在同一个网络中,堵塞站点的数量可以反应网络的连通性,故采用堵塞比反应团簇网络的连通情况;t时刻网络的堵塞节点比Z(t)为网络中发生堵塞的节点总数C(t)与网络中站点总数N的比值,用来反映网络中节点失效的范围;
规模堵塞比为:用站点总数对堵塞集团数量进行归一化,得到规模堵塞比Rl(t):其中,Cl(t)为t时刻堵塞集团的总规模。
5.根据权利要求4所述的地铁网络系统稳定性监测控制方法,其特征在于,在一时间段内,具有空间关联的站点会反复堵塞,定义这些站点组成的集合为堵塞团簇;由于每个团簇内部的站点都具有一定的关联性,利用团簇数反应堵塞站点的分类数,对每个团簇单独分析制定控制方案;
出现堵塞站点时不一定形成堵塞集团,只有具有空间关联的堵塞站点存在时会出现堵塞集团,当有集团出现说明当前网络中存在一定规模的堵塞站点,而集团的持续时间反应局部网络中有一定规模堵塞的站点存在时间,集团持续时间过长说明该站点在较长时间段内存在乘客滞留,该站点此时的状态对乘客的出行产生较大的影响,故采用堵塞集团持续时间评价整个控制持续的时间。
6.根据权利要求5所述的地铁网络系统稳定性监测控制方法,其特征在于,确定空车越站载客站点,包括:从AFC数据中获得各站点的区域属性;对每个站点进行打分,站点i的得分为:s(i)=n(i)-f(i);
其中,n(i)为站点i进站乘客数,f(i)为站点i的出站乘客数;
当站点得分大于0时,为居住区站点,否则为工作区站点,据此对站点所属区域进行划分。
7.一种地铁网络系统稳定性监测控制系统,其特征在于,包括:
规划模块,用于基于地铁运行仿真模拟系统,规划乘客出行路径,确定乘客的最终出行路径;
确定模块,用于根据确定的最终出行路径,结合堵塞站点间的关联关系,确定地铁网络稳定性指标,包括堵塞比、规模堵塞比、堵塞团簇数量以及堵塞集团持续时间;
监控模块,用于根据地铁网络稳定性指标,结合堵塞站点的影响范围,进行地铁网络稳定性监测,确定空车越站载客站点。
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的地铁网络系统稳定性监测控制方法。
9.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如权利要求1-6任一项所述的地铁网络系统稳定性监测控制方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的地铁网络系统稳定性监测控制方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310321475.XA CN116822762A (zh) | 2023-03-29 | 2023-03-29 | 地铁网络系统稳定性监测控制方法、系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310321475.XA CN116822762A (zh) | 2023-03-29 | 2023-03-29 | 地铁网络系统稳定性监测控制方法、系统和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116822762A true CN116822762A (zh) | 2023-09-29 |
Family
ID=88121057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310321475.XA Pending CN116822762A (zh) | 2023-03-29 | 2023-03-29 | 地铁网络系统稳定性监测控制方法、系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822762A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN108876064A (zh) * | 2018-08-23 | 2018-11-23 | 北京交通大学 | 基于客流量的城市轨道交通网络关键车站识别方法 |
CN110222873A (zh) * | 2019-05-14 | 2019-09-10 | 重庆邮电大学 | 一种基于大数据的地铁站客流量预测方法 |
CN110599760A (zh) * | 2019-10-17 | 2019-12-20 | 东南大学 | 一种多模式交通网络下的出行行为模拟方法 |
CN112990648A (zh) * | 2021-01-08 | 2021-06-18 | 北京工业大学 | 一种轨道交通网络运营稳定性评估方法 |
CN113902180A (zh) * | 2021-09-27 | 2022-01-07 | 佳都科技集团股份有限公司 | 一种地铁上下行客流预测方法及处理终端 |
-
2023
- 2023-03-29 CN CN202310321475.XA patent/CN116822762A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN108876064A (zh) * | 2018-08-23 | 2018-11-23 | 北京交通大学 | 基于客流量的城市轨道交通网络关键车站识别方法 |
CN110222873A (zh) * | 2019-05-14 | 2019-09-10 | 重庆邮电大学 | 一种基于大数据的地铁站客流量预测方法 |
CN110599760A (zh) * | 2019-10-17 | 2019-12-20 | 东南大学 | 一种多模式交通网络下的出行行为模拟方法 |
CN112990648A (zh) * | 2021-01-08 | 2021-06-18 | 北京工业大学 | 一种轨道交通网络运营稳定性评估方法 |
CN113902180A (zh) * | 2021-09-27 | 2022-01-07 | 佳都科技集团股份有限公司 | 一种地铁上下行客流预测方法及处理终端 |
Non-Patent Citations (1)
Title |
---|
SHENG LIANG 等: "Fiber-Optic Auditory Nerve of Ground in the Suburb: For Traffic Flow Monitoring", IEEE ACCESS, pages 166704 - 166710 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021068602A1 (zh) | 一种多制式多业务轨道交通仿真模拟方法及系统 | |
CN111369181B (zh) | 一种列车自主调度深度强化学习方法和装置 | |
CN104318758B (zh) | 基于多层次多模式的公交线网规划方法 | |
Xu et al. | A multi‐objective subway timetable optimization approach with minimum passenger time and energy consumption | |
CN109543934B (zh) | 城市公交线网的综合指标的评价方法 | |
CN103984994B (zh) | 一种城市轨道交通客流高峰持续时间预测方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103761589A (zh) | 一种城市轨道交通清分方法 | |
CN111680940A (zh) | 一种区域轨道交通线网安全水平评价方法及系统 | |
CN114117700A (zh) | 基于复杂网络理论的城市公共交通网络优化研究方法 | |
CN103456163A (zh) | 城市快速路互通立交通行能力和运行状态判别方法与系统 | |
CN114841556A (zh) | 一种轨道交通跨线运营运输计划评估系统及方法 | |
CN113345259A (zh) | 一种基于数据驱动的地面公交线路调整的方法 | |
Pi et al. | Automotive platoon energy-saving: A review | |
Zhang et al. | Timetable optimization for a two-way tram line with an active signal priority strategy | |
Chauhan et al. | Effect of side friction parameter on urban road traffic: under mixed traffic scenario | |
CN105046958A (zh) | 一种高速公路交通信息采集点非等距优化布局方法 | |
CN116822762A (zh) | 地铁网络系统稳定性监测控制方法、系统和设备 | |
CN111723991A (zh) | 大型活动散场客流对地铁车站冲击影响的预测评估方法 | |
Chen et al. | Emergency evacuation with unbalanced utilization of exits at platform level: A simulation study | |
Huang et al. | Urban rail transit signal and control based on Internet of Things | |
Lai et al. | Collaborative optimization model for the design and operation of feeder bus routes based on urban metro | |
Song et al. | Modelling and analysis of urban vehicle traffic congestion characteristics based on vehicle-borne network theory | |
CN111199303A (zh) | 一种分析铁路基础设施能力的参数压缩法 | |
Guo et al. | Analysis on Operational Safety and Efficiency of FAO System in Urban Rail Transit. |
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 |