CN117195484A - 一种轨道交通管理方法及系统 - Google Patents
一种轨道交通管理方法及系统 Download PDFInfo
- Publication number
- CN117195484A CN117195484A CN202310993555.XA CN202310993555A CN117195484A CN 117195484 A CN117195484 A CN 117195484A CN 202310993555 A CN202310993555 A CN 202310993555A CN 117195484 A CN117195484 A CN 117195484A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- representing
- passengers
- target
- station
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000000717 retained effect Effects 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 13
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000008685 targeting Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种轨道交通管理方法及系统,属于数据处理技术领域,方法包括:获取运行区域的所有停靠站点;构建客流吸引量模型计算各停靠站点的客流吸引量;挑选备选站点,选取多条运行线路,并计算各运行线路的规划指数,保留用于部署多种交通工具目标运行线路;计算乘客对不同的目标运行线路的选择概率;结合不同的交通工具的收车时间和选择概率,计算目标运行线路上的滞留乘客数量;以滞留乘客数量最小,各交通工具的收车延时值最小为目标,建立多目标优化模型;确定多目标优化模型的约束条件;结合约束条件,求解多目标优化模型;以求解得到的收车延时值编排各交通工具。均衡乘客滞留辆和收车延时值,提升乘客乘车体验和交通运行效率。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种轨道交通管理方法及系统。
背景技术
轨道交通是一种城市公共交通系统,其运输方式是通过铁轨或导轨来提供服务的,这种交通工具通常是固定线路的,列车或电车沿着预定的轨道运行,连接城市内的各个区域。轨道交通在城市交通中扮演着重要角色,能够减少交通拥堵,降低空气污染,提供高效、便捷的公共交通服务,促进城市可持续发展。
目前,轨道交通管理方式通常具有较多的人工介入,虽然一定程度上保证了轨道交通的安全运行,但是主观因素过多的介入导致轨道交通运行效率低,乘客滞留辆居高不下的情况,严重影响乘客体验以及运行公司收益。
发明内容
为了解决现有技术存在的现有轨道交通管理方式通常具有较多的人工介入,虽然一定程度上保证了轨道交通的安全运行,但是主观因素过多的介入导致轨道交通运行效率低,乘客滞留辆居高不下的情况,严重影响乘客体验以及运行公司收益的技术问题,本发明提供一种轨道交通管理方法及系统。
第一方面
本发明提供了一种轨道交通管理方法,包括:
S101:获取运行区域的所有停靠站点;
S102:基于万有引力构建客流吸引量模型,计算各停靠站点的客流吸引量;
S103:将客流吸引量大于预设吸引量的停靠站点作为备选站点;
S104:结合轨道线路选取规则,选取多条运行线路,并计算各运行线路的规划指数,保留用于部署多种交通工具目标运行线路;
S105:结合乘客在乘车过程中对目标运行线路的熟悉度,考虑乘车过程中的换乘、乘车时长和不同交通工具的收车时间,计算乘客对不同的目标运行线路的选择概率;
S106:结合不同的交通工具的收车时间和选择概率,计算目标运行线路上的滞留乘客数量;
S107:以滞留乘客数量最小,各交通工具的收车延时值最小为目标,建立多目标优化模型;
S108:确定多目标优化模型的约束条件;
S109:结合约束条件,求解多目标优化模型;
S110:以求解得到的收车延时值编排各交通工具。
第二方面
本发明提供了一种轨道交通管理系统,用于执行第一方面中的轨道交通管理方法。
与现有技术相比,本发明至少具有以下有益技术效果:
(1)在本发明中,参考了万有引力定律构建客流吸引量模型,对区域内各个停靠站点进行客流吸引量评估,进而挑选备选站点指导运行公司合理布置轨道交通,最大化乘客运载量,从总体上降低滞留乘客数量,增加运行公司收益。
(2)在本发明中,对于复杂的多交通工具,结合实际引入乘客对目标运行线路的熟悉度,评估乘客对不同线路的选择概率,基于乘客客观的选择概率,以滞留乘客数量最小,各交通工具的收车延时值最小为目标,建立多目标优化模型,将求解后得到的收车延时值对各交通工具进行编排,有效平衡滞留乘客数量和收车延时值,并且增加了保证运行安全的约束条件,减少人工介入,提升轨道交通运行效率和乘客乘车体验,增加运营公司收益,从而减少乘客对私家车的依赖,缓解城市交通拥堵。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种轨道交通管理方法的流程示意图;
图2是本发明提供的一种客流吸引范围的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。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,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本文中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
另外,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
在一个实施例中,参考说明书附图1,示出了本发明提供的轨道交通管理方法的流程示意图。参考说明书附图2,示出了本发明提供的一种客流吸引范围的结构示意图。
本发明提供的一种轨道交通管理方法,包括:
S101:获取运行区域的所有停靠站点。
其中,运行区域是指轨道交通系统在城市内运营的范围,通常包括了所有轨道线路的覆盖范围。在城市规划中,会划定轨道交通的运行区域,确定轨道交通系统应该覆盖的地理范围,以满足城市内各个区域的交通需求。停靠站点是指轨道交通列车在运行过程中停靠的固定站点,在轨道交通系统中,列车沿着固定的轨道线路运行,途中会在设定的站点停车供乘客上下车。
S102:基于万有引力构建客流吸引量模型,计算各停靠站点的客流吸引量。
在一种可能的实施方式中,S102具体包括:
S1021:根据乘客出发地与停靠站点之间的距离,确定客流吸引全,并将客流吸引圈进行离散化处理,得到以车站为圆心的多个同心带;
S1022:结合乘客需求指数和停靠站点吸引指数,建立客流吸引量模型,计算客流吸引量:
其中,qj表示调查区域内第j个乘客的需求指数,通过调查获得,其中,j=1,2,…,J,硬需求为通勤需求,软需求包括为其他需求,Qi表示停靠站点吸引指数,特殊站包括换乘站、景区站、商业区站和交通枢纽站,普通站为其他站,Api表示第i个停靠站点的客流吸引量,rk为第k层同心带的半径,其中,k=1,2,…,K;表示第k-1层至k层同心带的半径,Sd表示随机抽取的调查区域面积,其中,调查区域至少覆盖每个同心带的一部分且被覆盖部分的人口密度处于所属同心带的平均水平,/>表示第i个停靠站点的k-1层至k层同心带的面积,α表示比例系数,由现有车站的客流数据测试获得。
需要说明的是,在计算客流吸引量时,将停靠站点参考所处地理位置,结合其吸引指数,进而提高客流吸引量的准确性,以便真实反映出实际的乘客需求,这些站点通常位于城市的不同区域,连接了城市内的重要地点,停靠站点的位置选择是为了方便乘客出行,确保交通网络的覆盖性和便利性,在规划轨道交通系统时,会确定停靠站点的数量和位置,以满足乘客的出行需求,并确保运行效率和服务质量。
S103:将客流吸引量大于预设吸引量的停靠站点作为备选站点。
需要说明的是,预设吸引量的大小与运行区域内人口密度,经济条件等有关,本领域技术人员可以根据实际需要设置预设吸引量的大小,本发明在此不作限定。
可以理解的时,选择客流吸引量较大的站点作为备选站点可以提高交通系统的运营效率和服务质量,因为这些站点通常代表了人流密集的区域,具有更大的乘客潜在市场,提升乘客运载量和运营公司效益。
S104:结合轨道线路选取规则,选取多条运行线路,并计算各运行线路的规划指数,保留用于部署多种交通工具目标运行线路。
其中,轨道线路选取规则包括线路站点数量指标、线路覆盖面积指标和线路吸引客流量指标。多种交通工具包括各种固定轨道运行的形式,比如地铁、轻轨、有轨电车、高铁、城际铁路等。轨道交通在城市交通中扮演着重要角色,能够减少交通拥堵,降低空气污染,提供高效、便捷的公共交通服务,促进城市可持续发展。
在一种可能的实施方式中,S104具体包括:
S1041:规划指数的计算方式为:
其中,Lm表示规划指数,n(m)表示第m条备选线路的车站数量,表示第n(m)个车站的客流吸引范围;
S1042:将规划指数大于预设指数的运行线路作为目标运行线路进行保留。
需要说明的是,本领域技术人员可以根据实际需要设置预设指数的大小,本发明在此不作限定。规划指数综合考虑线路规划指标,可以用来衡量一条线路的优劣,根据规划指数,选取规划指数较高的线路作为目标运行线路,并保留这些线路用于部署多种交通工具,这些目标运行线路将成为轨道交通系统的候选线路,后续会进一步优化和确定最终的轨道线路规划,选取合适的线路可以确保交通系统的高效运行和满足城市不同区域的交通需求。
S105:结合乘客在乘车过程中对目标运行线路的熟悉度,考虑乘车过程中的换乘、乘车时长和不同交通工具的收车时间,计算乘客对不同的目标运行线路的选择概率。
需要说明的是,乘客对目标运行线路的熟悉度可以理解为乘客可能对某些线路更加熟悉,因为他们常常使用这些线路或者这些线路覆盖他们熟悉的区域,因此,对于熟悉的线路,乘客更有可能选择它们。由于换乘通常会增加乘车的不便和乘车时长,引入换乘次数和换乘节点数量,模拟乘客可能更倾向于选择少换乘的线路。乘客通常希望花费较短的时间从出发地到目的地,因此较短的乘车时长可能会增加某条线路被选择的概率。对于不同交通工具的收车时间,在城市轨道交通系统中,可能有多种交通工具,如地铁、轻轨等,它们的收车时间可能有所不同,乘客在乘车时会受到各种交通工具的收车时间,从而影响对目标运行线路的选择。
综合考虑这些实际因素,可以得出每条目标运行线路被乘客选择的准确概率,通过考虑乘客的选择行为,交通系统可以更好地满足乘客的需求,提高乘客满意度,同时准确有效的贴合实际的优化交通系统的运行效率。
在一种可能的实施方式中,S105具体包括:
S1051:结合不同的交通工具所具有的数量及相应的收车时刻差异影响,计算乘客在乘车过程中对目标运行线路的熟悉度:
we=np+nc+hp+γewi,i∈[1,na]
其中,we表示乘客对目标运行线路的熟悉度,na表示目标运行线路中交通工具的总数量,np、nc、hp分别表示单一目标运行线路中换乘节点数量、不同目标运行线路间换乘节点数量、单一目标运行线路中的子线路数量,γe表示各交通工具的收车时刻差异影响系数,wi表示第i种交通工具的收车时刻差异指标,τi表示收车时刻差异校正系数,Dmax,Dmin分别表示交通工具在目标运行线路中的最晚收车时间和最早收车时间;
S1052:结合熟悉度,计算乘客对不同的目标运行线路的选择概率:
其中,Pr表示选择概率,Cr表示乘车时长,Vi表示第i种交通工具的运行速度,Lr表示交通工具在选择的目标运行线路上的运行里程,其中,选择概率不包括目标运行线路为最短路径的选择概率。
S106:结合不同的交通工具的收车时间和选择概率,计算目标运行线路上的滞留乘客数量。
可以理解的是,滞留乘客数量的计算对于评估交通系统的运行效率和乘客满意度非常重要,如果某条线路上出现较多滞留乘客,可能意味着该线路的运营不够高效,需要考虑调整运营计划或增加车辆密度,通过考虑滞留乘客数量,可以优化交通系统的运行,提高服务质量,满足乘客的出行需求。
在一种可能的实施方式中,S106具体为:
S1061:考虑最短路径,计算滞留乘客数量:
其中,q表示滞留乘客数量,tmax表示各交通工具的最晚发车时间,ξt表示末班车时段乘客选择公共的交通工具之一的比例,qt表示当前客流量,Prm=1表示乘客选择最短路径的概率,Rr,t,min表示第r条可行目标运行线路上各交通工具的总定员最小值。
需要说明的是,由于乘客在乘车时会优先考虑最短线路,所以在计算滞留乘客量时,将最短路径的概率单独考虑,以便使得本发明符合实际情况。
S107:以滞留乘客数量最小,各交通工具的收车延时值最小为目标,建立多目标优化模型。
其中,滞留乘客数量最小这个目标是为了减少乘客在交通系统中的滞留数量,从而提高系统的运行效率和乘客满意度。交通工具的收车延时值最小这个目标是为了让各种交通工具的末班车时刻尽可能晚,以满足乘客在晚间出行时的需求。通过建立多目标优化模型,以便在滞留乘客数量最小和交通工具的收车延时值最小这两个目标之间寻找一个平衡点,以保证最大运行效率的情况下,提升乘客乘车满意度。
在一种可能的实施方式中,多目标优化模型为:
其中,Z1表示以滞留乘客数量最小为目标的第一目标函数,Z2表示各交通工具的收车延时最小为目标的第二目标函数,μi表示第i种交通工具收车延时值的影响权重,Di,j表示第i种交通工具在第j条目标运行线路的收车延时值,ki表示目标运行线路的总数量。
其中,滞留乘客数量是指在目标运行线路上因为交通工具的运行问题(例如延误、拥挤等)导致未能及时乘坐交通工具而滞留的乘客数量。优化Z1的目标是最小化滞留乘客的数量,以确保交通系统的运营稳定和乘客出行的便利性,较小的滞留乘客数量意味着运行线路上的交通工具能够较好地按时运营,减少等待时间和延误,提高乘客满意度。Z2表示各交通工具的收车延时最小为目标的第二目标函数,收车延时是指交通工具相较于现有运行时长下,持续运行延长的时间。优化Z2的目标是在保证滞留乘客数量较小的情况下,尽量缩短收车时长,提升运行效率,进而提升运营公司的运营收益。
S108:确定多目标优化模型的约束条件。
其中,约束条件为多目标优化模型在求解过程中需要在遵循的规则,而约束条件是保证轨道交通正常安全运行的各种运行约束,避免发生交通事故,在寻优的过程中,约束解集的上限和下限,以便求得符合实际情况的解。
在一种可能的实施方式中,S108具体为:
S1081:根据各交通工具和目标运行线路的运行限制,确定约束条件,约束条件为:
其中,xc,i,j,v,xc,m,i,j,v分别表示第i种交通工具在第j条目标运行线路上倒数第c次班车在停靠站点A的到达时刻和发车时刻,gi,j,A表示第i种交通工具在第j条目标运行线路上从停靠站点A运行至停靠站点A+1的运行时长,hi,n表示第i种交通工具中第n辆的停站时长,Tl,i表示第i种交通工具的最晚发车时间,hi,m表示发车间隔时长,Di,j,Di,j,max分别表示第i种交通工具在第j条目标运行线路上的收车延时值和收车延时最大值。
具体地,表示第i种交通工具在第j条目标运行线路上倒数第c次班车在停靠站点A的到达时刻和发车时刻,这个约束条件限制了交通工具在运行线路上的到达和发车时间,保证车辆按时到达和出发,以确保运行的准点性和可靠性。第i种交通工具在第j条目标运行线路上从停靠站点A运行至停靠站点A+1的运行时长,这个约束条件规定了交通工具在相邻站点之间的运行时长,以确保运行速度和运营效率。第i种交通工具中第n辆的停站时长,这个约束条件限制了交通工具在停靠站点的停留时间,以确保乘客充分上下车,并保持运营时刻表的稳定性。第i种交通工具的最晚发车时间,这个约束条件规定了交通工具的末班车时间,以确保交通工具的运营时间符合需求,避免乘客无法回家或乘坐交通工具的情况。发车间隔时长,这个约束条件规定了交通工具之间的发车间隔,以确保运行线路上的交通工具分布均匀,减少乘客等待时间和拥挤情况,保证运行安全。第i种交通工具在第j条目标运行线路上的收车延时值和收车延时最大值,这个约束条件限制了交通工具在运行线路上的收车延时,即交通工具的停运时刻,以便降低滞留乘客数量。
设置这些约束条件的原因和好处是为了保证轨道交通系统的正常运营和乘客的出行体验,通过限制交通工具的运行时间、停留时间、发车间隔和收车延时,可以确保交通工具的运营计划得到合理执行,减少拥堵和延误情况,提高运行效率和乘客满意度,同时,这些约束条件也有助于保障交通系统的安全性,避免发生交通事故和运营异常。
S109:结合约束条件,求解多目标优化模型。
在一种可能的实施方式中,S109具体为:
S1091:通过帕累托算法求解多目标优化模型。
在一种可能的实施方式中,S1091具体包括:
S1091A:随机生成作为初始种群的多目标优化模型的多个初始解;
S1091B:计算各初始解在多目标优化模型的适应度值;
S1091C:根据适应度值,对所有解进行非劣解排序,其中,非劣解是指在某个目标函数种不能再优化的解;
S1091D:通过选择、交叉和变异操作,从非劣解中生成备选解;
S1091E:将备选解加入到初始种群,在保持初始种群数量不变的情况下,淘汰适应度值低的初始解,迭代次数加1;
S1091F:重复S1091D-S1091E,直至迭代次数达到预设迭代次数,结束迭代,将初始种群中的非劣解作为多目标优化模型的解输出。
其中,帕累托算法是一种多目标优化算法,也称为多目标遗传算法或多目标进化算法。在多目标优化问题中,帕累托最优解指的是一组解,这些解在多个目标函数下都无法再改进,即没有其他解能在所有目标函数上同时取得更好的结果。帕累托算法的基本思想是通过模拟自然选择和遗传进化的过程,不断优化解的种群,使得种群中的解不断向帕累托最优解靠近,它结合了选择、交叉和变异等操作,从种群中筛选出优秀的解并生成新的解,逐步逼近多目标优化问题的最优解集合。帕累托算法在求解多目标优化模型时,能够有效地寻找到一组优秀的解决方案,有利于在多个目标之间实现平衡,提高问题的综合性能,并为决策者提供多样性的选择。
在求解多目标优化模型时,需要同时考虑Z1和Z2两个目标函数。然而,由于这两个目标函数之间往往存在冲突,即优化Z1可能会导致Z2变差,优化Z2可能会导致Z1变差。这种情况下,无法找到一个单一的解来同时最小化Z1和Z2。因此,多目标优化模型的目标是寻找一组解,这些解之间在Z1和Z2的值上没有明显的优劣关系,称为非劣解集。帕累托算法就是一种常用的多目标优化算法,用于找到非劣解集。帕累托算法能够在目标函数之间寻找到权衡的平衡点,使得Z1和Z2的值达到相对较优的状态,而不是追求单一的最优解。
通过帕累托算法求解多目标优化模型,可以得到一组可行的解集,这些解集代表了在满足约束条件的前提下,不同的权衡方案。从这些解集中选择合适的解,可以根据实际需求和运行情况进行决策,帕累托算法的优势在于它不局限于单一目标,而是提供了多样化的解决方案,帮助决策者在不同的目标间做出合理的选择。这样,多目标优化模型通过帕累托算法得到的解集可以为轨道交通系统的运营和规划提供更加全面和可行的决策依据。
需要说明的是,本领域技术人员可以根据实际需要设置值预设迭代次数的大小,本发明在此不作限定。
S110:以求解得到的收车延时值编排各交通工具。
可以理解的是,根据优化结果,对各种交通方式进行编排。即确定了每种交通方式在运营线路上的具体发车时刻和收车时刻。根据收车延时值的编排,得到了一种优化后的多种交通方式的运行计划,这个运行计划可以保证在限制条件下,最大程度地降低滞留乘客数量和各交通方式的收车延时值,提高了整个交通系统的效率和服务质量,以实现更加高效、便捷和舒适的城市交通服务。
与现有技术相比,本发明至少具有以下有益技术效果:
(1)在本发明中,参考了万有引力定律构建客流吸引量模型,对区域内各个停靠站点进行客流吸引量评估,进而挑选备选站点指导运行公司合理布置轨道交通,最大化乘客运载量,从总体上降低滞留乘客数量,增加运行公司收益。
(2)在本发明中,对于复杂的多交通工具,结合实际引入乘客对目标运行线路的熟悉度,评估乘客对不同线路的选择概率,基于乘客客观的选择概率,以滞留乘客数量最小,各交通工具的收车延时值最小为目标,建立多目标优化模型,将求解后得到的收车延时值对各交通工具进行编排,有效平衡滞留乘客数量和收车延时值,并且增加了保证运行安全的约束条件,减少人工介入,提升轨道交通运行效率和乘客乘车体验,增加运营公司收益,从而减少乘客对私家车的依赖,缓解城市交通拥堵。
实施例2
在一个实施例中,本发明提供的一种轨道交通管理系统,用于执行实施例1中的轨道交通管理方法。
本发明提供的一种轨道交通管理系统可以实现上述实施例1中的轨道交通管理方法的步骤和效果,为避免重复,本发明不再赘述。
与现有技术相比,本发明至少具有以下有益技术效果:
(1)在本发明中,参考了万有引力定律构建客流吸引量模型,对区域内各个停靠站点进行客流吸引量评估,进而挑选备选站点指导运行公司合理布置轨道交通,最大化乘客运载量,从总体上降低滞留乘客数量,增加运行公司收益。
(2)在本发明中,对于复杂的多交通工具,结合实际引入乘客对目标运行线路的熟悉度,评估乘客对不同线路的选择概率,基于乘客客观的选择概率,以滞留乘客数量最小,各交通工具的收车延时值最小为目标,建立多目标优化模型,将求解后得到的收车延时值对各交通工具进行编排,有效平衡滞留乘客数量和收车延时值,并且增加了保证运行安全的约束条件,减少人工介入,提升轨道交通运行效率和乘客乘车体验,增加运营公司收益,从而减少乘客对私家车的依赖,缓解城市交通拥堵。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种轨道交通管理方法,其特征在于,包括:
S101:获取运行区域的所有停靠站点;
S102:基于万有引力构建客流吸引量模型,计算各所述停靠站点的客流吸引量;
S103:将所述客流吸引量大于预设吸引量的停靠站点作为备选站点;
S104:结合轨道线路选取规则,选取多条运行线路,并计算各所述运行线路的规划指数,保留用于部署多种交通工具目标运行线路;
S105:结合乘客在乘车过程中对所述目标运行线路的熟悉度,考虑乘车过程中的换乘、乘车时长和不同交通工具的收车时间,计算乘客对不同的目标运行线路的选择概率;
S106:结合不同的所述交通工具的收车时间和所述选择概率,计算所述目标运行线路上的滞留乘客数量;
S107:以所述滞留乘客数量最小,各所述交通工具的收车延时值最小为目标,建立多目标优化模型;
S108:确定所述多目标优化模型的约束条件;
S109:结合所述约束条件,求解所述多目标优化模型;
S110:以求解得到的收车延时值编排各所述交通工具。
2.根据权利要求1所述的轨道交通管理方法,其特征在于,所述S102具体包括:
S1021:根据乘客出发地与所述停靠站点之间的距离,确定客流吸引全,并将所述客流吸引圈进行离散化处理,得到以所述车站为圆心的多个同心带;
S1022:结合乘客需求指数和停靠站点吸引指数,建立所述客流吸引量模型,计算所述客流吸引量:
其中,qj表示所述调查区域内第j个乘客的所述需求指数,通过调查获得,其中,j=1,2,…,J,所述硬需求为通勤需求,所述软需求包括为其他需求,Qi表示所述停靠站点吸引指数,所述特殊站包括换乘站、景区站、商业区站和交通枢纽站,所述普通站为其他站,Api表示第i个停靠站点的所述客流吸引量,rk为第k层所述同心带的半径,其中,k=1,2,…,K;表示第k-1层至k层所述同心带的半径,Sd表示随机抽取的调查区域面积,其中,所述调查区域至少覆盖每个所述同心带的一部分且被覆盖部分的人口密度处于所属同心带的平均水平,/>表示第i个所述停靠站点的k-1层至k层所述同心带的面积,α表示比例系数,由现有所述车站的客流数据测试获得。
3.根据权利要求1所述的轨道交通管理方法,其特征在于,所述S104具体包括:
S1041:所述规划指数的计算方式为:
其中,Lm表示所述规划指数,n(m)表示第m条所述备选线路的车站数量,表示第n(m)个车站的客流吸引范围;
S1042:将所述规划指数大于预设指数的运行线路作为所述目标运行线路进行保留。
4.根据权利要求1所述的轨道交通管理方法,其特征在于,所述S105具体包括:
S1051:结合不同的所述交通工具所具有的数量及相应的收车时刻差异影响,计算乘客在乘车过程中对所述目标运行线路的熟悉度:
we=np+nc+hp+γewi,i∈[1,na]
其中,we表示乘客对所述目标运行线路的熟悉度,na表示所述目标运行线路中所述交通工具的总数量,np、nc、hp分别表示单一目标运行线路中换乘节点数量、不同目标运行线路间换乘节点数量、单一目标运行线路中的子线路数量,γe表示各所述交通工具的收车时刻差异影响系数,wi表示所述第i种交通工具的收车时刻差异指标,τi表示收车时刻差异校正系数,Dmax,Dmin分别表示所述交通工具在所述目标运行线路中的最晚收车时间和最早收车时间;
S1052:结合所述熟悉度,计算乘客对不同的目标运行线路的选择概率:
其中,Pr表示所述选择概率,Cr表示所述乘车时长,Vi表示第i种交通工具的运行速度,Lr表示所述交通工具在选择的所述目标运行线路上的运行里程,其中,所述选择概率不包括所述目标运行线路为最短路径的选择概率。
5.根据权利要求4所述的轨道交通管理方法,其特征在于,所述S106具体为:
S1061:考虑所述最短路径,计算所述滞留乘客数量:
其中,q表示所述滞留乘客数量,tmax表示各所述交通工具的最晚发车时间,ξt表示末班车时段乘客选择公共的所述交通工具之一的比例,qt表示当前客流量,Prm=1表示乘客选择所述最短路径的概率,Rr,t,min表示第r条可行目标运行线路上各所述交通工具的总定员最小值。
6.根据权利要求1所述的轨道交通管理方法,其特征在于,所述多目标优化模型为:
其中,Z1表示以所述滞留乘客数量最小为目标的第一目标函数,Z2表示各所述交通工具的收车延时最小为目标的第二目标函数,μi表示第i种交通工具收车延时值的影响权重,Di,j表示第i种交通工具在第j条所述目标运行线路的收车延时值,ki表示所述目标运行线路的总数量。
7.根据权利要求1所述的轨道交通管理方法,其特征在于,所述S108具体为:
S1081:根据各所述交通工具和所述目标运行线路的运行限制,确定所述约束条件,所述约束条件为:
其中,xc,i,j,v,xc,m,i,j,v分别表示第i种交通工具在第j条目标运行线路上倒数第c次班车在停靠站点A的到达时刻和发车时刻,gi,j,A表示第i种交通工具在第j条目标运行线路上从停靠站点A运行至停靠站点A+1的运行时长,hi,n表示第i种交通工具中第n辆的停站时长,Tl,i表示第i种交通工具的最晚发车时间,hi,m表示发车间隔时长,Di,j,Di,j,max分别表示第i种交通工具在第j条目标运行线路上的收车延时值和收车延时最大值。
8.根据权利要求1所述的轨道交通管理方法,其特征在于,所述S109具体为:
S1091:通过帕累托算法求解所述多目标优化模型。
9.根据权利要求8所述的轨道交通管理方法,其特征在于,所述S1091具体包括:
S1091A:随机生成作为初始种群的所述多目标优化模型的多个初始解;
S1091B:计算各所述初始解在所述多目标优化模型的适应度值;
S1091C:根据所述适应度值,对所有解进行非劣解排序,其中,所述非劣解是指在某个目标函数种不能再优化的解;
S1091D:通过选择、交叉和变异操作,从所述非劣解中生成备选解;
S1091E:将所述备选解加入到所述初始种群,在保持所述初始种群数量不变的情况下,淘汰所述适应度值低的初始解,迭代次数加1;
S1091F:重复S1091D-S1091E,直至迭代次数达到预设迭代次数,结束迭代,将所述初始种群中的非劣解作为所述多目标优化模型的解输出。
10.一种轨道交通管理系统,其特征在于,用于执行权利要求1至9所述的轨道交通管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993555.XA CN117195484B (zh) | 2023-08-08 | 2023-08-08 | 一种轨道交通管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993555.XA CN117195484B (zh) | 2023-08-08 | 2023-08-08 | 一种轨道交通管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117195484A true CN117195484A (zh) | 2023-12-08 |
CN117195484B CN117195484B (zh) | 2024-05-03 |
Family
ID=88998708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310993555.XA Active CN117195484B (zh) | 2023-08-08 | 2023-08-08 | 一种轨道交通管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117195484B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912235A (zh) * | 2023-12-21 | 2024-04-19 | 江阴市城乡规划设计院有限公司 | 一种智慧城市的规划数据处理方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045294A1 (zh) * | 2015-09-17 | 2017-03-23 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN108053062A (zh) * | 2017-12-11 | 2018-05-18 | 北京航空航天大学 | 一种基于多源数据的定制公交线路生成方法 |
CN109191052A (zh) * | 2018-10-22 | 2019-01-11 | 山东大学 | 一种多车型车辆路径优化方法、服务器及系统 |
CN111047102A (zh) * | 2019-12-18 | 2020-04-21 | 江南大学 | 基于精英驱动粒子群算法的快递配送路线优化方法 |
CN111340406A (zh) * | 2020-05-22 | 2020-06-26 | 广州交通信息化建设投资营运有限公司 | 基于od客流的公交动态编排模型的实现方法及系统 |
CN111626469A (zh) * | 2020-04-10 | 2020-09-04 | 广州地铁集团有限公司 | 一种面向运能提升的快慢车开行优化方法 |
CN111861279A (zh) * | 2020-08-04 | 2020-10-30 | 北京交通大学 | 一种考虑换乘的多目标高速收费站班车调度方法 |
CN112734097A (zh) * | 2020-12-31 | 2021-04-30 | 中南大学 | 无人驾驶列车能耗预测方法、系统及存储介质 |
CN115809729A (zh) * | 2022-11-28 | 2023-03-17 | 北京交通大学 | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 |
WO2023109720A1 (zh) * | 2021-12-13 | 2023-06-22 | 深圳先进技术研究院 | 城市公共交通规划方法 |
-
2023
- 2023-08-08 CN CN202310993555.XA patent/CN117195484B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045294A1 (zh) * | 2015-09-17 | 2017-03-23 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN108053062A (zh) * | 2017-12-11 | 2018-05-18 | 北京航空航天大学 | 一种基于多源数据的定制公交线路生成方法 |
CN109191052A (zh) * | 2018-10-22 | 2019-01-11 | 山东大学 | 一种多车型车辆路径优化方法、服务器及系统 |
CN111047102A (zh) * | 2019-12-18 | 2020-04-21 | 江南大学 | 基于精英驱动粒子群算法的快递配送路线优化方法 |
CN111626469A (zh) * | 2020-04-10 | 2020-09-04 | 广州地铁集团有限公司 | 一种面向运能提升的快慢车开行优化方法 |
CN111340406A (zh) * | 2020-05-22 | 2020-06-26 | 广州交通信息化建设投资营运有限公司 | 基于od客流的公交动态编排模型的实现方法及系统 |
CN111861279A (zh) * | 2020-08-04 | 2020-10-30 | 北京交通大学 | 一种考虑换乘的多目标高速收费站班车调度方法 |
CN112734097A (zh) * | 2020-12-31 | 2021-04-30 | 中南大学 | 无人驾驶列车能耗预测方法、系统及存储介质 |
WO2023109720A1 (zh) * | 2021-12-13 | 2023-06-22 | 深圳先进技术研究院 | 城市公共交通规划方法 |
CN115809729A (zh) * | 2022-11-28 | 2023-03-17 | 北京交通大学 | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 |
Non-Patent Citations (8)
Title |
---|
孙继东: ""城市轨道交通车站乘客服务设施客流到达分布规律研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 September 2014 (2014-09-15), pages 1 - 70 * |
戴维佳: ""轨道交通乘客全过程出行行为分析与站点客流吸引范围研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 January 2020 (2020-01-15), pages 1 - 63 * |
李丽辉: ""基于旅客行为分析的高速铁路收益优化研究"", 《中国博士学位论文全文数据库经济与管理科学辑》, 15 October 2017 (2017-10-15), pages 1 - 119 * |
李思杰等: ""基于运力协调的城市轨道交通网络列车运行计划优化"", 《东南大学学报(自然科学版)》, 30 September 2017 (2017-09-30), pages 1048 - 1054 * |
李翠等: ""基于Jaya-ESN的短时交通流预测"", 《交通工程》, 31 December 2022 (2022-12-31), pages 187 - 189 * |
杨晓等: ""基于改进重力模型的高速铁路短期客流预测研究"", 《铁道运输与经济》, 31 December 2012 (2012-12-31), pages 29 - 33 * |
许旺土等: ""基于慢变量的交通客流预测模型"", 《公路交通技术》, 30 April 2007 (2007-04-30), pages 157 - 160 * |
韩亮: ""基于多目标的城市公交调度优化方法研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 January 2021 (2021-01-15), pages 1 - 63 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912235A (zh) * | 2023-12-21 | 2024-04-19 | 江阴市城乡规划设计院有限公司 | 一种智慧城市的规划数据处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117195484B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Optimal design of intersecting bimodal transit networks in a grid city | |
CN111260221B (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
CN117195484B (zh) | 一种轨道交通管理方法及系统 | |
Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
CN112231796B (zh) | 考虑旅客时空出行分布的周期列车停站方案优化建模方法 | |
CN115048754B (zh) | 基于交通仿真的公交线网优化方法、电子设备及存储介质 | |
CN116720997A (zh) | 一种基于大数据分析的公交线路评价体系及优化方法 | |
CN115547052A (zh) | 改进自适应大领域算法的动态需求响应电动公交调度方法 | |
CN114662778A (zh) | 一种城市轨道交通线网列车运行间隔协同决策方法 | |
CN111724076A (zh) | 运营中断条件下区域多式轨道交通客流动态分配方法 | |
CN111950777A (zh) | 定制公交线路设计方法及装置 | |
CN112085641A (zh) | 一种基于列车开行方案的高速铁路客流分配方法 | |
CN109002923A (zh) | 一种城际多方式出行线路规划方法 | |
CN112446648A (zh) | 基于非高峰时段的城市轨道交通混合运输方法和系统 | |
CN111859718A (zh) | 一种区域多制式轨道交通车站拥挤系数计算方法及系统 | |
CN112214829A (zh) | 高速铁路列车衔接方案优化建模方法 | |
CN113096429B (zh) | 基于公交调度站点集散的弹性公交区域灵活性线路生成方法 | |
CN111861279B (zh) | 一种考虑换乘的多目标高速收费站班车调度方法 | |
CN116142264B (zh) | 一种城市轨道交通运行计划编制方法及系统 | |
CN115127569A (zh) | 一种个性化联运导航方法和系统 | |
CN116562538A (zh) | 一种考虑轨道交通接驳的微循环公交调度优化方法及装置 | |
CN116468219A (zh) | 一种枢纽站接驳出租车合乘调度匹配方法 | |
CN111931386B (zh) | 一种区域多制式轨道交通区间拥挤系数计算方法及系统 | |
CN111859717B (zh) | 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 | |
Jenelius | Car-Specific Metro Train Crowding Prediction Based on Real-Time Load Data |
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 |