不同聚合态下的换乘车站客流诱导策略优化方法
【专利摘要】本发明揭示一种不同聚合态下的换乘车站客流诱导策略优化方法，包括以下步骤：步骤一、服务网络状态分析，步骤二、构建诱导策略模型，步骤三、差异化诱导策略模型算法设计。本发明融合交通规划、管理学、控制论等多学科的科学问题，通过对换乘站服务网络状态的分析，确定其聚合态的差异化阶段，利用互动反馈模型构建常态下诱导策略的双层规划模型，并进行了算法设计，为出行旅客提供更好的服务。
【专利说明】不同聚合态下的换乘车站客流诱导策略优化方法
【技术领域】
[0001] 本发明属于现代交通【技术领域】，具体设及一种不同聚合态下的换乘车站客流诱导 策略优化方法。
【背景技术】
[0002] 由于大型换乘站运营线路众多、情况各异、影响换乘站安全运营的因素种类繁多， 客流量与日剧增，运营资源禪合度日益增强，随之而来的是换乘站运营安全风险急剧增大， 站站之间、线线之间关联度增强，迫切需要针对新形势下网络化轨道交通的特点，研究面向 换乘站的高聚集客流诱导技术，面向既有设备的远程综合监控、告警分析技术，构建诱导策 略的智能动态调整方案并最终实现完善的智能客流感知应急系统。因此，研制基于客流监 测与感知的换乘车站诱导策略具有重要的理论意义和现实意义。
【发明内容】
[0003] 本发明的目的是提出一种解决方案，利用换乘站的客流状态实时检测技术，基于 客流的实时状态，综合考虑换乘站内的既有设备能力和旅客行为的反应模式，为换乘站内 的智能管控，特别是设备能力优化与客流诱导提供技术保障，研究换乘车站的客流诱导策 略，W达到充分利用既有设备设施，诱导客流的走向，提高站内设备的利用率的目的。
[0004] 为了实现W上目的，本发明通过W下技术方案实现。
[0005] 一种不同聚合态下的换乘车站客流诱导策略优化方法，包括W下步骤：
[0006] 步骤一、服务网络状态分析，包括：
[0007] 1)状态描述 [000引 2)差异化划分
[0009] 步骤二、构建诱导策略模型，包括：
[0010] 1)构建双层规划模型
[0011] 2)构建常态诱导策略模型
[0012] 步骤=、差异化诱导策略模型算法设计，包括：
[001引1)进行初始化；
[0014] 2)将种群中的每个染色体代入下层规划模型中进行肥流量分配，得到各通道的 流量，然后将各通道的流量代回到上层规划模型中得到上层规划的目标函数值，该值作为 染色体的适应度值；
[0015] 3)对种群中的染色体采用轮盘赌选择方式选取一半的染色体作为父辈，将另外一 半染色体删除；
[0016] 4)将父辈染色体进行交叉，生成新的染色体作为子辈，父辈和子辈又重新构成大 小为M的种群；
[0017] 5)对新的种群中所有染色体体进行变异；
[001引 6)终止条件判断姻果t《T，转到步骤。；否则，进入步骤7);
[0019] 7)算法终止，输出最优解和目标函数值。
[0020] 进一步，步骤一中的1)状态描述，包括：
[0021] (1)旅客特征描述参量；
[0022] (2)基础设施特征描述参量；
[0023] (3)环境特征描述参量。
[0024] 进一步，步骤一中的2)差异化划分，包括：
[0025] (1)基础聚合态确定；
[0026] (2)容量缩放因子；
[0027] (3)差异化诱导策略。
[002引进一步，步骤二中的1)构建双层规划模型，包括：
[0029] (1)反馈模型结构；
[0030] (2)双方互动反馈关系。
[003U 进一步，步骤二中的2)构建常态诱导策略模型，包括采用BPR函数建立上层规划 模型和建立下层规划模型。
[0032] 进一步，步骤=中的差异化诱导策略模型算法设计采用遗传算法进行。
[0033] 本发明的有益效果；
[0034] 随着城市综合交通网的高速发展，换乘站的服务水平和效率直接决定着城市交通 网络效能的发挥，因此科学合理的诱导策略可W有效的提高换乘站的集散服务效率，体现 人为本"的综合交通服务理念，为出行旅客提供更好的服务。而诱导策略的分析与建模， 是融合交通规划、管理学、控制论等多学科的科学问题，通过对换乘站服务网络状态的分 析，确定其聚合态的差异化阶段，针对运营常态与突发事件时的差异，利用互动反馈模型构 建了常态下诱导策略的双层规划模型，并进行了算法设计。
【专利附图】
【附图说明】
[0035] 图1行人交通流"流量密度"关系图；
[0036] 图2身体占用的空间图；
[0037] 图3本发明换乘站集散设施分类图；
[003引图4本发明枢纽状态描述图；
[0039] 图5"面"状设施示意图；
[0040] 图6可浮动截面状态描述图；
[0041] 图7诱导策略对乘客行为的影响；
[0042] 图8管理者与旅客的互动反馈过程；
[0043] 图9旅客进站流程和流线图；
[0044] 图10旅客出站流程和流线图；
[0045] 图11遗传算法的进化过程；
[0046] 图12遗传算法的求解过程；
[0047] 图13北京南站简化网络示意图；
[0048] 图14北京南站基础设施标记及进站流线图。
【具体实施方式】
[0049] 下面结合附图，对本发明进一步详细说明。
[0化日]一、服务网络状态分析
[0化1] 用k表示状态描述所使用的参量种数，用ni(i = 1，2,…，k)表示第i种参量的输 入值，该里借用"状态聚合"的概念，将一个参量的输入值视为k维空间的一个点，从而一 个枢纽的全部参量输入值可W聚合成为该空间内的一个可能状态，视为一个聚合态。该聚 合态由k维空间一个平面ni+ri2+…+rik= ?上的所有点构成。
[0化2] 1).状态描述
[0053] (1)旅客特征描述参量，换乘站的旅客可从中观和微观两个层面进行描述。所述中
[0化4] 观层面主要描述旅客流的流量、密度与速度之间的关系，该也是行人流的最基本 特性。q = ku (1)
[0化5] 式中；q(p/m ? S)行人流量，k(p/m2)行人密度，u(m/s)行人步行速度。
[0化6] 根据该公式，我们可W得到=者之间的关系图，应用最为广泛的是流量密度示意 图，如图1所示：
[0057] 该图主要用于分析各种条件下行人流的流量、密度与速度关系，诸如饱和流量 (Capacity)、自由步行速度（Rree speed)、饱和流速度（Capacity speed)、饱和流密度 (Capacity density) W及拥堵密度（Jam density)等。
[005引 自由流（0<k<km);该时行人稀少，密度k较低，其行走特点主要受个人影响较大， 取决于行人的性别、年龄、所带行李、屯、理等，因此在自由流状态下，人流速度主要取决于个 人，群体影响较小或者没有。
[0059] 稳态流（km<k<k。）：随着人群密度k的增大，人与人之间的相隔距离越来越短，相互 之间的影响增大，并对彼此开始产生制约，该时，随着密度k增大，速度U开始下降，但密度k 增大对速度U产生的制约尚没有超过因密度k增大而带来的流量q上升的趋势，因此该个 阶段，密度k增加，速度U下降，流量q上升。
[0060] 阻塞流化〉k。）：当行人密度k增大到一定程度时，流量q增至最大，随着密度k的 增大，不再随之增加，相反会随之下降，该时的流量被称为最大流量，用q。表示，最大流量对 应的密度为最佳密度，用k。表示；超过最佳密度k。的行人流状态称之为阻塞流，该里用k J 表示行人速度U和流量q均为0时的密度，称为阻塞密度或拥挤密度。
[0061] 不同的学者对该S种范围的界定有所不同，但总起来说阻塞密度基本都在4. 0(p/ m2)和5. 5(p/m2)之间，即行人静态空间需求的最低标准。
[0062] 所述微观层面，主要考虑每个乘客的个体特征，例如空间占有特征和运动特征等。 空间占有特征参数用于描述行人个体所占用步行空间的状态，包括身高、身体宽度、身体厚 度（前胸至后背的最大厚度）、行人与障碍物的最小间距等（参见图2)。运动特征参数用 于描述行人个体在运动中所表现出来的运动行为，包括行人步行路径的选择、行人的步行 轨迹等。
[0063] 虽然客运枢纽内乘客的特征都不相同，但对一些国家的身体尺寸却有统计数据 (见表1)，再依据不同的乘客屯、理空间需求（见表2)，从中可W推测出乘客的个体特征。
[0064] 表1世界主要国家和地区的行人空间占用统计
[00 化]
【权利要求】
1. 一种不同聚合态下的换乘车站客流诱导策略优化方法，包括以下步骤： 步骤一、服务网络状态分析，包括： 1) 状态描述； 2) 差异化划分； 步骤二、构建诱导策略模型，包括： 1) 构建双层规划模型； 2) 构建常态诱导策略模型； 步骤三、差异化诱导策略模型算法设计，包括： 1) 进行初始化； 2) 将种群中的每个染色体代入下层规划模型中进行UE流量分配，得到各通道的流量， 然后将各通道的流量代回到上层规划模型中得到上层规划的目标函数值，该值作为染色体 的适应度值； 3) 对种群中的染色体采用轮盘赌选择方式选取一半的染色体作为父辈，将另外一半染 色体删除； 4) 将父辈染色体进行交叉，生成新的染色体作为子辈，父辈和子辈又重新构成大小为 M的种群； 5) 对新的种群中所有染色体体进行变异； 6) 终止条件判断：如果t < T，转到步骤2);否则，进入步骤7); 7) 算法终止，输出最优解和目标函数值。
2. 根据权利要求1所述的方法，其特征在于，步骤一中的1)状态描述，包括： (1) 旅客特征描述参量； (2) 基础设施特征描述参量； (3) 环境特征描述参量。
3. 根据权利要求1所述的方法，其特征在于，步骤一中的2)差异化划分，包括： (1) 基础聚合态确定； (2) 容量缩放因子； (3) 差异化诱导策略。
4. 根据权利要求1所述的方法，其特征在于，步骤二中的1)构建双层规划模型，包括： (1) 反馈模型结构； (2) 双方互动反馈关系。
5. 根据权利要求1所述的方法，其特征在于，步骤二中的2)构建常态诱导策略模型，包 括采用BPR函数建立上层规划模型和建立下层规划模型。
6. 根据权利要求1所述的方法，其特征在于，步骤三中的差异化诱导策略模型算法设 计采用遗传算法进行。
【文档编号】G06Q50/30GK104504480SQ201510002267
【公开日】2015年4月8日 申请日期:2015年1月4日 优先权日:2015年1月4日
【发明者】员丽芬, 谢征宇, 秦勇, 贾利民, 张蜇, 蔡国强 申请人:北京交通大学