本发明涉及城市轨道交通运营管理领域,尤其涉及一种列车运行自动调整方法。
背景技术:
城市轨道交通系统在早晚高峰时段客流密度大,为了提高运能,常见的做法是加大发车频率,压缩发车间隔。在日常运营过程中一旦出现突发事件比如车门故障等,虽然持续时间相对较短但很容易形成连带晚点影响后续列车运行,不均衡的发车间隔会造成大量乘客聚集在站台形成安全隐患。当突发事件处理完毕初始延误列车可以继续运行时,运营公司面临的主要问题是如何采取列车运行调整措施使偏离计划运行的列车快速恢复正常运行秩序以及运送更多的乘客来减少站台的拥挤度。
目前关于微干扰场景下列车运行调整问题的研究多是采用单一的”压缩时分”策略,即通过压缩初始延误列车及后续受影响列车的站停时间和区间运行时间来完成自动调整。该策略在客流平峰时段可以满足运行调整需求,但是在客流高峰时段其调整效果会变得十分有限。其他常见调整策略比如扣车、跳停、小交路折返和加备车等多适用于线路能力部分失效、突发大客流或线路断面客流极不均衡等严重干扰场景,且多是由调度员根据人工经验进行调整,实施难度大,调整效率低,运营成本高。
近年来城市轨道交通装备自动化、智能化水平不断提高,地铁客运量逐年上升,列车运行间隔不断缩短,列车自动调整在城轨运营中的需求也日益增大。
技术实现要素:
本发明的实施例提供了一种列车运行自动调整方法,提高了列车运行调整效率。
一种列车运行自动调整方法,包括:
步骤1,对列车进站前乘客候车、列车进站后乘客上下车及列车离站后乘客滞留过程建模,建立动态客流仿真器;
步骤2,以最小化列车总延误时间和最小化站台滞留乘客总数为优化目标,以列车运行等级选择、列车停站时间、列车安全运行间隔及列车扣车时间为初始约束,建立数学模型;
步骤3,根据列车预定运营数据、实时客流信息和实时延误场景,生成初始的列车运行方案;
步骤4,将所述实时客流信息输入所述动态客流仿真器,确定被扣列车,更新所述被扣列车的扣车时间约束;以所述被扣列车的扣车时间约束,对所述数学模型进行更新,对更新后的数学模型进行迭代求解,优化所述初始的列车运行方案,输出优化的列车运行方案;
步骤5,根据所述优化的列车运行方案,对所述列车进行调整。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例中,采用组合策略针对受延误影响的多列车进行自动调整,快速得到有效的列车运行调整方案,提高了列车运行调整效率。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种列车运行自动调整方法的示意图;
图2本发明所述的列车区间运行等级选择示意图
图3为本发明所述的基于仿真的迭代优化方法流程;
图4为本发明所述的组合策略的调整方案示意图。
具体实施方式
下面详细描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。下面通过参考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。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
如图1所述,为本发明所述的一种列车运行自动调整方法,包括:
步骤1,对列车进站前乘客候车、列车进站后乘客上下车及列车离站后乘客滞留过程建模,建立动态客流仿真器;
步骤2,以最小化列车总延误时间和最小化站台滞留乘客总数为优化目标,以列车运行等级选择、列车停站时间、列车安全运行间隔及列车扣车时间为初始约束,建立数学模型;
步骤3,根据列车预定运营数据、实时客流信息和实时延误场景,生成初始的列车运行方案;
步骤4,将所述实时客流信息输入所述动态客流仿真器,确定被扣列车,更新所述被扣列车的扣车时间约束;以所述被扣列车的扣车时间约束,对所述数学模型进行更新,对更新后的数学模型进行迭代求解,优化所述初始的列车运行方案,输出优化的列车运行方案;
步骤5,根据所述优化的列车运行方案,对所述列车进行调整。
所述列车运行调整方案包括:被扣停列车及其所在车站、扣停时间、后续列车的停站时间及所有受影响列车的区间运行等级;或
所述列车运营数据包括:列车在各车站计划停站时间、列车在各区间计划运行时间、选择的列车运行等级以及对应的运行时间、列车发车间隔、列车安全运行间隔及扣车时间;或
所述客流信息包括:乘客进站速率、各车站初始状态候车人数、列车进站前乘客候车、列车进站后下车乘客人数与车上人数的比例;或
所述延误场景包括:初始延误持续时间、初始延误列车及其所在车站信息。
所述步骤2具体为:
所述动态客流仿真器是为了得到各站滞留乘客数量以评估运行调整方案,同时确定列车是否被扣停,为数学模型动态更新扣停时间约束;
所述动态客流仿真器输出列车在各站的上下车人数、一个发车间隔内站台上候车人数及列车离站后的留乘人数,各状态的关系式表示如下:
一个发车间隔内到达站台的乘客数量
其中,下标i为车站索引,下标j为列车索引,λi,j为乘客进站速率,tdi,j为列车j的实际发车时刻;
列车j离开车站i时车上人数
其中,
列车停站时,上车的乘客数量
其中,pcap为列车最大允许载客量,
列车停站时,下车的乘客数量为:
其中,ωi,j为下车乘客人数与车上人数的比例;
列车离站时的留乘人数:
所述步骤3具体为:
所述数学模型的目标函数表示为:
其中,α和β分别为列车总延误时间与滞留乘客总数的权重,两者之和为1;t′delay和n′stranded分别为列车总延误时间与滞留乘客总数的标称值,以统一目标函数量纲;
列车总延误时间即实际运行与计划运行图的偏差表示为:
其中,tdi,j为列车计划发车时刻,tai,j为列车计划到站时刻,tai,j为列车实际到站时刻,|m|和|n|分别代表控制窗口中列车与车站总数;
运行调整过程中站台上的滞留乘客总数为:
列车运行调整模型的约束条件包括:
列车运行间隔约束:
其中,
列车区间运行等级选择约束:
其中
列车在区间可选的运行等级中有且仅有一个运行等级被选择,表示为:
其中|l|列车在一个区间可选运行等级的个数;
列车停站时间模型:
其中,a、b、c和d为停站模型系数,ndoor为列车停站时开门数量;该公式表示列车满足乘客上下车需求的站停时间,根据历史客流数据及列车实际站停时间数据通过回归分析的方式得到,反映了站台拥挤度对列车停站时间的影响;
列车停站时间约束:
其中,
其中,
扣车时间约束:
tdm,n-tam,n=tdm,n-tam,n+hm,n
其中,m为扣停列车所在车站下标,n为被扣停列车下标,hm,n代表列车被扣停时间。
所述步骤4具体为:
每一次循环迭代过程中通过客流仿真器评估所述数学模型的解,根据车上是否有剩余空间来判定前行列车是否需要被扣停;
如果前行列车在计划离站时刻车上还有剩余容量,则在所述数学模型中更新扣车时间约束,然后求解所述数学模型,得到更新的优化的列车运行调整方案,重复该步骤直至达到最大迭代次数,最终输出优化的列车运行调整方案。
所述步骤4具体为:
步骤41,根据所述列车预定运营数据、实时客流信息和实时延误场景,生成计划的列车运行方案;
步骤42,设置迭代次数k的初始值为1;
步骤43,基于所述动态客流仿真器,对所述数学模型进行迭代求解,输出优化的列车运行方案;
步骤44,判断迭代次数k的当前值是否达到最大迭代次数,生成第一判断结果;
步骤45,当所述第一判断结果为是时,则输出所述优化的列车运行方案;
步骤46,当所述第一判断结果为否时,则对所述迭代次数k的当前值加1,跳到所述步骤43.
所述步骤43具体为:
判断是否需要扣停列车,生成第二判断结果;
当所述第二判断结果为是时,则更新所述被扣列车在所述所在车站的扣车时间的约束;根据所述更新的约束,基于所述动态客流仿真器,对所述数学模型进行迭代求解,输出优化的列车运行方案。
本发明产生的有益效果有以下两点:
第一,在饱和客流条件下,城轨列车运行过程中发生微干扰后,采用组合策略的调整方案相比采用单一压缩时分策略能够进一步均衡列车发车间隔,减少滞留在站台上的乘客数量,进而减小因站台拥挤度而加重列车延误的不利影响。
第二,本发明改善了现有城轨列车自动运行调整系统在适用性与有效性方面的不足,当前列车自动运行调整功能主要采用单一压缩时分调整策略并仅针对单一列车进行调整。本发明采用组合策略针对受延误影响的多列车进行自动调整,快速得到有效的列车运行调整方案。结合动态客流信息。研究科学高效的列车自动运行调整方法具有重要的理论与现实意义。
本发明针对饱和客流条件下,城市轨道交通运营出现的微干扰延误场景问题,提供一种基于压缩时分和扣车组合策略并结合动态客流信息的列车自动运行调整方法,目的是减少列车实际运行与计划运行图的偏差,减少滞留在站台的乘客数量以降低站台拥挤度。
所述方法包括:步骤1,主要工作是数据准备。静态数据包括列车在各车站计划停站时间、列车在各区间计划运行时间及可选运行等级对应的运行时间、列车发车间隔、乘客进站速率、各车站初始状态候车人数等优化模型中需要的参数。动态数据包括初始延误持续时间、初始延误列车及其所在车站信息。具体为:初始化列车运营数据、客流信息和延误场景。列车运营数据包括列车在各车站计划停站时间、列车在各区间计划运行时间及可选运行等级对应的运行时间、列车发车间隔等。客流信息包括乘客进站速率、各车站初始状态候车人数等。延误场景包括初始延误持续时间、初始延误列车及其所在车站信息。
步骤2,对列车进站前乘客候车、列车进站后乘客上下车及列车离站后乘客滞留过程建模,建立动态客流仿真器模块;动态客流仿真器的作用是得到各站滞留乘客数量以评估运行调整方案,同时确定列车是否被扣停,为优化模型动态添加扣停时间约束。动态客流仿真器输出列车在各站的上下车人数、一个发车间隔内站台上候车人数及列车离站后的留乘人数,各状态的关系式表示如下:
一个发车间隔内到达站台的乘客数量为:
其中,下标i为车站索引,下标j为列车索引,λi,j为乘客进站速率,tdi,j为列车j的实际发车时刻。
列车j离开车站i时车上人数为:
其中,
列车停站时,上车的乘客数量为:
其中,pcap为列车最大允许载客量,
列车停站时,下车的乘客数量为:
其中,ωi,j为下车乘客人数与车上人数的比例。
列车离站时的留乘人数:
步骤3,以最小化列车总延误时间和站台滞留乘客总数为优化目标,以列车运行等级选择、列车停站时间、列车安全运行间隔及扣车时间为约束建立数学模型;
列车总延误时间即实际运行与计划运行图的偏差可表示为:
其中,tdi,j为列车计划发车时刻,tai,j为列车计划到站时刻,tai,j为列车实际到站时刻,|m|和|n|分别代表控制窗口中列车与车站总数。
运行调整过程中站台上的滞留乘客总数为:
为了方便优化模型求解,采用线性加权和方法对上述两个目标分配权重并相加从而将多目标优化转化为单目标优化问题。优化模型的目标函数可表示为:
其中,α和β分别为列车总延误时间与滞留乘客总数的权重,两者之和为1。t′delay和n′stranded分别为列车总延误时间与滞留乘客总数的标称值,可以统一目标函数量纲。接下来描述列车运行调整模型的约束条件。
列车运行间隔约束:
其中,
列车区间运行等级选择约束:
其中
其中|l|列车在一个区间可选运行等级的个数。图2对列车运行等级约束进行了说明,列车在区间1至5运行时所选择的运行等级依次为4,2,1,3,5.
列车停站时间模型:
其中,a、b、c和d为停站模型系数,ndoor为列车停站时开门数量。该公式表示列车满足乘客上下车需求的站停时间,根据历史客流数据及列车实际站停时间数据通过回归分析的方式得到,一定程度上反映了站台拥挤度对列车停站时间的影响。
列车停站时间约束:
其中,
其中,
扣车时间约束:
tdm,n-tam,n=tdm,n-tam,n+hm,n
其中,m为扣停列车所在车站下标,n为被扣停列车下标,hm,n代表列车被扣停时间。
步骤4,为列车运行调整模型求解方法,设计基于仿真的迭代优化方法,根据客流信息确定被扣停列车及其所在车站,添加扣车时间约束,对模型进行迭代求解,输出优化的列车运行调整方案,包括被扣停列车及其所在车站、扣停时间、后续列车的停站时间及所有受影响列车的区间运行等级。具体为:基于仿真的迭代优化框架,具体流程如图3所示。每一次循环迭代过程中通过客流仿真器评估优化模型的解,根据车上是否有剩余空间来判定前行列车是否有必要被扣停。如果前行列车在计划离站时刻车上还有剩余容量,则在优化模型中添加扣车时间约束,然后求解该混合整数规划模型得到新的列车运行调整方案,重复该步骤直至达到最大迭代次数,最终程序输出扣停列车及其所在车站、扣停时间、后续列车的停站时间及所有受影响列车的区间运行等级。
图4解释了由所提方法得到的列车运行调整方案。以一条由6个车站组成的城轨线路为例,线上有7辆列车运营,运行方向为车站6到车站1。标号为
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。