CN112214873B - 一种轨道交通故障下的客流分布仿真评估方法及*** - Google Patents
一种轨道交通故障下的客流分布仿真评估方法及*** Download PDFInfo
- Publication number
- CN112214873B CN112214873B CN202010945280.9A CN202010945280A CN112214873B CN 112214873 B CN112214873 B CN 112214873B CN 202010945280 A CN202010945280 A CN 202010945280A CN 112214873 B CN112214873 B CN 112214873B
- Authority
- CN
- China
- Prior art keywords
- train
- passengers
- time
- passenger
- passenger flow
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 238000004088 simulation Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 230000002452 interceptive effect Effects 0.000 claims abstract description 7
- 238000005094 computer simulation Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000010586 diagram Methods 0.000 claims description 22
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种轨道交通故障下的客流分布仿真评估方法及***，该方法包括：步骤1：基础数据预处理；步骤2：客流与列车交互过程建模与仿真：对每个出发事件，在客流与列车交互过程建模及仿真模块分等车过程、上车过程和下车过程细化客流与列车的交互过程，依次遍历所有出发事件，形成动态仿真，计算客流时空分布指标；步骤3：客流分布评估：基于客流分布计算结果，在乘客服务水平评估模块对比正常场景，计算故障场景下列车、站台相关的客流分布指标和乘客出行时间指标。与现有技术相比，本发明具有为故障下大客流处置和行车调度处置提供辅助决策支撑等优点。
Description
技术领域
本发明涉及轨道交通客流数据分析处理技术，尤其是涉及一种轨道交通故障下的客流分布仿真评估方法及***。
背景技术
作为庞大的复杂***，城市轨道交通的运营受到各类因素影响，故障难以避免且随机发生，引起列车运行延误，甚至运行中断，从而降低乘客出行体验。随着轨道交通路网规模的扩大和客流量的增长，故障的发生愈加频繁、影响越来越大，但由于目前客流实时预测难度大，故障对乘客出行的影响范围和影响程度难以在动态的运营实践中进行量化。
随着轨道交通历史运营数据的累积和可用，基于历史客流数据进行规律挖掘成为近几年较为多见的一种方法，该类方法主要通过对比故障情况和正常情况下断面客流时空分布的不同，分析故障对客流的影响。然而，对历史客流数据分析结果的可靠性依赖于网络客流清分方法的精准度，而异常情况下运能和客流存在动态变化，事后的清分结果难以还原故障过程，因此故障下的客流数据分析容易与实际存在偏差。
实际中，由于目前各个城市对故障信息的及时推送还未完全普及，大部分通勤乘客按照惯常固定时间出行，通常在到达地铁站后才知晓故障信息。因此，故障开始一段时间的客流量与往日相差不大，反而因为故障下运能降低、客流集散速度放缓，车内拥挤、站台等待、进站排队、甚至站外滞留的乘客更多更密集。故障后的客流分析无法反映故障期间列车运行与站台客流的交互过程及相互作用下各个时空位置客流的分布情况、运能的供给情况。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种轨道交通故障下的客流分布仿真评估方法及***，用于计算故障下客流的时空分布和运能对需求的满足情况，为故障下大客流处置和行车调度处置提供辅助决策支撑。
本发明的目的可以通过以下技术方案来实现：
根据本发明的一个方面，提供了一种轨道交通故障下的客流分布仿真评估方法，包括以下步骤：
步骤1：基础数据预处理：调用标准客流量计算模块得到的OD客流分组数据，并按进站时间升序排列；选取调整运行图计算模块得到的后续阶段出发事件数据，并按方向和时间升序排列；设置列车能力数据，乘客最长等待时间限制参数取值；
步骤2：客流与列车交互过程建模与仿真：对每个出发事件，在客流与列车交互过程建模及仿真模块分等车过程、上车过程和下车过程细化客流与列车的交互过程，依次遍历所有出发事件，形成动态仿真，计算客流时空分布指标；
步骤3：客流分布评估：基于客流分布计算结果，在乘客服务水平评估模块对比正常场景，计算故障场景下列车、站台相关的客流分布指标和乘客出行时间指标。
作为优选的技术方案，所述的步骤2中的计算客流时空分布指标具体过程如下：
1)等车过程：明确等待乘客集合和因超过最大等待时间而离开的乘客集合；考虑新进站的乘客和前车留乘的乘客；对于小交路折返站，若其前方列车提前折返，则还需考虑提前下车的乘客加入等待或离开的情况，为该类乘客增加一个提前下车属性，视为新的“进站时刻”，与前两类乘客同样按照最大等待时间判断等待或离开，其中，最大等待时间设为Dg；
2)上车过程：基于列车剩余能力和等待乘客人数明确可上车人数，若可上车人数等于等待人数，则全部等待乘客可上车；若可上车人数等于列车剩余能力，则乘客按照先到先服务原则上车，直到某一组乘客不能完全上车，此时认为该组中不同目的地的乘客按比例上车，由此累积计算上车乘客集合、留乘乘客集合和车内乘客集合；
3)下车过程：明确下车乘客集合，根据乘客目的地、以上一站出发事件为标识提前确定本站下车乘客，并区分小交路折返站全部乘客下车的情况。
作为优选的技术方案，所述的最大等待时间Dg的取值是在考虑故障下大部分乘客因出行习惯或别的方式出行时间更长而愿意多等待的情况下设定的，为大于等于两个计划行车间隔；
所述的列车剩余能力的计算需要区分当前出发事件是否为始发事件，若是，则有完整的列车能力；否则为列车能力减去列车在上一站出发时的车上人数、再加上在本站下车的人数；其中，列车出发时的车上人数，首先包括本站上车人数，其次，对于非始发事件还应加上前一站出发时的车上人数、减去到达本站时的下车人数。
作为优选的技术方案，所述的步骤3中的客流分布指标和乘客出行时间指标包括：
1)列车满载率：通过每个出发事件对应的车内乘客集合可知每个时空位置车厢内的人数，结合列车定员能力计算每列车的时空满载率；
2)站台拥挤情况：分析留乘乘客和等待乘客的分布和演变特征，计算全线留乘发生率、结合站台容量衡量站台拥挤；。
3)乘客离开情况：分析离开乘客的数量和分布特征，查验列车服务与客流需求的总体适应情况；
4)乘客等待时间：包括起始站等待上车时间和在小交路折返站被迫提前下车后等待下一班长交路列车的时间；在临时调整为小交路折返的情况下，后者属于增加的等待时间，因此乘以一个大于1的惩罚系数，乘客离开前的等待时间也需计入；
5)乘客旅行时间：包括等待时间和乘车时间，同样需要考虑被服务和因离开未被服务两种情况，对于离开的乘客，认为其后续出行时间增加，即等于计划乘车时间乘以一个大于1的惩罚系数。
作为优选的技术方案，所述的步骤2中客流与列车交互过程仿真时记录每个乘客组的上下车属性，包括起始站上车时间、换乘站下车时间、换乘站上车时间、终点站下车时间，从而在步骤3中计算每个列车出发事件关联的乘客等待时间、乘车时间，合计则为总的乘客等待时间、总的乘客乘车时间。
根据本发明的另一个方面，提供了一种轨道交通故障下的客流分布仿真评估***，包括：
标准客流量计算模块：用于根据常态运营条件下多个相同特征日的历史客流数据统计分析得到某一特征日每个时空粒度的标准客流量；
调整运行图计算模块：用于根据故障信息和调度策略，生成贴合计划运行图的调整运行图数据；
客流与列车交互过程建模及仿真模块：用于根据站台客流和列车运行过程的交互状态构建客流分布指标计算方法，加载标准客流量和调整运行图数据，结合列车能力限制通过动态仿真计算客流时空分布结果；
乘客服务水平评估模块：用于根据客流时空分布计算结果，对比正常场景，评估故障场景下的乘客出行服务水平指标。
作为优选的技术方案，所述的常态运营条件下多个相同特征日，是指一段未发生异常事件的时间内同一个实际意义的周几；每个时空粒度是指每个OD组s和单位时间t，对应的标准客流量表示为
其计算公式如下：
其中，Dx为常态日集合，
为计算函数，采用聚类算法；当已排除故障日和国定假日，则可采用求均值的方法。
作为优选的技术方案，所述的故障信息包括故障时间、位置、原因和预估的故障持续时间；所述的调度策略根据故障信息确认，轻微故障采用停站时间和区间运行时间调整策略，严重故障则从应急预案中搜索对应的交路和间隔调整策略。
作为优选的技术方案，所述的站台客流和列车运行过程的交互状态分等车过程、上车过程和下车过程；所述的客流分布指标包括每个列车在每个车站对应的等待人数、离开人数、上车人数、留乘人数、车上人数和下车人数。
作为优选的技术方案，所述的乘客服务水平指标包括列车满载率、站台拥挤情况、乘客离开情况、乘客等待时间、乘客旅行时间。
与现有技术相比，本发明具有以下优点：
1、标准客流量可提前计算保存，且反映故障之初与往日相同特征日类似的客流需求特征，方便故障下的快速调用和处置，有利于故障下的快速处置。
2、根据调度经验和应急预案快速生成调整运行图，便于掌握运能的变化情况，结合标准客流量对运营情况进行全局了解，供进一步调整优化参考。
3、通过细化客流与列车的交互过程，预测每个站点、每一类乘客需求的分布情况，为行车调度和客运组织提供参考。
4、设置最大等待时间，反映故障影响下乘客出行行为的变化，结合不同线路条件调整该参数的取值，体现实际中乘客的等待行为变化。
附图说明
图1为本发明的***架构图；
图2为本发明的客流与列车交互结果示意图；
图3为本发明实施例中的正常运营场景下的列车满载率示意图，其中(a)为上行(Dg＝9min)，(b)为下行(Dg＝9min)；
图4为本发明实施例中的故障运营场景下的列车满载率示意图，其中(a)为上行(Dg＝9min)，(b)为下行(Dg＝9min)，(c)为上行(Dg＝15min)，(d)为下行(Dg＝15min)；
图5为本发明实施例中的所有列车服务的站台等待人数排序示意图，其中(a)为正常运营场景下的站台等待人数，(b)为故障运营场景下的站台等待人数。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
本发明提供了一种轨道交通故障下的客流分布仿真评估方法及相应***。简言之，本发明基于常态标准客流数据和故障阶段调整运行图数据，通过分过程建模、按时序仿真客流与列车的交互过程，计算和评估故障下列车、站台相关的客流分布指标和乘客出行时间指标。
以下对本发明作进一步的说明，参考图1，本发明包括以下实施步骤：
步骤S1：故障发生前，在标准客流量计算模块，基于历史常态客流数据预先计算和保存标准客流量。
针对某一特征日，选取一段未发生异常事件的历史时间内同一个实际意义的周几，统计分析历史客流数据，计算每个OD组s在单位时间t的标准客流量，其计算公式如下：
其中，Dx为常态日集合，
为计算函数，一般采用聚类算法，当已排除故障日和国定假日，则可采用求均值的方法。
特别地，该步骤的工作可在正常运营的任意时段进行，若客流特征稳定，也可一次计算保存，供后续一段时期内备用。
步骤S2：故障发生后，在调整运行图计算模块，根据故障信息、计划运行图和调度策略，快速生成调整运行图数据，故障处置时直接调用后续阶段的调整运行图数据。
其中，故障信息包括故障时间、位置、原因，预估的故障持续时间；调度策略根据故障信息确认，轻微故障主要采用停站时间和区间运行时间调整策略，严重故障则从应急预案中搜索对应的交路和间隔调整策略。
步骤S3：调用步骤S1中得到的标准客流数据，选取步骤S2中后续阶段调整运行图的出发事件数据，设置列车能力、乘客最长等待时间限制参数取值。
其中，将标准客流数据按OD、进站时间分组并升序排列，调整后的出发事件按方向、时间升序排列，列车能力、乘客最长等待时间等参数根据线路条件分别取值。其中，最大等待时间设为Dg。
步骤S4：基于步骤S3预处理的数据，对每个出发事件，在客流与列车交互过程建模及仿真模块，分等车过程、上车过程和下车过程细化客流与列车的交互过程，依次遍历所有出发事件，形成动态仿真，计算客流时空分布指标，包括每个列车在每个车站对应的等待人数、离开人数、上车人数、留乘人数、车上人数和下车人数，参考图2。
1)等车过程：明确等待乘客集合和因超过最大等待时间而离开的乘客集合。一般考虑新进站的乘客和前车留乘的乘客；对于小交路折返站，若其前方列车提前折返，则还需考虑提前下车的乘客加入等待或离开的情况，为该类乘客增加一个提前下车属性，视为新的“进站时刻”，与前两类乘客一样，按照最大等待时间判断等待或离开，即：乘客进站距下一列车到达在最大等待时间之内，则乘客等待；否则，乘客离开。
其中，最大等待时间的取值影响客流分布指标的计算结果，考虑故障情况下大部分乘客因出行习惯或别的方式出行时间更长而愿意多等待，可承受等待时间更长，因此Dg取值范围设为大于等于两个计划行车间隔。
2)上车过程：累积计算上车乘客集合、留乘乘客集合和车内乘客集合。基于列车剩余能力和等待乘客人数明确可上车人数，若可上车人数等于等待人数，则全部等待乘客可上车；若可上车人数等于列车剩余能力，则乘客按照先到先服务原则上车，直到某一组同时到达的乘客不能完全上车，此时认为该组中不同目的地的乘客按比例上车，得到该组中上车部分和留乘部分，对应事件的总上车乘客由前续全部分组的乘客和该分组的部分上车乘客组成，总留乘乘客则由该分组的留乘乘客和后续全部分组的乘客构成。
其中，列车剩余能力的计算需要区分当前出发事件是否为始发事件，若是，则有完整的列车能力；否则为列车能力减去列车在上一站出发时的车上人数、再加上在本站下车的人数。其中，列车出发时的车上人数，首先包括本站上车人数，其次，对于非始发事件还应加上前一站出发时的车上人数、减去到达本站时的下车人数。
3)下车过程：明确下车乘客集合。根据乘客目的地、以上一站出发事件为标识提前确定本站下车乘客，并区分小交路折返站全部乘客下车的情况。
步骤S5：基于步骤S4的客流分布计算结果，在乘客服务水平评估模块对比正常场景，评估故障场景下列车、站台相关的客流分布指标和乘客出行时间指标。
1)列车满载率：通过每个出发事件对应的车内乘客集合可知每个时空位置车厢内的人数，结合列车定员能力计算每列车的时空满载率；
2)站台拥挤情况：分析留乘乘客和等待乘客的分布和演变特征，计算全线留乘发生率、结合站台容量衡量站台拥挤度。
3)乘客离开情况：分析离开乘客的数量和分布特征，查验列车服务与客流需求的总体适应情况。
4)乘客等待时间：包括起始站等待上车时间和在小交路折返站被迫提前下车后等待下一班长交路列车的时间。在临时调整为小交路折返的情况下，后者属于增加的等待时间，因此乘以一个大于1的惩罚系数，设为δ。乘客离开前的等待时间也需计入。
5)乘客旅行时间：包括等待时间和乘车时间，同样需要考虑被服务和因离开未被服务两种情况。对于离开的乘客，认为其后续出行时间增加，即等于计划乘车时间乘以一个大于1的惩罚系数，设为ρ。
其中，在步骤S4中客流与列车交互过程仿真时记录每个乘客组的上下车属性，包括起始站上车时间、换乘站下车时间、换乘站上车时间、终点站下车时间，从而在步骤S5中计算每个列车出发事件关联的乘客等待时间、乘车时间，合计则为总的乘客等待时间、总的乘客乘车时间。
进一步地，如图1所示，乘客服务水平评估模块的结果可以用于进一步地优化调整运行图，比如发现列车或站台能力不足以满足客流需求的时空位置，供行车调度和客运组织及时采取应对措施。
以一条实际线路为例，利用本发明的***和方法评估故障下的客流分布。选取正常运营条件下的客流数据，预先将网络OD客流数据转化为本线OD客流数据，形成标准客流量。列车定员能力为840人，列车允许最大满载率按120％计算。换乘等待时间惩罚系数δ设为2。以8:00～11:00为研究时域，测试正常、故障两个运营场景。正常场景为按计划有序运营，使用计划运行图；故障场景为假设8:00发生故障、导致部分区段单侧列车运行中断2h，使用根据调度策略生成的调整运行图。考虑到乘客最大等待时间Dg和离开乘客后续出行惩罚系数ρ对客流分布指标的计算影响显著，分别设置不同的值进行讨论分析：(1)Dg＝9/10/15min；(2)ρ＝1.5/2。
列车满载率如图3、图4所示，每个运营场景下均分上下行分别展示；站台相关客流分布指标统计如表1和图5所示；乘客出行时间指标如表2所示。
表1
表2
以上所述，仅为本发明的具体实施方式，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，可轻易想到各种等效的修改或替换，这些修改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以权利要求的保护范围为准。
Claims (8)
1.一种轨道交通故障下的客流分布仿真评估方法，其特征在于，包括以下步骤：
步骤1：基础数据预处理：调用标准客流量计算模块得到的OD客流分组数据，并按进站时间升序排列；选取调整运行图计算模块得到的后续阶段出发事件数据，并按方向和时间升序排列；设置列车能力数据，乘客最长等待时间限制参数取值；
步骤2：客流与列车交互过程建模与仿真：对每个出发事件，在客流与列车交互过程建模及仿真模块分等车过程、上车过程和下车过程细化客流与列车的交互过程，依次遍历所有出发事件，形成动态仿真，计算客流时空分布指标；
步骤3：客流分布评估：基于客流分布计算结果，在乘客服务水平评估模块对比正常场景，计算故障场景下列车、站台相关的客流分布指标和乘客出行时间指标；
所述的步骤2中的计算客流时空分布指标具体过程如下：
1)等车过程：明确等待乘客集合和因超过最大等待时间而离开的乘客集合；考虑新进站的乘客和前车留乘的乘客；对于小交路折返站，若其前方列车提前折返，则还需考虑提前下车的乘客加入等待或离开的情况，为该类乘客增加一个提前下车属性，视为新的“进站时刻”，与前两类乘客同样按照最大等待时间判断等待或离开，其中，最大等待时间设为Dg；
2)上车过程：基于列车剩余能力和等待乘客人数明确可上车人数，若可上车人数等于等待人数，则全部等待乘客可上车；若可上车人数等于列车剩余能力，则乘客按照先到先服务原则上车，直到某一组乘客不能完全上车，此时认为该组中不同目的地的乘客按比例上车，由此累积计算上车乘客集合、留乘乘客集合和车内乘客集合；
3)下车过程：明确下车乘客集合，根据乘客目的地、以上一站出发事件为标识提前确定本站下车乘客，并区分小交路折返站全部乘客下车的情况；
所述的步骤3中的客流分布指标和乘客出行时间指标包括：
1)列车满载率：通过每个出发事件对应的车内乘客集合可知每个时空位置车厢内的人数，结合列车定员能力计算每列车的时空满载率；
2)站台拥挤情况：分析留乘乘客和等待乘客的分布和演变特征，计算全线留乘发生率、结合站台容量衡量站台拥挤；
3)乘客离开情况：分析离开乘客的数量和分布特征，查验列车服务与客流需求的总体适应情况；
4)乘客等待时间：包括起始站等待上车时间和在小交路折返站被迫提前下车后等待下一班长交路列车的时间；在临时调整为小交路折返的情况下，后者属于增加的等待时间，因此乘以一个大于1的惩罚系数，乘客离开前的等待时间也需计入；
5)乘客旅行时间：包括等待时间和乘车时间，同样需要考虑被服务和因离开未被服务两种情况，对于离开的乘客，认为其后续出行时间增加，即等于计划乘车时间乘以一个大于1的惩罚系数。
2.根据权利要求1所述的一种轨道交通故障下的客流分布仿真评估方法，其特征在于，所述的最大等待时间Dg的取值是在考虑故障下大部分乘客因出行习惯或别的方式出行时间更长而愿意多等待的情况下设定的，为大于等于两个计划行车间隔；
所述的列车剩余能力的计算需要区分当前出发事件是否为始发事件，若是，则有完整的列车能力；否则为列车能力减去列车在上一站出发时的车上人数、再加上在本站下车的人数；其中，列车出发时的车上人数，首先包括本站上车人数，其次，对于非始发事件还应加上前一站出发时的车上人数、减去到达本站时的下车人数。
3.根据权利要求1所述的一种轨道交通故障下的客流分布仿真评估方法，其特征在于，所述的步骤2中客流与列车交互过程仿真时记录每个乘客组的上下车属性，包括起始站上车时间、换乘站下车时间、换乘站上车时间、终点站下车时间，从而在步骤3中计算每个列车出发事件关联的乘客等待时间、乘车时间，合计则为总的乘客等待时间、总的乘客乘车时间。
4.一种轨道交通故障下的客流分布仿真评估***，其特征在于，包括：
标准客流量计算模块：用于根据常态运营条件下多个相同特征日的历史客流数据统计分析得到某一特征日每个时空粒度的标准客流量；
调整运行图计算模块：用于根据故障信息和调度策略，生成贴合计划运行图的调整运行图数据；
客流与列车交互过程建模及仿真模块：用于根据站台客流和列车运行过程的交互状态构建客流分布指标计算方法，加载标准客流量和调整运行图数据，结合列车能力限制通过动态仿真计算客流时空分布结果；
乘客服务水平评估模块：用于根据客流时空分布计算结果，对比正常场景，评估故障场景下的乘客出行服务水平指标；
计算客流时空分布指标具体过程如下：
1)等车过程：明确等待乘客集合和因超过最大等待时间而离开的乘客集合；考虑新进站的乘客和前车留乘的乘客；对于小交路折返站，若其前方列车提前折返，则还需考虑提前下车的乘客加入等待或离开的情况，为该类乘客增加一个提前下车属性，视为新的“进站时刻”，与前两类乘客同样按照最大等待时间判断等待或离开，其中，最大等待时间设为Dg；
2)上车过程：基于列车剩余能力和等待乘客人数明确可上车人数，若可上车人数等于等待人数，则全部等待乘客可上车；若可上车人数等于列车剩余能力，则乘客按照先到先服务原则上车，直到某一组乘客不能完全上车，此时认为该组中不同目的地的乘客按比例上车，由此累积计算上车乘客集合、留乘乘客集合和车内乘客集合；
3)下车过程：明确下车乘客集合，根据乘客目的地、以上一站出发事件为标识提前确定本站下车乘客，并区分小交路折返站全部乘客下车的情况；
客流分布指标和乘客出行时间指标包括：
1)列车满载率：通过每个出发事件对应的车内乘客集合可知每个时空位置车厢内的人数，结合列车定员能力计算每列车的时空满载率；
2)站台拥挤情况：分析留乘乘客和等待乘客的分布和演变特征，计算全线留乘发生率、结合站台容量衡量站台拥挤；
3)乘客离开情况：分析离开乘客的数量和分布特征，查验列车服务与客流需求的总体适应情况；
4)乘客等待时间：包括起始站等待上车时间和在小交路折返站被迫提前下车后等待下一班长交路列车的时间；在临时调整为小交路折返的情况下，后者属于增加的等待时间，因此乘以一个大于1的惩罚系数，乘客离开前的等待时间也需计入；
5)乘客旅行时间：包括等待时间和乘车时间，同样需要考虑被服务和因离开未被服务两种情况，对于离开的乘客，认为其后续出行时间增加，即等于计划乘车时间乘以一个大于1的惩罚系数。
5.根据权利要求4所述的一种轨道交通故障下的客流分布仿真评估***，其特征在于，所述的常态运营条件下多个相同特征日，是指一段未发生异常事件的时间内同一个实际意义的周几；每个时空粒度是指每个OD组s和单位时间t，对应的标准客流量表示为
其计算公式如下：
其中，Dx为常态日集合，
为计算函数，采用聚类算法；当已排除故障日和国定假日，则可采用求均值的方法。
6.根据权利要求4所述的一种轨道交通故障下的客流分布仿真评估***，其特征在于，所述的故障信息包括故障时间、位置、原因和预估的故障持续时间；所述的调度策略根据故障信息确认，轻微故障采用停站时间和区间运行时间调整策略，严重故障则从应急预案中搜索对应的交路和间隔调整策略。
7.根据权利要求4所述的一种轨道交通故障下的客流分布仿真评估***，其特征在于，所述的站台客流和列车运行过程的交互状态分等车过程、上车过程和下车过程；所述的客流分布指标包括每个列车在每个车站对应的等待人数、离开人数、上车人数、留乘人数、车上人数和下车人数。
8.根据权利要求4所述的一种轨道交通故障下的客流分布仿真评估***，其特征在于，所述的乘客服务水平指标包括列车满载率、站台拥挤情况、乘客离开情况、乘客等待时间、乘客旅行时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010945280.9A CN112214873B (zh) | 2020-09-10 | 2020-09-10 | 一种轨道交通故障下的客流分布仿真评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010945280.9A CN112214873B (zh) | 2020-09-10 | 2020-09-10 | 一种轨道交通故障下的客流分布仿真评估方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112214873A CN112214873A (zh) | 2021-01-12 |
| CN112214873B true CN112214873B (zh) | 2022-10-04 |
Family
ID=74049938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010945280.9A Active CN112214873B (zh) | 2020-09-10 | 2020-09-10 | 一种轨道交通故障下的客流分布仿真评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112214873B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112785071B (zh) * | 2021-01-29 | 2023-02-28 | 华南理工大学 | 一种企业用车客流模拟与预测*** |
| CN113570148B (zh) * | 2021-08-02 | 2024-04-09 | 上海市城市建设设计研究总院（集团）有限公司 | 基于乘客仿真的城轨车站停站时间优化设置方法 |
| CN114298669B (zh) * | 2021-12-22 | 2024-04-09 | 交控科技股份有限公司 | 用于列车运行图的调整方法、装置和列车 |
| CN115689154B (zh) * | 2022-09-15 | 2023-07-25 | 合肥市轨道交通集团有限公司 | 基于动态客流的城市轨道交通调度辅助决策*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002037076A (ja) * | 2000-07-27 | 2002-02-06 | Kawasaki Heavy Ind Ltd | 列車運行模擬方法および装置 |
| CN103413433A (zh) * | 2013-07-26 | 2013-11-27 | 浙江工业大学 | 一种基于流量信息的交通拥堵时的公交换乘方法 |
| CN110329319A (zh) * | 2019-06-28 | 2019-10-15 | 卡斯柯信号有限公司 | 一种面向智慧城轨的全自动运行*** |
-
2020
- 2020-09-10 CN CN202010945280.9A patent/CN112214873B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002037076A (ja) * | 2000-07-27 | 2002-02-06 | Kawasaki Heavy Ind Ltd | 列車運行模擬方法および装置 |
| CN103413433A (zh) * | 2013-07-26 | 2013-11-27 | 浙江工业大学 | 一种基于流量信息的交通拥堵时的公交换乘方法 |
| CN110329319A (zh) * | 2019-06-28 | 2019-10-15 | 卡斯柯信号有限公司 | 一种面向智慧城轨的全自动运行*** |
Non-Patent Citations (3)
| Title |
|---|
| A stochastic transit assignment model considering differences in passengers utility functions;Otto Anker Nielsen;《Transportation Research Part B: Methodological》;20000630;第34卷(第5期);第377-402页 * |
| 城市轨道交通***故障时的客流动态分布仿真研究;张知青等;《城市轨道交通研究》;20060830(第04期);全文 * |
| 基于事件驱动的城市轨道交通应急处置微观仿真***;王志强;《城市轨道交通研究》;20151110(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112214873A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112214873B (zh) | 一种轨道交通故障下的客流分布仿真评估方法及*** | |
| CN107194497B (zh) | 一种突发事件下城市轨道交通乘客出行路径规划方法 | |
| CN112319557B (zh) | 一种晚点条件下地铁列车的运行调整方法及*** | |
| CN111401614B (zh) | 一种城市轨道交通动态客流分配方法及*** | |
| CN112793631B (zh) | 一种列车退出正线运营条件下的地铁行车调整方法及*** | |
| EP2923913B1 (en) | Automatic train operation system | |
| US20170232976A1 (en) | Method for directing passengers of public means of transport | |
| CN112949078B (zh) | 一种城市轨道交通客流-车流的匹配度计算方法 | |
| CN111401643B (zh) | 一种城市轨道交通客流回路自适应的智能列车调度方法 | |
| CN113159393A (zh) | 客运站大客流感知预警方法、装置、电子设备和存储介质 | |
| CN112819316A (zh) | 一种综合客运枢纽轨道交通***的枢纽运能识别方法 | |
| CN114707709A (zh) | 铁路综合客运枢纽安全预警方法及*** | |
| CN113888387A (zh) | 一种基于客流需求的多目标运行优化方法 | |
| CN112918523A (zh) | 拥挤地铁线路基于列车时刻表优化的客流协同精确控制方法 | |
| CN112784204B (zh) | 面向不确定需求的列车时刻表与客流控制鲁棒优化方法 | |
| CN115983543A (zh) | 一种城市轨道交通的调度方法、***、终端及存储介质 | |
| CN114021796B (zh) | 城市轨道交通控流方法、装置及非易失性存储介质 | |
| CN114655281A (zh) | 列车运行图处理方法、装置、电子设备及存储介质 | |
| CN113962616A (zh) | 一种基于乘客累计出行成本分析下的协调限流方法及*** | |
| CN112906926B (zh) | 一种铁路运输流向的预测方法、装置、设备及存储介质 | |
| van Oort et al. | Impact of rail terminal design on transit service reliability | |
| KR20230119282A (ko) | 급행열차의 최적 운행주기 설정을 위한 승강장 내 승객 혼잡도 예측 분석 장치 | |
| CN111723963B (zh) | 地铁车辆越站运能优化方法 | |
| CN110135721B (zh) | 基于动态逆向计算的超载限制的火车乘客补票调度方法 | |
| CN117808184B (zh) | 一种全生产要素驱动的城市轨道交通服务管理*** |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40035927 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |