CN113184024B - 一种面向有轨电车的到站时间静态预测方法及其*** - Google Patents
一种面向有轨电车的到站时间静态预测方法及其*** Download PDFInfo
- Publication number
- CN113184024B CN113184024B CN202110560500.0A CN202110560500A CN113184024B CN 113184024 B CN113184024 B CN 113184024B CN 202110560500 A CN202110560500 A CN 202110560500A CN 113184024 B CN113184024 B CN 113184024B
- Authority
- CN
- China
- Prior art keywords
- time
- tramcar
- station
- section
- arrival time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003068 static effect Effects 0.000 title claims abstract description 28
- 238000009499 grossing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims 1
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L1/00—Devices along the route controlled by interaction with the vehicle or train
- B61L1/18—Railway track circuits
- B61L1/181—Details
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向有轨电车的到站时间静态预测方法及其***,其中静态预测方法包括以下步骤,对有轨电车的轨道运行线路进行区段划分;对各个区段按照有轨电车通过的期望时间赋予权重值;结合各个区段的权重值对有轨电车的到站时间进行静态预测。通过本发明可以在缺乏历史数据的情况下,实时对有轨电车的到站时间进行预测。
Description
技术领域
本发明属于轨道交通乘客信息显示领域,特别涉及一种面向有轨电车的到站时间静态预测方法及其***。
背景技术
有轨电车到站时间预测主要是为乘客信息***(PIS)、站台广播(PA)等提供列车到站时间输入、最终服务于乘客的一项功能。只有获取到后续列车的到站时间,PIS才能在站台显示屏上显示后续列车何时到站,PA才能在列车进站前以语音播报的方式提醒乘客列车即将进站,然后,乘客才可以根据到站时间调整自己的行程,从而减少等待过程中的焦虑感。
预测算法的最终结果是每一个站台的最近N辆车的到站时间。该算法一般是周期性执行的,以定时更新列车到站时间。预测的精度一般为分钟级(区间运行阶段)至秒级(列车进站阶段)。运营对预测的基本要求是预测要以当日运行图数据为基础,不得早报或者晚报列车进站,同一车次的到站时间不能出现递增。
预测到站时间要计算每一个站台的最近N辆车的到站时间,核心工作还是计算出列车在各站台的到站时间;然后对每个站台处的列车到站时间进行排序就能获取最终结果了。
有轨电车到站时间预测与地铁到站时间预测最大的不同之处在于有轨电车在区间(两个站台之间)的运行时间没有地铁那么准时。因为有轨电车主要运行在地面上,受外界的影响要远大于地铁。例如,对于没有绝对优先路权的有轨电车在到达平交路口、人行过轨时需要等待路口信号机开放才能通过,动物、行人甚至社会车辆侵线(非正常途径进入运行线路内)导致电车停车等待等等。
与公交的到站时间预测也有不同之处。首先,有轨电车的计划性要更强,调度人员通过编制运行图,明确各站停站时间、区间运行时间、折返时间等,有轨电车在运行时会尽量遵守这些运行计划;而且有轨电车的实时位置是通过多种专业技术手段确保连续可跟踪的。从以上这些方面来说有更多输入数据确保有轨电车的到站预测时间更精确。但与此同时,计划也是可能会随时调整的,例如暴雨或者水管破裂导致某区间大面积积水,调度可能会在运行图上增加该区间的通过时间,导致有轨电车在运行时通过该区间的时间增加。这种计划的可变性又会影响有轨电车的到站时间。
目前,有轨电车的到站时间预测算法有多种。最直接的到站时间预测算法是用车到站台的距离除以平均车速,这忽略了电车在区间运行时因路口等待、意外侵线、外界不可抗力等因素对到站时间的影响。
现在比较流行的基于机器学习的到站时间预测算法,这些算法需要以运营的历史数据为基础,构建相应数学模型,最后再基于该数学模型及现场实际情况预测到站时间。这些方法首先需要基于大量运营的历史数据进行分析,不适用于刚开通的线路;此外,很多机器学习算法在建模时需要较高的计算能力,导致硬件建设成本增加;或者需要运行较长时间才能得出预测结果,不支持实时预测。
基于滤波的到站时间预测算法,需要根据运营的历史数据,获取影响两个站之间运行时间各因素的统计规律,然后依此预测两站间的期望运行时间。使用这种算法在预测时,各因素的统计规律是不变的,因此到站时间往往是固定不变的,不能适应现场的突发情况或计划的临时调整。因此,现在急需一种面向有轨电车的到站时间静态预测方法及其***。
发明内容
针对上述问题,本发明公开了一种面向有轨电车的到站时间静态预测方法,其中预测方法包括以下步骤:
对有轨电车的轨道运行线路进行区段划分;
对各个区段按照有轨电车通过的期望时间赋予权重值;
结合各个区段的权重值对有轨电车的到站时间进行静态预测。
进一步的,在对有轨电车的轨道运行线路进行区段划分的步骤中,划分原则如下中的任意一个:
一个轨道电路闭塞区间应被划为一个区段;或
一个计轴区段应被划为一个区段;或
一对路口信号机之间应被划分为一个区段;或
对于没有轨道电路、计轴和信号机约束的区间按照平均原则划分。
进一步的,在对各个区段按照有轨电车通过的期望时间赋予权重值的步骤中,具体步骤如下:
计算有轨电车在各个区段的通过时间;
所述期望时间等于所述通过时间加上平均滞留时间;
将各区段的权重值与相应的期望时间成正比进行配置。
进一步的,在结合各个区段的权重值对有轨电车的到站时间进行静态预测步骤中,具体包括如下:
获取有轨电车当前所在位置的区段权重W1;
获取当前时刻t1和有轨电车进入当前区段的时刻t0;
获取有轨电车当前位置到前方首个站台P2要经过的所有区段,计算上述所有区段的权重之和W2;
获取有轨电车经过上一个站台P1到前方首个站台P2路径上的所有区段权重,计算上述所有区段的权重之和为W3;
获取站台P1到站台P2的计划运行时间t2;
根据W1、W2、W3、t0、t1、t2计算有轨电车到达站台P2的时间T。
进一步的,通过以下方式计算有轨动车到达站台P2的时间T:
T=t2*W2/W3-min(t1-t0,t2*W1/W3)
其中,min(t1-t0,t2*W1/W2)表示在t1-t0和t2*W1/W3两项中取较小值。
进一步的,根据有轨电车到达首个站台的时间,结合运行计划或时刻表中的运行时间、停站时间和折返时间预测到后续其他途经站台的时间。
进一步的,当有轨电车沿一条路线从站台P2向站台P1行进时,到达站台P1的时间等于有轨电车到达车站P2的时间加上车站P2停站时间和列车时刻表上站台P2到站台P1的运行时间;
当有轨电车由站台P2向站台P1行进,然后由站台P1折返站台P2时,回到站台P2的时间等于到达站台P1的时间加站台P1下客停留时间、站台P1折返时间、站台P1上客停留时间和列车时刻表上站台P1到达站台P2的运行时间。
进一步的,步骤还包括若存在到站时间的跳变,则对预测的到站时间进行平滑处理;其中,
平滑处理是结合有轨电车设计的最高运营速度Vmax和/或平均旅行速度Vavr对区段长度L进行划分,确保区段滞留时间T滞留小于设定值。
进一步的,区段长度L满足:L/Vavr不大于预定时间或L/Vavr-L/Vmax不大于预定时间。
进一步的,在对预测的到站时间进行平滑处理中还包括对跳变进行判断,判断的依据为在上个预测周期计算得到的有轨电车到达某站台的时刻tpredict(T-1)、上个预测周期对外输出有轨电车到达某站台的时刻toutput(T-1)和本次预测周期计算得到的有轨电车到达同一站台的时刻tpredict(T)。
进一步的,对跳变的判断标准为:
当│tpredict(T-1)-tpredict(T)│≤不定值时,判定到站时间未发生跳变;
当│tpredict(T-1)-tpredict(T)│>不定值时,判定到站时间发生跳变。
进一步的,当有轨电车到站预测时间发生跳变,根据toutput(T-1)和tpredict(T)大小关系对tpredict(T)进行平滑处理。
本发明还公开了一种面向有轨电车的到站时间静态预测***,其中,静态预测***包括划分模块、赋值模块和处理模块;
所述划分模块,用于对有轨电车的轨道运行线路进行区段划分;
所述赋值模块,用于对各个区段按照有轨电车通过的期望时间赋予权重值;
所述处理模块,用于结合各个区段的权重值对有轨电车的到站时间进行静态预测。
进一步的,所述划分模块的划分原则如下中的任意一个:
一个轨道电路闭塞区间应被划为一个区段;或
一个计轴区段应被划为一个区段;或
一对路口信号机之间应被划分为一个区段;或
对于没有轨道电路、计轴和信号机约束的区间按照平均原则划分。
进一步的,所述赋值模块用于计算有轨电车在各个区段的通过时间,并将所述期望时间等于所述通过时间加上平均滞留时间,最后将各区段的权重值与相应的期望时间成正比进行配置。
进一步的,所述处理模块用于获取有轨电车当前所在位置的区段权重W1,获取当前时刻t1和有轨电车进入当前区段的时刻t0;获取有轨电车当前位置到前方首个站台P2要经过的所有区段,计算上述所有区段的权重之和W2;获取有轨电车经过上一个站台P1到前方首个站台P2路径上的所有区段权重,计算上述所有区段的权重之和为W3;获取站台P1到站台P2的计划运行时间t2;根据W1、W2、W3、t0、t1、t2计算有轨电车到达站台P2的时间T。
进一步的,所述处理模块还用于根据有轨电车到达首个站台的时间,结合运行计划或时刻表中的运行时间、停站时间和折返时间预测到后续其他途经站台的时间。
有益效果
本发明的优点如下:
在缺乏历史数据支撑的前提下,能够对有轨电车的到站时间进行实时预测;
划分区段尽可能的保证每个区段内的情况相同;
对不同区段通过期望时间对权重值进行配置,可以使得预测结果更加精确;
平滑处理防止有轨电车到站时间发生跳变。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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示出了根据本发明实施例的面向有轨电车的到站时间静态预测方法流程图;
图2示出了根据本发明实施例的站台P1与站台P2之间的区段示意图;
图3示出了根据本发明实施例的站台P1、站台P2与站台P3之间有轨电车运行示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种面向有轨电车的到站时间静态预测方法,如图1所示,所述预测方法包括以下步骤:对有轨电车的轨道运行路线进行区段划分;对各个区段按照有轨电车通过的期望时间赋予权重值;接个各个区段的权重值对有轨电车的到站时间进行静态预测。
具体的,由于有轨电车所运行的正线轨道线路除了岔区,一般是没有安装轨道电路的,因此区段划分可以更灵活。在以下特殊区域,有轨电车参考大铁及地铁的区段划分原则:a、一个轨道电路闭塞区间被划为一个区段;b、一个计轴区段应被划分为一个区段;c、一对路口信号机之间应被划分为一个区段。在其他区域,由于没有轨道电路、计轴以及各类信号机的约束,有轨电车可以自行定义区段划分策略,一般要求区段划分尽可能均匀。但是为了避免或减少预测时间出现不连续改变的现象,例如出现到站时间由5分钟跳变为3分钟,在划分区段时需要限制区段的长度。
具体的,在对各个区段按照有轨电车通过的期望时间赋予权重值的步骤中,包括以下步骤:首先将区段长度除以电车的平均旅行速度得到该区段的平均旅行时间,然后将平均旅行时间加上有轨电车在该区段的平均滞留时间,得到有轨电车通过该区段的期望时间。其中平均滞留时间是指有轨电车因等待信号机开放、站台上下客等原因停车导致的平均滞留时间。最后按照期望时间与权重值成正比的关系确定各个区段的权重值。示例性的,期望时间记为T,权重值记为W,则W=kT+a,其中k和a为常数。
具体的,结合各个区段的权重值对有轨电车的到站时间进行静态预测过程中,包括以下步骤:
获取有轨电车当前所在位置的区段权重,记为W1;获取当前时刻和有轨电车进入当前区段的时刻,分别记为t1和t0;获取当前位置到前方首个站台P2要经过的区段,计算上述所有区段的权重之和为W2;获取有轨电车经过上一站台P1到站台P2要经过的所有区段权重,计算上述所有区段的权重之和,记为W3;获取站台P1到站台P2的计划运行时间t2;根据W1、W2、W3、t0、t1、t2计算有轨电车到达站台P2的时间T。具体的,有轨电车到达站台P2的时间T满足:
T=t2*W2/W3-min(t1-t0,t2*W1/W3)
其中,min(t1-t0,t2*W1/W2)表示在t1-t0和t2*W1/W3两项中取较小值。
示例性的,如图2所示,站台P1和站台P2之间有ABCDEF六个区段,t1时刻,有轨电车此时位于C区段内的X1位置,t0时刻,有轨电车正好进入C区段,位于X0位置,记C区段的权重值为W1,CDEF区段之和记为W2,ABCDEF区段之和记为W3。则在t1时刻预测有轨电车到达站台P2的时间T,t2表示站台P1到达站台P2计划运行时间,其中
T=t2*W2/W3-min(t1-t0,t2*W1/W3)
有轨电车继续运行,在下一个预测周期内的t3时刻到达D区段X2位置,T=t2*W2/W3-min(t3-t0,t2*W1/W3)
此时,t0表示有轨电车进入D区段的时刻,W1表示D区段的权重值,W2表示DEF区段的权重值之和,W3还表示ABCDEF区段的权重值之和,t2还表示站台P1到达站台P2计划运行时间。
在预测出有轨电车在站台P2的到站时间后,根据有轨电车到达站台P2的时间,结合运行计划或时刻表中的运行时间、停站时间和折返时间预测有轨电车到后续其他途经站台的到达时间。
示例性的,如图3所示,有轨电车此时位于站台P2和站台P3之间,前方首个达到的站台为站台P2,达到车站P2后顺着线路继续运行将会达到车站P1,此时预测出有轨电车达到站台P2的时间为T,结合运行计划或者时刻表的运行时间、停站时间和折返时间。有轨电车到达站台P1的时间等于有轨电车到达站台P2的时间加上站台P2的停站时间和列车时刻表上的站台P2到站台P1的运行时间,后续车站的计算方式以此类推。此时,会出现另外一种情况,当有轨电车由站台P2向站台P1行进,然后由站台P1折返至站台P2时,回到站台P2的时间等于到达站台P1的时间加站台P1下客停留时间、站台P1折返时间、站台P1上客停留时间和列车时刻表上站台P1到达站台P2的运行时间。
当有轨电车从一个区段运行到下一个区段,可能存在到站时间的跳变。到站时间的跳变指的是一个预测周期到另外一个预测周期,预测有轨电车到站的时间发生跳变,例如从5分钟跳变成3分钟,直接跳过预测为4分钟到站的情况。出现到站时间的跳变会导致***的稳定性和可靠性降低,因此必须要尽可能的降低到站时间跳变的可靠性。所以需要对预测的到站时间进行平滑处理。出现到站时间的跳变原因是由于在进行区段划分时,区段长度太长导致的,因此在划分区段时不宜保留太长的区段。平滑处理是结合有轨电车设计的最高运营速度Vmax和/或平均旅行速度Vavr对区段长度L进行划分,确保区段滞留时间T滞留小于设定值。T滞留指的是有轨电车通过某一区段的时间,其中包括在该区段内的停车时间。为减少预测的有轨电车到站时间发生跳变,区段长度L满足:L/Vavr不大于预定时间或L/Vavr-L/Vmax不大于预定时间。
示例性的,确保有轨电车以最高运营速度Vmax通过该区段不超过1分钟,即区段长度L满足:L/Vmax≤60秒。
示例性的,确保有轨电车以最高运营速度Vmax通过与以平均旅行速度Vavr通过该区段的时间差不超过1分钟,即区段长度L满足:L/Vavr-L/Vmax≤60秒。
但是无论何种区段划分进行防范,都不能完全避免到站时间跳变的问题,只能尽可能的减少发生跳变的次数。例如有轨电车因下坡或认为因素以超过最高运营速度Vmax的速度运行是,可能会导致到站时间跳变的问题。此外,根据现场情况,区段划分可能有其他特殊规则,导致区段长度必须很长。针对这些情况,可以对预测的结果进行平滑处理,当检测到有时间跳变时,通过算法直接修改输出结果,避免出现跳变。
所述预测方法在每个预测周期中进行到站时间跳变检查。判断的依据为:上个预测周期的计算得到的有轨电车到达某站台的时刻tpredict(T-1)、上个预测周期对外输出有轨电车到达某站台的时刻toutput(T-1)和本次预测周期计算得到的有轨电车到达同一站台的时刻tpredict(T)。具体的,判断到站时间是否出现跳变的标准为:
当│tpredict(T-1)-tpredict(T)│≤不定值时,判定到站时间未发生跳变;
当│tpredict(T-1)-tpredict(T)│>不定值时,判定到站时间发生跳变,示例性的,所述不定值为60秒。
当有轨电车到站预测时间发生跳变,根据toutput(T-1)和tpredict(T)大小关系对tpredict(T)进行平滑处理。
示例性的,当有轨电车到站预测时间发生跳变,且toutput(T-1)>tpredict(T)时,toutput(T)=toutput(T-1)-60秒;当有轨电车到站预测时间发生跳变,且toutput(T-1)<tpredict(T)时,toutput(T)=toutput(T-1)+60秒。
经周期性平滑处理后,预测的到站时间不会出现不连续的跳变。
进一步的,在对各个区段的按照有轨电车通的期望时间赋予权重值的过程中,对期望时间进行周期性调整。例如,当部分区段出现属性变化,如由普通无岔区变为岔区,或者由平交路口变为高架,或者由于加税导致有轨电车限速等等,需要及时更新有轨电车通过该区段的期望时间。通过本预测方法当有轨电车在运行过程中由于外部因素干扰,导致长时间停在某个区段时,由于有轨电车未进入下一个区段,该车在前方站台的到站时间会保持不变,不会出现误报有轨电车进站的情况。
本发明还公开了一种面向有轨电车的到站时间静态预测***,所述静态预测***包括划分模块、赋值模块和处理模块。所述划分模块,用于对有轨电车的轨道运行线路进行区段划分;所述赋值模块,用于对各个区段按照有轨电车通过的期望时间赋予权重值;所述处理模块,用于结合各个区段的权重值对有轨电车的到站时间进行静态预测。
所述划分模块的划分原则如下中的任意一个:一个轨道电路闭塞区间应被划为一个区段;或一个计轴区段应被划为一个区段;或一对路口信号机之间应被划分为一个区段;或对于没有轨道电路、计轴和信号机约束的区间按照平均原则划分。
所述赋值模块,用于计算有轨电车在各个区段的通过时间;所述期望时间等于所述通过时间加上平均滞留时间;将各区段的权重值与相应的期望时间成正比进行配置。
所述处理模块用于,获取有轨电车当前所在位置的区段权重W1;获取当前时刻t1和有轨电车进入当前区段的时刻t0;获取有轨电车当前位置到前方首个站台P2要经过的所有区段,计算上述所有区段的权重之和W2;获取有轨电车经过上一个站台P1到前方首个站台P2路径上的所有区段权重,计算上述所有区段的权重之和为W3;获取站台P1到站台P2的计划运行时间t2;根据W1、W2、W3、t0、t1、t2计算有轨电车到达站台P2的时间T。
所述处理模块还用于根据有轨电车到达首个站台的时间,结合运行计划或时刻表中的运行时间、停站时间和折返时间预测到后续其他途经站台的时间。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种面向有轨电车的到站时间静态预测方法,其特征在于,
预测方法包括以下步骤:
对有轨电车的轨道运行线路进行区段划分;
对各个区段按照有轨电车通过的期望时间赋予权重值;
结合各个区段的权重值对有轨电车的到站时间进行静态预测;
若存在到站时间的跳变,则对预测的到站时间进行平滑处理;其中,平滑处理是结合有轨电车设计的最高运营速度Vmax和/或平均旅行速度Vavr对区段长度L进行划分,确保区段滞留时间T滞留小于设定值;
所述区段长度L满足:L/Vavr不大于预定时间或L/Vavr-L/Vmax不大于预定时间;
在对预测的到站时间进行平滑处理中还包括对跳变进行判断,判断的依据为在上个预测周期计算得到的有轨电车到达某站台的时刻tpredict(T-1)、上个预测周期对外输出有轨电车到达某站台的时刻toutput(T-1)和本次预测周期计算得到的有轨电车到达同一站台的时刻tpredict(T);
对跳变的判断标准为:
当│tpredict(T-1)-tpredict(T)│≤不定值时,判定到站时间未发生跳变;
当│tpredict(T-1)-tpredict(T)│>不定值时,判定到站时间发生跳变;
当有轨电车到站预测时间发生跳变,根据toutput(T-1)和tpredict(T)大小关系对tpredict(T)进行平滑处理。
2.根据权利要求1所述的面向有轨电车的到站时间静态预测方法,其特征在于,在对有轨电车的轨道运行线路进行区段划分的步骤中,划分原则如下中的任意一个:
一个轨道电路闭塞区间应被划为一个区段;或
一个计轴区段应被划为一个区段;或
一对路口信号机之间应被划分为一个区段;或
对于没有轨道电路、计轴和信号机约束的区间按照平均原则划分。
3.根据权利要求1所述的面向有轨电车的到站时间静态预测方法,其特征在于,在对各个区段按照有轨电车通过的期望时间赋予权重值的步骤中,具体步骤如下:
计算有轨电车在各个区段的通过时间;
所述期望时间等于所述通过时间加上平均滞留时间;
将各区段的权重值与相应的期望时间成正比进行配置。
4.根据权利要求1所述的面向有轨电车的到站时间静态预测方法,其特征在于,在结合各个区段的权重值对有轨电车的到站时间进行静态预测步骤中,具体包括如下:
获取有轨电车当前所在位置的区段权重W1;
获取当前时刻t1和有轨电车进入当前区段的时刻t0;
获取有轨电车当前位置到前方首个站台P2要经过的所有区段,计算上述所有区段的权重之和W2;
获取有轨电车经过上一个站台P1到前方首个站台P2路径上的所有区段权重,计算上述所有区段的权重之和为W3;
获取站台P1到站台P2的计划运行时间t2;
根据W1、W2、W3、t0、t1、t2计算有轨电车到达站台P2的时间T。
6.根据权利要求4所述的面向有轨电车的到站时间静态预测方法,其特征在于,还包括以下步骤:
根据有轨电车到达首个站台的时间,结合运行计划或时刻表中的运行时间、停站时间和折返时间预测到后续其他途经站台的时间。
7.根据权利要求6所述的面向有轨电车的到站时间静态预测方法,其特征在于,
当有轨电车沿一条路线从站台P2向站台P1行进时,到达站台P1的时间等于有轨电车到达车站P2的时间加上车站P2停站时间和列车时刻表上站台P2到站台P1的运行时间;
当有轨电车由站台P2向站台P1行进,然后由站台P1折返站台P2时,回到站台P2的时间等于到达站台P1的时间加站台P1下客停留时间、站台P1折返时间、站台P1上客停留时间和列车时刻表上站台P1到达站台P2的运行时间。
8.一种面向有轨电车的到站时间静态预测***,其特征在于,
静态预测***包括划分模块、赋值模块和处理模块;
所述划分模块,用于对有轨电车的轨道运行线路进行区段划分;
所述赋值模块,用于对各个区段按照有轨电车通过的期望时间赋予权重值;
所述处理模块,用于结合各个区段的权重值对有轨电车的到站时间进行静态预测;
若存在到站时间的跳变,则对预测的到站时间进行平滑处理;其中,平滑处理是结合有轨电车设计的最高运营速度Vmax和/或平均旅行速度Vavr对区段长度L进行划分,确保区段滞留时间T滞留小于设定值;
所述区段长度L满足:L/Vavr不大于预定时间或L/Vavr-L/Vmax不大于预定时间;
在对预测的到站时间进行平滑处理中还包括对跳变进行判断,判断的依据为在上个预测周期计算得到的有轨电车到达某站台的时刻tpredict(T-1)、上个预测周期对外输出有轨电车到达某站台的时刻toutput(T-1)和本次预测周期计算得到的有轨电车到达同一站台的时刻tpredict(T);
对跳变的判断标准为:
当│tpredict(T-1)-tpredict(T)│≤不定值时,判定到站时间未发生跳变;
当│tpredict(T-1)-tpredict(T)│>不定值时,判定到站时间发生跳变;
当有轨电车到站预测时间发生跳变,根据toutput(T-1)和tpredict(T)大小关系对tpredict(T)进行平滑处理。
9.根据权利要求8所述的面向有轨电车的到站时间静态预测***,其特征在于,
所述划分模块的划分原则如下中的任意一个:
一个轨道电路闭塞区间应被划为一个区段;或
一个计轴区段应被划为一个区段;或
一对路口信号机之间应被划分为一个区段;或
对于没有轨道电路、计轴和信号机约束的区间按照平均原则划分。
10.根据权利要求8所述的面向有轨电车的到站时间静态预测***,其特征在于,
所述赋值模块用于计算有轨电车在各个区段的通过时间,并将所述期望时间等于所述通过时间加上平均滞留时间,最后将各区段的权重值与相应的期望时间成正比进行配置。
11.根据权利要求8所述的面向有轨电车的到站时间静态预测***,其特征在于,
所述处理模块用于获取有轨电车当前所在位置的区段权重W1,获取当前时刻t1和有轨电车进入当前区段的时刻t0;获取有轨电车当前位置到前方首个站台P2要经过的所有区段,计算上述所有区段的权重之和W2;获取有轨电车经过上一个站台P1到前方首个站台P2路径上的所有区段权重,计算上述所有区段的权重之和为W3;获取站台P1到站台P2的计划运行时间t2;根据W1、W2、W3、t0、t1、t2计算有轨电车到达站台P2的时间T。
12.根据权利要求11所述的面向有轨电车的到站时间静态预测***,其特征在于,
所述处理模块还用于根据有轨电车到达首个站台的时间,结合运行计划或时刻表中的运行时间、停站时间和折返时间预测到后续其他途经站台的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110560500.0A CN113184024B (zh) | 2021-05-21 | 2021-05-21 | 一种面向有轨电车的到站时间静态预测方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110560500.0A CN113184024B (zh) | 2021-05-21 | 2021-05-21 | 一种面向有轨电车的到站时间静态预测方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113184024A CN113184024A (zh) | 2021-07-30 |
CN113184024B true CN113184024B (zh) | 2023-02-24 |
Family
ID=76984624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110560500.0A Active CN113184024B (zh) | 2021-05-21 | 2021-05-21 | 一种面向有轨电车的到站时间静态预测方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113184024B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241800B (zh) * | 2022-02-28 | 2022-05-27 | 天津市北海通信技术有限公司 | 一种智能报站辅助*** |
WO2023170085A1 (de) * | 2022-03-10 | 2023-09-14 | Siemens Mobility GmbH | Verfahren und system zur ankunftszeitermittlung |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008189180A (ja) * | 2007-02-06 | 2008-08-21 | Mitsubishi Electric Corp | 列車運行管理システム |
CN102737504A (zh) * | 2012-07-13 | 2012-10-17 | 重庆大学 | 一种基于驾驶特性的公交车到站时间实时估计方法 |
CN104064028A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 基于多元信息数据的公交到站时间预测方法及*** |
CN104118451A (zh) * | 2014-07-15 | 2014-10-29 | 同济大学 | 一种共享路权下有轨电车运行图编制及信号灯调整方法 |
CN104408082A (zh) * | 2014-11-11 | 2015-03-11 | 大连海天兴业科技有限公司 | 一种基于实时信息的地铁乘客服务*** |
CN105128893A (zh) * | 2015-08-26 | 2015-12-09 | 北京全路通信信号研究设计院集团有限公司 | 一种列车全程运行时刻信息的生成方法及*** |
CN105774848A (zh) * | 2016-02-26 | 2016-07-20 | 苏州富欣智能交通控制有限公司 | 轨交列车到站时间预测方法 |
CN106021918A (zh) * | 2016-05-18 | 2016-10-12 | 上海电科智能***股份有限公司 | 一种轨道交通网络化运行推演算法 |
FR3056543A1 (fr) * | 2016-09-29 | 2018-03-30 | Sncf Reseau | Procede et systeme de regulation de circulation de vehicules ferroviaires, voie ferree mettant en œuvre un tel procede ou un tel systeme |
CN108470463A (zh) * | 2018-03-14 | 2018-08-31 | 武汉元光科技有限公司 | 交通工具到站时间的确定方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10597056B2 (en) * | 2015-02-12 | 2020-03-24 | Mitsubishi Electric Corporation | Train control system, base-station control device, ground wireless base station, and on-vehicle wireless station |
CN106274994B (zh) * | 2016-08-30 | 2018-11-13 | 湖南中车时代通信信号有限公司 | 一种列车全线到站时间预测方法和*** |
CN110422180A (zh) * | 2019-09-01 | 2019-11-08 | 刘杰林 | 高效无停歇运行公共交通***和无停歇行驶乘客转乘方法 |
-
2021
- 2021-05-21 CN CN202110560500.0A patent/CN113184024B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008189180A (ja) * | 2007-02-06 | 2008-08-21 | Mitsubishi Electric Corp | 列車運行管理システム |
CN102737504A (zh) * | 2012-07-13 | 2012-10-17 | 重庆大学 | 一种基于驾驶特性的公交车到站时间实时估计方法 |
CN104064028A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 基于多元信息数据的公交到站时间预测方法及*** |
CN104118451A (zh) * | 2014-07-15 | 2014-10-29 | 同济大学 | 一种共享路权下有轨电车运行图编制及信号灯调整方法 |
CN104408082A (zh) * | 2014-11-11 | 2015-03-11 | 大连海天兴业科技有限公司 | 一种基于实时信息的地铁乘客服务*** |
CN105128893A (zh) * | 2015-08-26 | 2015-12-09 | 北京全路通信信号研究设计院集团有限公司 | 一种列车全程运行时刻信息的生成方法及*** |
CN105774848A (zh) * | 2016-02-26 | 2016-07-20 | 苏州富欣智能交通控制有限公司 | 轨交列车到站时间预测方法 |
CN106021918A (zh) * | 2016-05-18 | 2016-10-12 | 上海电科智能***股份有限公司 | 一种轨道交通网络化运行推演算法 |
FR3056543A1 (fr) * | 2016-09-29 | 2018-03-30 | Sncf Reseau | Procede et systeme de regulation de circulation de vehicules ferroviaires, voie ferree mettant en œuvre un tel procede ou un tel systeme |
CN108470463A (zh) * | 2018-03-14 | 2018-08-31 | 武汉元光科技有限公司 | 交通工具到站时间的确定方法及*** |
Non-Patent Citations (3)
Title |
---|
Distributed Communication System Design Based on CAN Bus for Parallel-Serial Hybrid Electrical Vehicles;Yi-He Zuo;《IEEE》;20101231;全文 * |
公共汽电车到站时间预测质量评价研究;陈玥祺;《交通与港航》;20201031(第5期);第37-45页 * |
现代有轨电车的运营控制***;唐贾言;《自动化应用》;20101225;第第50卷卷(第12期);第15-17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113184024A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113184024B (zh) | 一种面向有轨电车的到站时间静态预测方法及其*** | |
US8751073B2 (en) | Method and apparatus for optimizing a train trip using signal information | |
US8145368B2 (en) | Method and system for merge control in an automated vehicle system | |
JP5213841B2 (ja) | 列車ダイヤ調整方法および装置 | |
US8774992B2 (en) | Operation support device and automatic operation device | |
EP2923913B1 (en) | Automatic train operation system | |
EP1573578A2 (en) | Dynamic optimizing traffic planning method and system | |
CN112776858B (zh) | 一种基于运行图的非货运铁路自动控车方法、装置、设备 | |
Al-Mudhaffar et al. | Bus stop and bus terminal capacity | |
CN111016979A (zh) | 基于实时客流的城市轨道交通列车自动调整方法 | |
Wang et al. | Optimal trajectory planning and train scheduling for urban rail transit systems | |
Wang et al. | Hierarchical model predictive control for on-line high-speed railway delay management and train control in a dynamic operations environment | |
Toletti et al. | What about train length and energy efficiency of freight trains in rescheduling models? | |
CN116039727A (zh) | 一种列车运行调整方案生成方法、设备及储存介质 | |
KR101634430B1 (ko) | 무선통신 기반의 트램 우선신호 운영 방법 | |
Gašparík et al. | Capacity of corridor lines after modernization | |
CN113650658A (zh) | 一种有轨电车在平面交叉口控制*** | |
JP3525481B2 (ja) | 列車制御装置 | |
Siroky et al. | Establishing line throughput with regard to the operation of longer trains | |
Toletti et al. | Energy savings in mixed rail traffic rescheduling: an RCG approach | |
Brilon et al. | Priority for public transit in Germany | |
KR20100127518A (ko) | 자동운행 차량 시스템에서의 차량의 분산 동적 경로제어 | |
RU2511742C1 (ru) | Способ диспетчерского управления движением поездов при приближении их к занятому путевому участку и система для его осуществления | |
JP7467241B2 (ja) | 列車運転システム | |
CN114611996B (zh) | 应对城际铁路中断的多模式走廊构建方法、装置及设备 |
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 |