CN113935181B - 一种基于匹配客流的列车模拟运行优化***构建方法 - Google Patents
一种基于匹配客流的列车模拟运行优化***构建方法 Download PDFInfo
- Publication number
- CN113935181B CN113935181B CN202111235319.9A CN202111235319A CN113935181B CN 113935181 B CN113935181 B CN 113935181B CN 202111235319 A CN202111235319 A CN 202111235319A CN 113935181 B CN113935181 B CN 113935181B
- Authority
- CN
- China
- Prior art keywords
- train
- station
- scheme
- passenger
- dispatching
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 44
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000002922 simulated annealing Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000008685 targeting Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于匹配客流的列车模拟运行优化***构建方法,涉及城市轨道交通领域,以乘客等待时间与城市轨道交通运营成本总和最小为目标,通过列车模拟运行模型模拟列车运行,验证列车调度运行方案的可行性,获得多个初始列车数目序列对应的列车调度运行可行方案,且通过乘客等待时间、城市轨道交通运营成本、线路断面满载率、各站点列车满载率多个分析角度综合评估列车调度运行方案优劣,选取最优列车调度运行方案,从而实现列车调度运行方案的可行性,并进一步优化轨道交通线路的运行调度。
Description
技术领域
本发明涉及城市轨道交通领域,特别是涉及一种基于匹配客流的列车模拟运行优化***构建方法。
背景技术
城市轨道交通具有安全高效、便捷可靠、环保低碳等优点,已成为大城市居民出行的重要交通方式。但随着城市轨道交通网络规模进一步快速发展扩大,各种随机因素和突发事件对列车运行的干扰越来越频繁,列车运行安全问题面临挑战。另外,由于城市轨道交通通常具有线路简单,车头时距短和客流量大等特征,任何一辆列车的延误可能会变成大规模的延误,特别是在高峰期,这将导致严重的运输能力下降问题。此外,滞留的乘客可能会扩大延迟传播的规模,从而扰乱整个城市轨道网络的运行,给乘坐轨道交通出行的乘客造成极大的困扰。为了避免这种情况的发生,对轨道交通中既有线路的运行调度必须进行研究和优化。
此外,城市轨道交通为市民提供了便利的出行方式,具有运行速度稳定、运输量大的特点。随着城市不断发展,交通需求量增加,城市轨道交通也面临着较大的运营压力。轨道交通的列车调度直接影响到乘客的出行与运营的收益,一直是专家研究的重点。制定合理的轨道交通列车调度方案显得极为重要。在城市轨道交通列车调度问题研究的相关领域中,国内外学者已经取得了很多研究成果,这些成果多以乘客满意度或城市轨道交通运营成本最小为目标,进而得到最优方案,且往往停留在理论计算阶段,无法为列车调度运行方案提供较为准确的决策依据。
发明内容
本发明的目的是提供一种基于匹配客流的列车模拟运行优化***构建方法,在考虑列车调度运行方案的可行性的基础上优化轨道交通线路的运行调度,为列车调度运行方案提供准确的决策依据。
为实现上述目的,本发明提供了如下方案:
一种基于匹配客流的列车模拟运行优化***构建方法,所述方法包括:
构建列车模拟运行模型;
预设初始列车数目序列;所述初始列车数目序列包括不同线路区间的初始列车数目;
根据所述初始列车数目序列,以乘客等待时间与城市轨道交通运营成本总和最小为目标,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案;
调整列车调度运行方案,直至调整后的列车调度运行方案的线路断面满载率小于或等于线路断面满载率阈值且各站点列车满载率小于或等于站点列车满载率阈值,并将调整后的列车调度运行方案作为初始列车数目序列对应的列车调度运行可行方案;
重复以上步骤,获得多个初始列车数目序列对应的列车调度运行可行方案以及每个列车调度运行可行方案的线路断面满载率和各站点列车满载率;
计算每个列车调度运行可行方案的乘客等待时间和城市轨道交通运营成本;
将乘客等待时间、城市轨道交通运营成本、线路断面满载率和各站点列车满载率均为最小的列车调度运行可行方案作为最优列车调度运行方案。
可选的,所述构建列车模拟运行模型,具体包括:
构建列车模型、轨道模型和线路模型;
定义列车运行基础参数;所述列车运行基础参数包括站点参数、列车站间运行参数、线路参数、列车参数和列车间运行参数;
按照客流特点,将列车单日运营划分为多个时段;
依据单日城市轨道交通乘车人数变化曲线,对各时段的各站点匹配客流量。
可选的,根据所述初始列车数目序列,以乘客等待时间与城市轨道交通运营成本总和最小为目标,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案,具体包括:
确定以乘客等待时间与城市轨道交通运营成本总和最小为目标的列车运行目标函数;
根据初始列车数目序列,采用模拟退火算法求解所述列车运行目标函数,获得列车时刻表;
根据所述列车时刻表,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案;所述列车调度运行方案包括列车模拟运行所匹配客流和列车运行过程中各站点列车上下车人数。
可选的,所述确定以乘客等待时间与城市轨道交通运营成本总和最小为目标的列车运行目标函数,具体包括:
建立乘客等待时间函数为其中,t乘表示乘客等待时间;b表示列车运行方向;i表示列车停靠的站点;m表示站点总数;t表示列车运行中的时刻;/>表示列车运行时间;k表示列车发车的车次;/>表示线路区间列车运行方向b的初始列车数目的集合;ωkib表示车次k在i站、b方向发车后,未能上车的旅客数;/>表示在时间段[dkib,dk+1,i,b]i站到达的乘客数;dkib表示车次k在i站、b方向发车的发车时刻;dk+1,i,b表示车次k+1在i站、b方向发车的发车时刻;/>的取值为1或0,当/>等于1时,表示车次k在1站、t时刻、b方向发车;当/>等于0时,表示车次k在1站、t时刻、b方向没有发车;λib表示b方向的第i站上乘客的到达率;d1ib表示第一车次列车在i站、b方向发车的时间间隔;
建立城市轨道交通运营成本函数为其中,m成表示城市轨道交通运营成本;C表示列车完成线路区间一个方向的服务所需要的成本;
根据乘客等待时间函数和城市轨道交通运营成本函数,以乘客等待时间与城市轨道交通运营成本总和最小为优化目标,确定列车运行目标函数为
其中,minZ表示乘客等待时间与城市轨道交通运营成本总和最小值,α和β分别表示乘客等待时间函数和城市轨道交通运营成本函数的权重;
确定列车运行目标函数的约束条件;所述约束条件包括客流分布约束、不同线路区间上初始列车数目约束、列车乘客容量约束、最小停车间距约束和客流状态平衡约束。
可选的,所述根据初始列车数目序列,采用模拟退火算法求解所述列车运行目标函数,获得列车时刻表,具体包括:
预设初始列车时刻表;
将预设初始列车时刻表作为初始解,基于约束条件,利用模拟退火算法对列车运行目标函数进行迭代求解,获得最优列车时刻表。
可选的,所述调整列车调度运行方案,直至调整后的列车调度运行方案的线路断面满载率小于或等于线路断面满载率阈值且各站点列车满载率小于或等于站点列车满载率阈值,并将调整后的列车调度运行方案作为初始列车数目序列对应的列车调度运行可行方案,具体包括:
根据所述列车调度运行方案,计算线路断面满载率和各站点列车满载率,并判断线路断面满载率是否小于或等于线路断面满载率阈值且各站点列车满载率是否小于或等于站点列车满载率阈值,获得判断结果;
若所述判断结果表示否,则更新初始列车数目序列,返回步骤“预设初始列车数目序列”;
若所述判断结果表示是,则输出列车调度运行方案,并作为初始列车数目序列对应的列车调度运行可行方案。
可选的,所述将乘客等待时间、城市轨道交通运营成本、线路断面满载率和各站点列车满载率均为最小的列车调度运行可行方案作为最优列车调度运行方案,之后还包括:
分别将多个列车调度运行可行方案的乘客等待时间对比结果、城市轨道交通运营成本对比结果、线路断面满载率对比结果和各站点列车满载率对比结果可视化。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种基于匹配客流的列车模拟运行优化***构建方法,以乘客等待时间与城市轨道交通运营成本总和最小为目标,通过列车模拟运行模型模拟列车运行,验证列车调度运行方案的可行性,获得多个初始列车数目序列对应的列车调度运行可行方案,且通过乘客等待时间、城市轨道交通运营成本、线路断面满载率、各站点列车满载率多个分析角度综合评估列车调度运行方案优劣,选取最优列车调度运行方案,从而实现列车调度运行方案的可行性,并进一步优化轨道交通线路的运行调度。
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为本发明提供的一种基于匹配客流的列车模拟运行优化***构建方法的流程图;
图2为本发明提供的一种基于匹配客流的列车模拟运行优化***构建方法的原理图。
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,所描述的实施例仅仅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。
本发明的目的是提供一种基于匹配客流的列车模拟运行优化***构建方法,在考虑列车调度运行方案的可行性的基础上优化轨道交通线路的运行调度,为列车调度运行方案提供准确的决策依据。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种基于匹配客流的列车模拟运行优化***构建方法,如图1所示,方法包括:
步骤101,构建列车模拟运行模型。
具体包括:
构建列车模型、轨道模型和线路模型;
定义列车运行基础参数;列车运行基础参数包括站点参数、列车站间运行参数、线路参数、列车参数和列车间运行参数;
按照客流特点,将列车单日运营划分为多个时段;
依据单日城市轨道交通乘车人数变化曲线,对各时段的各站点匹配客流量。
步骤102,预设初始列车数目序列;初始列车数目序列包括不同线路区间的初始列车数目。
步骤103,根据初始列车数目序列,以乘客等待时间与城市轨道交通运营成本总和最小为目标,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案。
具体包括:
确定以乘客等待时间与城市轨道交通运营成本总和最小为目标的列车运行目标函数;
根据初始列车数目序列,采用模拟退火算法求解列车运行目标函数,获得列车时刻表;
根据列车时刻表,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案;列车调度运行方案包括列车模拟运行所匹配客流和列车运行过程中各站点列车上下车人数。
其中,确定以乘客等待时间与城市轨道交通运营成本总和最小为目标的列车运行目标函数,具体包括:
建立乘客等待时间函数为
其中,t乘表示乘客等待时间;b表示列车运行方向;i表示列车停靠的站点;m表示站点总数;t表示列车运行中的时刻;/>表示列车运行时间;k表示列车发车的车次;/>表示线路区间列车运行方向b的初始列车数目的集合;ωkib表示车次k在i站、b方向发车后,未能上车的旅客数;表示在时间段[dkib,dk+1,i,b]i站到达的乘客数;dkib表示车次k在i站、b方向发车的发车时刻;dk+1,i,b表示车次k+1在i站、b方向发车的发车时刻;/>的取值为1或0,当/>等于1时,表示车次k在1站、t时刻、b方向发车;当/>等于0时,表示车次k在1站、t时刻、b方向没有发车;λib表示b方向的第i站上乘客的到达率;d1ib表示第一车次列车在i站、b方向发车的时间间隔;
建立城市轨道交通运营成本函数为其中,m成表示城市轨道交通运营成本;C表示列车完成线路区间一个方向的服务所需要的成本;
根据乘客等待时间函数和城市轨道交通运营成本函数,以乘客等待时间与城市轨道交通运营成本总和最小为优化目标,确定列车运行目标函数为
其中,minZ表示乘客等待时间与城市轨道交通运营成本总和最小值,α和β分别表示乘客等待时间函数和城市轨道交通运营成本函数的权重;
确定列车运行目标函数的约束条件;约束条件包括客流分布约束、不同线路区间上初始列车数目约束、列车乘客容量约束、最小停车间距约束和客流状态平衡约束。
其中,根据初始列车数目序列,采用模拟退火算法求解列车运行目标函数,获得列车时刻表,具体包括:
预设初始列车时刻表;
将预设初始列车时刻表作为初始解,基于约束条件,利用模拟退火算法对列车运行目标函数进行迭代求解,获得最优列车时刻表。
步骤104,调整列车调度运行方案,直至调整后的列车调度运行方案的线路断面满载率小于或等于线路断面满载率阈值且各站点列车满载率小于或等于站点列车满载率阈值,并将调整后的列车调度运行方案作为初始列车数目序列对应的列车调度运行可行方案。
具体包括:
根据列车调度运行方案,计算线路断面满载率和各站点列车满载率,并判断线路断面满载率是否小于或等于线路断面满载率阈值且各站点列车满载率是否小于或等于站点列车满载率阈值,获得判断结果;
若判断结果表示否,则更新初始列车数目序列,返回步骤“初始列车数目序列”;
若判断结果表示是,则输出列车调度运行方案,并作为初始列车数目序列对应的列车调度运行可行方案。
步骤105,重复以上步骤,获得多个初始列车数目序列对应的列车调度运行可行方案以及每个列车调度运行可行方案的线路断面满载率和各站点列车满载率。
步骤106,计算每个列车调度运行可行方案的乘客等待时间和城市轨道交通运营成本。
步骤107,将乘客等待时间、城市轨道交通运营成本、线路断面满载率和各站点列车满载率均为最小的列车调度运行可行方案作为最优列车调度运行方案。
本发明还可以分别将多个列车调度运行可行方案的乘客等待时间对比结果、城市轨道交通运营成本对比结果、线路断面满载率对比结果和各站点列车满载率对比结果可视化。
本发明通过计算机列车模型和轨道模型模拟运行,验证列车调度运行方案设计是否可行,且可以通过乘客等待时间、运营成本、线路断面满载率、各站点列车满载率多个分析角度综合评估列车调度运行方案优劣,为列车调度运行方案的选择提供科学依据,具有重要的实用意义和应用价值。
参照图2,本发明的具体实现过程如下:
步骤1:构建计算机列车模型和轨道模型。
构建计算机列车模型和轨道模型时,在.NET平台,通过建模工具,完成模型构建。其中利用模型层实现用户定义线路模型的模拟。模型层是根据用户定义的线路模型,以轨道模型的圈数为界限将用户定义的模拟线路模型虚拟为若干的层。模型层的引入,使得在有限的轨道上能够模拟任意长距离的任意线路。模型层是以计算机列车模型在轨道模型运行一圈显示的若干站点图像为一层划分为若干的层。分图层的方法是将分属在同一圈的站点保存在同一个容器中,每运行到当前圈最后一站***自动从保存下一圈若干站点图像信息容器获得图像与坐标调用绘制函数绘制在窗口界面上。
步骤2:构建基础模型定义模块,自主定义列车运行的模型。模型定义包括站点定义、列车站间运行定义、线路定义、列车定义、列车间运行定义。
构建基础模型定义模块时,在站点定义中,能够定义站点编号、站点名称、所在位置、站间距离、到站时间、站点停留时间;在列车站间运行定义中,能够定义站点停留时间、站间运行时间;在线路定义中,能够定义线路区间序号、线路区间、线路区间列车运行方向、线路长度、线路区间对应单次车次发车成本;在列车定义中,能够定义列车乘客容量、饱和状态下乘客上车人数、各站点乘客到达率;在列车间运行定义中,能够定义列车间最小安全运行时间间隔、列车间运行时间间隔。在本发明中,基础模型定义模块内的参数依托于百度地图和预先设定的方式获取。
步骤3:匹配客流,从客流数据库中匹配不同场景工作日、周末日下各站点的历史客流数据。
匹配客流时,从客流数据库为列车运行各站点匹配工作日、周末日不同场景下客流流量。工作日、周末日的客流具有不同特点,在工作日,客流的变化非常大,且主要集中在早高峰和晚高峰,其中高峰时段的客流,包括早高峰、晚高峰,甚至可以占到全天总人数的40%。在周末日,客流的变化比较平缓,没有明显的客流高峰,客流多集中在下午和晚上。按照客流特点,将列车运营时段主要分为早/晚低峰、次高峰、早/晚高峰和正常峰6个部分,具体划分为将06:00-07:00、22:00-24:00划分为早/晚低峰段,将09:00-10:00划分为次高峰段,将07:00-09:00、17:00-19:00划分为早/晚高峰段,将10:00-17:00和19:00-22:00划分为正常峰段。运营时段划分后,根据各时段客流需求进行各站点客流分配模拟。客流数据库内全天客流流量数据依托北京市交通发展研究中心提供的单日城市轨道交通乘车人数变化曲线进行设定。
步骤4:构建常用参数设置模块,设置不同线路区间上列车总车底数目、乘客等待时间与城市轨道交通运营成本两个目标函数的权重比例。
构建常用参数设置模块时,由于需要同时对乘客的等待时间和城市轨道交通运营成本进行优化,本发明通过对乘客等待时间和运营收入的期望来选定乘客等待时间与城市轨道交通运营成本两个目标函数的权重比例。在本发明中用两个符号α和β表示乘客等待时间和城市轨道交通运营成本两个目标函数的权重。如果希望缩减乘客等待时间,提高乘客满意度,则α/β应当设定一个较大的值;如果希望降低城市轨道交通运营成本,提高运营收入,则α/β应当设定一个较小的值。常用参数设置模块区别于基础模型定义模块,常用参数设置模块内所设定参数为不同列车运行方案间最常发生变化的参数,如乘客等待时间与城市轨道交通运营成本两个目标函数的权重比例、不同线路区间上初始列车数目,而基础模型定义模块内所设定参数,在不同列车运行方案中通常不发生变化。构建常用参数设置模块,可以避免每一次列车运行方案设定都需全部设置的问题。
步骤5:基于乘客等待时间和城市轨道交通运营成本,通过模拟退火算法,计算与客流需求相匹配的最优列车时刻表。
计算最优列车时刻表时,以最小乘客等待时间和城市轨道交通运营成本为目标,其中乘客的等待时间对应车站每个时刻节点站的等待人数累加:
城市轨道交通运营成本的衡量方式为对每一次列车发车引发的成本进行求和:
综上,利用两个目标形成一个综合目标,并以该目标函数最小化为最优目标。如下式所示:
除上述目标函数外,还需充分考虑各方面要素,确定约束条件,即客流的分布情况、不同线路区间上初始列车数目、列车乘客容量、最小停车间隔、客流状态平衡的约束,其中起点站乘客下车率为0,终点站为100%。之后利用模拟退火算法求解最优列车时刻表。
模拟退火算法用于解决组合优化问题,由初始解i解和控制参数初值n开始,对当前解重复进行产生新解然后计算目标函数差最后接受或舍弃的迭代,并逐步衰减n值,算法终止时的当前解即为所得近似最优解。在本发明中模拟退火算法所输入的初始解为先根据总的客流需求情况自主设定的一个初始列车时刻表,通过目标函数和约束条件不断迭代后最终得到可以最小乘客等待时间和城市轨道交通运营成本的最优列车时刻表,进而确定不同运营时段内列车间发车时间间隔。
步骤6:根据计算所得列车时刻表,设置列车间运行时间间隔,进行列车模拟运行。
根据最优列车时刻表,在列车间运行定义中,设定列车间运行时间间隔,进行列车模拟运行。模拟运行完成后生成列车调度运行方案存入数据库,在列车调度运行方案中包括基础模型定义模块设定的基本参数、常用参数设置模块中设定的常用参数、该次列车模拟运行所匹配客流以及列车运行过程中各站点列车上下车人数。
步骤7:构建列车运行方案评估模块中的单次列车调度运行方案结果分析。分析乘客等待时间、城市轨道交通运营成本、线路断面满载率、各站点列车满载率,利用可视化技术,将分析结果进行展示,判断线路断面满载率、各站点列车满载率是否满足要求,进而判断该列车调度运行方案是否可行。
单次列车调度运行方案结果分析时,对该方案的乘客等待时间、城市轨道交通运营成本、线路断面满载率、各站点列车满载率进行分析,进而根据是否满足对线路断面满载率、各站点列车满载率的要求来判断运行方案是否可行。线路断面满载率指在单位时间内(一般按早高峰小时计算)通过最大客流断面的车辆实际运载客流量占其设计载客量的比例,能够体现城市轨道交通***的服务水平。根据相关规定,若分析过程中列车调度运行方案中高峰小时最大线路断面满载率常态化超过120%时,应在常用参数设置模块中调整不同线路区间上初始列车数目,对列车运行调度方案进行优化;各站点列车满载率指的是列车运行过程中,在各站点列车实际运载乘客数量占其乘客容量的比例。根据相关规定,若研究过程中一条线路超过40%数量的站点高峰小时最大饱和度常态化超过100%,则应在常用参数设置模块中调整不同线路区间上初始列车数目,对列车运行调度方案进行优化。直至线路断面满载率和各站点列车满载率均满足要求,判定该列车调度运行方案可行。
步骤8:构建列车运行方案评估模块中的多次列车调度运行方案结果对比分析。将各方案的乘客等待时间、运营成本、线路断面满载率、各站点列车满载率进行对比,利用可视化技术,将对比结果通过折线图、散点图、柱形图等形式进行展示,寻找和客流需求更加匹配的即经过对比各参数均相对较小的列车调度运行方案,对列车调度方案进行优化。
多次列车调度运行方案结果对比分析时,调用单次列车模拟运行可行方案的分析结果,利用可视化技术,将各方案的乘客等待时间、运营成本、线路断面满载率、各站点列车满载率进行对比,将结果通过折线图、散点图、柱形图等形式进行展示。对比判断不同列车模拟运行方案优劣。在常用参数设置模块中增大不同线路区间上初始列车数目,可以使得列车调度运行方案可行,但如果不同线路区间上初始列车数目过多,会造成城市轨道交通运营成本增多的同时也会造成列车资源的浪费。因此进行多次列车调度运行方案结果对比分析,在方案可行的基础上,对乘客等待时间、城市轨道交通运营成本、线路断面满载率和各站点列车满载率参数逐个对比展示,寻找和客流需求更加匹配的即经过对比各参数均相对较小的不同线路区间上初始列车数目,确定合理的发车数目,优化列车运行调度方案。合理的发车数目,既可以降低乘客等待时间,也可以降低城市轨道交通的运营成本,此外还可以减小对列车资源的浪费。
本发明与现有技术相比较具有如下优点:
本发明提出一种基于匹配客流的列车模拟运行优化***构建方法,利用模拟退火算法生成以最小乘客等待时间和运营成本为目的且与客流相匹配的最优列车运行时刻表,之后利用生成的最优列车运行时刻表在计算机构建的列车模型和轨道模型上进行列车模拟运行,进而综合分析该列车运行方案,为评估列车调度运行方案的优劣与选择列车调度运行方案提供科学依据。目前城市轨道交通列车调度问题相关领域的研究一般都是以乘客满意度或城市轨道交通运营成本最小为目标,进而得到最优方案,且往往停留在理论计算阶段。与之相比本发明可以通过计算机列车模型和轨道模型模拟运行,验证列车调度运行方案设计是否可行,且可以通过乘客等待时间、运营成本、线路断面满载率、各站点列车满载率多个分析角度综合评估列车调度运行方案优劣,为列车调度运行方案的选择提供科学依据。除此之外,本发明利用可视化技术,对多次列车调度运行方案进行对比展示,进而更加直观的判断列车调度运行方案间的优劣。
在本发明中匹配不同场景客流源于步骤3,以最小乘客等待时间和运营成本为目的,得到最优列车运行时刻表源于步骤5,验证列车运行调度方案源于源于步骤1、步骤2、步骤3和步骤4,多个分析角度综合评估列车调度运行方案优劣源于步骤7和8。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于匹配客流的列车模拟运行优化***构建方法,其特征在于,所述方法包括:
构建列车模拟运行模型;
预设初始列车数目序列;所述初始列车数目序列包括不同线路区间的初始列车数目;
根据所述初始列车数目序列,以乘客等待时间与城市轨道交通运营成本总和最小为目标,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案;
调整列车调度运行方案,直至调整后的列车调度运行方案的线路断面满载率小于或等于线路断面满载率阈值且各站点列车满载率小于或等于站点列车满载率阈值,并将调整后的列车调度运行方案作为初始列车数目序列对应的列车调度运行可行方案;
重复以上步骤,获得多个初始列车数目序列对应的列车调度运行可行方案以及每个列车调度运行可行方案的线路断面满载率和各站点列车满载率;
计算每个列车调度运行可行方案的乘客等待时间和城市轨道交通运营成本;
将乘客等待时间、城市轨道交通运营成本、线路断面满载率和各站点列车满载率均为最小的列车调度运行可行方案作为最优列车调度运行方案。
2.根据权利要求1所述的基于匹配客流的列车模拟运行优化***构建方法,其特征在于,所述构建列车模拟运行模型,具体包括:
构建列车模型、轨道模型和线路模型;
定义列车运行基础参数;所述列车运行基础参数包括站点参数、列车站间运行参数、线路参数、列车参数和列车间运行参数;
按照客流特点,将列车单日运营划分为多个时段;
依据单日城市轨道交通乘车人数变化曲线,对各时段的各站点匹配客流量。
3.根据权利要求1所述的基于匹配客流的列车模拟运行优化***构建方法,其特征在于,根据所述初始列车数目序列,以乘客等待时间与城市轨道交通运营成本总和最小为目标,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案,具体包括:
确定以乘客等待时间与城市轨道交通运营成本总和最小为目标的列车运行目标函数;
根据初始列车数目序列,采用模拟退火算法求解所述列车运行目标函数,获得列车时刻表;
根据所述列车时刻表,利用列车模拟运行模型模拟列车运行,生成列车调度运行方案;所述列车调度运行方案包括列车模拟运行所匹配客流和列车运行过程中各站点列车上下车人数。
4.根据权利要求3所述的基于匹配客流的列车模拟运行优化***构建方法,其特征在于,所述确定以乘客等待时间与城市轨道交通运营成本总和最小为目标的列车运行目标函数,具体包括:
建立乘客等待时间函数为其中,t乘表示乘客等待时间;b表示列车运行方向;i表示列车停靠的站点;m表示站点总数;t表示列车运行中的时刻;/>表示列车运行时间;k表示列车发车的车次;/>表示线路区间列车运行方向b的初始列车数目的集合;ωkib表示车次k在i站、b方向发车后,未能上车的旅客数;/>表示在时间段[dkib,dk+1,i,b]i站到达的乘客数;dkib表示车次k在i站、b方向发车的发车时刻;dk+1,i,b表示车次k+1在i站、b方向发车的发车时刻;/>的取值为1或0,当/>等于1时,表示车次k在1站、t时刻、b方向发车;当/>等于0时,表示车次k在1站、t时刻、b方向没有发车;λib表示b方向的第i站上乘客的到达率;d1ib表示第一车次列车在i站、b方向发车的时间间隔;
建立城市轨道交通运营成本函数为其中,m成表示城市轨道交通运营成本;C表示列车完成线路区间一个方向的服务所需要的成本;
根据乘客等待时间函数和城市轨道交通运营成本函数,以乘客等待时间与城市轨道交通运营成本总和最小为优化目标,确定列车运行目标函数为
其中,minZ表示乘客等待时间与城市轨道交通运营成本总和最小值,α和β分别表示乘客等待时间函数和城市轨道交通运营成本函数的权重;
确定列车运行目标函数的约束条件;所述约束条件包括客流分布约束、不同线路区间上初始列车数目约束、列车乘客容量约束、最小停车间距约束和客流状态平衡约束。
5.根据权利要求4所述的基于匹配客流的列车模拟运行优化***构建方法,其特征在于,所述根据初始列车数目序列,采用模拟退火算法求解所述列车运行目标函数,获得列车时刻表,具体包括:
预设初始列车时刻表;
将预设初始列车时刻表作为初始解,基于约束条件,利用模拟退火算法对列车运行目标函数进行迭代求解,获得最优列车时刻表。
6.根据权利要求1所述的基于匹配客流的列车模拟运行优化***构建方法,其特征在于,所述调整列车调度运行方案,直至调整后的列车调度运行方案的线路断面满载率小于或等于线路断面满载率阈值且各站点列车满载率小于或等于站点列车满载率阈值,并将调整后的列车调度运行方案作为初始列车数目序列对应的列车调度运行可行方案,具体包括:
根据所述列车调度运行方案,计算线路断面满载率和各站点列车满载率,并判断线路断面满载率是否小于或等于线路断面满载率阈值且各站点列车满载率是否小于或等于站点列车满载率阈值,获得判断结果;
若所述判断结果表示否,则更新初始列车数目序列,返回步骤“预设初始列车数目序列”;
若所述判断结果表示是,则输出列车调度运行方案,并作为初始列车数目序列对应的列车调度运行可行方案。
7.根据权利要求1所述的基于匹配客流的列车模拟运行优化***构建方法,其特征在于,所述将乘客等待时间、城市轨道交通运营成本、线路断面满载率和各站点列车满载率均为最小的列车调度运行可行方案作为最优列车调度运行方案,之后还包括:
分别将多个列车调度运行可行方案的乘客等待时间对比结果、城市轨道交通运营成本对比结果、线路断面满载率对比结果和各站点列车满载率对比结果可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111235319.9A CN113935181B (zh) | 2021-10-22 | 2021-10-22 | 一种基于匹配客流的列车模拟运行优化***构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111235319.9A CN113935181B (zh) | 2021-10-22 | 2021-10-22 | 一种基于匹配客流的列车模拟运行优化***构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113935181A CN113935181A (zh) | 2022-01-14 |
CN113935181B true CN113935181B (zh) | 2024-06-21 |
Family
ID=79283697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111235319.9A Active CN113935181B (zh) | 2021-10-22 | 2021-10-22 | 一种基于匹配客流的列车模拟运行优化***构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113935181B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266010B (zh) * | 2022-03-01 | 2022-05-13 | 华东交通大学 | 一种区域多制式轨道交通区间拥挤系数计算方法及*** |
CN115018208B (zh) * | 2022-08-04 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市轨道运力优化方法、电子设备及其存储介质 |
CN115049156B (zh) * | 2022-08-11 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通线网运行图衔接优化方法、电子设备及存储介质 |
CN115170006B (zh) * | 2022-09-08 | 2022-11-29 | 南方科技大学 | 发车调度方法、装置、设备和存储介质 |
CN115983543B (zh) * | 2022-11-22 | 2023-09-01 | 安徽磁云数据科技有限公司 | 一种城市轨道交通的调度方法、***、终端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200286A (zh) * | 2014-09-10 | 2014-12-10 | 东南大学 | 一种城市轨道交通时刻表优化技术应用框架 |
CN105128894A (zh) * | 2015-09-02 | 2015-12-09 | 深圳市地铁集团有限公司 | 一种列车的运行调度方法及运行调度*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106741018B (zh) * | 2017-01-04 | 2019-01-25 | 北京交通大学 | 一种基于网络演化的列车开行控制方法与*** |
KR102113162B1 (ko) * | 2018-11-05 | 2020-05-20 | 한국철도기술연구원 | 급행열차의 스케줄링 시스템 및 그 방법 |
CN112465205B (zh) * | 2020-11-20 | 2023-11-21 | 东南大学 | 一种单线多站协同限流的轨道交通列车开行密度优化方法 |
-
2021
- 2021-10-22 CN CN202111235319.9A patent/CN113935181B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200286A (zh) * | 2014-09-10 | 2014-12-10 | 东南大学 | 一种城市轨道交通时刻表优化技术应用框架 |
CN105128894A (zh) * | 2015-09-02 | 2015-12-09 | 深圳市地铁集团有限公司 | 一种列车的运行调度方法及运行调度*** |
Also Published As
Publication number | Publication date |
---|---|
CN113935181A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113935181B (zh) | 一种基于匹配客流的列车模拟运行优化***构建方法 | |
Safiullin et al. | The concept of development of monitoring systems and management of intelligent technical complexes | |
CN110472764B (zh) | 基于强化学***衡来协调多方服务的方法和*** | |
CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
Croce et al. | Sustainable mobility and energy resources: A quantitative assessment of transport services with electrical vehicles | |
CN108458716B (zh) | 一种基于充电桩动态占用率预测的电动汽车充电导航方法 | |
Mei et al. | Better lucky than rich? Comparative analysis of parking reservation and parking charge | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN105740556A (zh) | 基于客流需求的列车运行图自动编制方法 | |
CN109703389B (zh) | 基于新能源公交车的车桩网一体化充电调度装置及方法 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划***及方法 | |
CN105303856A (zh) | 一种预测模型的可变情报板信息发布方法 | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN108133329B (zh) | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 | |
CN117035185A (zh) | 基于动态充电需求的电动汽车充电站布局优化方法及*** | |
CN115222251A (zh) | 一种基于混合分层强化学习的网约车调度方法 | |
CN111898185A (zh) | 轨道交通设计方案评价方法、装置及可读存储介质 | |
Song et al. | A sumo framework for deep reinforcement learning experiments solving electric vehicle charging dispatching problem | |
CN117455019A (zh) | 一种基于行程时间预测的网约车合乘动态匹配方法 | |
Liu et al. | Electric vehicle charging station layout based on particle swarm simulation | |
CN112949987B (zh) | 基于预测的出租车调度和匹配方法、***、设备及介质 | |
Zhao et al. | Robust Optimization of Mixed-Load School Bus Route Based on Multi-Objective Genetic Algorithm. | |
CN116993031A (zh) | 一种电动车的充电决策优化方法、装置、设备及介质 |
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 |