CN117649034B - 一种运营中断事件下多阶段路网乘客出行仿真方法及*** - Google Patents
一种运营中断事件下多阶段路网乘客出行仿真方法及*** Download PDFInfo
- Publication number
- CN117649034B CN117649034B CN202311685064.5A CN202311685064A CN117649034B CN 117649034 B CN117649034 B CN 117649034B CN 202311685064 A CN202311685064 A CN 202311685064A CN 117649034 B CN117649034 B CN 117649034B
- Authority
- CN
- China
- Prior art keywords
- passenger
- path
- travel
- station
- interruption
- 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 74
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011084 recovery Methods 0.000 claims abstract description 70
- 238000010586 diagram Methods 0.000 claims description 33
- 238000012546 transfer Methods 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 18
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种运营中断事件下多阶段路网乘客出行仿真方法及***，以刻画不同事件阶段、乘客不同时空位置的决策行为。该方法包括：在正常运营阶段运行正常运营阶段的路网乘客出行仿真；在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整；在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。所述运营中断事件下多阶段路网乘客出行仿真***应用于运营中断事件下多阶段路网乘客出行仿真方法。
Description
技术领域
本发明涉及轨道交通运输技术领域，尤其涉及一种运营中断事件下多阶段路网乘客出行仿真方法及***。
背景技术
截止2022年12月31日，我国已有55个城市开通运营308条城市轨道交通线路，总运营里程达到10287.45km，路网规模位居世界首位。但是日益增多的极端灾害天气及设备故障等原因导致运营突发事件频繁发生。突发事件不仅造成乘客延误和滞留，同时带来严重的安全隐患。一旦发生运营中断突发事件，将导致路网结构破坏、列车交路改变、线路运能下降，在受影响车站及区段极易诱发突发性大客流。如何准确预测诱发性大客流发生的地点、规模、持续时间，是开展大客流疏导及行车动态调整的重要前提。
现有技术中，申请号CN201710986805.1公开一种突发事件下乘客出行选择行为仿真方法及装置；申请号CN201910910731.2公开一种城市轨道交通突发事件客流时空分布预测方法；申请号CN202211368300.6公开一种基于数字孪生的地铁线网运营中断情况下的仿真预测方法及***；专利1和专利2侧重于运营中断下有效路径的计算及多路径的概率选择方法，专利3侧重于构建基于数字孪生的客流预测***。现有的研究方法，多借鉴传统客流分配理论，研究运营中断下的可行路径重构方法及中断下的乘客出行路径选择模型等，难以刻画事件不同阶段处于不同时空位置的乘客出行决策行为，缺乏对乘客全过程行为的准确刻画。
发明内容
为解决上述技术问题，本发明提供一种运营中断事件下多阶段路网乘客出行仿真方法及***，以刻画不同事件阶段、乘客不同时空位置的决策行为。
本发明提供一种运营中断事件下多阶段路网乘客出行仿真方法，该方法包括：
步骤S1：在正常运营阶段，基于列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
步骤S2：在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整；
步骤S3：在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。
优选地，所述步骤S1包括：
步骤S1.1：在正常运营阶段，读取路网拓扑结构，基于路网拓扑结构计算各OD对的出行路径；
步骤S1.2：读取计划的列车运行图，基于计划的列车运行图生成列车对象信息；
步骤S1.3：读取正常运营阶段的客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
步骤S1.4：基于正常运营阶段的路网拓扑结构、列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置。
优选地，所述步骤S2包括：
步骤S2.1：在中断运营阶段，读取中断事件信息，根据中断事件信息重构中断路网拓扑结构，计算中断下各OD对的出行路径；
步骤S2.2：读取中断下的中断列车运行图，对比计划的列车运行图，以更新列车对象信息；
步骤S2.3：根据正常运营阶段下记录的当前时刻的乘客时空位置及后续行程段的路径可达性，更新在途乘客状态；
步骤S2.4：读取中断运营阶段的客流出行数据，若乘客的起点或终点站位于中断区间，则选择新的起点或终点站，基于客流出行数据为乘客选择出行路径；
步骤S2.5：运行中断运营阶段的路网乘客出行仿真，记录中断运营阶段的列车及乘客的时空位置。
优选地，所述步骤S3包括：
步骤S3.1：在恢复运营阶段，读取恢复运营信息，根据恢复运营信息重构恢复路网拓扑结构，计算恢复运营后OD对的出行路径；
步骤S3.2：读取恢复运营后的恢复列车运行图，对比中断下的中断列车运行图，以更新列车对象信息；
步骤S3.3：筛选中断阶段受影响的乘客，根据受影响乘客的时空位置及后续行程段的路径可达性，更新在途乘客状态；
步骤S3.4：读取恢复运营阶段的客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
步骤S3.5：运行恢复运营阶段的路网乘客出行仿真，记录恢复运营阶段的列车及乘客的时空位置。
优选地，所述步骤S2.3包括：
步骤S2.3.1：获取中断事件发生信息，含中断时间、中断区间，其中，中断区间由车站集合组成，即ES＝{Sj|j＝1,2,3...m}，Sj为属于中断区间的车站；
步骤S2.3.2：读取所有OD对在正常情况下的出行路径集NP及中断事件下的出行路径集EP；获取乘客的计划路径信息，即：PR＝{Sr|r＝1,2,3...n},Sr为属于乘客计划路径上的车站；
步骤S2.3.3：获取在途乘客的位置，若乘客在站内，则获取车站Si；若位于列车上，则获取该车所在运行区间Si-1-Si的前方车站Si，判断车站是否属于中断区间，即：Si∈ES？，若是，则执行步骤S2.3.4；若否，则执行步骤S2.3.7；
步骤S2.3.4：在中断事件下的出行路径集EP中查找从当前位置至终点站是否存在路径，若是，则转入步骤S2.3.5，若否，则执行步骤S2.3.6；
步骤S2.3.5：计算新路径与计划路径的时间差t2-t1，是否大于延误阈值Td，若否，则乘客选择新路径出行，若是，则执行步骤S2.3.6；
步骤S2.3.6：判断当前t时刻乘客等车时间Ti,w(t)是否超过等待阈值若则按原路径继续出行，否则，则放弃出行，在本站出站；
步骤S2.3.7：分析乘客计划路径是否途经中断区间，即判断ES∩PR≠Φ？，若是，则转至步骤S2.3.8，若否，则按计划路径出行；
步骤S2.3.8：在中断事件下的出行路径集EP中查询从当前位置至终点站是否存在路径，若是，则转入步骤S2.3.9，若否，则选择替换站，重新计算出行路径，并选择最优路径；
步骤S2.3.9：计算新路径与计划路径的时间差t2-t1，是否大于延误阈值Td，若否，则乘客选择新路径出行，若是，则选择替换站，重新计算出行路径，并选择最优路径；
步骤S2.3.10：判断下一个在途的乘客，重复步骤S2.3.1-步骤S2.3.9，直到最后一个乘客结束。
优选地，所述步骤S2.3.8中选择替换站包括：
计算当前车站o途经替换站j至终点站d的行程估计时间所述形成估计时间/>由当前车站o至替换站j的出行时间及替换站j至终点站d的出行时间构成，公式为：
其中，Toj为当前车站o至替换站j的乘车时间，Tjd为替换站j至终点站d的乘车时间，γ为其他交通方式出行时间的放大系数，
计算所有备选替换站的行程估计时间选最小值作为最终的替换站，所述备选替换站包括：中断区间的两端车站、中断区间内的所有换乘站。
优选地，所述步骤S2.4包括：
步骤S2.4.1：从客流出行数据库中读取乘客刷卡信息，所述乘客刷卡信息包括***、起点站、终点站和进站时刻信息；
步骤S2.4.2：判断起点站是否位于中断区间内，若是，则执行步骤S2.4.3，若否，则执行步骤S2.4.4；
步骤S2.4.3：判断是否替换起点站，若是，则选择替换站来代替起点站出行，执行步骤S2.4.4，若否，则放弃出行；
步骤S2.4.4：判断终点站是否位于中断区间内，若是，则执行步骤S2.4.5；若否，则执行步骤S2.4.6；
步骤S2.4.5：判断是否替换终点站，若是，则选择替换站来代替终点站出行，注册终点站改变记录，执行步骤S2.4.6，若否，则放弃出行；
步骤S2.4.6：计算当前车站到终点站是否存在有效路径，若是，则选择最优路径出行，若否，则放弃出行；
步骤S2.4.7：判断下一个新进站的乘客，重复步骤S2.4.2-步骤S2.4.6，直到最后一个新进站乘客结束。
优选地，所述步骤S3.3包括：
S3.3.1：获取中断区间信息，即ES＝{Sj|j＝1,2,3...m}，Sj为属于中断区间的车站，中断阶段下乘客已选路径ER＝{Sr|r＝1,2,3...n}，正常情况所有OD对的路径集为NP；
S3.3.2：获取在途乘客的当前位置，若乘客在站内，则获取车站Si，若位于列车上，则获取该车所在运行区间Si-1-Si的前方车站Si，乘客的状态包括未进站、已进站及已出站；
S3.3.3：分析乘客在中断阶段是否由于长时间候车被迫在本站出站，若是，则转到步骤S3.3.4；否则，转到步骤S3.3.5；
S3.3.4：判断乘客是否已出站，若是，则按计划路径出行，若否，则恢复乘客原始终点站，执行步骤S3.3.6；
S3.3.5：分析该乘客在中断阶段是否改变终点站，若是，则先恢复至原始终点站，执行步骤S3.3.6，若否，则直接执行步骤S3.3.6；
S3.3.6：在正常路径表中查找乘客从当前车站至终点站的路径，并选择最短路径；
S3.3.7：判断新选路径是否包含中断区间，若否，则按计划出行，若是，则执行步骤S3.3.8；
S3.3.8：与原路径相比，判断新路径的节省时间是否大于换路成本，以判断是否改变路径，若是，则选择新路径出行，若否，则按计划路径出行；
S3.3.9：判断下一个在途的乘客，重复步骤S3.3.1-步骤S3.3.8，直到最后一个乘客结束。
优选地，所述步骤S3.3.8中判断新路径改变带来的节省时间是否大于换路成本，以判断是否改变路径，若是，则选择新路径出行，若否，则按计划路径出行包括：采用公式(1)判断新路径改变带来的收益是否大于换路成本，若是，则选择新路径出行，若否，则乘客保持原计划路径惯性出行，
Told-Tnew≥Tcost (1)
其中，Told为原有计划路径的出行时间费用，Tnew为计算新路径的出行时间费用，Told-Tnew为新路径改变带来的节省时间，Tcost为乘客换路带来不舒适性的费用成本，又称换路成本。
与现有技术相比，本发明提供的一种运营中断事件下多阶段路网乘客出行仿真方法具有如下有益效果：本发明提出的轨道交通运营中断下的乘客出行仿真方法分为事前正常运营-事中中断运营、事后恢复阶段三个阶段，在正常运营阶段，基于列车对象信息和乘客对象信息执行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置，为中断运营阶段的乘客出行行为决策提供准确的路网运行状态及乘客时空位置信息，提高中断运营阶段的乘客出行仿真的准确性；在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，对已进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调，并记录因为中断事件导致行程计划或在途改变出行路径的乘客，为恢复运营阶段的乘客出行行为决策提供准确的路网运行状态及乘客时空位置信息；在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。本发明采用计算机仿真技术，建立了面向正常-中断-恢复多阶段的乘客出行动态仿真方法，从而实现运营中断下乘客决策行为的精细化描述及仿真实现。
本发明还提供一种运营中断事件下多阶段路网乘客出行仿真***，该***包括：
正常运营模块，用于在正常运营阶段，基于列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
中断运营模块，用于在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整；
恢复运营模块，用于在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。
与现有技术相比，本发明提供的一种运营中断事件下多阶段路网乘客出行仿真***的有益效果与上述技术方案所述一种运营中断事件下多阶段路网乘客出行仿真方法的有益效果相同，在此不做赘述。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
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示出了本发明实施例所提供的一种运营中断事件下多阶段路网乘客出行仿真方法的流程图；
图2示出了本发明实施例所提供的另一种运营中断事件下多阶段路网乘客出行仿真方法的流程图；
图3示出了本发明实施例所提供的中断运营下在途乘客的出行仿真方法流程图；
图4示出了本发明实施例所提供的中断运营下在途乘客A的出行仿真示意图；
图5示出了本发明实施例所提供的中断运营下在途乘客B的出行仿真示意图；
图6示出了本发明实施例所提供的中断运营下在途乘客C的出行仿真示意图；
图7示出了本发明实施例所提供的中断运营下新进站乘客的出行仿真方法流程图；
图8示出了本发明实施例所提供的中断运营下新进站乘客D的出行仿真示意图；
图9示出了本发明实施例所提供的中断运营下新进站乘客E的出行仿真示意图；
图10示出了本发明实施例所提供的中断运营下新进站乘客F的出行仿真示意图；
图11示出了本发明实施例所提供的恢复运营下在途乘客的出行仿真方法流程图；
图12示出了本发明实施例所提供的恢复运营下在途乘客G的出行仿真方法示意图；
图13示出了本发明实施例所提供的恢复运营下在途乘客H的出行仿真方法示意图；
图14示出了本发明实施例所提供的2018年重庆轨道交通线网示意图；
图15示出了本发明实施例所提供的中断运营下的乘客出行行为场景a示意图；
图16示出了本发明实施例所提供的中断运营下的乘客出行行为场景b示意图；
图17示出了本发明实施例所提供的中断运营下的乘客出行行为场景c示意图；
图18示出了本发明实施例所提供的中断运营下的重庆轨道交通10号线车站进站量对比分析示意图；
图19示出了本发明实施例所提供的中断运营下的重庆轨道交通10号线车站出站量对比分析示意图；
图20示出了本发明实施例所提供的中断运营下重庆轨道交通红土地站至10号线各站的OD量分析示意图；
图21示出了本发明实施例所提供的中断运营下重庆轨道交通红土地站至10号线各站的平均用时示意图。
具体实施方式
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本实施例中提到的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况。“示例性的”或者“例如”等词用于表示作例子、例证或说明，旨在以具体方式呈现相关概念，不应被解释为比其他实施例或设计方案更优选或更具优势。
本发明实施例提供一种运营中断事件下多阶段路网乘客出行仿真方法，图1示出了本发明实施例所提供的一种运营中断事件下多阶段路网乘客出行仿真方法的流程图，图2示出了本发明实施例所提供的另一种运营中断事件下多阶段路网乘客出行仿真方法的流程图。
如图1-图2所示，该方法包括：
步骤S1：在正常运营阶段，基于列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置，为中断运营阶段的乘客出行行为决策提供准确的路网运行状态及乘客时空位置信息，提高中断运营阶段的乘客出行仿真的准确性。
需要说明的是，在正常运营阶段，以计划的列车运行图为输入，各线列车按照计划的列车运行图正点开行、乘客按照正常规划路径出行，完成进站、上车、下车、换乘、出站全过程的常态下乘客出行仿真流程。
具体地，所述步骤S1包括：
步骤S1.1：在正常运营阶段，读取路网拓扑结构，基于路网拓扑结构计算各OD对的出行路径；
步骤S1.2：读取计划的列车运行图，基于计划的列车运行图生成列车对象信息；
步骤S1.3：读取正常运营阶段的客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
步骤S1.4：基于正常阶段的路网拓扑结构、列车对象信息和乘客对象信息，运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置，为中断运营阶段的乘客出行行为决策提供准确的路网运行状态及乘客时空位置信息。
步骤S2：在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整。
需要说明的是，在中断运营阶段，由于突发事件导致某条线路某段区间发生运营中断，列车无法通过该区段，因此列车需要根据突发事件下的事件场景调整中断列车运行图，按照调整后的中断列车运行图开行，部分列车提前清客回段或者改变停站方案。由于中断导致路网拓扑结构改变，需要重新计算路网出行路径。判断出行中的乘客出行路径是否受影响，对受影响的乘客，根据时空位置进行决策调整，然后对新进站的乘客进行选择新的出行终点及出行路径。例如，针对已经进站的乘客，若起点、终点位于中断区间或者计划路径途经该中断区间，则需重新选择其他路径，或者改变终点或起点。针对未进站的乘客，需要进行出行起点、终点及路径的决策。然后再执行进站、上车、下车、换乘、出站全过程的乘客出行仿真流程。
具体地，所述步骤S2包括：
步骤S2.1：在中断运营阶段，读取中断事件信息，所述中断事件信息包括：中断区间、中断车站集合、中断开始时间、预计持续时间，根据中断事件信息重构中断路网拓扑结构，计算中断下各OD对的出行路径；
步骤S2.2：读取中断下的中断列车运行图，对比计划的列车运行图，以更新列车对象信息；
步骤S2.3：根据正常运营阶段下记录的当前时刻的乘客时空位置及后续行程段的路径可达性，更新在途乘客状态；
具体地，如图3所示，所述步骤S2.3具体执行步骤包括：
步骤S2.3.1：获取中断事件发生信息，含中断时间、中断区间，其中，中断区间由车站集合组成，即ES＝{Sj|j＝1,2,3...m}，Sj为属于中断区间的车站；
步骤S2.3.2：读取所有OD对在正常情况下的出行路径集NP及中断事件下的出行路径集EP；获取乘客的计划路径信息，即：PR＝{Sr|r＝1,2,3...n},Sr为属于乘客计划路径上的车站；
步骤S2.3.3：获取在途乘客的位置，若乘客在站内，则获取车站Si；若位于列车上，则获取该车所在运行区间Si-1-Si的前方车站Si，判断车站是否属于中断区间，即：Si∈ES？，若是，则执行步骤S2.3.4；若否，则执行步骤S2.3.7；
步骤S2.3.4：在中断事件下的出行路径集EP中查找从当前位置至终点站是否存在路径，若是，则转入步骤S2.3.5，若否，则执行步骤S2.3.6；
步骤S2.3.5：计算新路径与计划路径的时间差t2-t1，是否大于延误阈值Td，若否，则乘客选择新路径出行，若是，则执行步骤S2.3.6；
步骤S2.3.6：判断当前t时刻乘客等车时间Ti,w(t)是否超过等待阈值若则按原路径继续出行，否则，则放弃出行，在本站出站；
步骤S2.3.7：分析乘客计划路径是否途经中断区间，即判断ES∩PR≠Φ？，若是，则转至步骤S2.3.8，若否，则按计划路径出行；
步骤S2.3.8：在中断事件下的出行路径集EP中查询从当前位置至终点站是否存在路径，若是，则转入步骤S2.3.9，若否，则选择替换站，重新计算出行路径，并选择最优路径；
步骤S2.3.9：计算新路径与计划路径的时间差t2-t1，是否大于延误阈值Td，若否，则乘客选择新路径出行，若是，则选择替换站，重新计算出行路径，并选择最优路径；
具体地，通过以下方法选择替换站：
计算当前车站o途经替换站j至终点站d的行程估计时间所述行程估计时间/>由当前车站o至替换站j的出行时间及替换站j至终点站d的出行时间构成，公式为：
其中，Toj为当前车站o至替换站j的乘车时间，Tjd为替换站j至终点站d的乘车时间，γ为其他交通方式，如公交或出租车出行时间的放大系数。
计算所有备选替换站的行程估计时间选最小值作为最终的替换站，所述备选替换站包括：中断区间的两端车站、中断区间内的所有换乘站。
步骤S2.3.10：判断下一个在途的乘客，重复步骤S2.3.1-步骤S2.3.9，直到最后一个乘客结束。
例如，如图4-图6所示，附图4-图6表示由3条线构成的简易城市轨道交通路网，Line2为环线，Line1和Line3为非环线。有5个换乘站，每个换乘站存在两个车站编号；假设8:30-9:00时段在Line1 1号线103-106区段发生双向运营中断。结合附图及场景进行说明：
如图4所示，乘客A当前位于车站105，计划去往101，则乘客A位于中断区间、到终点站不可达，执行步骤S2.3.2-步骤S2.3.3-步骤S2.3.5，主要判断乘客的等车时间是否小于等待时间，是则继续等车，若则退出轨道交通***。
如图5所示，乘客B当前位于车站104，计划去往101，则乘客A位于中断区间、但到终点站可达，执行步骤S2.3.2-步骤S2.3.3-步骤S2.3.4,需要判断新路径是否与原路径一致，本案例中原路径为104-103-102-101，新路径为104/303-302/212-213-201-202/102-101出行，其中/代表换乘。
如图6所示，乘客C当前位于车站102，计划去往105，此时乘客C当前不在中断区间，但计划路径包含中断区间103-105，判断此时终点站105位于中断区间，则通过选取替换站代替终点站，具体地，按照步骤S2.3.7的选取原则，找到两个备选的换乘站303及209作为替换站，计算比较当前车站102经过303或209到达终点站105的出行时间，选取时间最短的303车站作为替换终点站。执行步骤S2.3.2-步骤S2.3.6-步骤S2.3.7-步骤S2.3.8，因此，乘客C调整后的出行路径为102/202-201-213-212/302-303。
步骤S2.4：读取中断运营阶段的客流出行数据，若乘客的起点或终点站位于中断区间，则选择新的起点或终点站，基于客流出行数据为乘客选择出行路径；
具体地，如图7所示，所述步骤S2.4包括：
步骤S2.4.1：从客流出行数据库中读取乘客刷卡信息，所述乘客刷卡信息包括***、起点站、终点站和进站时刻信息；
步骤S2.4.2：判断起点站是否位于中断区间内，若是，则执行步骤S2.4.3，若否，则执行步骤S2.4.4；
步骤S2.4.3：判断是否替换起点站，若是，则选择替换站来代替起点站出行，执行步骤S2.4.4，若否，则放弃出行；
步骤S2.4.4：判断终点站是否位于中断区间内，若是，则执行步骤S2.4.5；若否，则执行步骤S2.4.6；
步骤S2.4.5：判断是否替换终点站，若是，则选择替换站来代替终点站出行，注册终点站改变记录，执行步骤S2.4.6，若否，则放弃出行；
步骤S2.4.6：计算当前车站到终点站是否存在有效路径，若是，则选择最优路径出行，若否，则放弃出行；
步骤S2.4.7：判断下一个新进站的乘客，重复步骤S2.4.2-步骤S2.4.6，直到最后一个新进站乘客结束。
例如，如图8-图10所示，附图8-图10表示由3条线构成的简易城市轨道交通路网，Line2为环线，Line1和Line3为非环线。有5个换乘站，每个换乘站存在两个车站编号；假设8:30-9:00时段在Line1 1号线103-106区段发生双向运营中断。结合附图及场景进行说明：
如图8所示，起点在中断区间、终点不在中断区间：
如乘客D,计划从105进站、目的地为101，由于105位于中断区间则乘客选择替换站303重新进站，执行步骤S2.4.2-步骤S2.4.3-步骤S2.4.4-步骤S2.4.6，新路径为303-302/212-213-201-202/102-10。
如图9所示，起点不在中断区间、终点在中断区间：
如乘客E,计划从101进站、目的地为105，由于105位于中断区间则乘客选择替换站303提前出站，执行步骤S2.4.2-步骤S2.4.4-步骤S2.4.5-步骤S2.4.6，新路径为101-102/202-201-213-212/302-303。
如图10所示，起点和终点都不在中断区间，但原计划最短路径途经中断区间：
如乘客F,计划从101进站、目的地为107，由于原有最短路径途经中断区间103-106，因此，乘客计算新的出行路径，执行步骤S2.4.2-步骤S2.4.4-步骤S2.4.6，出行路径为101-102/202-201-213-212-211-210-209/106-107。
步骤S2.5：运行中断运营阶段的路网乘客出行仿真，记录中断运营阶段的列车及乘客的时空位置。
步骤S3：在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。
需要说明的是，所述步骤S3包括：
步骤S3.1：在恢复运营阶段，读取恢复运营信息，所述恢复运营信息包括：开始恢复时间，根据恢复运营信息重构恢复路网拓扑结构，计算恢复运营后OD对的出行路径；
步骤S3.2：读取恢复运营后的恢复列车运行图，对比中断下的中断列车运行图，以更新列车对象信息；
步骤S3.3：筛选中断阶段受影响的乘客，根据受影响乘客的时空位置及后续行程段的路径可达性，更新在途乘客状态；
如图11所示，所述步骤S3.3包括：
S3.3.1：获取中断区间信息，即ES＝{Sj|j＝1,2,3...m}，Sj为属于中断区间的车站，中断阶段下乘客已选路径ER＝{Sr|r＝1,2,3...n}，正常情况所有OD对的路径集为NP；
S3.3.2：获取在途乘客的当前位置，若乘客在站内，则获取车站Si，若位于列车上，则获取该车所在运行区间Si-1-Si的前方车站Si，乘客的状态包括未进站、已进站及已出站；
S3.3.3：分析乘客在中断阶段是否由于长时间候车被迫在本站出站，若是，则转到步骤S3.3.4；否则，转到步骤S3.3.5；
S3.3.4：判断乘客是否已出站，若是，则按计划路径出行，若否，则恢复乘客原始终点站，执行步骤S3.3.6；
S3.3.5：分析该乘客在中断阶段是否改变终点站，若是，则先恢复至原始终点站，执行步骤S3.3.6，若否，则直接执行步骤S3.3.6；
S3.3.6：在正常路径表中查找乘客从当前车站至终点站的路径，并选择最短路径；
S3.3.7：判断新选路径是否包含中断区间，若否，则按计划出行，若是，则执行步骤S3.3.8；
S3.3.8：与原路径相比，判断新路径的节省时间是否大于换路成本，以判断是否改变路径，若是，则选择新路径出行，若否，则按计划路径出行；
所述步骤S3.3.8中判断新路径改变带来的节省时间是否大于换路成本，以判断是否改变路径，若是，则选择新路径出行，若否，则按计划路径出行包括：采用公式(1)判断新路径改变带来的收益是否大于换路成本，若是，则选择新路径出行，若否，则乘客保持原计划路径惯性出行，
Told-Tnew≥Tcost (1)
其中，Told为原有计划路径的出行时间费用，Tnew为计算新路径的出行时间费用，Told-Tnew为新路径改变带来的节省时间，Tcost为乘客换路带来不舒适性的费用成本，又称换路成本。
S3.3.9：判断下一个在途的乘客，重复步骤S3.3.1-步骤S3.3.8，直到最后一个乘客结束。
步骤S3.4：读取客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
步骤S3.5：执行恢复运营阶段的路网乘客出行仿真，记录恢复运营阶段的列车及乘客的时空位置。
例如，如图12-图13所示，附图12-图13表示由3条线构成的简易城市轨道交通路网，Line2为环线，Line1和Line3为非环线。有5个换乘站，每个换乘站存在两个车站编号；假设8:30-9:00时段在Line1 1号线103-106区段发生双向运营中断。到了9点以后，中断区间恢复运营，并在全路网发布恢复运营消息。结合附图及场景进行说明：
如图12所示，在中断运营阶段，改变出行终点：
如乘客G,计划从101进站、105出站，由于105位于中断区间则乘客选择替换站303提前出站，在中断阶段选择路径1为101-102/202-201-213-212/302-303。
到了9:00,乘客此刻刚乘车到达102站，准备换乘，此刻收到运营恢复消息，区间103-106已恢复运营，则乘客判断终点站105已恢复运营，则乘客的终点站需从303换到105，乘客重新计算从当前车站102至105的出行路径，得到新的路径2：102-103-104-105，执行步骤S3.3.2-步骤S3.3.3-步骤S3.3.4-步骤S3.3.5。
如图13所示，在中断运营阶段，改变出行路径：
如乘客H,计划从101进站、107出站，在中断阶段，乘客受到影响，选择路径1出行101-102/202-201-213-212-211-210-209/106-107。到了9点，乘客收到运营恢复的消息。
若乘客此刻到达车站213，则乘客计算当前站213至目的站107的最短路径为213-212-211-210-209/106-107，与路径1的剩余路段一致，因此乘客按照计划路径出行。
若乘客H此刻到达车站102，则乘客计算当前站102至目的站107的最短路径为102-103-104-105-106-107(路径2)，与原路径1不同，而且计算得到的换路收益大于换路成本，则乘客选择新路径(路径2)出行。
结合重庆轨道交通运营中断案例，介绍本方法的实用性：
1.如图14所示，选择重庆轨道交通线网2018年某周末的运营中断场景，运营中断时间为12:43-14:25，中断区间位于重庆轨道交通10号线T3航站楼至民心佳园区间，仿真时段设为10:00-16:00。整个仿真时段分为三个阶段：正常运营阶段(10：00-12:43)、中断运营阶段(12:43-14:25)、恢复运营阶段(14:25-16:00)。
结合该案例说明乘客在运营中断不同位置场景下的出行决策行为，说明乘客出行行为的变化。
如图15所示，为以起点站为红土地、终点站为上湾路的乘客，乘客乘坐10号线到达运营中断区间的车站民心佳园后，乘客被迫提前出站，放弃出行；
如图16所示，为以起点站为红土地、终点站为T3航站楼的乘客，乘客到达运营中断区间(民心佳园站)前，已收到中断运营信息，选择绕行路径，在重庆北站南广场换乘3号线，再到达碧津站后换乘10号线，到达T3航站楼。
如图17所示，为以起点站为红土地、终点站为T3航站楼的乘客，在中断阶段，选择路径1出行，当他走到重庆北站南广场时，收到10号线恢复运营信息，重新计算路径，选择路径2乘坐10号线，到达T3航站楼。
利用本发明提出的运营中断事件下多阶段路网乘客出行仿真方法，计算得到该案例的仿真结果：
如图18所示，从进站量对比分析，运营中断区间民心佳园至T3航站楼的进站量下降明显，此外，中断导致路网可达性发生明显变化，10号线端部悦来站的客流下降较为明显。
如图19所示，从出站量统计分析来看，运营中断区间三亚湾至T3航站楼的出站量下降明显，此外，中断导致路网可达性发生明显变化，10号线端部的悦来、王家庄客流下降较为明显。另外，民心佳园站的进站量从427增加到893人，增幅达到109％，说明中断情况下，去往三亚湾到T3航站楼的乘客提前在民心佳园站提前下车，导致出站量激增。
如图20所示，从中断时段红土地站至10号线各个车站的OD量分析，与正常日相比，中断时段从红土地站出发，去往T3航站楼和中央公园的OD量大幅减少，而去往民心佳园站的OD量增加了一倍，说明乘客的终点站发生改变，在民心佳园站提前出站，换乘其他交通方式前往目的地。
如图21所示，从中断时段红土地站至10号线各个车站的出行用时分析，与正常日对比，中断时段从红土地站出发，去往T3航站楼及中央公园的平均用时的下用时增加了1倍；主要由于选择绕行路径导致(如图16所示)，从分析结果证明了本发明方法的合理性。
与现有技术相比，本发明提供的一种运营中断事件下多阶段路网乘客出行仿真方法具有如下有益效果：本发明提出的轨道交通运营中断下的乘客出行仿真方法分为事前正常运营-事中中断运营、事后恢复阶段三个阶段，在正常运营阶段，基于列车对象信息和乘客对象信息执行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置，为中断运营阶段的乘客出行行为决策提供准确的路网运行状态及乘客时空位置信息，提高中断运营阶段的乘客出行仿真的准确性；在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，对已进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调，并记录因为中断事件导致行程计划或在途改变出行路径的乘客，为恢复运营阶段的乘客出行行为决策提供准确的路网运行状态及乘客时空位置信息；在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。本发明采用计算机仿真技术，建立了面向正常-中断-恢复多阶段的乘客出行动态仿真方法，从而实现运营中断下乘客决策行为的精细化描述及仿真实现。
本发明实施例还提供一种运营中断事件下多阶段路网乘客出行仿真***，该***包括：
正常运营模块，用于在正常运营阶段，基于列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
中断运营模块，用于在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整；
恢复运营模块，用于在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整。
与现有技术相比，本发明实施例提供的一种运营中断事件下多阶段路网乘客出行仿真***的有益效果与上述技术方案所述一种运营中断事件下多阶段路网乘客出行仿真方法的有益效果相同，在此不做赘述。
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，可轻易想到变化或替换的技术方案，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所述权利要求的保护范围为准。
Claims (8)
1.一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，包括：
步骤S1：在正常运营阶段，基于列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
步骤S2：在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整；
步骤S3：在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整；
所述步骤S1包括：
步骤S1.1：在正常运营阶段，读取路网拓扑结构，基于路网拓扑结构计算各OD对的出行路径；
步骤S1.2：读取计划的列车运行图，基于计划的列车运行图生成列车对象信息；
步骤S1.3：读取正常运营阶段的客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
步骤S1.4：基于正常运营阶段的路网拓扑结构、列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
所述步骤S2包括：
步骤S2.1：在中断运营阶段，读取中断事件信息，根据中断事件信息重构中断路网拓扑结构，计算中断下各OD对的出行路径；
步骤S2.2：读取中断下的中断列车运行图，对比计划的列车运行图，以更新列车对象信息；
步骤S2.3：根据正常运营阶段下记录的当前时刻的乘客时空位置及后续行程段的路径可达性，更新在途乘客状态；
步骤S2.4：读取中断运营阶段的客流出行数据，若乘客的起点或终点站位于中断区间，则选择新的起点或终点站，基于客流出行数据为乘客选择出行路径；
步骤S2.5：运行中断运营阶段的路网乘客出行仿真，记录中断运营阶段的列车及乘客的时空位置。
2.根据权利要求1所述的一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，
所述步骤S3包括：
步骤S3.1：在恢复运营阶段，读取恢复运营信息，根据恢复运营信息重构恢复路网拓扑结构，计算恢复运营后OD对的出行路径；
步骤S3.2：读取恢复运营后的恢复列车运行图，对比中断下的中断列车运行图，以更新列车对象信息；
步骤S3.3：筛选中断阶段受影响的乘客，根据受影响乘客的时空位置及后续行程段的路径可达性，更新在途乘客状态；
步骤S3.4：读取恢复运营阶段的客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
步骤S3.5：运行恢复运营阶段的路网乘客出行仿真，记录恢复运营阶段的列车及乘客的时空位置。
3.根据权利要求2所述的一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，
所述步骤S2.3包括：
步骤S2.3.1：获取中断事件发生信息，含中断时间、中断区间，其中，中断区间由车站集合组成，即Sj为属于中断区间的车站；
步骤S2.3.2：读取所有OD对在正常情况下的出行路径集NP及中断事件下的出行路径集EP；获取乘客的计划路径信息，即：PR＝{Sr|r＝1,2,3...n},Sr为属于乘客计划路径上的车站；
步骤S2.3.3：获取在途乘客的位置，若乘客在站内，则获取车站Si；若位于列车上，则获取该车所在运行区间Si-1-Si的前方车站Si，判断车站是否属于中断区间，即：Si∈ES？，若是，则执行步骤S2.3.4；若否，则执行步骤S2.3.7；
步骤S2.3.4：在中断事件下的出行路径集EP中查找从当前位置至终点站是否存在路径，若是，则转入步骤S2.3.5，若否，则执行步骤S2.3.6；
步骤S2.3.5：计算新路径与计划路径的时间差t2-t1，是否大于延误阈值Td，若否，则乘客选择新路径出行，若是，则执行步骤S2.3.6；
步骤S2.3.6：判断当前t时刻乘客等车时间Ti,w(t)是否超过等待阈值若则按原路径继续出行，否则，则放弃出行，在本站出站；
步骤S2.3.7：分析乘客计划路径是否途经中断区间，即判断ES∩PR≠Φ？，若是，则转至步骤S2.3.8，若否，则按计划路径出行；
步骤S2.3.8：在中断事件下的出行路径集EP中查询从当前位置至终点站是否存在路径，若是，则转入步骤S2.3.9，若否，则选择替换站，重新计算出行路径，并选择最优路径；
步骤S2.3.9：计算新路径与计划路径的时间差t2-t1，是否大于延误阈值Td，若否，则乘客选择新路径出行，若是，则选择替换站，重新计算出行路径，并选择最优路径；
步骤S2.3.10：判断下一个在途的乘客，重复步骤S2.3.1-步骤S2.3.9，直到最后一个乘客结束。
4.根据权利要求3所述的一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，
所述步骤S2.3.8中选择替换站包括：
计算当前车站o途经替换站j至终点站d的行程估计时间所述行程估计时间/>由当前车站o至替换站j的出行时间及替换站j至终点站d的出行时间构成，公式为：
其中，Toj为当前车站o至替换站j的乘车时间，Tjd为替换站j至终点站d的乘车时间，γ为其他交通方式出行时间的放大系数，
计算所有备选替换站的行程估计时间选最小值作为最终的替换站，所述备选替换站包括：中断区间的两端车站、中断区间内的所有换乘站。
5.根据权利要求4所述的一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，
所述步骤S2.4包括：
步骤S2.4.1：从客流出行数据库中读取乘客刷卡信息，所述乘客刷卡信息包括***、起点站、终点站和进站时刻信息；
步骤S2.4.2：判断起点站是否位于中断区间内，若是，则执行步骤S2.4.3，若否，则执行步骤S2.4.4；
步骤S2.4.3：判断是否替换起点站，若是，则选择替换站来代替起点站出行，执行步骤S2.4.4，若否，则放弃出行；
步骤S2.4.4：判断终点站是否位于中断区间内，若是，则执行步骤S2.4.5；若否，则执行步骤S2.4.6；
步骤S2.4.5：判断是否替换终点站，若是，则选择替换站来代替终点站出行，注册终点站改变记录，执行步骤S2.4.6，若否，则放弃出行；
步骤S2.4.6：计算当前车站到终点站是否存在有效路径，若是，则选择最优路径出行，若否，则放弃出行；
步骤S2.4.7：判断下一个新进站乘客，重复步骤S2.4.2-步骤S2.4.6，直到最后一个新进站乘客结束。
6.根据权利要求2所述的一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，
所述步骤S3.3包括：
S3.3.1：获取中断区间信息，即ES＝{Sj|j＝1,2,3...m}，Sj为属于中断区间的车站，中断阶段下乘客已选路径ER＝{Sr|r＝1,2,3...n}，正常情况所有OD对的路径集为NP；
S3.3.2：获取在途乘客的当前位置，若乘客在站内，则获取车站Si，若位于列车上，则获取该车所在运行区间Si-1-Si的前方车站Si，乘客的状态包括未进站、已进站及已出站；
S3.3.3：分析乘客在中断阶段是否由于长时间候车被迫在本站出站，若是，则转到步骤S3.3.4；否则，转到步骤S3.3.5；
S3.3.4：判断乘客是否已出站，若是，则按计划路径出行，若否，则恢复乘客原始终点站，执行步骤S3.3.6；
S3.3.5：分析该乘客在中断阶段是否改变终点站，若是，则先恢复至原始终点站，执行步骤S3.3.6，若否，则直接执行步骤S3.3.6；
S3.3.6：在正常路径表中查找乘客从当前车站至终点站的路径，并选择最短路径；
S3.3.7：判断新选路径是否包含中断区间，若否，则按计划出行，若是，则执行步骤S3.3.8；
S3.3.8：与原路径相比，判断新路径的节省时间是否大于换路成本，以判断是否改变路径，若是，则选择新路径出行，若否，则按计划路径出行；
S3.3.9：判断下一个在途的乘客，重复步骤S3.3.1-步骤S3.3.8，直到最后一个乘客结束。
7.根据权利要求6所述的一种运营中断事件下多阶段路网乘客出行仿真方法，其特征在于，
所述步骤S3.3.8中判断新路径改变带来的节省时间是否大于换路成本，以判断是否改变路径，若是，则选择新路径出行，若否，则按计划路径出行包括：采用公式(1)判断新路径改变带来的收益是否大于换路成本，若是，则选择新路径出行，若否，则乘客保持原计划路径惯性出行，
Told-Tnew≥Tcost (1)
其中，Told为原有计划路径的出行时间费用，Tnew为计算新路径的出行时间费用，Told-Tnew为新路径改变带来的节省时间，Tcost为乘客换路带来不舒适性的费用成本，又称换路成本。
8.一种运营中断事件下多阶段路网乘客出行仿真***，其特征在于，包括：
正常运营模块，用于在正常运营阶段，基于列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
中断运营模块，用于在中断运营阶段，根据中断事件信息重构中断路网拓扑结构，根据中断路网拓扑结构重新计算出行路径，并对进站和未进站乘客根据时空位置及后续行程段的路径可达性进行决策调整；
恢复运营模块，用于在恢复运营阶段，根据恢复运营信息重构恢复路网拓扑结构，根据恢复路网拓扑结构重新计算出行路径，并对中断运营阶段受影响的乘客根据时空位置及后续行程段的路径可达性进行决策调整；
在正常运营阶段，读取路网拓扑结构，基于路网拓扑结构计算各OD对的出行路径；
读取计划的列车运行图，基于计划的列车运行图生成列车对象信息；
读取正常运营阶段的客流出行数据，基于客流出行数据为乘客选择出行路径，生成乘客对象信息；
基于正常运营阶段的路网拓扑结构、列车对象信息和乘客对象信息运行正常运营阶段的路网乘客出行仿真，记录正常运营阶段的列车及乘客的时空位置；
在中断运营阶段，读取中断事件信息，根据中断事件信息重构中断路网拓扑结构，计算中断下各OD对的出行路径；
读取中断下的中断列车运行图，对比计划的列车运行图，以更新列车对象信息；
根据正常运营阶段下记录的当前时刻的乘客时空位置及后续行程段的路径可达性，更新在途乘客状态；
读取中断运营阶段的客流出行数据，若乘客的起点或终点站位于中断区间，则选择新的起点或终点站，基于客流出行数据为乘客选择出行路径；
运行中断运营阶段的路网乘客出行仿真，记录中断运营阶段的列车及乘客的时空位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311685064.5A CN117649034B (zh) | 2023-12-08 | 2023-12-08 | 一种运营中断事件下多阶段路网乘客出行仿真方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311685064.5A CN117649034B (zh) | 2023-12-08 | 2023-12-08 | 一种运营中断事件下多阶段路网乘客出行仿真方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117649034A CN117649034A (zh) | 2024-03-05 |
| CN117649034B true CN117649034B (zh) | 2024-04-30 |
Family
ID=90044897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311685064.5A Active CN117649034B (zh) | 2023-12-08 | 2023-12-08 | 一种运营中断事件下多阶段路网乘客出行仿真方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117649034B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503315A (zh) * | 2016-10-10 | 2017-03-15 | 北京市交通信息中心 | 轨道交通突发事件下进站乘客出行特征比例的确定方法 |
| CN107194497A (zh) * | 2017-04-27 | 2017-09-22 | 北京交通大学 | 一种突发事件下城市轨道交通乘客出行路径规划方法 |
| CN107273999A (zh) * | 2017-04-27 | 2017-10-20 | 北京交通大学 | 一种突发事件下城市轨道交通客流预测方法 |
| CN107358309A (zh) * | 2017-05-18 | 2017-11-17 | 北京交通大学 | 基于微信公众号的轨道交通乘客出行信息服务*** |
| CN108364127A (zh) * | 2018-02-01 | 2018-08-03 | 北京市地铁运营有限公司 | 一种路网客流协同控制优化*** |
| CN111401614A (zh) * | 2020-03-09 | 2020-07-10 | 西南交通大学 | 一种城市轨道交通动态客流分配方法及*** |
| CN112418562A (zh) * | 2020-12-15 | 2021-02-26 | 同济大学 | 一种城市轨道交通网络乘客出行方案推定方法 |
| CN113408926A (zh) * | 2021-06-30 | 2021-09-17 | 北方工业大学 | 短时中断情况下城市轨道交通客流分配方法 |
| DE102020111084A1 (de) * | 2020-04-23 | 2021-10-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Schutz eines Niedervolt-Bordnetzes eines Fahrzeugs |
| CN113935595A (zh) * | 2021-09-28 | 2022-01-14 | 北京交通大学 | 一种城市轨道交通路网高峰大客流疏导*** |
| CN115909729A (zh) * | 2022-11-03 | 2023-04-04 | 北京交通大学 | 一种基于数字孪生的地铁线网运营中断情况下的仿真预测方法及*** |
| CN116451867A (zh) * | 2023-04-25 | 2023-07-18 | 杭州舸米科技有限公司 | 一种基于时空出行路径标定的地铁短时客流预测方法 |
| CN116862324A (zh) * | 2023-06-30 | 2023-10-10 | 东南大学 | 一种城市轨道交通网络时空拓扑模型构建方法及*** |
| CN116862325A (zh) * | 2023-06-30 | 2023-10-10 | 东南大学 | 一种城市轨道交通乘客出行链推断方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019089633A1 (en) * | 2017-10-31 | 2019-05-09 | East Coast Racing Technologies, Llc | Track information system |
-
2023
- 2023-12-08 CN CN202311685064.5A patent/CN117649034B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503315A (zh) * | 2016-10-10 | 2017-03-15 | 北京市交通信息中心 | 轨道交通突发事件下进站乘客出行特征比例的确定方法 |
| CN107194497A (zh) * | 2017-04-27 | 2017-09-22 | 北京交通大学 | 一种突发事件下城市轨道交通乘客出行路径规划方法 |
| CN107273999A (zh) * | 2017-04-27 | 2017-10-20 | 北京交通大学 | 一种突发事件下城市轨道交通客流预测方法 |
| CN107358309A (zh) * | 2017-05-18 | 2017-11-17 | 北京交通大学 | 基于微信公众号的轨道交通乘客出行信息服务*** |
| CN108364127A (zh) * | 2018-02-01 | 2018-08-03 | 北京市地铁运营有限公司 | 一种路网客流协同控制优化*** |
| CN111401614A (zh) * | 2020-03-09 | 2020-07-10 | 西南交通大学 | 一种城市轨道交通动态客流分配方法及*** |
| DE102020111084A1 (de) * | 2020-04-23 | 2021-10-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Schutz eines Niedervolt-Bordnetzes eines Fahrzeugs |
| CN112418562A (zh) * | 2020-12-15 | 2021-02-26 | 同济大学 | 一种城市轨道交通网络乘客出行方案推定方法 |
| CN113408926A (zh) * | 2021-06-30 | 2021-09-17 | 北方工业大学 | 短时中断情况下城市轨道交通客流分配方法 |
| CN113935595A (zh) * | 2021-09-28 | 2022-01-14 | 北京交通大学 | 一种城市轨道交通路网高峰大客流疏导*** |
| CN115909729A (zh) * | 2022-11-03 | 2023-04-04 | 北京交通大学 | 一种基于数字孪生的地铁线网运营中断情况下的仿真预测方法及*** |
| CN116451867A (zh) * | 2023-04-25 | 2023-07-18 | 杭州舸米科技有限公司 | 一种基于时空出行路径标定的地铁短时客流预测方法 |
| CN116862324A (zh) * | 2023-06-30 | 2023-10-10 | 东南大学 | 一种城市轨道交通网络时空拓扑模型构建方法及*** |
| CN116862325A (zh) * | 2023-06-30 | 2023-10-10 | 东南大学 | 一种城市轨道交通乘客出行链推断方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 城市轨道交通运营中断下客流分配方法;周慧娟 等;中国安全科学学报;20230615;第33卷(第6期);第144-151页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117649034A (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107273999B (zh) | 一种突发事件下城市轨道交通客流预测方法 | |
| CN107643085B (zh) | 一种路径推荐方法与装置 | |
| CN103838846B (zh) | 一种基于大数据的面向个人的应急引导方法及*** | |
| CN113470365A (zh) | 一种面向有缺失数据的公交车到站时间预测方法 | |
| CN103530694B (zh) | 基于时空网络构建的城市地铁动态客流分配方法 | |
| WO2014199503A1 (ja) | 交通需要制御装置 | |
| CN110019569B (zh) | 一种获取城市轨道交通运营状态信息的方法 | |
| WO2013154901A1 (en) | Traffic forecasting | |
| Osogami et al. | Toward simulating entire cities with behavioral models of traffic | |
| CN111724076A (zh) | 运营中断条件下区域多式轨道交通客流动态分配方法 | |
| CN107886189B (zh) | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 | |
| CN113887617A (zh) | 一种市域内部铁路出行轨迹识别方法、装置及存储介质 | |
| CN104766134A (zh) | 在运营中断下进行城市轨道交通乘客出行诱导***及其应用 | |
| CN104282142A (zh) | 一种基于出租车gps数据的公交站台设置方法 | |
| Zhang et al. | Analysis of Spatial‐Temporal Characteristics of Operations in Public Transport Networks Based on Multisource Data | |
| CN109615865B (zh) | 一种基于od数据增量迭代式估计路段交通流量的方法 | |
| CN117649034B (zh) | 一种运营中断事件下多阶段路网乘客出行仿真方法及*** | |
| CN112748452B (zh) | 一种基于路网数据的gps轨迹清洗方法 | |
| Cremer | On the calculation of individual travel times by macroscopic models | |
| CN116451867A (zh) | 一种基于时空出行路径标定的地铁短时客流预测方法 | |
| JPH09132143A (ja) | 列車運転整理支援装置 | |
| JP4281351B2 (ja) | ナビゲーションシステム及びプログラム | |
| Zhao et al. | Dynamic traffic bottlenecks identification based on congestion diffusion model by influence maximization in metro‐city scales | |
| CN107886190B (zh) | 一种突发事件下乘客出行选择行为仿真方法及装置 | |
| CZ290287B6 (cs) | Způsob stanovení jízdních časů a prognóz jízdních časů v dopravní síti s pouľitím polohování mobilních telefonů a systém k provedení způsobu |
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 |