掌桥专利:专业的专利平台
掌桥专利
首页

一种城市轨道交通突发中断场景下的列车时刻表调整方法

文献发布时间:2024-01-17 01:23:17


一种城市轨道交通突发中断场景下的列车时刻表调整方法

技术领域

本申请涉及交通运输技术领域,更具体地,涉及一种城市轨道交通突发中断场景下的列车时刻表调整方法。

背景技术

城市轨道交通是城市交通系统组成的重要部分之一,对于城市居民的日常出行具有重要的影响。然而,在日常运营过程中,经常遇到不可预估的突发性事件影响,导致城市轨道交通线路在部分区域短时或长时间中断。中断事故发生后,如何快速制定合理的列车时刻表调整方案,保证列车的运行安全、满足乘客的出行需求,是轨道交通运营管理人员一直关心的问题。

近年来,城市轨道交通突发性事件的应急疏散越来越成为城市轨道交通运营管理的热点问题之一,其中列车时刻表的调整是重要的手段之一。常见的列车时刻表调整方法包括:取消车次、灵活停站、灵活折返(开行小交路)、调整列车发车间隔、调整列车走行时间等。虽然调整策略众多,但是采用几种策略的优势组合往往能取得好的结果。为了得到最优列车时刻表调整方案,通常采用建立优化数学模型的方法。由于中断发生具有时效性,需快速求解所建立的数学模型得到时刻表调整方案。目前求解算法分为两类:一类依赖于商业优化求解软件,通过建立相对简单的数学优化模型,使用商业软件如cplex,gurobi来求解。该类方法无法短时间内快速解决列车时刻表层面的优化问题,因此实际应用具有一定的局限性。另一类通过设计启发式算法求解建立的优化模型,该类模型能够在较短时间内迅速获得一个可行的列车时刻表调整方案,更加适用于实际应用场景。目前,设计合理有效的启发式算法求解列车时刻表的调整问题仍处于探索阶段,需要更多的技术手段支撑实际场景的需要。

综上,目前的列车时刻表调整方案通常利用数学优化模型,如混合整数规划模型,线性优化模型等。这种优化模型虽然具有良好的数学性质,适用于小规模城市轨道交通线路突发中断事件的列车时刻表调整,但是在大规模的轨道交通线路中断场景中无法迅速求得最优解。此外,目前的数学优化模型的求解非常依赖于商用优化求解器及计算机硬件条件,计算耗时且对于硬件耗费较大,因此无法快速稳定获得列车时刻表调整方案,不利于辅助轨道交通运营管理者迅速做出应对措施。

发明内容

本申请的目的是克服上述现有技术的缺陷,提供一种城市轨道交通突发中断场景下的列车时刻表调整方法。该方法包括以下步骤:

获取中断后轨道交通线路条件、中断时段内的客流需求数据、正常列车时刻表,并预测中断发生时长,其中所述中断后轨道交通线路条件包括轨道交通线路的车站集合,中断区域的开始车站和结束车站,所述列车时刻表包括车站出发时间和到达时间,所述客流需求数据包括客流起讫点、客流需求产生时间和需求数量;

以疏解过载车站的滞留乘客数量为目标,采用过载车站导向的启发式算法,获得调整的初始列车时刻表,作为当前最优解;

在设置的迭代次数范围内,对当前最优解进行扰动和局部搜索操作,以确定满足设定目标函数的最优的列车时刻表,其中每一次迭代更新当前最优解,该当前最优解是迭代过程中上一次迭代所得到的最优解。

与现有技术相比,本申请的优点在于,所提供的城市轨道交通突发事件情景下的列车时刻表调整方法是一种基于迭代局部搜索的启发式算法,根据突发中断发生后客流需求变化调整列车时刻表方案,能够让使用者根据目前城市轨道交通线路状况规划新的列车时刻表,并且该方法可以在较短时间内获得时刻表调整的最优方案,有利于后期列车运行图的调整和优化。

通过以下参照附图对本申请的示例性实施例的详细描述,本申请的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且连同其说明一起用于解释本申请的原理。

图1是根据本申请一个实施例的城市轨道交通突发中断场景下的列车时刻表调整方法的流程图;

图2是根据本申请一个实施例的过载车站导向的启发式算法流程图;

图3是根据本申请一个实施例的迭代局部搜索流程图;

图4是根据本申请一个实施例的客流加载流程图;

图5是根据本申请一个实施例的扰动操作示意图;

图6是根据本申请一个实施例的局部搜索示意图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。

应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。

参见图1所示,本申请所提供的城市轨道交通突发中断场景下的列车时刻表调整方法包括如下步骤:

步骤110,获取中断时段内的客流需求数据、原始时刻表数据以及相关参数。

首先,确定发生中断轨道交通线路条件。例如,中断后轨道交通线路条件包括轨道交通线路的车站集合R,中断区域的开始车站

在一个实施例中,定义轨道交通线路上行方向为车站编号增大的方向,下行方向为车站编号减小的方向。中断区域的开始车站

此外,提取的其他重要参数包括正常情景下列车时刻表信息(或称为原始时刻表)、客流需求数据以及通过该列车时刻表信息和客流需求数据处理获得其他特征参数。列车时刻表信息包含车站出发时间

步骤S120,预测中断发生的时长。

例如,预测中断时长可通过分析目前的设施设备恢复状况,预估中断恢复所需作业时间,这种预测方法可采用经验分析法,或使用科学预测手段,如移动平均法、神经网络预测等。

步骤S130,采用过载车站导向的启发式算法获得调整的初始列车时刻表。

过载车站导向的启发式算法仍然沿用正常列车时刻表。但是由于中断区域的存在,列车无法从中断区域内通过,因此需要对正常列车时刻表稍做调整:令上行方向列车在车站

参见图2,采用过载车站导向的启发式算法获取列车时刻表调整的初始可行方案包括如下步骤:

步骤S11,将客流需求p∈P按照需求产生时间

例如,首先将客流按照产生时间

步骤S12,将排序后的客流需求p∈P加载至未中断前的正常列车时刻表的车次上。

例如,客流的加载按照先到先服务、数量优先的原则,将客流p∈P按照顺序依次加载到正常列车时刻表车次上。

步骤S13,构建过载车站集合

其中,C

步骤S14,判断集合R

步骤S15,寻找最大过载车站

步骤S16,寻找到达车站r*贡献累积人数最多的车次

例如,c

步骤S17,随机选择合适的车站r作为车次u*的折返车站,令b

步骤S18,更新列车时刻表,将客流需求p∈P加载至新的列车时刻表上。

步骤S19,构建过载车站集合

步骤S20,输出列车时刻表。

在图2实施例中,首先利用正常列车时刻表获得一个解(步骤S11~步骤S12),但是该解无法保证是可行解,因此需要通过客流的加载判断是否满足车站客流滞留人数的约束。若满足,则该解为初始可行解,算法结束。否则,需通过分析过载车站的客流来源组成,并将客流最大的提前疏解,这种算法的思想是一种贪婪策略。通过不断疏解过载车站的人数,直到线路上没有过载车站,算法终止。

步骤S140,采用迭代局部搜索算法确定最优的列车时刻表。

由于步骤S130只是获得一个初始列车时刻表调整方案,该初始可行解并不能保证是最优列车时刻表方案。在此基础上,进一步提出一种基于迭代局部搜索算法的启发式算法,通过逐步寻优改进当前列车时刻表。例如,对该算法的适用范围做以下情景假设:1)列车在运行过程中区间走行时间和停站时间固定;2)在调整列车时刻表时需保证列车站台容纳能力约束和列车车头时距的约束。

具体地,步骤S140根据当前解,对当前解进行扰动和局部搜索操作,每一代更新当前最优解,直到达到最大迭代次数。例如,当前解为迭代过程中上一次迭代所得到的最优解。当前解的信息包括:列车时刻表信息(车站出发时间

在一个实施例中,扰动操作是通过对当前解的特定车次实施取消车次策略或提前折返策略实现。通过该扰动操作可以较大程度改变当前最优解的结构,避免搜索陷入局部最优解。

在一个实施例中,局部搜索是通过改变特定车次的出发时间,该车次在安全车头时距内变更出发时间,从而在局部范围内改善当前最优解。

参见图3是基于迭代局部搜索算法的启发式算法来改进初始列车时刻表,以确定最优列车时刻表的示例,具体包括如下步骤:

步骤S31,输入初始列车时刻表及客流需求p∈P,设定算法迭代次数N_iteration,令n=1。

例如,算法迭代次数是算法终止的条件,一般最小值设置为100,且迭代次数越多越能保证搜索到最优解,但同时也会增加搜索时间。

步骤S32,对当前时刻表执行扰动操作,产生一系列新的列车时刻表调整方案。

例如,扰动操作包括取消车次策略和小交路策略。通过一定的概率执行两种策略之一,该概率由执行者根据操作成本自行设定。

步骤S33,对步骤S32中产生的新的列车时刻表执行局部搜索操作,并更新列车时刻表。

例如,局部搜索操作包括调节列车出发时间策略。该局部搜索针对于所选择的特定车次更变列车出发时间,对当前列车时刻表进行改进。若能搜索到更优的列车时刻表,则更变当前列车时刻表为搜索得到的更优列车时刻表,否则当前列车时刻表保持不变。

步骤S34:找到当前最优列车时刻表,令n=n+1。

步骤S35:判断n是否大于N_iteration。若是,则输出当前最优时刻表,否则执行步骤S32。

在下文中,将具体描述过载车站导向的启发式算法和迭代局部搜索算法的实施例。

一、关于过载车站导向的启发式算法的实施例

当列车突发性中断发生后,若继续采用原有列车时刻表,将有可能导致乘客在中断区域的端点车站快速滞留,这对突发事件的应急疏散及人员安全造成了巨大的隐患。考虑到地铁车站的疏散能力,时刻表的设计应保证客流累积数量不超过车站内站台的容纳能力。为了设计满足车站站台容纳能力的列车时刻表调整方案,本申请提供了一种过载车站导向的启发式算法

1)列车时刻表信息的储存

过载车站导向的启发式算法旨在调整正常列车时刻表,因此对于列车时刻表信息的存储是进行扰动操作和局部搜索操作的基础。例如,采用

2)客流加载

客流加载是指将客流加载到当前列车时刻表中的各个车次上。本申请采用先到先服务的加载、人数优先的原则,更加接近实际客流乘车行为的模拟。具体地,先到先服务是指先到达的乘客具有优先加载至最近车次的权力,而人数优先是指对于同一时刻到达的客流,人数多的客流具有优先加载最近车次的权力。

图4是客流加载的流程图。首先需要对客流按照时间顺序排序,在客流加载过程中按照该顺序依次将客流加载到各个车次中。

具体地,将客流p加载至U_p(n)车次的详细过程如下:

步骤S41,计算客流p能够加载到车次U_p(n)上的人数,即

步骤S42,将客流p加载到车次U_p(n)中

步骤S43,更新

为清楚起见,对图4的客流加载过程说明如下:

(1)步骤S41中考虑到车次的容量可能少于客流需求的数量,当前车次U_p(n)并不能满足客流p,因此需计算当前车次的剩余容量。其中,V

(2)步骤S42中在步骤S41加载完客流后,需更新车次u中车上的人数。

(3)步骤S43中也许更新客流p中未加载的乘客人数,以便再接下来的加载中加载至下一车次。

3)衡量指标

列车的时刻表优劣不仅要考虑乘客的出行成本,同时也要考虑轨道交通运营者实施调整策略的成本。在一个实施例中,采用如下指标来衡量时刻表的总成本:

其中,λ

综上,所提供的基于过载车站导向的启发式算法,通过不断搜索最大超载车站,并使用小交路策略疏解过载车站,得到初始可行列车时刻表方案。

二、关于迭代局部搜索算法的实施例

通过过载车站导向的启发式算法,为迭代局部搜索算法提供一个初始可行列车时刻表。然而,该初始可行列车时刻表无法保证是最优方案。因此,本申请进一步提供了一种基于迭代局部搜索算法的启发式算法,通过逐步寻优改进当前列车时刻表。

1)扰动操作

扰动操作通过较大程度改变当前最优解的结构,避免搜索陷入局部最优解。扰动操作方法包括如下步骤:

步骤S51,设定N_neighbor,令n=1转步骤S52。

步骤S52,产生0-1之间的随机数rand,若rand<λ

例如,产生的0-1之间的随机数的概率满足0~1之间的均匀分布。

步骤S53,随机取消当前最优列车时刻表的一个车次,令n=n+1,转步骤S55。

步骤S54,随机选择一个车次更变其折返车站,令n=n+1,转步骤S55。

步骤S55,判断n是否大于N_neighbor。若是,则输出所有新的列车时刻表方案;否则,转步骤S52。

需要说明的是,步骤S53和步骤S54分别随机选择一个车次进行取消策略或小交路策略。扰动操作将最终产生N_neighbor个邻域解(调整的列车时刻表)。

图5是扰动操作示意图。其中,图5(a)是取消车次策略示意图,车次u2为取消车次,图5(b)是小交路策略示意图,车次u由车站r3折返更变为车站r2折返。通过扰动操作,调整列车时刻表,可以改变客流的分布。

2)局部搜索

图6是局部搜索示意图,具体包括以下步骤:

步骤S61,随机选择当前解的一个车次u作为局部搜索的目标车次。

例如,随机选择使用的车次,每个车次选择的概率符合均匀分布。

步骤S62,确定车次u的出发时间区间

其中,车次u(-)表示车次u的下一趟车次,u(+)表示车次u的上一趟车次。g

步骤S63,车次的出发时间在区间

在图6的示例中,车次u2的局部搜索范围是

综上所述,现有的时刻表调整方法依赖于商业优化软件且计算求解时间较长,无法应用于大规模城市轨道交通线路上突发中断事故的应急响应。由于中断发生后城市轨道交通线路上部分区域列车无法通过,为了保证列车运行安全和滞留乘客的安全,本申请所提供的城市轨道交通突发中断情景下的列车时刻表调整方法,采用三种组合策略调整既有列车时刻表(取消车次策略,小交路策略和调节列车出发时间策略)。此外,为了获得最优列车时刻表调整方案,本申请进一步提出了基于迭代局部搜索的启发式算法,可在较短时间内获得列车时刻表调整方案,为城市轨道交通运营管理者提供技术支持,在实践中更具指导价值。

本申请可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++、Python等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本申请的各个方面。

这里参照根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本申请的范围由所附权利要求来限定。

技术分类

06120116175043