一种确定地铁高峰时段列车停站的方法、装置和存储介质

技术领域

本文件涉及轨道交通智能控制领域，尤其涉及一种确定地铁高峰时段列车停站的方法、装置和存储介质。

背景技术

由于职住分离现象，大城市郊区线路的客流往往具有明显的长距离出行、时空分布不均衡特征，在客运高峰时段，部分车站客流量较小，而部分车站由于过高的列车满载率导致乘客滞留站台。

针对上述问题，现有技术多以最小化所有乘客总出行时间或(和)运营企业运营成本为目标。

然而，现有技术存在以下不足：部分研究只考虑了因快车跨站运行造成的乘客滞留，而未考虑高峰时期超高的列车载客量导致乘客滞留的情况；部分研究基于设定的快慢车开行比例或者快车跳停车站，限制了停站方案的多样化；部分研究未考虑运输组织的可操作性，计算的跳停方式过于复杂且无序；此外，大多数研究未考虑多样化停站方案造成的列车发车间隔不均衡的问题。

发明内容

鉴于上述的分析，本申请旨在提出一种确定地铁高峰时段列车停站的方法、装置和存储介质，以解决上述技术问题中的一个。

第一方面，本说明书一个或多个实施例提供了一种确定地铁高峰时段列车停站的方法，包括：

采集目标线路的列车运行数据；

根据所述列车运行数据，确定客流数据和停车约束条件；所述停车约束条件用于约束必停车站、列车跨站数量和停车方式数量；

根据所述客流数据和所述停车约束条件，基于灾变思想的遗传算法，确定所述目标线路的停站方式。

进一步地，所述停车约束条件，包括：列车连续跨站数量约束和车站连续跳停列车数量约束；

所述列车连续跨站数量约束具体为：

其中，m表征停车车站标识，i为所述目标线路上任一车站标识，M

所述车站连续跳停列车数量约束具体为：

其中，M

进一步地，所述停车约束条件，包括：必停车站约束；

所述根据所述客流数据和所述停车约束条件，基于灾变思想的遗传算法，确定所述目标线路的停站方式，包括：

根据所述必停车站约束，构建遗传算法的个体；

根据预设内循环次数、预设迭代次数和预设灾变次数，基于遗传算法，对所述个体进行运算，得到最优解；

根据所述最优解，确定所述目标线路的停站方式。

进一步地，所述根据预设迭代次数和预设灾变次数，基于遗传算法，对所述个体进行运算，包括：

检测当前迭代次数未到达预设值时，根据当前个体和所述内循环次数，基于所述遗传算法得到下一代个体；

确定所述下一代个体的最优适度值；

确定所述下一代个体的最优适度值与当前最优适度相同的次数是否达到预设灾变次数；

在确定所述下一代个体的最优适度值与当前最优适度相同的次数达到所述预设灾变次数时，对所述下一代个体启动灾变运算。

进一步地，所述根据所述必停车站约束，构建遗传算法的个体，包括：

根据所述必停车站约束，确定至少一个停站方案；

根据所述至少一个停站方案，基于循环组合法，生成所述个体。

第二方面，本申请实施例提供了一种确定地铁高峰时段列车停站的装置，包括：采集模块和数据处理模块；

所述采集模块用于采集目标线路的列车运行数据；

所述数据处理模块用于根据所述列车运行数据，确定客流数据和停车约束条件；所述停车约束条件用于约束必停车站、列车跨站数量和停车方式数量；根据所述客流数据和所述停车约束条件，基于灾变思想的遗传算法，确定所述目标线路的停站方式。

进一步地，所述停车约束条件，包括：列车连续跨站数量约束和车站连续跳停列车数量约束；

所述列车连续跨站数量约束具体为：

其中，m表征停车车站标识，i为所述目标线路上任一车站标识，M

所述车站连续跳停列车数量约束具体为：

其中，M

进一步地，所述停车约束条件，包括：必停车站约束；

所述数据处理模块用于根据所述必停车站约束，构建遗传算法的个体；根据预设内循环次数、预设迭代次数和预设灾变次数，基于遗传算法，对所述个体进行运算，得到最优解；根据所述最优解，确定所述目标线路的停站方式。

进一步地，所述数据处理模块用于检测当前迭代次数未到达预设值时，根据当前个体和所述内循环次数，基于所述遗传算法得到下一代个体；确定所述下一代个体的最优适度值；确定所述下一代个体的最优适度值与当前最优适度相同的次数是否达到预设灾变次数；在确定所述下一代个体的最优适度值与当前最优适度相同的次数达到所述预设灾变次数时，对所述下一代个体启动灾变运算。

第三方面，本申请实施例提供了一种存储介质，包括：

用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现第一方面中任一项所述的方法。

与现有技术相比，本申请至少能实现以下技术效果：

为了考虑运输组织的可操作性，加入能够约束必停车站、列车跨站数量和停车方式数量。其中，必停车站可以为预定的中转站，以保证旅客正常换乘。约束列车跨站数量以兼顾时间和客流量，约束停车方式数量以降低调度复杂度，从而提高调度效率。由此可知，上述条件均能保证运输组织的可操作性。基于上述，利用传统遗传算法进行求解时，不容易收敛，因此引入灾变算法，以利于收敛，从而提高效率。

附图说明

为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例，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为本说明书一个或多个实施例提供一种确定地铁高峰时段列车停站的方法的流程图；

图2为本说明书一个或多个实施例提供的7:30-8:00时间段的区间断面客流量；

图3为本说明书一个或多个实施例提供的7:30-8:00时间段车站上下车客流量；

图4为本说明书一个或多个实施例提供的IGACT算法迭代收敛示意图；

图5为本说明书一个或多个实施例提供的传统GA算法迭代收敛示意图；

图6为本说明书一个或多个实施例提供的不同场景下的列车运行图；

图7为本说明书一个或多个实施例提供的列车离开各车站时载客量的热力图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。

列车停站方案是在综合考虑乘客需求、运营效率等因素基础上制定的，在这方面铁路和城市交通存在显著不同。具体地，城市存在早晚高峰，导致城市交通的停站方案需要考虑居民分布，工作区域分布。而铁路的主要目的不是解决上述问题，因此城市交通和铁路要解决的问题不同。

而在城市交通中，公交和城市轨道交通也存在显著差异，对于早晚高峰公交很难保证到站时间，以及单量公交载客量远小于单量轨道列车，因此其停站方案很难兼顾客流量和时间，即公交的列车停站方案通常不考虑兼顾客流量和时间。

针对城市轨道交通的特点，本申请实施例提出了一种确定地铁高峰时段列车停站的方法，包括以下步骤：

步骤1，采集目标线路的列车运行数据。

在本申请实施例中，列车运行数据如表1所示：

表1

步骤2、根据列车运行数据，确定客流数据和停车约束条件。

在本申请实施例中，停车约束条件用于约束必停车站、列车跨站数量和停车方式数量。其中，必停车站可以为预定的中转站，以保证旅客正常换乘。约束列车跨站数量以兼顾时间和客流量，约束停车方式数量以降低调度复杂度，从而提高调度效率。

具体地，停车约束条件包括：

1)特殊车站停站约束

所有列车在始发站、终到站，以及部分客流量较大的关键车站需要停车。

式中，Ω

2)追踪间隔约束

追踪间隔时间指同方向相邻列车在运行过程中保证互不干扰的最小间隔时间。由于快慢列车之间存在技术速度差，因此列车k-1和列车k之间的发车间隔应满足：

其中，a

a

3)列车连续跨站数量约束

式中，M

4)车站连续跳停列车数量约束

式中，M

5)车站可达约束

式中，M

6)站停方式约束

M

式中，Ψ(k)是列车k在所有车站停站标识的顺序排列，Ψ(k)＝(x

客流量具体包括：

1)上车乘客数量

当乘客需求量超过列车最大载客量时，上车乘客数量受满载率限制；否则，所有乘客均可上车。根据列车载客情况的不同，列车k在车站i的上车乘客数量为：

2)下车乘客数量

假定列车k到达车站m的车内乘客按照后续车站i吸引客流总量的相对比例下车，则：

式中，

则列车k到达车站i下车总乘客数为：

列车k始发站到达和终到站离开时的载客量均为0，即对

3)列车离站载客数量

人数。

4)留乘乘客数量

当且仅当乘客需求量超过列车最大载客量时有乘客滞留，因此：

终到站无滞留乘客，即对

5)到站或者换乘乘客数量

列车k到达车站j时的候车乘客包括两部分，列车k-1的留乘乘客，以及两列车之间的到站或者换乘乘客。根据假设，研究时段T内各OD对间的客流q

则列车k-1和列车k发车间隔i，k的到达或换入客流量为：

终到站无到站或者换乘乘客，即对/>

6)乘客候车时间计算

候车时间包括两部分，留乘乘客的候车时间，以及进站或者换乘乘客的候车时间。其中，前者为i，k；假定乘客到达车站服从均匀分布，则后者为

终到站无乘客候车，即对

7)乘客旅行时间计算

旅行时间包括到站未下车乘客在车站的站停时间，以及离站后车内乘客在区间的运行时间和启停附加时分，则：

终到站旅行时间为0，即对

步骤3、根据客流数据和停车约束条件，基于灾变思想的遗传算法，确定目标线路的停站方式。

在本申请实施例中，步骤3的具体过程为：根据所述必停车站约束，构建遗传算法的个体；根据预设内循环次数、预设迭代次数和预设灾变次数，基于遗传算法，对所述个体进行运算，得到最优解；根据所述最优解，确定所述目标线路的停站方式。

需要说明的是，停站方案太多，不利于运输组织统筹安排，但为了便于后续遗传算法，根据所述必停车站约束，确定至少一个停站方案。之后根据所述至少一个停站方案，基于循环组合法，生成个体。该个体可以用于遗传算法。

此外，为了兼顾算法效率和准确度，本申请计算过程分为两部分，一部分是遗传算法一部分是灾变运算，两部分运算都是以迭代的方式展开的。因此本申请预设迭代次数为两部分算法迭代次数的总数。其具体运行过程为：

检测当前迭代次数未到达预设值时，根据当前个体和内循环次数，基于遗传算法得到下一代个体；确定下一代个体的最优适度值；确定下一代个体的最优适度值与当前最优适度相同的次数是否达到预设灾变次数；在确定下一代个体的最优适度值与当前最优适度相同的次数达到预设灾变次数时，对下一代个体启动灾变运算。

针对上述遗传算法迭代过程给出具体例子：

步骤1.1：如果ω＜ω

步骤1.2：如果ω′＜M，采用轮盘赌方法选择两个体X

步骤1.3：在1～|N·M

步骤1.4：在1～|N·M

步骤1.5：根据约束条件判断X

步骤2：灾变操作；

步骤2.1：如果

步骤2.2：如果ω″＜ω

步骤3：循环结束，输出最优方案Z

为了说明本申请上述实施例所述方法的可行性，本申请给出了及具体示例：

北京地铁15号线全长41.4km，连接海淀区、朝阳区与顺义区，客流呈现明显的长距离出行特征，以2023年3月6日客流数据为例，当日客流平均运距14.88km，平均乘车站数7站，平均乘车时间达22.16min。此外，客流潮汐特征显著，2023年3月6日7：30-8：00时段的断面客流数据如图2所示。

15号线设有车站20座，其中换乘站5座，7:30-8:00时段各车站的上下车客流数据如图3所示，由图可知：1)列车在换乘站望京、大屯路东、望京西、奥林匹克公园和六道口的客流量都很大，换乘站应作为必须停车的关键车站；2)下行方向，列车从俸伯到后沙峪几个车站的上车客流量都较大，上述车站可考虑作为关键车站。

为了缓解早高峰不均衡的客流压力，北京地铁在客流量较小的上行方向开行两种停站方式的大站快车，即连续跳停南法信、石门、顺义共3站，以及连续跳停崔各庄、马泉营、孙河、国展、花梨坎共5站。但是，该跳停方案连续跳停车站数量较多，且未考虑客流量较大的下行方向。在实际运输组织作业过程中，如果连续跳停车站数量太多，不但会增加跳停站乘客的等待时间，而且不便于跳停区间乘客的出行。此外，不宜采用过于复杂的停站组合方式，否则不仅会影响乘客的乘车体验，也给车站工作带来巨大的压力。鉴于此，本文以乘客总出行成本最小为优化目标，采用IGACT算法生成列车停站方案。案例中相关参数取值为ω

以早高峰下行方向为例，令Ω

采用传统GA算法进行多次实验，实验结果如图5所示：传统GA极易陷入局部最优，在(a)～(d)四次实验中，每次结果都不一样，且均未找到最优解。相较于传统方法，本文提出的IGACT算法因为结合了灾变思想，在迭代寻优过程中可以跳出局部最优，进而找到最优解。

设计3种基于不同关键车站的场景：场景1，采用当前实际应用的停站方式；场景2，上行方向仅选取始发终到站作为必须停车的关键车站，下行方向选取换乘站和始发终到站；场景3，上行方向选取换乘站和始发终到站，下行方向选取换乘站、始发终到站，以及从俸伯到后沙峪各站。采用IGACT算法分别基于上行和下行方向客流量以及关键车站计算不同场景条件下的最优停站方案，结果如下表2所示。需要说明的是，根据客流量计算该时段需开行9列车，考虑停站方式为3种，即开行3组相同停站方式的列车，表2中仅绘制其中1组。

表2不同场景条件下的停站方案的优化结果对比

注：在最优停站方案中，黑色实心圆为停车站，白色空心圆为通过站；灰色背景框中的车站为当前场景设定的关键车站；从清华东路西口到俸伯站依次编号为1-20。

由表2可知：1)列车在设定的关键车站均进行停车，场景1共跳停(3+5)×3＝24站，场景2共跳停45站，场景3共跳停33站；2)场景2和场景3中的跳停策略更加灵活，跳停车站非全部连续，其中，下行方向该时段几乎都是上车乘客，由于列车载客量高于设定的满载率阈值，因此下行方向部分列车在某些车站采用了跳停方式；3)场景1的目标值最差，乘客总出行成本高达608987.17s，场景2的目标值最优，为534692.91s；4)相较于场景1，场景2目标值提升了12.20％，场景3提升了4.28％。

不同场景条件下的列车运行图见图6，由图可知：

1)在三种场景中，列车均满足特殊车站停站、安全追踪间隔等约束条件；

2)对应发车次序的列车在始发站的发车时间均相同，因此，跳停车站数量越多，列车到达终点站的时间越早。对于下行方向，由于场景2和场景3跳停部分车站，而场景1采用站站停的方式，因此场景2和场景3中列车到达终点站的时间均早于场景1，场景2共早到17.49s，场景3共早到17.97s；

3)以该时段相邻列车在车站发车间隔D

表3运行图发车间隔均衡性计算结果

三种场景条件下列车离开车站时的载客量情况如图7所示，其中场景1上行列车编号1-9，下行列车编号10-18，后续列车编号依此类推。由图可知：1)总体上，列车在下行方向离站时的载客量大于上行方向、在中间车站的载客量大于两端车站；2)列车运行图发车间隔均衡性越好，相邻列车离站时的载客量差异也越小，场景3中列车离站时的载客量差异优于场景2。

综合分析三种场景可知：1)采用本文提出的考虑列车容量约束的停站方案优化方法，可节约长距离客流出行时间、降低乘客总出行成本，同时更好地匹配列车满载率与上车客流需求；2)约束必须停车的车站数量越少，算法可得到方案的乘客总出行成本更优，但是过于灵活的停站方案可能导致相邻列车的发车间隔均衡性变差，进而使得离站时相邻列车的载客量差异变大。

本申请实施例提供了一种存储介质，包括：

用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean E×pression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91 SAM、Microchip PIC1 8F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。