一种突发场景下城市轨道交通小交路运行调整方法

摘要

本发明公开了一种突发场景下城市轨道交通小交路运行调整方法，包括以下步骤：S1：获取轨道线路的列车运行和线路参数、突发事件的位置和故障参数，从而确定中断时间；S2：根据所述列车运行和线路参数、所述突发事件的位置和故障参数以及所述中断时间确定备选的小交路折返方案；S3：根据所述小交路折返方案下的所有列车在各站的到站和发车的总延迟时间模型、站台的总滞留人数模型，建立轨道线路运行调整的总目标函数；S4：通过采用权重和收敛因子的粒子群算法对所述总目标函数进行求解，确定最优的小交路折返方案，采用小交路折返方案对突发事件下轨道交通运行进行调整能够很好减轻站台乘客滞留问题，促进轨道列车恢复正常运行。

说明书

技术领域

本发明涉及城市轨道交通领域。更具体地，涉及一种突发场景下城市轨道交通小交路运行调整方法。

背景技术

近几年来，随着经济的发展和城市化发展的进程，各国的城市区域不断扩大，人口急剧增长，使得城市的交通问题日趋严重。城市轨道交通是一种大运量、快速、便捷、环保节能的公共交通方式，发展城市轨道交通成为国内外大城市的选择，并逐渐成为解决大城市交通问题的有效途径。随着地铁客运需求的不断增长，各城市地铁运营公司需要不断提高运营服务水平，地铁时刻表的调整问题也受到了更多的关注。城市轨道交通列车自动监控系统实现对列车运行情况的实时监控并能对在线列车运行自动调整。但是对于地铁运营过程中出现的突发事件，仅仅通过对后续列车的到发时间、运行间隔的调整很难较快清除突发事件对列车运行带来的影响，此时列车自动监控系统将不再适用该情况下的运行调整。目前，对于突发事件下的调整主要是通过调度员人工调节来完成的，由于调整过程复杂度高，人工调整主要是依据经验而且耗时较长，因此将会造成地铁故障区间甚至是整条线路的延迟或停运以及站台乘客滞留等问题。因此，当地铁在运营过程中发生突发状况，如何有效的组织运营方式恢复线路正常运营，并将其造成的延误影响尽快消除显得尤为重要。

目前已有的研究方法主要针对于小范围的运行干扰，调整时间有限，并不适用于由突发事件造成的长时间中断情况下的调整，地铁在运营过程中发生的突发事件是指列车脱轨、钢轨断裂、信号设备故障或者列车区间故障等，任何一种突发事件均对列车运行造成巨大影响。在实际运营中，地铁运行公司常常使用通过不停车、中间站清人折返等调度手段来应对突发事件下的列车运行问题。但是这些调整手段多是依据调度人员经验来完成，由于调整过程复杂程度高，仅靠调度员的经验进行调整是很难做出较优的调整策略。突发事件下，好的调整方案有利于充分利用线路的运输能力，实现效益最大化。

因此，需要提供一种科学完善的调整方法以应对突发事件下城市轨道交通运行调整的需求。

发明内容

本发明的一个目的在于针对突发事件下城市轨道交通运行调整的问题提供一种科学完善的轨道交通运行调整方法。

为达到上述目的，本发明采用下述技术方案：

一种突发场景下城市轨道交通小交路运行调整方法，其特征在于，包括以下步骤：

S1：获取轨道线路的列车运行和线路参数、突发事件的位置和故障参数，从而确定中断时间；

S2：根据所述列车运行和线路参数、所述突发事件的位置和故障参数以及所述中断时间确定备选的小交路折返方案；

S3：根据所述小交路折返方案下的所有列车在各站的到站和发车的总延迟时间模型、站台的总滞留人数模型，建立轨道线路运行调整的总目标函数；

S4：通过采用改进的权重和设置收敛因子的粒子群算法对所述总目标函数进行求解，确定最优的小交路折返方案。

优选的，所述列车运行和线路参数为轨道线路的列车数量、列车启动时匀加速的加速度、列车停车时匀减速的减速度、列车正常运行时的运行速度、站台数以及各站的列车区间运行时间、列车停站时间、乘客进站速率和是否为折返站。

优选的，所述故障参数为救援列车清客处距故障列车的距离、故障列车至清客处的距离、故障列车清客处至指定地点的距离、故障列车与救援列车连挂后的运行速度。

优选的，所述步骤S3包括：

S31：建立列车停站时间模型；

S32：根据所述列车停站时间模型，建立所述小交路折返方案下所有列车在各站的列车到站和发车的总延迟时间模型；

S33：建立所述小交路折返方案下站台的总滞留人数模型；

S34：建立所述小交路折返方案下轨道线路运行调整的总目标函数，并设定约束条件。

优选的，所述总目标函数为

minJ＝a₁J₁+a₂J₂

其中，J₁为总延迟时间，J₂为总滞留人数，a₁总延迟时间的权值，a₂总滞留人数的权值。

优选的，所述约束条件为：

列车发车时间约束，即实际发车时间不能早于计划发车时间；

列车区间运行时间约束，即实际列车区间运行时间应在最大和最小列车区间运行时间的区间内；

列车停站时间约束，即实际列车停站时间应在最大和最小停站时间区间内；

列车追踪间隔约束，即实际的发车间隔和到站间隔都应在最大和最小运行间隔区间内。

优选的，所述S4具体包括以下步骤：

S41：初始化粒子群，采用收敛因子和改进的权重计算每个粒子的位置和速度；

S42：计算所述每个粒子的适应度，确定个体极值和全局极值；

S43：更新所述每个粒子的位置和速度；

S44：如果满足调整模型收敛则结束求解，否则重复S42和S43；

S45：对比所述小交路折返方案的所述出站和到站总延迟时间及所述总滞留人数，确定总目标函数最优的小交路折返方案。

优选的，所述改进的权重为

$w=w_{max}-\frac{(w_{\max }-w_{\min })}{t_{\max }}\times t$

其中，w_max、w_min分别为惯性权重w的最大值和最小值，t为当前迭代步数，t_max为最大迭代步数。

所述收敛因子为

其中，c₁、c₂为学习因子。

优选的，所述每个粒子的位置x_i和速度v_i为

$v_i^{k+1}=k({\mathrm{wv}}_i^k+c_1{r}_1(p_i^k-x_i^k)+c_2{r}_2(p_i^k-x_i^k\left)\right)$

$x_i^{k+1}=x_i^k+v_i^{k+1}$

其中，r₁、r₂为0到1之间均匀分布的随机数。

优选的，所述总目标函数最优的小交路折返方案下的总延迟时间和总滞留人数分别占不实施所述方案下的总延迟时间和总滞留人数的百分比之和在所有所述备选的小交路折返方案中最小。

本发明的有益效果如下：

本发明提供的一种突发事件下城市轨道交通的小交路运行调整方法，在轨道线路某一区段发生故障不能正常运行而造成站台乘客滞留时，确定最优的小交路折返方案，尽快恢复轨道交通的正常运行，减轻车站乘客滞留压力。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出一种突发场景下城市轨道交通小交路运行调整方法示意图。

图2示出城市轨道交通突发事件的处理流程图。

图3示出城市轨道交通列车恢复通车后车站初始滞留人数示意图。

图4示出城市轨道交通突发事件下的小交路运行示意图。

图5示出不同小交路折返方案下各站台延迟时间、滞留人数与总延迟时间、总滞留人数的百分比关系示意图。

图6示出基于最优小交路折返方案下的列车调整运行示意图。

图7示出城市轨道交通线路恢复通车后各列车经过后乘客滞留人数。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

如图1所示，本发明公开了一种突发场景下城市轨道交通小交路运行调整方法，包括以下步骤：

S1：通过列车运行图及线路运行控制中心获取轨道线路的列车运行和线路参数，确定突发事件的位置和故障参数，预计中断时间。如图2所示，突发事件的处理过程为在突发事件发生后，首先确认突发事件中故障列车的位置，并可指定后续列车为救援列车，救援列车前往清客车站清客后到达故障列车地点，在故障列车清客完毕后将故障列车推送到指定位置完成救援。因此，根据所述轨道列车运行和线路参数、所述突发事件位置得到所述中断时间可为

T_disposal＝T_c+T_a+T_h+T_p+2*T_f

其中，T_c为突发事件从发生开始至确认所花费的时间；T_a为救援列车从清客处至突发事件的位置所花费的时间；T_h为发生突发事件的故障列车与救援列车进行连挂作业所花费的时间；T_p为救援列车将故障列车推至指定地点所花费的时间；T_f为救援列车清客所花费的时间。T_c、T_h、T_f与工作人员的熟练程度有关，可根据经验取定值，在计算过程中，可预设列车以匀加速启动，以匀速运行，以匀减速停车。

所述救援列车从清客处至突发事件处所花费的时间T_a可为：

$T_a=\left(\begin{array}{cc}\sqrt{\frac{2S_a(a_u+a_d)}{a_u{a}_d}}& S_a\le \frac{{V_r}^2(a_u+a_d)}{2a_u{a}_d}\\ \frac{S_a}{V_r}+\frac{V_r(a_u+a_d)}{2a_u{a}_d}& S_a>\frac{{V_r}^2(a_u+a_d)}{2a_u{a}_d}\end{array}\right)$

其中，S_a为救援列车清客处距故障列车的距离；若则救援列车从匀加速启动还未加速到指定速度即开始以匀减速停车，此时列车运行由匀加速和匀减速运动组成，所花费时间若则列车首先以匀加速启动至指定速度，然后匀速运行至以匀减速停车，所花费时间a_u为列车启动时匀加速的加速度；a_d为列车停车时匀减速的减速度；V_r为列车正常运行时的运行速度。

救援列车将故障列车推至指定地点所花费的时间T_p由两部分确定：故障列车至清客处的运行时间t_c和故障列车自清客处至指定地点运行时间t_c

$t_c=\left(\begin{array}{cc}\sqrt{\frac{2S_c(a_u+a_d)}{a_u{a}_d}}& S_c\le \frac{{V_h}^2(a_u+a_d)}{2a_u{a}_d}\\ \frac{S_c}{V_h}+\frac{V_h(a_u+a_d)}{2a_u{a}_d}& S_c>\frac{{V_h}^2(a_u+a_d)}{2a_u{a}_d}\end{array}\right)$

$t_s=\left(\begin{array}{cc}\sqrt{\frac{2S_s(a_u+a_d)}{a_u{a}_d}}& S_s\le \frac{{V_h}^2(a_u+a_d)}{2a_u{a}_d}\\ \frac{S_s}{V_h}+\frac{V_h(a_u+a_d)}{2a_u{a}_d}& S_s>\frac{{V_h}^2(a_u+a_d)}{2a_u{a}_d}\end{array}\right)$

其中，S_c为故障列车至清客处的距离；V_h为故障列车与救援列车连挂后的运行速度：若运行时间若运行时间S_s为故障列车清客处至指定地点的距离：若运行时间若运行时间

S2：根据所述列车运行和线路参数、所述突发事件的位置和故障参数以及所述中断时间确定备选的小交路折返方案。可根据突发事件地点及是否为折返车站确定可用于折返的车站，同时根据中断时间确定对向可用于折返的列车，可选一辆或两辆列车折返。

S3：根据所述小交路折返方案下的所有列车在各站的到站和发车的总延迟时间模型、站台的总滞留人数模型，建立轨道线路运行调整的总目标函数，并可确定所述总目标函数的约束条件。具体分为以下步骤：

S31：建立列车停站时间模型。当站台乘客人数多于正常范围时，列车的停站时间延长，从而使列车发车时间延迟，列车i在车站k的停站时间公式如下：

其中，为最小停站时间，分别为列车i在k站的上车、下车人数，N_door为列车车门数量，a、b分别为单位时间乘客上车及下车所用的时间。

列车i在k站的下车人数为

$D_k^i=\underset{j=1}{\overset{k}{\Sigma }}od(j,k)\times U_j^i$

其中，矩阵OD定义如下：

$OD=\left(\begin{array}{ccccccc}0& od(1,2)& od(1,3)& \mathrm{...}& \mathrm{...}& \mathrm{...}& od(1,n)\\ 0& 0& od(2,3)& od(1,4)& \mathrm{...}& \mathrm{...}& od(2,n)\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ 0& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& 0\\ 0& \mathrm{...}& \mathrm{...}& 0& 0& od(i-1,n-1)& od(i-1,n)\\ 0& \mathrm{...}& \mathrm{...}& \mathrm{...}& 0& 0& od(i,n)\end{array}\right)$

其中，od(i,n)为第i站上车到第n站下车乘客数占第i站上车总人数的百分比。

列车i在k站的上车人数为

$F_k^i={\mathrm{Fo}}_k^i+T\times {\mathrm{Vf}}_k$

$U_k^i=\left(\begin{array}{cc}{P}_m-P_k^i+D_k^i& F_k^i+P_k^i-D_k^i\ge P_m\\ F_k^i& F_k^i+P_k^i-D_k^i<P_m\end{array}\right)$

其中，为站台人数，为站台滞留人数，T为列车的行车间隔，Vf_k为乘客进站速率，为列车i在k站的车内人数，P_m为列车的最大载客量。

列车i在k站的车内人数为

$P_k^i=\left(\begin{array}{cc}0& k=1\\ P_{k-1}^i+U_k^i-D_k^i& k\ne 1\end{array}\right)$

其中，为列车i在k-1站的车内人数。

S32：建立小交路折返方案下该线路到站和发车的总延迟时间模型。当线路发生突发事件时，突发事件的故障区段及后续的车站无法通车。在恢复通车后组织对向线路采用小交路折返方案来弥补由于突发事件所引起的较大的行车间隔，该线路的小交路列车折返前需进行清客，导致该折返站乘客突增，当小交路列车i在折返站j站折返，此时折返站j的车站人数为：

${F_j^i}^{\prime }=F_j^i+P_j^i$

车站增加的人数为小交路列车在折返站清客时车内的人数后续列车由于折返站j人数增加导致发车延迟，由于延迟的传播性，后续列车在后续车站也会发车延迟，同时后续列车之后的列车也会发生延迟。小交路列车在j站折返时造成该线路的总延迟时间为：

$J_1=\underset{i=1}{\overset{n}{\Sigma }}\underset{j=1}{\overset{m}{\Sigma }}\left(\right|{\mathrm{de}}_j^i-{\mathrm{De}}_j^i|+|{\mathrm{ar}}_j^i-{\mathrm{Ar}}_j^i\left|\right)$

其中，分别为列车i在j站的实际到站时间和发车时间，为列车i在j站的计划到站时间和发车时间。

S33：建立小交路折返方案下该线路总滞留人数模型。折返的小交路列车在折返站j开始运行时，车内的乘客人数因此，折返的小交路列车i在后续车站k站的车内人数站台人数上车人数为

$P_k^i=\left(\begin{array}{cc}0& k=j\\ P_{k-1}^i+U_k^i-D_k^i& k\ne j\end{array}\right)$

$F_k^i={\mathrm{Fo}}_k^i+T\times {\mathrm{Vf}}_k$

$U_k^i=\left(\begin{array}{cc}{P}_m-P_k^i+D_k^i& F_k^i+P_k^i-D_k^i\ge P_m\\ F_k^i& F_k^i+P_k^i-D_k^i<P_m\end{array}\right)$

其中，T为折返小交路列车与后续列车的行车间隔，Vf_k为乘客进站速率，P_m为列车的最大载客量。

列车i在站台k时站台滞留人数

${\mathrm{Fo}}_k^i=F_k^i-U_k^i$

因此，当突发事件处理完毕恢复通车时，车站总滞留人数为

$J_2=\underset{i=1}{\overset{n}{\Sigma }}\underset{j=1}{\overset{m}{\Sigma }}{\mathrm{Fo}}_j^i$

S34：建立小交路折返方案调整的总目标函数，并确定约束条件。首先建立运行调整的总目标函数。基于步骤S32和步骤S33，建立小交路折返方案下运行调整的总目标函数为

minJ＝a₁J₁+a₂J₂

其中，a₁、a₂分别为列车到站和发车总延迟时间、站台总滞留人数的权值。在实际延迟调整中，可根据不同线路及调整目标，对所述权值进行适应性的调整。

在获得总目标函数的基础上，对总目标函数设定合适的约束条件，可更准确地逼近最优解，减少计算量。所述约束条件为：

约束条件1：列车发车时间约束，实际发车时间不能早于计划发车时间。

${\mathrm{de}}_j^i\ge {\mathrm{De}}_j^i$

约束条件2：列车区间运行时间约束，实际列车区间运行时间应在最大和最小列车区间运行时间的区间内。

$R_{\max j}\ge {\mathrm{ar}}_{j+1}^i-{\mathrm{de}}_j^i\ge R_{\min j}$

R_maxj、R_minj分别为列车区间j的最大运行时间和最小运行时间，为列车i在j+1站的实际发车时间。

约束条件3：列车停站时间约束，实际列车停站时间应在最大和最小停站时间区间内。

$t_{\max j}\ge {\mathrm{de}}_j^i-{\mathrm{ar}}_j^i\ge t_{\min j}$

t_maxj、t_minj分别为列车区间j的最大停站时间和最小停站时间。

约束条件4：列车追踪间隔约束，实际的发车间隔和到站间隔都应在最大和最小运行间隔区间内。

$T_{hwmax}\ge {\mathrm{ar}}_j^{i+1}-{\mathrm{ar}}_j^i\ge T_{hw\min }$

$T_{hwmax}\ge {\mathrm{de}}_j^{i+1}-{\mathrm{de}}_j^i\ge T_{hw\min }$

T_hwmax、w_maxt_maxt分别为列车最大行车时间间隔和最小行车时间间隔，为列车i+1在j站的实际发车时间，为列车i+1在j站的实际到站时间。

S4：采用考虑权重和收敛因子的粒子群算法对所述总目标函数进行求解，确定最优的小交路折返方案。具体步骤如下：

S41：初始化粒子群，计算每个粒子的位置x_i和v_i。标准的粒子群算法有搜索速度快、效率高和算法简单等优点，但存在着优化步长固定、易于过早收敛于全局最优等缺点，粒子群算法容易出现停滞、早熟和收敛效果不佳等问题，因此，采用改进的权重调整粒子群算法的全局和局部的搜索能力，所述权重为

$w=w_{max}-\frac{(w_{\max }-w_{\min })}{t_{\max }}\times t$

其中，w_max、w_min分别为惯性权重的最大值和最小值，t为当前迭代步数，t_max为最大迭代步数。

由于粒子群的收敛能力不强，增加一个收敛因子确保粒子群算法收敛，所述收敛因子为

其中，c₁、c₂为学习因子，可取常值2；

因此，所述每个粒子的位置x_i和速度v_i为

$v_i^{k+1}=k({\mathrm{wv}}_i^k+c_1{r}_1(p_i^k-x_i^k)+c_2{r}_2(p_i^k-x_i^k\left)\right)$

$x_i^{k+1}=x_i^k+v_i^{k+1}$

其中，r₁、r₂为0到1之间均匀分布的随机数；

S42：计算所述每个粒子的适应度，确定个体极值和全局极值；

S43：更新所述每个粒子的位置和速度；

S44：重复步骤S42和S43，直至达到收敛或预先设定的约束条件终止循环，获得最优解；；

S45：求解得到所有的所述小交路折返方案的所述出站和到站总延迟时间及所述总滞留人数并进行对比，确定最优的小交路折返方案。

下面通过实例来对本发明做进一步的说明：

首先，采集列车运行和线路参数，获取突发事件位置，预计中断时间，此例中轨道线路上、下行方向各15辆列车，共12个车站，部分轨道列车运行和线路参数如表1所示。

表1部分列车运行参数及线路参数

在列车运行中考虑到行车安全以及运行效率等因素，列车的区间运行时间、停站时间及行车间隔都有上下幅值的约束，其中，最小区间运行时间为计划运行时间的0.8倍，最小车站停战时间为计划停战时间减5秒，最大行车间隔为300秒，最小行车间隔为90秒，列车启动时匀加速的加速度为0.8m/s²，列车停车时匀减速的减速度为-0.6m/s²，列车正常运行时的运行速度40m/s。

在实施例中，下行方向第三辆列车在运行至第七站至第六站之间，由于突发事件，造成列车故障并停在区间等待救援，获取的故障数据为：救援列车清客处距故障列车的距离为1300m，故障列车至清客处的距离为400m，故障列车清客处至指定地点的距离为2200m，故障列车与救援列车连挂后的运行速度为30m/s。

采用小交路折返方案对突发事件下轨道交通运行进行调整。突发事件位置的故障列车导致后续的车站无法通车，在突发事件处理完成，线路重新恢复通车后，根据已获得的所述参数和数据，得到此时车站的滞留人数如图3所示。如图5所示，后续车站由于故障导致长时间无法通车，乘客的滞留情况较为严重，此时现有的调整方法已不能很好的解决此种情况下的轨道交通运行调整问题，因此采用本发明提供的小交路折返策略来解决。

根据列车运行和线路参数、突发事件位置及处理突发事件的时间，确定了六种可选的小交路折返方案，小交路的运行如图4所示：

第一种方案：上行列车5在折返站6折返；

第二种方案：上行列车5和列车6两辆列车在折返站6折返；

第三种方案：上行列车5在折返站5折返；

第四种方案：上行列车5和6两辆列车在折返站5折返；

第五种方案：上行列车6在折返站3折返；

第六种方案：上行列车6和列车7两辆在折返站3折返。

建立所述小交路折返方案下的所有列车在各站的到站和发车的总延迟时间模型、站台的总滞留人数模型。建立所述小交路折返方案延迟调整总目标函数，确定所述总目标函数的约束条件，在方案求解模块中采用改进了的权重和设置收敛因子的粒子群算法对所述总目标函数进行求解，确定最优的小交路折返方案。图5为求解得到的所述六种小交路折返方案总延迟时间、总滞留人数占不实施所述方案下的总延迟时间和总滞留人数百分比。所述第一种方案为总目标函数最优，即总延迟时间和总滞留人数分别占不实施所述方案下的总延迟时间和总滞留人数的百分比之和为所有所述备选的小交路折返方案中最小的小交路折返方案，对减少总延迟时间和总滞留人数是最有利的。图6对所述第一种方案进行了仿真，从图中可以看出上行列车折返弥补了由于下行列车故障所引起的后续车站行车间隔过大的问题，从而有效的缓解了下行车站乘客滞留的压力。图7为突发事件处理完成、线路恢复通车后各列车通过后续车站后站台滞留人数变化，从图中可以看出，采用小交路折返方案对突发事件下轨道交通运行调整能够较快地减少站台乘客滞留、恢复列车计划运行。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。