基于滚动时域控制的轨道交通车站单站限流策略研究

doi:10.3976/j.issn.1002-4026.2023.01.013

山东科学 ›› 2023, Vol. 36 ›› Issue (1): 99-106.doi: 10.3976/j.issn.1002-4026.2023.01.013

基于滚动时域控制的轨道交通车站单站限流策略研究

赵庆亮^1a(), 冯晓斌^1a, 吴枫², 王一多^1b^,^*()

1.北京化工大学 a.经济管理学院;b.数理学院,北京 100029
2.西安交通大学软件学院,陕西西安 710049

收稿日期:2022-03-13 出版日期:2023-02-20 发布日期:2023-02-08
通信作者: *王一多(1976—)男,博士,讲师,研究方向为CAGD及应用统计分析。E-mail:wangyd@mail.buct.edu.cn
作者简介:赵庆亮(1975—),男,博士,副教授,研究方向为基于大数据的智慧交通管理。E-mail:zhaoql@mail.buct.edu.cn
基金资助:
研究生课程思政建设项目(G-SZ-PT-202006)

Single station traffic restriction strategy of rail transitstation based on receding horizon control

ZHAO Qingliang^1a(), FENG Xiaobin^1a, WU Feng², WANG Yiduo^1b^,^*()

1. a. School of Economics and Management; b. College of Mathematics and Physics, Beijing University of Chemical Technology, Beijing 100029, China
2. School of Software Engineering, Xi'an Jiaotong University, Xi'an 710049,China

Received:2022-03-13 Online:2023-02-20 Published:2023-02-08

摘要/Abstract

摘要：

针对部分高负载节点车站存在站台拥挤的问题,建立数学模型优化乘客的平均等待时间,制定相应限流策略。以乘客在车站各处的等待时间最小为优化目标,进站口单位时间的限流人数作为决策变量,通过乘客在车站中不同位置的行为特征,制定站台容量、列车容量、限流区域3个约束条件,同时设计了基于滚动时域控制的算法进行模拟计算。结果表明,该算法较于一般的限流策略,在超限次数和超限人数上都有较大优势,能够在保证站台安全性的前提下,在繁忙时期有效减少超限次数,站台超限人数降低9%,并将乘客出行的总延误时间降低11%。该研究可为城市轨道交通限流提供有效参考。

关键词: 城市轨道交通, 滚动时域控制, 限流策略, 单站限流, 决策模型, 求解算法, 动态控制

Abstract:

Aiming to resolve the problem of platform congestion in some high-load node stations, this paper establishes a mathematical model to optimize the average waiting time of passengers and formulates the corresponding traffic-limiting strategies. The model takes the minimum waiting time of passengers as the optimization objective and the number of restricted passengers per unit time at the entrance of the station as the decision variable. According to the behavior characteristics of passengers at different positions in the station, three constraint conditions related to traffic restrictions are formulated:platform capacity constraint, train capacity constraint, and traffic restriction area constraint. At the same time, this paper designs an algorithm based on receding horizon control to perform simulation.The results show that compared with the general strategy of traffic restriction, the algorithm exhibits clear advantages regarding the determination of the times of overruns and the number of passengers during overruns.The algorithm can effectively lower the times of overruns, reduce the number of passengers during overruns by 9% at the platform,and decrease the total passenger travel delay time by 11% without compromising the safety at the platform. This study can provide an effective reference for rail transportation traffic restriction.

Key words: urban rail transportation, receding horizon control, station traffic restriction, single station traffic restriction, decision model, solution algorithm, dynamic control

中图分类号:

U239.5

赵庆亮, 冯晓斌, 吴枫, 王一多. 基于滚动时域控制的轨道交通车站单站限流策略研究[J]. 山东科学, 2023, 36(1): 99-106.

ZHAO Qingliang, FENG Xiaobin, WU Feng, WANG Yiduo. Single station traffic restriction strategy of rail transitstation based on receding horizon control[J]. Shandong Science, 2023, 36(1): 99-106.

图/表 4

图1

表1

参考文献 15

[1]	唐欢. 城市轨道交通突发大客流协同疏运研究[D]. 兰州: 兰州交通大学, 2021.
[2]	杨静, 代盛旭, 周浪雅, 等. 城市轨道交通相邻多车站动态协同限流研究[J]. 铁道运输与经济, 2020, 42(3): 112-118. DOI:10.16668/j.cnki.issn.1003-1421.2020.03.20. doi: 10.16668/j.cnki.issn.1003-1421.2020.03.20
[3]	孙晟凯, 李思杰, 刘志钢, 等. 基于客流与列车动态交互的多站协同客流管控策略评价[J]. 铁道运输与经济. 2021, 43(12):116-125.DOI:10.16668/j.cnki.issn.1003-1421.2021.12.18. doi: 10.16668/j.cnki.issn.1003-1421.2021.12.18
[4]	赵鹏, 姚向明, 禹丹丹. 高峰时段城市轨道交通线路客流协调控制[J]. 同济大学学报, 2014, 42(9):1340-1346,1443. DOI:10.3969/j.issn.0253-374x.2014.09.006. doi: 10.3969/j.issn.0253-374x.2014.09.006
[5]	陈慧, 汪波, 朱江斌. 基于系统动力学的城市轨道交通车站客流控制仿真与优化[J]. 大连交通大学学报, 2020, 41(5):1-7. DOI:10.13291/j.cnki.djdxac.2020.05.001. doi: 10.13291/j.cnki.djdxac.2020.05.001
[6]	SHI J G, YANG L X, YANG J, et al. Service-oriented train timetabling with collaborative passenger flow control on an oversaturated metro line: An integer linear optimization approach[J]. Transportation Research Part B: Methodological, 2018, 110: 26-59. DOI:10.1016/j.trb.2018.02.003. doi: 10.1016/j.trb.2018.02.003
[7]	YUAN F Y, SUN H J, KANG L J, et al. Passenger flow control strategies for urban rail transit networks[J]. Applied Mathematical Modelling, 2020, 82: 168-188. DOI:10.1016/j.apm.2020.01.041. doi: 10.1016/j.apm.2020.01.041
[8]	XU X Y, LI H Y, LIU J, et al. Passenger flow control with multi-station coordination in subway networks: Algorithm development and real-world case study[J]. Transportmetrica B: Transport Dynamics, 2019, 7(1): 446-472. DOI:10.1080/21680566.2018.1434020. doi: 10.1080/21680566.2018.1434020
[9]	刘晓华, 韩梅, 陈超. 城市轨道交通车站联合客流控制研究[J]. 城市轨道交通研究, 2014, 17(5): 106-108. DOI:10.16037/j.1007-869x.2014.05.021. doi: 10.16037/j.1007-869x.2014.05.021
[10]	XU X Y, LIU J, LI H Y, et al. Capacity-oriented passenger flow control under uncertain demand: Algorithm development and real-world case study[J]. Transportation Research Part E: Logistics and Transportation Review, 2016, 87: 130-148. DOI:10.1016/j.tre.2016.01.004. doi: 10.1016/j.tre.2016.01.004
[11]	陈锦渠, 殷勇, 鞠子奇. 基于仿真的城市轨道交通客流分配[J]. 计算机仿真, 2022, 39(2): 73-77. DOI:10.3969/j.issn.1006-9348.2022.02.014. doi: 10.3969/j.issn.1006-9348.2022.02.014
[12]	SHI J G, YANG L X, YANG J, et al. Cooperative passenger flow control in an oversaturated metro network with operational risk thresholds[J]. Transportation Research Part C: Emerging Technologies, 2019, 107: 301-336. DOI:10.1016/j.trc.2019.08.008. doi: 10.1016/j.trc.2019.08.008
[13]	孟凡婷. 城市轨道交通客流协同控制优化模型与算法[D]. 北京: 北京交通大学, 2021.
[14]	JØRGENSEN J B, RAWLINGS J B, JØRGENSEN S B. Numerical methods for large scale moving horizon estimation and control[J]. IFAC Proceedings Volumes, 2004, 37(9): 895-900. DOI:10.1016/S1474-6670(17)31923-7. doi: 10.1016/S1474-6670(17)31923-7
[15]	JIA X L, CAO X B, GUO Y P, et al. Scheduling aircraft landing based on clonalselection algorithm and receding horizon control[C]// 2008 11th International IEEE Conference on Intelligent Transportation Systems. Beijing, China: IEEE, 2008: 357-362. DOI:10.1109/ITSC.2008.4732662. doi: 10.1109/ITSC.2008.4732662

项目	符号	参数值
限流时段开始时,车站站台上已有人数	Q_qt(0)	100人
站台最大客容量	$Q p t m a x$	1 000人
列车到站时间间隔	Δt	3 min
列车的最大载客人数	$Q t r a i n m a x$	500人/列
列车满载率	θ_max	0.9

对比项	未优化限流策略	优化限流策略	减少百分比
站台内平均候车人数/(人·h^-1)	835	751	10%
站台最高超限人数	1 100	1 004	9%
乘客总延误时间/min	173 487.3	154 403.7	11%

基于滚动时域控制的轨道交通车站单站限流策略研究

Single station traffic restriction strategy of rail transitstation based on receding horizon control

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 15

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	袁也, 徐皓, 卢学永, 李文新, 徐辉章, 杨欣. 基于量子计算的灵活编组列车大小交路混合运行优化方法[J]. 山东科学, 2024, 37(6): 94-103.
[2]	姜嘉伟, 赵金宝, 刘文静, 徐月娟, 李明星. 基于SSA-LSTM组合模型的城市轨道交通短时客流预测[J]. 山东科学, 2023, 36(5): 75-84.
[3]	张仪果, 屈云超, 尹浩东, 吴建军. 轨道交通封站条件下应急疏散车辆路径优化[J]. 山东科学, 2023, 36(4): 80-88.
[4]	彭磊, 樊葱, 汪茜, 王晓潮, 柏赟. 地铁线路纵断面优化系统设计与实现[J]. 山东科学, 2022, 35(4): 136-143.
[5]	汪波, 鲍枫, 吴欣然. 基于充分可观控实验方法的城市轨道交通客流随机分配模型优化[J]. 山东科学, 2022, 35(4): 90-97.
[6]	柳雪丽,修春,杨立晨. 基于主客观多维变量的城市轨道网络规模影响[J]. 山东科学, 2022, 35(1): 107-114.
[7]	宁丽巧,谢秉磊,张希,徐文恺. 城市轨道交通换乘站点失效下网络脆弱性分析[J]. 山东科学, 2022, 35(1): 81-87.
[8]	朱士光, 四兵锋, 崔鸿蒙, 薛景文. 基于时空特征提取的城市轨道交通乘客出行目的地预测[J]. 山东科学, 2021, 34(4): 104-113.
[9]	彭磊, 孙元广, 金华 . 城市轨道交通双列位停车线设计[J]. 山东科学, 2021, 34(3): 54-61.
[10]	曹璐, 曹成铉. 基于客流需求的城市轨道交通行车计划与列车时刻表优化[J]. 山东科学, 2020, 33(6): 87-95.
[11]	张树天, 李虎, 李作周, 牛凌, 杨欣, 吴建军. 突发事件下的城市轨道交通列车运行仿真与延误评估[J]. 山东科学, 2020, 33(4): 72-82.
[12]	林禹童, 曹成铉, 柳雨彤, 冯紫嫣. 基于客流需求的列车时刻表和车底调度协同优化[J]. 山东科学, 2020, 33(2): 63-70.
[13]	王兴蓉, 王石生. 客流需求不确定下城市轨道交通线路协同限流鲁棒优化研究[J]. 山东科学, 2019, 32(6): 69-78.
[14]	宋周敏, 刘葛辉, 张晨曦. 车辆段接轨站出入段作业能力与运营组织分析[J]. 山东科学, 2019, 32(6): 79-88.
[15]	陈明钿，郑宣传，高国飞. 行人仿真在城市轨道交通换乘站客运现状评价中的应用[J]. 山东科学, 2018, 31(4): 100-109.