申请/专利权人：北京交通大学

申请日：2020-12-28

公开（公告）日：2024-06-25

公开（公告）号：CN112784204B

主分类号：G06F17/11

分类号：G06F17/11;G06Q10/0631;G06Q50/40

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.05.28#实质审查的生效;2021.05.11#公开

摘要：本发明属于城市轨道交通运营管理技术领域，涉及一种面向不确定需求的列车时刻表与客流控制鲁棒优化方法，包含如下步骤：采用基于场景的随机动态数据描述客流特征，并将客流需求划分为确定性需求和额外需求；根据额外需求，确定各车站动态鲁棒性保护水平；基于上述客流数据表示，引入时间、列车和车站相关的决策变量；根据决策变量，构建场景耦合约束、鲁棒客流控制变量和列车运行决策变量间的关联约束；根据约束，以极小化加入鲁棒性保护水平所需额外列车容量为目标，构建鲁棒优化模型；求解鲁棒优化模型，得到适用于大城市轨道交通客流控制的鲁棒控制策略，为实际轨道交通安全、高效运营提供理论支撑。

主权项：1.一种面向不确定需求的列车时刻表与客流控制鲁棒优化方法，其特征在于，包括以下步骤：S1：记地铁线路中所有车站的集合为S＝{1,2,…,k,…,s}，其中，k＝1表示始发站，k＝s表示终点站，k∈S；记该线路上所有列车的集合为L＝{1,2,…,i,…,n}；记客流场景的集合为Ω＝{1,2,...,ω}；记离散时间段的集合为T＝{t0,t0+Δ,…,t0+nΔ}，其中，Δ为时间离散步长，代表离散后每个时间区间的长度，n为自然数；将各场景中客流需求划分为确定性客流需求和额外客流需求，分别记为和其中，t表示离散后的时间区间，t∈T；S2：根据场景额外客流需求，确定各旅客出行起点和终点OD点对之间期望实现的动态鲁棒性保护水平，记为所述的取值为大于80％的数值；S3：在列车时刻表与客流控制鲁棒优化模型中引入时间、列车及车站决策变量，所述客流控制决策变量包括：鲁棒客流控制决策变量和因实现鲁棒性保护水平而额外需要的列车运行决策变量γi；所述列车运行决策变量包括：列车运行状态0-1决策变量di,kt和列车发车间隔决策变量hi；其中，i表示列车，i∈L，表示：在车站k，乘坐列车i离开的乘客中，去往车站v的客流量；表示：在车站k，乘坐列车i离开的客流总量；hi表示：列车i和列车i+1间的发车间隔；di,kt为：0-1变量，反映列车运行状态，di,kt＝1表示t时刻列车i未到达且未经过车站k，di,kt＝0表示t时刻列车i已到达或已经过车站k；S4：分析列车时刻表与客流控制策略之间的关系，构建场景之间的耦合约束，鲁棒客流控制决策变量和列车运行决策变量间的关联约束，列车最大运载能力、列车到达时间和驶离时间线性约束；S5：结合步骤S1-S4，以极小化加入鲁棒性保护水平所需额外列车容量为目标，构建面向不确定需求的列车时刻表与客流控制鲁棒优化模型，鲁棒优化模型的决策变量包括：列车发车间隔决策变量hi、列车运行状态0-1决策变量di,kt和鲁棒客流控制决策变量S6：对所述鲁棒优化模型进行求解，得到全局最优解，作为最优列车时刻表及鲁棒客流控制策略；S4的具体步骤为：引入列车运行状态0-1决策变量di,kt，di,kt＝1表示t时刻列车i未到达，且未经过车站k，di,kt＝0表示t时刻列车i已到达或已经过车站k，因此，所述列车运行状态0-1决策变量形成矩阵，并为非减矩阵，满足以下约束，如式1所示：di,kt≥di,kt+11其中，k∈S,t∈T,t+1∈T，di,kt+1表示t+1时刻的列车运行状态0-1决策变量；所述列车发车间隔决策变量hi和列车运行状态0-1决策变量di,kt之间的线性关联约束，如式2所示： 其中，列车在始发站的发车时刻由列车1的发车时刻与发车间隔唯一确定，由于列车1在始发站的发车时刻是提前给定的，因此列车在始发站的发车时刻与列车发车间隔决策变量hi之间有如下线性约束，如式3所示： 其中，其中，代表列车i的始发时刻，代表列车i+1的始发时刻；根据以下约束追踪列车i在整条线路上的运行状态，所述约束如式4和5所示： 其中，k-1∈S，k∈S，代表列车i到达车站k的时刻，代表列车i从车站k出发的时刻，列车i到达车站k的时刻为其离开车站k-1的时刻加上从车站k-1开行至车站k的运行时间列车i离开车站k的时刻为其到达车站k的时刻加上在车站k的停站时间所述鲁棒客流控制决策变量满足以下约束，如式6所示： 其中，将客流需求、期望实现的鲁棒性保护水平划分至各OD点对之间，建立如下线性约束，如式7、8和9所示： 其中，k∈S，v∈S，t∈T，ω∈Ω，为t时刻到达车站k，且目的地为车站v的客流需求，由t时刻到达车站k的客流需求乘以时变的OD比例δk,vt得到，δk,vt为t时刻由任意一个车站k到其后各站车站的比例矩阵，任意一个车站k到其后各站车站的比例之和为1；t时刻到达车站k，且目的地为车站v的额外客流需求如式8所示；期望实现的各OD点对之间的鲁棒性保护水平如式9所示；构建鲁棒客流控制决策变量和列车运行状态0-1决策变量di,kt间的关联约束，如式10所示： 其中，kv,k∈S,v∈S，i∈L{1}表示：i属于除第1列列车外的所有车次，为在车站k等待列车i的乘客中，目的地为车站v的客流需求；在列车1到达车站k时，由于尚未有乘客登车离站，在车站k站厅等待去往车站v的乘客数量为之前所有到达人数；后续列车i到达时，在车站k站厅等待该列车i的人数为所有到达车站k且目的地为车站v的乘客数量与所有已乘坐列车i之前列车离站的客流需求的差值；在鲁棒客流控制策略下，各车站确定性客流需求中，等待列车i的乘客变量满足以下约束，如式11和12所示： 其中，kv，k∈S，v∈S，

全文数据：

权利要求：

百度查询： 北京交通大学 面向不确定需求的列车时刻表与客流控制鲁棒优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD