一种列车延误条件下的行车调整的方法及设备与流程

本技术涉及计算机领域，尤其涉及一种列车延误条件下的行车调整的方法及设备。

背景技术：

1、在城市轨道交通系统中，列车通常严格按照预先确定的时刻表运行。然而，在实际运营过程中，列车运行常常会受到各种不确定因素的影响。特别是，动态客流需求或意外事件所引发的干扰，导致列车运行偏离原定的时刻表。

2、作为大容量的集约化公共交通系统，轨道交通一旦出现较长时间的延误，若未能迅速采取适当的控制措施，事件影响可能会迅速蔓延至整条线路，甚至波及整个地铁网络，导致城市轨道交通系统不稳定，站内客流聚集情况严重。当地铁线路发生突发事件时，对于本线乘客来说，他们可能会遭遇到列车延误、乘客滞留，甚至列车取消、线路中断等情况。当发生突发事件时，不仅会影响延误线路本线客流的出行，还可能导致换乘乘客的换乘时间延长，换乘效率降低，甚至换乘衔接失败。因此，在网络化运营条件下，列车运行调整不仅要考虑突发事件对延误线路本身的影响，还应该从换乘衔接的角度，考虑突发事件对延误线路与衔接线路乘客换乘的影响，乃至对整个网络换乘的影响。面对这一挑战，如何运用科学的决策系统在较短时间内协调受影响的车站、线路及局部网络，同时在不影响原车底运用计划的前提下，采取合理的行车调整措施，已成为亟待解决的列车运营管理难题。在规模不断扩大与结构愈加复杂的地铁路网下，对列车的调度指挥和高效运营也提出了更高的要求。当干扰列车按计划运行的事件发生时，如何能够更好地指挥和协调地铁列车尽快恢复有序运行、减小延误、缩小受晚点影响的列车范围、提高乘客满意度是列车调度系统迫切需要解决的问题。

3、目前，地铁公司主要依靠人工干预来处理列车延误，根据各自的处理准则和目标来调整受影响列车的运行计划。由于业务人员的专业知识和工作经验存在差异，不同调度员可能会对类似突发事件做出差异较大的处理决策。这个过程涉及大量的决策和计算工作，但缺乏有效的模型和算法支持，难以确保既定车底运用计划不变的前提下，制定出最优的行车调整方案，进而无法最大程度减少地铁公司的运营成本并减轻延误对乘客的影响。此外，在网络化运营条件下，列车运行调整仍然以各线路独立调整为主，忽视了网络换乘衔接的重要性，缺少线网协调调整方法的理论支撑。因此，基于数学模型和算法来制定有效的列车调控策略对于提升运营绩效和确保城市轨道交通线网的稳定性至关重要。

技术实现思路

1、本技术的一个目的是提供一种列车延误条件下的行车调整的方法及设备，解决现有技术中依靠人工干预来处理列车延误，无法最大程度减少地铁公司的运营成本并减轻延误对乘客的影响以及忽视了网络换乘衔接的重要性的问题。

2、根据本技术的一个方面，提供了一种列车延误条件下的行车调整的方法，该方法包括：

3、获取当前客流数据信息及历史数据，预测未来指定时间段内的客流变化情况；

4、针对单条线路列车延误条件，根据预测的客流变化情况，通过调整列车停站时间和运行时间及实施列车跳停策略以建立单线调整模型；

5、针对多条线路列车延误条件，建立不同线路换乘站内列车间的衔接约束，根据单线调整模型及不同线路换乘站内列车间的衔接约束建立多线调整模型；

6、对构建的调整模型进行求解，得到行车调整方案。

7、可选地，预测未来指定时间段内的客流变化情况，包括：

8、根据当前客流数据信息及历史数据确定不同车站及不同车次间客流动态变化规律；

9、对得到的客流动态变化规律运用离散动态系统建模方法，构建车站间客流动态演化方程，并建立关于站台等待人数和上车人数的约束；

10、根据车站间客流动态演化方程以及关于站台等待人数和上车人数的约束，得到客流预测模型；

11、使用不确定集合表示客流需求量，利用不确定集合和对偶理论对所述客流预测模型进行鲁棒优化，得到优化后的客流预测模型；

12、使用所述优化后的客流预测模型预测未来指定时间段内的客流变化情况。

13、可选地，所述车站间客流动态演化方程满足以下条件：

14、

15、

16、其中，i表示该线路上列车的集合，k表示该线路上车站的集合，表示车次i离开车站k时的载客量，表示车次i到达车站k时的上车乘客数量，表示车次i到达车站k时的下车乘客数量；表示在车站k时车次i的下车比例，表示0-1决策变量，用于描述跳停策略，若车次i停靠在车站k则否则当车次i跳过站点k，则不允许乘客下车，即

17、可选地，建立关于站台等待人数和到达站台人数及上车人数的约束，包括：

18、计算在车次i-1和车次i之间的发车时间间隔内到达车站k的乘客数量，得到到达站台人数；

19、根据列车离开前站台总等待人数与当前列车可容纳人数间的最小值计算在车站k登上车次i的乘客数量，得到上车人数；

20、根据到达站台人数和上车人数建立与站台等待人数的约束。

21、可选地，利用不确定集合和对偶理论对所述客流预测模型进行鲁棒优化，包括：

22、利用不确定集合对所述客流预测模型进行变形，变形后的模型包括无限多个约束；

23、通过对偶理论对变形后的模型进行转换，得到鲁棒对等问题。

24、可选地，根据预测的客流变化情况，通过调整列车停站时间和运行时间及实施列车跳停策略以建立单线调整模型，包括：

25、根据预测的客流变化情况建立列车运行演化方程，其中，所述列车运行演化方程包括列车出发时间的时刻表偏差；

26、构建关于跳停策略的约束，以确定最小化跳站数量；

27、根据不确定干扰事件建立列车的实际运行时间的约束；

28、根据列车实际运行时间的约束、上车乘客数量、下车乘客数量、列车停站时间的调整量以及扰动事件带来的列车停站时间的延误建立列车实际停站时间的约束；

29、根据列车出发时间的时间表偏差、跳站数量、列车实际运行时间、列车实际停站时间、总站台候车人数构建单线列车调度及跳停调整策略优化模型的目标函数。

30、可选地，所述方法包括：

31、调整列车出发时间的时间表偏差、跳站数量、列车实际运行时间、列车实际停站时间、总站台候车人数的权重系数，设置决策偏好。

32、可选地，根据单线调整模型及不同线路换乘站内列车间的衔接约束建立多线调整模型，包括：

33、确定相邻线路列车间的可能衔接约束及有效衔接约束，以得到不同线路换乘站内列车间的衔接约束；

34、根据单线调整模型及不同线路换乘站内列车间的衔接约束构建多线路列车调整的目标函数。

35、可选地，对构建的调整模型进行求解，包括：

36、第一步，设置列车衔接变量的初始值为设置迭代计数k＝1和容差值ε，将变量赋初值

37、第二步，若固定后，子问题可行，则求解子问题得到目标函数值、决策变量值和对偶变量值；若固定后，子问题不可行，则通过求解松弛子问题得到子问题的解，更新上界；

38、第三步，利用子问题的解，生成可行割或最优割，并将生成的割加入第四步的主问题；

39、第四步，得到整数变量的新解更新下界；

40、第五步，计算上界和下界，若小于容差则算法终止；否则迭代计数将k+1替换k，继续上述第二步至第五步。

41、根据本技术又一个方面，还提供了一种列车延误条件下的行车调整的设备，所述设备包括：

42、一个或多个处理器；以及

43、存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。

44、根据本技术再一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如前述所述的方法。

45、与现有技术相比，本技术通过获取当前客流数据信息及历史数据，预测未来指定时间段内的客流变化情况；针对单条线路列车延误条件，根据预测的客流变化情况，通过调整列车停站时间和运行时间及实施列车跳停策略以建立单线调整模型；针对多条线路列车延误条件，考虑不同线路换乘站内列车间的衔接情况，根据单线调整模型及不同线路换乘站内列车间的衔接约束建立多线调整模型；对构建的调整模型进行求解，得到行车调整方案。能够在短时间内提供最优的行车调整方案，从而最大限度减少延误对乘客出行及运营成本的影响，提升网络运行可靠性和运营服务满意度。