本發(fā)明涉及城市軌道交通控制領(lǐng)域，尤其涉及換乘站高峰期客流控制領(lǐng)域。

背景技術(shù)：

地鐵車站是一個(gè)由客流、設(shè)施、列車等多個(gè)部分組成的混雜系統(tǒng)。換乘車站與普通車站相比，客流種類除了進(jìn)出站乘客和上下車乘客外，還有一大部分客流為換乘客流，相應(yīng)的，換乘車站的客流行走流線也要比普通車站復(fù)雜許多。

換乘通道的寬度直接決定了其通行能力。現(xiàn)有的規(guī)范中給出了不同寬度下通道通行能力大小，但沒有考慮行人服務(wù)水平等相關(guān)因素的影響，現(xiàn)有技術(shù)中大多數(shù)從行人服務(wù)水平角度對(duì)通道寬度設(shè)計(jì)分析，研究方法大都基于排隊(duì)論。也有部分研究學(xué)者通過分析通道內(nèi)客流集散機(jī)理，提出了換乘通道合理長(zhǎng)度評(píng)估方法。既有的管控措施在控制的觸發(fā)條件、位置、時(shí)間、怎樣布設(shè)等方面缺少科學(xué)依據(jù)，這樣就增加了換乘站高峰時(shí)段客流組織的難度，同時(shí)也降低了換乘站的服務(wù)和安全水平。在城市軌道交通網(wǎng)絡(luò)化進(jìn)程快速發(fā)展背景下，迫切需要對(duì)高峰時(shí)段換乘站客流控制理論展開深入研究，亟需建立一套系統(tǒng)的科學(xué)理論與方法，以解決換乘車站高峰期過飽和客流擁堵問題。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述技術(shù)問題，本發(fā)明以站臺(tái)客流密度最小為目標(biāo)，利用控制理論建立了高峰時(shí)段換乘車站客流控制模型并求解出最優(yōu)客流控制策略。具體采用如下技術(shù)方案：

(1)建立換乘站高峰期客流控制模型：

狀態(tài)方程：

其中，x₁(k)、x₁(k+1)分別為上行方向在k、k+1時(shí)刻站臺(tái)聚集人數(shù)，x₂(k)、x₂(k+1)分別為下行方向在k、k+1時(shí)刻站臺(tái)聚集人數(shù)，u₁(k)為上行方向一個(gè)周期內(nèi)流入站臺(tái)的客流，u₂(k)為下行方向一個(gè)周期內(nèi)流入站臺(tái)的客流，α為高峰時(shí)段每個(gè)采樣周期內(nèi)離開站臺(tái)的客流與站臺(tái)聚集人數(shù)比值，β為下行方向每個(gè) 采樣周期內(nèi)離開站臺(tái)的客流與站臺(tái)聚集人數(shù)的比值,q₁(k)為上行站臺(tái)的干擾客流，q₂(k)為下行站臺(tái)的干擾客流；

目標(biāo)函數(shù)：

其中，S₁為上行站臺(tái)候車面積，S₂為下行站臺(tái)候車面積；

最優(yōu)控制規(guī)律：

其中，為上行方向站臺(tái)的最優(yōu)流入客流，為下行方向站臺(tái)的最優(yōu)流入客流，為上行方向站臺(tái)的理想流入客流流量，為下行方向站臺(tái)的理想流入客流流量，為上行方向采樣時(shí)刻點(diǎn)的站臺(tái)聚集人數(shù)，為下行方向采樣時(shí)刻點(diǎn)的站臺(tái)聚集人數(shù)，為上行方向站臺(tái)的理想聚集人數(shù)，為下行方向站臺(tái)的理想聚集人數(shù)，q₁、q₂為來自鄰近對(duì)向站臺(tái)閘機(jī)所流入到本站臺(tái)的干擾客流，k₁、k₂為常數(shù)。

(2)模型求解

根據(jù)干擾客流的歷史數(shù)據(jù)用小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法得到預(yù)測(cè)時(shí)間段內(nèi)干擾客流的預(yù)測(cè)值，并設(shè)定控制步長(zhǎng)為K步，方法如下：

(i)確定網(wǎng)絡(luò)結(jié)構(gòu)：依據(jù)干擾客流的特性設(shè)計(jì)網(wǎng)絡(luò)各層節(jié)點(diǎn)的個(gè)數(shù)為n，用來表示當(dāng)前時(shí)刻的前n個(gè)時(shí)刻的干擾客流的數(shù)量；隱含層的傳遞函數(shù)為小波函數(shù)，輸出層的節(jié)點(diǎn)數(shù)量為1個(gè)，表征當(dāng)前時(shí)刻的干擾客流的預(yù)測(cè)結(jié)果；

(ii)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練：用干擾客流的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，次數(shù)設(shè)計(jì)為m次。

(iii)小波神經(jīng)網(wǎng)絡(luò)測(cè)試：用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測(cè)的干擾客流流量，并與觀測(cè)的實(shí)際干擾客流流量進(jìn)行比較，檢驗(yàn)所訓(xùn)練網(wǎng)絡(luò)的準(zhǔn)確性；

得到K步內(nèi)干擾客流的預(yù)測(cè)值后，第一步：采集實(shí)際數(shù)據(jù)x(0)，利用離散線 性二次最優(yōu)控制理論求解在K步內(nèi)使目標(biāo)函數(shù)最小的K個(gè)輸入變量的值U(0)^*、U(1)^*、…、U(K-1)^*；第二步：采集實(shí)際站臺(tái)客流人數(shù)x(k)，再重復(fù)第一步的過程，又得到一組U(0)^*、U(1)^*、…、U(K-1)^*；從第一步到第二步，時(shí)間步長(zhǎng)往前推進(jìn)了一步，如此一直繼續(xù)下去，直到到達(dá)預(yù)先設(shè)定的預(yù)測(cè)步長(zhǎng)為止，每次都取每一步得到的第一個(gè)預(yù)測(cè)值U(0)^*來組成最優(yōu)控制序列，U(0)^*′取第一步的U(0)^*，U(1)^*′取第二步的U(0)^*，……U(K-1)^*′取第K步的U(0)^*，從而得到一組最優(yōu)控制序列U(0)^*′、U(1)^*′、…U(K-1)^*′。

本發(fā)明具有如下有益效果：

(1)從控制的角度對(duì)高峰時(shí)段換乘站的各類客流進(jìn)行分析，把流入站臺(tái)客流作為系統(tǒng)輸入變量，采樣時(shí)刻點(diǎn)站臺(tái)客流聚集人數(shù)作為系統(tǒng)狀態(tài)變量，以采樣時(shí)刻點(diǎn)站臺(tái)客流密度最小為目標(biāo)函數(shù)，利用離散系統(tǒng)線性二次最優(yōu)理論建立換乘車站的客流控制模型，得到目標(biāo)函數(shù)下流入客流的最佳控制序列。

(2)考慮了干擾客流影響因素下，利用MPC思想建立了換乘站的客流控制模型。采用小波神經(jīng)網(wǎng)絡(luò)求解干擾客流預(yù)測(cè)值，利用MPC思想求解有干擾客流影響因素下流入站臺(tái)客流的最佳控制序列。

(3)為換乘站高峰時(shí)段的客流控制方案提供理論依據(jù)，為建立高效的客流控制管理策略提供科學(xué)依據(jù)和理論基礎(chǔ)。

(4)將換乘車站各類客流根據(jù)行走路徑不同進(jìn)行分類，在對(duì)站臺(tái)客流集聚過程進(jìn)行詳細(xì)分析的基礎(chǔ)上，發(fā)掘短期各類客流高峰時(shí)段的客流波動(dòng)規(guī)律，有利于運(yùn)營(yíng)管理部門根據(jù)各類客流波動(dòng)規(guī)律提前做出響應(yīng)，提高運(yùn)營(yíng)管理部門的管理決策水平。

附圖說明

圖1為采樣周期內(nèi)列車停走行為圖。

圖2為MPC求解客流控制模型過程圖。

具體實(shí)施方式

將兩列相鄰列車的發(fā)車間隔作為一個(gè)采樣周期，將一個(gè)采樣周期內(nèi)列車的停走行為細(xì)分為列車到站(t_k)、列車停車時(shí)段(τ_sk)、列車出站(t′_k)、間隔時(shí)段 (τ_tk)四個(gè)階段。列車在一個(gè)采樣周期內(nèi)的停走行為如圖1所示：

設(shè)采樣周期為T，由圖1-2可知，一個(gè)采樣周期由停車時(shí)段τ_sk和間隔時(shí)段τ_tk兩部分時(shí)間段組成，即T＝τ_sk+τ_tk。其中，列車停站時(shí)段τ_sk＝t'_k-t_k，即列車從進(jìn)站停車到列車再次出站的時(shí)段；間隔時(shí)段τ_tk＝t_k+1-t′_k，即從車1出站時(shí)刻到車2進(jìn)站時(shí)刻之間的時(shí)間段。

對(duì)上行方向站臺(tái)：設(shè)采樣時(shí)刻站臺(tái)聚集人數(shù)為x₁(k)，一個(gè)周期內(nèi)流入站臺(tái)客流為u₁(k)，高峰時(shí)段每個(gè)采樣周期內(nèi)離開站臺(tái)的客流與站臺(tái)聚集人數(shù)比值為α，S₁為上行站臺(tái)候車面積，得到：

x₁(k+1)＝(1-α)x₁(k)+u₁(k)(0＜α≤1)k＝0,1,…N-1

目標(biāo)函數(shù)為：

同理，可得下行方向站臺(tái)客流狀態(tài)方程和目標(biāo)函數(shù)：

x₂(k+1)＝(1-β)x₂(k)+u₂(k)(0＜β≤1)k＝0,1,…N-1

式中，β表示下行方向每個(gè)采樣周期內(nèi)離開站臺(tái)的客流與站臺(tái)聚集人數(shù)的比值。目標(biāo)函數(shù)為：

式中S₂為下行站臺(tái)候車面積。

對(duì)上行下方向兩個(gè)站臺(tái)進(jìn)行考慮，得到狀態(tài)空間表達(dá)式：

得到系統(tǒng)目標(biāo)函數(shù)為：

對(duì)應(yīng)于本模型，Q和R內(nèi)各元素具有實(shí)際物理意義，為適用于本模型，求解 式(4-4)中Q和R內(nèi)各元素如下：

對(duì)式(4-4)中第一項(xiàng)：

令Q₂＝Q₃＝0，得到

對(duì)式(4-5)中第二項(xiàng)：

令R₁＝r₁，R₂＝R₃＝0，R₄＝r₂，得到

將Q和R代入式(4-5)得：

綜上，該站客流控制的完整模型如下：

狀態(tài)方程：

目標(biāo)函數(shù)：

最優(yōu)控制規(guī)律：

建立該模型的主要內(nèi)容分為兩個(gè)部分：首先利用小波神經(jīng)網(wǎng)絡(luò)求解干擾客流 的預(yù)測(cè)值，然后再利用MPC思想求解在有干擾客流因素下的最優(yōu)控制序列。

1、小波神經(jīng)網(wǎng)絡(luò)求解干擾客流預(yù)測(cè)值

課題組對(duì)通過閘機(jī)流入對(duì)面站臺(tái)的客流流量分別進(jìn)行了現(xiàn)場(chǎng)觀測(cè)，為了盡量保證預(yù)測(cè)的準(zhǔn)確性，統(tǒng)計(jì)了2015年12月21至24日共4日的早高峰7:00-10:00時(shí)段的干擾客流數(shù)據(jù)，每隔3分鐘計(jì)算一次該時(shí)段內(nèi)干擾客流數(shù)量。上下行站臺(tái)各記錄240組數(shù)據(jù)流量。

以上行干擾客流預(yù)測(cè)為例，說明利用小波神經(jīng)網(wǎng)絡(luò)算法求解干擾客流預(yù)測(cè)值的流程。其流程主要分為三步：確定其網(wǎng)絡(luò)結(jié)構(gòu)、用訓(xùn)練數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、用測(cè)試數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試。

(1)確定網(wǎng)絡(luò)結(jié)構(gòu)：重點(diǎn)是依據(jù)干擾客流的特性來設(shè)計(jì)網(wǎng)絡(luò)各層節(jié)點(diǎn)的個(gè)數(shù)。本文設(shè)計(jì)輸入層節(jié)點(diǎn)個(gè)數(shù)為4，用來表示當(dāng)前時(shí)刻的前4個(gè)時(shí)刻的干擾客流的數(shù)量；隱含層的傳遞函數(shù)為小波函數(shù)mymorlet，該層的節(jié)點(diǎn)數(shù)量需要經(jīng)過反復(fù)試驗(yàn)，根據(jù)最終預(yù)測(cè)效果的準(zhǔn)確性來確定其數(shù)目大小。輸出層的節(jié)點(diǎn)數(shù)量為1個(gè)，表征當(dāng)前時(shí)刻的干擾客流的預(yù)測(cè)結(jié)果。

(2)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練：用21日至23日的3天的180個(gè)數(shù)據(jù)進(jìn)行訓(xùn)練，次數(shù)設(shè)計(jì)為100次。

(3)小波神經(jīng)網(wǎng)絡(luò)測(cè)試：用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測(cè)24日的干擾客流流量，并與24日觀測(cè)的實(shí)際干擾客流流量進(jìn)行比較，檢驗(yàn)所訓(xùn)練網(wǎng)絡(luò)的準(zhǔn)確性。

因?yàn)榭土髁髁恐荒転檎麛?shù)，根據(jù)實(shí)際物理意義，按照“四舍五入”原則將預(yù)測(cè)值取整，用該算法得到在早高峰7:30-8:30時(shí)段內(nèi)，上下行干擾客流預(yù)測(cè)值與觀察實(shí)際值分別如表4-2、表4-3所示：

表4-2上行干擾客流預(yù)測(cè)值與實(shí)際值

表4-3下行干擾客流預(yù)測(cè)值與實(shí)際值

2、MPC求解最優(yōu)控制序列

當(dāng)考慮干擾客流時(shí)，每個(gè)控制步程內(nèi)，上下行兩個(gè)站臺(tái)的狀態(tài)空間表達(dá)式為：

其中，u₁'(k)＝u₁(k)+q₁(k)，u'₂(k)＝u₂(k)+q₂(k)；u₁(k)、u₂(k)表示通過閘機(jī)或換乘通道流入本站臺(tái)的流入客流；q₁(k)、q₂(k)表示來自鄰近對(duì)向站臺(tái)閘機(jī)所流入到本站臺(tái)的干擾客流。

得到最優(yōu)客流控制規(guī)律為：

利用MPC控制思想建立客流控制模型的求解過程如下：

首先根據(jù)干擾客流的歷史數(shù)據(jù)用小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法得到預(yù)測(cè)時(shí)間段內(nèi)干擾客流的預(yù)測(cè)值。設(shè)定控制步長(zhǎng)為K步，同樣以站臺(tái)候車面積的客流密度最小為優(yōu)化目標(biāo)。第一步：得到K步內(nèi)干擾客流的預(yù)測(cè)值，采集實(shí)際數(shù)據(jù)x(0)，求解在K步內(nèi)使目標(biāo)函數(shù)最小的K個(gè)輸入變量的值U(0)^*、U(1)^*、…、U(K-1)^*。第二步：采集實(shí)際站臺(tái)客流人數(shù)x(k)，再重復(fù)第一步的過程，又得到一組U(0)^*、U(1)^*、…、U(K-1)^*。從第一步到第二步，時(shí)間步長(zhǎng)往前推進(jìn)了一步，如此一直繼續(xù)下去，直到到達(dá)預(yù)先設(shè)定的預(yù)測(cè)步長(zhǎng)為止。在這個(gè)過程中，每次采集實(shí)際的站臺(tái)客流人數(shù)是為了防止模型預(yù)測(cè)出現(xiàn)偏差，是一種反饋校正的形式。根據(jù)實(shí)際預(yù)測(cè)效果取每次控制步程的一個(gè)(或幾個(gè))輸入變量的值。假設(shè)每次都取每一 步得到的第一個(gè)預(yù)測(cè)值，從而得到一組最優(yōu)控制序列U(0)^*、U(1)^*、U(2)^*、…。如圖2所示：

仿真中首先利用matlab的dlqr()函數(shù)求解出k₁、k₂的值，然后將k₁、k₂的值及表4-2、表4-3的值在Anylogic進(jìn)行設(shè)定，在Anylogic仿真環(huán)境中編程實(shí)現(xiàn)MPC求解最優(yōu)控制序列。