The invention provides a passenger flow guidance method for Urban Rail Transit Based on multi-agent simulation. The method includes: constructing a passenger flow dynamic guidance optimization bilevel programming model considering the scope and content of guidance information release; the upper optimization model takes the sum of the total travel cost and guidance cost of the network as the objective function, and generating passenger flow guidance scheme through genetic algorithm. The lower-level simulation model is used to simulate the passenger's travel behavior in the current passenger flow guidance scheme. The passenger flow and generalized cost in each section of the simulation period are input into the upper-level optimization model. The upper-level optimization model substitutes the passenger flow guidance scheme, passenger flow and generalized cost into the objective function, and obtains the fitness function under the current solution. The optimal dynamic passenger flow guidance scheme with the highest fitness function is obtained. The invention can realize fine induction of \one station one scheme\, assist passengers to make reasonable path decision and alleviate local passenger flow congestion in urban rail transit network.
【技术实现步骤摘要】
基于多智能体仿真的城市轨道交通客流诱导方法
本专利技术涉及城市轨道交通客流管理
,尤其涉及一种基于多智能体仿真的城市轨道交通客流诱导方法。
技术介绍
随着城市轨道交通客流需求的增多,城市轨道交通网络的拥挤问题日益严重。过度拥挤使城市轨道交通网络的运营效率下降的同时,也影响了乘客的出行体验,导致有些乘客因此放弃轨道交通而选用其他交通方式。因此,制定有效缓解地铁客流拥挤的措施,对提升轨道交通服务水平具有重要作用。地铁运营部门通常采用增加供给能力或限制客流需求的方式缓解线网拥堵,如增加列车数量或者控制乘客进站的频率。但由于地铁的供给能力有限,限制乘客的进站频率会耽误乘客的出行,因此,这些方法不能从根本上缓解城市轨道交通线网拥挤。相较于这两种方法,客流诱导是一种更为灵活的客流控制手段。它通过安置在车站的乘客信息系统或导航软件向乘客发布交通网络中的路况描述性信息,为乘客进行出行决策提供一种参考。目前,现有技术中的客流诱导系统主要面向所有乘客发布关于整个交通网络的交通状况,因此所有乘客接收到的路况描述信息都是一样的。上述现有技术中的客流诱导系统的缺点为:道路交通诱导实践结果表明,当交通诱导的参与方只知道各自的利益而忽略路网其他乘客的存在和决策行为时,很可能导致过多乘客同时聚集在相同的路段上,从而引发交通拥堵。
技术实现思路
本专利技术的实施例提供了一种基于多智能体仿真的城市轨道交通客流诱导方法,以克服现有技术的缺点。为了实现上述目的,本专利技术采取了如下技术方案。一种基于多智能体仿真的城市轨道交通客流诱导方法,构建基于仿真的客流动态诱导优化双层规划模型,该客流动态诱 ...
【技术保护点】
1.一种基于多智能体仿真的城市轨道交通客流诱导方法,其特征在于,构建基于仿真的客流动态诱导优化双层规划模型,该客流动态诱导优化双层规划模型包括上层优化模型和下层仿真模型,所述方法包括:在所述下层仿真模型中,通过设定有向弧上的阻抗是关于客流量、诱导信息发布范围及内容的函数,计算每条路径的广义费用函数和每条路径被选中的概率,然后基于多智能体仿真技术得到每个仿真时段内每条有向弧上的流量,并将各个有向弧上的流量传输给所述上层优化模型;所述上层优化模型以网络总出行成本和诱导成本最小为目标函数,以客流诱导信息发布的时空范围作为决策变量,基于下层模型输入的弧段流量调用遗传算法求解所述上层优化模型的目标函数,得到最优的动态客流诱导策略。
【技术特征摘要】
1.一种基于多智能体仿真的城市轨道交通客流诱导方法,其特征在于,构建基于仿真的客流动态诱导优化双层规划模型,该客流动态诱导优化双层规划模型包括上层优化模型和下层仿真模型,所述方法包括:在所述下层仿真模型中,通过设定有向弧上的阻抗是关于客流量、诱导信息发布范围及内容的函数,计算每条路径的广义费用函数和每条路径被选中的概率,然后基于多智能体仿真技术得到每个仿真时段内每条有向弧上的流量,并将各个有向弧上的流量传输给所述上层优化模型;所述上层优化模型以网络总出行成本和诱导成本最小为目标函数,以客流诱导信息发布的时空范围作为决策变量,基于下层模型输入的弧段流量调用遗传算法求解所述上层优化模型的目标函数,得到最优的动态客流诱导策略。2.根据权利要求1所述的方法,其特征在于,所述的基于仿真的客流动态诱导优化双层规划模型,该客流动态诱导优化双层规划模型包括上层优化模型和下层仿真模型,包括:构建轨道交通网络拓扑结构G(S,A),其中,S表示轨道交通车站,A表示有向弧,包括站间区间A′和换乘弧A″,即A=A′∪A″,基于所述轨道交通网络拓扑结构构建基于仿真的客流动态诱导优化双层规划模型,该客流动态诱导优化双层规划模型包括上层优化模型和下层仿真模型;所述上层优化模型是诱导信息发布策略优化模型,用来确定发布诱导信息的时空范围,达到全网范围内的出行费用及诱导费用之和最优的目的;所述下层仿真模型假定区间或换乘弧上的阻抗是关于客流量、诱导信息发布范围及内容的函数,且诱导信息会影响乘客对出行路径效用的感知,获取底层输出的各断面及车站上的实时客流状态,以及乘客在城轨线网的实时分布状态,从而得到每个仿真时段内各个有向弧上的客流量,并将各个有向弧上的客流量传输给所述上层优化模型。3.根据权利要求2所述的方法,其特征在于,所述上层优化模型以网络总出行成本和诱导成本最小为目标函数,以诱导信息发布的时空范围作为决策变量,路段a的动态交通流量xa(t)是关于上层决策变量的函数,由下层仿真模型得到并输入到上层优化模型中;所述上层优化模型的目标函数和约束条件表示如下:式中,表示第t个时间间隔时车站s∈S是否发布关于弧a的路况描述信息,取值为1时表示发布,取值为0时表示不发布,ca(t)表示第t个时间间隔内弧a上的实际广义费用,β1表示每个时间间隔内在一个车站发布一条弧的拥挤描述信息的成本。4.根据权利要求3所述的方法,其特征在于,所述的上层优化模型以网络总出行成本和诱导成本最小为目标函数,以客流诱导信息发布的时空范围作为...
【专利技术属性】
技术研发人员:尹浩东,王兴蓉,吴建军,魏运,孙会君,刘浩,高自友,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。