适用于轨道交通的车辆调度优化方法、系统及存储介质技术方案

本发明专利技术公开了一种适用于轨道交通的车辆调度优化方法、系统及存储介质，包括：获取目标地区内轨道交通的交通线路图及历史客流数据，基于LSTM网络及图卷积神经网络构建客流预测模型，对交通线路图进行学习表示，获取当前客流数据的时空特征，生成预设时间后的预测客流数据；建立车辆调度模型，对车辆调度进行优化，获取最佳发车间隔制定计划运行图；根据计划运行图的总趟次配置车辆并生成任务号，为车辆配置司机，通过所述任务号、车辆及司机生成人力调度信息，按照预设方式进行发送及显示。本发明专利技术通过深度学习方法预测轨交客流数据，车辆调度提供精准的数据依据，并将运行计划与车辆及司机进行耦合，满足调度灵活性的同时，也具有非常强的计划性。非常强的计划性。非常强的计划性。

【技术实现步骤摘要】
适用于轨道交通的车辆调度优化方法、系统及存储介质


[0001]本专利技术涉及轨道交通
，更具体的，涉及一种适用于轨道交通的车辆调度优化方法、系统及存储介质。

技术介绍

[0002]轨道交通系统的调度分为三大步骤，分别是计划运行图制作，车辆派班以及司机派班这三步；由计划运行图生成各个计划任务，同时针对每个计划指定相应的执行车辆和司机；从而生成下一天的任务计划、车辆计划以及司机驾乘计划；不同公司在管理这三个步骤的关联紧密度各不相同，从而导致调度的灵活性也各不相同，部分轨道交通公司的计划运行图由正线调度员在软件上制定，车辆的派班由车辆段的调度员在软件上制定，司机的派班由司机队长在线下人工制定；绝大部分地铁公司按照该方法在执行；这种模式灵活性最高，但需要专门的司机调度人力，同时相关司机的驾乘数据需要专门的软件进行线上电子化，无法做到全自动；部分轨道交通公司把这三步都在软件上进行制定；大部分的中低运量轨道交通企业采用的是这种方案，这种方式所有的操作都电子化，计划性强，较少岗位的投入，但遇到突发事件后，比如即将执行任务的车辆异常等，需要人工修改计划好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于轨道交通的车辆调度优化方法，其特征在于，包括以下步骤：获取目标地区内轨道交通的交通线路图及历史客流数据，对所述历史客流数据进行预处理，并根据站点信息将预处理后的历史客流数据进行分类；基于LSTM网络及图卷积神经网络构建客流预测模型，对所述交通线路图进行学习表示，获取对应的图结构数据，根据所述图结构数据获取当前客流数据的时空特征，获取预设时间后的预测客流数据；建立车辆调度模型，根据所述预测客流数据对车辆调度进行优化，获取最佳发车间隔，根据所述最佳发车间隔制定计划运行图；根据所述计划运行图的总趟次配置车辆并生成任务号，为车辆配置司机，通过所述任务号、车辆及司机生成人力调度信息，按照预设方式进行发送及显示。2.根据权利要求1所述的一种适用于轨道交通的车辆调度优化方法，其特征在于，获取目标地区内轨道交通的交通线路图及历史客流数据，对所述历史客流数据进行预处理，具体为：获取目标地区内轨道交通的交通线路图，根据所述交通线路图的网络拓扑构建无向图，将站点作为无向图中的节点，站点之间的连接关系作为无向图中的边结构；获取目标地区的多源客流数据，在所述多源客流数据中筛选出轨道交通客流数据进行数据清洗，对异常数据进行剔除获取预处理后的历史客流数据，将所述历史客流数据根据预设时间步长进行划分；将预设时间步长的历史客流数据进行累计，并按照时序进行排序获取预设时间内的客流时序序列，根据站点信息将预处理后的历史客流数据进行分类，利用站点信息对所述客流时序序列设置数据标签；将带数据标签的客流时序序列导入所述无向图与节点进行匹配，对交通线路图对应的无向图进行数据填充。3.根据权利要求1所述的一种适用于轨道交通的车辆调度优化方法，其特征在于，根据所述图结构数据获取当前客流数据的时空特征，获取预设时间后的预测客流数据，具体为：获取交通线路图对应的无向图，利用离差标准化对无向图中各节点的客流时序序列进行归一化处理，将所述客流时序序列中预设时间步长内各节点的客流数据映射到区间[0,1]；基于日周期、周周期及月周期选取目标周期，获取目标周期对应的客流时序序列，获取所述客流时序序列中归一化数据的平均值，作为无向图节点的初始权重；根据目标周期设置三个LSTM单元，并引入注意力机制对所述LSTM单元进行优化，将不同周期的客流时序序列导入对应的LSTM单元，利用注意力机制获取不同时间段的权重信息；通过所述不同时间段的权重信息对客流时序序列进行加权，通过LSTM单元提取不同站点客流数据的时序特征，将所述不同周期对应的时序特征进行特征融合，并作为图卷积神经网络的输入；通过图卷积神经网络对所述无向图进行学习表示，将无向图映射到低维向量空间，根据无向图中节点的连接关系获取节点的邻接矩阵，获取图结构数据；基于自注意力机制获取邻接矩阵中各邻接节点的自注意力权重，将所述自注意力权重
与节点的初始权重进行结合，通过邻居聚合更新节点的向量表示，获取客流数据的时空特征，设置全连接层连接图卷积神经网络作为预测输出；获取目标地区轨道交通当前客流数据，将当前客流数据与与预设时间步长的历史客流数据导入客流预测模型获取时空特征，并利用全连接层进行特征融合输出预设时间后的预测客流信息。4.根据权利要求1所述的一种适用于轨道交通的车辆调度优化方法，其特征在于，建立车辆调度模型，根据所述预测客流数据对车辆调度进行优化，获取最佳发车间隔，根据所述最佳发车间隔制定计划运行图，之前包括：根据目标地区的多源客流数据，将所述多源客流数据进行基于地点信息进行聚类分析获取目标区域各时间段中客流分布的热力可视图，根据所述热力可视图获取各时间段的兴趣点；根据兴趣点在交通线路图上的分布及历史客流数据的时空特征筛选需要车辆调度的时间段及线路信息，读取需要调度线路对应不同周期的时空特征，基于所述不同周期的时空特征、站点基本信息及车辆运行信息获取线路特征；将相邻列车在预设时间段内发车间隔作为决策变量，根据所述决策变量及线路特征利用大数据方法获取调度优化实例，提取所述调度优化实例中的约束条件；对所述约束条件进行统计分析，获取各约束条件的使用频次，预设使用频次阈值进行筛选，同时利用线路特征判断筛选后各约束条件对应数据的获取便捷程度，选取预设数量的约束条件。5.根...

【专利技术属性】
技术研发人员：李开龙，蒋欣，柯钟温，周泽巨，陈家伟，童勇雷，
申请(专利权)人：深圳市海成智联科技有限公司，
类型：发明
国别省市：