【技术实现步骤摘要】
一种扰动场景下基于模型预测控制的列车运行调整方法
[0001]本专利技术涉及城市轨道交通运营管理
,具体涉及一种扰动场景下基于模型预测控制的列车运行调整方法。
技术介绍
[0002]城市轨道交通是大城市公共交通系统的骨干交通方式与核心基础设施。随着城市进程的加快、人口和经济活动的增加,居民对于城市轨道交通系统的需求也在显著增加。在实际运营中,由于乘客出行需求的意外波动和其他不可预测的因素,列车不可避免地会受到干扰,导致列车偏离计划运行图运行。由于列车的高发车频率,在没有有效控制的情况下,干扰很容易扩散到越来越多的列车和车站,造成大规模的延误,频繁的干扰会显著降低城市轨道交通系统的运营质量,从而产生负面影响。有必要开发有效的调整方法来处理降低系统可靠性的干扰,尽可能的恢复受影响列车的正点运行。目前,对于扰动场景下的调整,一部分研究是基于运行图余留时间来展开的,这种方法适用范围有限且易造成资源浪费;另一部分现有的列车自动调整方法未充分考虑乘客的满意度、运营成本和服务水平等综合因素,并且缺乏高效、先进的算法实时求得最优方案。
技术实现思路
[0003]针对现有技术中的上述不足,本专利技术提供了一种扰动场景下基于模型预测控制的列车运行调整方法,提出高效的实时控制策略,实现列车运行自动调整。
[0004]为了达到上述专利技术目的,本专利技术采用的技术方案为:
[0005]一种扰动场景下基于模型预测控制的列车运行调整方法,包括以下步骤:
[0006]S1、根据计划运行图,基于扰动场景 ...
【技术保护点】
【技术特征摘要】
1.一种扰动场景下基于模型预测控制的列车运行调整方法,其特征在于,包括以下步骤:S1、根据计划运行图,基于扰动场景调整列车运行策略,构建列车运行动态模型;S2、以列车的准时性和运行间隔的规律性作为目标函数,以列车运行间隔与控制量作为约束条件,并根据步骤S1中列车运行动态模型,构建基于最小化列车实际运行与计划运行图时间偏差的最优控制问题模型;S3、采用模型预测控制方法求解步骤S2中最优控制问题模型,获取最优控制输入向量,并根据最优控制输入向量调整列车运行状态。2.根据权利要求1所述的一种扰动场景下基于模型预测控制的列车运行调整方法,其特征在于,步骤S1具体包括:S11、根据列车在车站的计划发车时间,计算列车的计划运行间隔;S12、根据步骤S11中列车的计划运行间隔,建立每个车站每列列车的计划发车时间关系;S13、根据列车在上一车站的实际发车时间,计算列车在下一车站的实际发车时间;S14、根据列车在车站到车站的运行时间的控制量与列车在车站到车站的运行时间的扰动,计算列车从车站到车站的实际运行时间;S15、根据一个车站的乘客数量与连续两列车从该车站出发的时间间隔成正比的假设,计算列车在车站的实际停站时间;S16、基于步骤S14中列车从车站到车站的实际运行时间与列车在车站的实际停站时间以及步骤S13中列车在车站的实际发车时间,得到连续两个车站发车时间的动态关系;S17、构建列车在车站相较于计划运行图的发车时间偏差,并基于步骤S12中每个车站每列列车的计划发车时间关系与步骤S16中连续两个车站发车时间的动态关系以及列车在车站相较于计划运行图的发车时间偏差,构建时间偏差动态模型;S18、构建时间偏差状态向量、控制输入向量与干扰向量,并基于步骤S17中时间偏差动态模型,构建列车运行动态模型。3.根据权利要求2所述的一种扰动场景下基于模型预测控制的列车运行调整方法,其特征在于,步骤S11中列车的计划运行间隔的计算公式为:其中,H表示列车的计划运行间隔,表示列车i+1在车站j的计划发车时间,表示列车i在车站j的计划发车时间;步骤S12中建立每个车站每列列车的计划发车时间关系为:其中,R
j
表示列车从车站j到车站j+1的计划运行时间,S
j+1
表示列车在车站j+1的最小停站时间,a
j+1
表示在车站j+1的额外停站时间与列车的计划运行间隔H的比例系数;步骤S13中列车在下一车站的实际发车时间的计算公式为:其中,表示列车i+1在车站j的实际发车时间,表示列车i在车站j的实际发车时
间,表示列车i从车站j到车站j+1的实际运行时间,表示列车i在车站j+1的实际停站时间;步骤S14中列车从车站到车站的实际运行时间的计算公式为:其中,表示列车i从车站j到车站j+1的计划运行时间,表示列车i在车站j到车站j+1的运行时间的控制量,表示列车i在车站j到车站j+1的运行时间的扰动;步骤S15中列车在车站的实际停站时间的计算公式为:其中,表示列车i
‑
1在车站j+1的实际发车时间,表示列车i在车站j+1停站时间的控制量,表示列车i在车站j停站时间的扰动;步骤S16中得到连续两个车站发车时间的动态关系为:其中,表示对列车i的控制量总和,表示列车i受到的总扰动;步骤S17中列车在车站相较于计划运行图的发车时间偏差为:其中,表示列车i在车站j相较于计划运行图的发车时间偏差;步骤S17中时间偏差动态模型为:其中,表示列车i在车站j+1相较于计划运行图的发车时间偏差;步骤S18中时间偏差状态向量为:其中,k表示采样点,N表示城市轨道交通线路的总站数,X
k
表示第k个采样点的时间偏差状态向量,表示列车k
‑
1在车站1的时间偏差,表示列车k
‑
2在车站2的时间偏差,表示列车k
‑
N在车站N的时间偏差,T表示转置;步骤S18中控制输入向量为:其中,U
k
表示第k个采样点的控制输入向量,表示列车k在车站0的控制输入,表示列车k
‑
1在车站1的控制输入,表示列车k
‑
N+1在车站N
‑
1的控制输入;步骤S18中干扰向量为:
X
k+n
‑1‑
X
k+n
≤(H
‑
h
min
)I
N
×1U
k+n
‑1≤U
max
‑
U
k+n
‑1≤
‑
U
min
,n=1,2,
…
,L其中,表示第k个采样点求预测控制问题模型最小值的控制输入向量,表示第k+n个采样点的时间偏差状态向量的转置,X
k+n
表示第k+n个采样点的时间偏差状态向量,X
k+n
‑1表示第k+n
‑
1个采样点的时间偏差状态向量,表示第k+n
‑
1个采样点的控制输入向量的转置,U
k+n
‑1表示第k+b
‑...
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。