[发明专利]基于多智能体仿真的城市轨道交通客流诱导方法

权利要求书

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；

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。

2.根据权利要求1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x_a(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是否发布关于路段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，c_a(t)表示第t个时间间隔内路段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，d表示目的站。