[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

说明书

本发明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，该方法包括：构建考虑诱导信息发布范围和内容的客流动态诱导优化双层规划模型，上层优化模型以网络总出行成本和诱导成本之和为目标函数，通过遗传算法生成客流诱导方案。下层仿真模型用于在当前客流诱导方案对乘客的出行行为进行仿真建模，将仿真时段内的每条路段上的客流量和广义费用输入到上层优化模型中，上层优化模型将客流诱导方案、客流量和广义费用代入到目标函数中，得到当前解下的适应度函数，通过多次迭代，得到适应度函数取值最高的最优动态客流诱导方案。本发明可以实现“一站一方案”的精细化诱导，可辅助乘客制定合理的路径决策，缓解城市轨道交通线网局部客流拥挤。

技术领域

本发明涉及城市轨道交通客流管理技术领域，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。

背景技术

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。

发明内容

本发明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，本发明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。

进一步地，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；