[发明专利]适用于轨道交通的车辆调度优化方法、系统及存储介质

说明书

本发明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。

技术领域

本发明涉及轨道交通技术领域，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。

背景技术

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的各项调度任务，灵活性不高。

在轨道交通调度过程中，为了满足各种突发事件并减少运行的人力成本，需要一种适用于轨道交通的车辆调度优化方案来实现，以提升系统的信息化程度并确保任务的计划性。

发明内容

为了解决上述技术问题，本发明提出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。

本发明第一方面提供了一种适用于轨道交通的车辆调度优化方法，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，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。

本方案中，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。

本方案中，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：