考虑客流聚集风险的轨道交通跨站停车方案优化

doi:10.16265/j.cnki.issn1003-3033.2022.06.1188

中国安全科学学报 ›› 2022, Vol. 32 ›› Issue (6): 157-162.doi: 10.16265/j.cnki.issn1003-3033.2022.06.1188

考虑客流聚集风险的轨道交通跨站停车方案优化

吴海涛¹^,²^,³(), 侯成龙¹, 黎双喜¹, 谭惠文¹

1 西南交通大学交通运输与物流学院,四川成都 611756
2 综合交通运输智能化国家地方联合工程实验室,四川成都 611756
3 综合交通大数据应用技术国家工程实验室,四川成都 611756

收稿日期:2021-12-10 修回日期:2022-04-20 出版日期:2022-06-28 发布日期:2022-12-28
作者简介:
吴海涛 (1981—),男,山东烟台人,博士,副教授,主要从事交通运输系统安全性与人因可靠性、交通运输网络可靠性等方面的研究。E-mail: wuhaitao@swjtu.cn。
基金资助:
国家自然科学基金资助(51605398); 四川省科技厅软科学项目(2020JDR0142); 成都市科技局软科学项目(2020-RK00-00080-ZF)

Optimization of skip-stop strategy for urban rail transit considering passenger flow aggregation risk

WU Haitao¹^,²^,³(), HOU Chenglong¹, LI Shuangxi¹, TAN Huiwen¹

1 School of Transportation and Logistics, Southwest Jiaotong University, Chengdu Sichuan 611756, China
2 National United Engineering Laboratory of Integrated and Intelligent Transportation, Chengdu Sichuan 611756, China
3 National Engineering Laboratory of Comprehensive Transportation Big Data Application Technology,Chengdu Sichuan 611756, China

Received:2021-12-10 Revised:2022-04-20 Online:2022-06-28 Published:2022-12-28

摘要/Abstract

摘要：

针对城市轨道交通系统站台客流聚集风险问题,定义站台风险等级及风险阈值,以最大化列车停靠站点风险等级总和及最小化列车运营间隔为规划目标,基于风险阈值,设定满足单列车基本开行条件、多列车追踪条件、乘客出行要求的约束条件,建立跨站停车方案双目标规划优化模型;最后使用以分层序列法为内核的迭代算法求解模型,并通过算例验证模型。结果表明:由优化模型得到的跨站停车方案较常规方案解决线路站台客流聚集风险的能力提升了66.7%,线路通过能力提升10.5%,优化方案能够在满足乘客出行要求的同时解决线路站台整体风险问题。

关键词: 城市轨道交通, 跨站停车, 客流聚集, 风险阈值, 大客流

Abstract:

Aiming at the problem of passenger flow aggregation risk at the platform of urban rail transit system, the platform risk level and risk threshold are defined. Taking maximizing the sum of risk levels of train parking stations and minimizing the train operation intervals as the planning objectives, based on the risk threshold, the constraint conditions that meet the basic operation of a single train, the multi-train tracking conditions and passenger travel requirements were set, and a bi-objective programming model for the skip-stop strategy is established. Finally, an iterative algorithm with hierarchical sequence method as the core is used to solve the model, and the model is verified by an example. The results show that the capacity of the skip-stop strategy obtained from the optimization model to solve the risk of passenger flow aggregation on the line platform is increased by 66.7%, and the rail line capacity is increased by 10.5% compared with that of the conventional scheme. The optimization strategy can solve the overall risk problem of the line platform while meeting the travel requirements of passengers.

Key words: urban rail transit, skip-stop, passenger flow aggregation, risk threshold, mass passenger flow

吴海涛, 侯成龙, 黎双喜, 谭惠文. 考虑客流聚集风险的轨道交通跨站停车方案优化[J]. 中国安全科学学报, 2022, 32(6): 157-162.

WU Haitao, HOU Chenglong, LI Shuangxi, TAN Huiwen. Optimization of skip-stop strategy for urban rail transit considering passenger flow aggregation risk[J]. China Safety Science Journal, 2022, 32(6): 157-162.

图/表 8

图1

表1

表2

表3

行驶时间矩阵及参数设置

开行区间				行驶时间/s				参数	取值	参数	取值
1—2	4—5	7—8	10—11	190	135	103	150	h/s	90	C/人	1 200
2—3	5—6	8—9	11—12	108	90	104	140	y	3	S_i/m²	1 416
3—4	6—7	9—10	12—13	157	114	166	102	$N m a x$	7	D/s	30

表3

表4

表5

跨站停车方案

站台编号	1	2	3	4	5	6	7	8	9	10	11	12	13
$x 1, i$	0	0	0	0	1	0	1	0	1	1	1	0	1
$x 2, i$	0	0	0	0	1	0	1	0	1	1	1	0	1
$x 3, i$	0	0	0	1	0	0	1	1	0	1	1	0	1
$x 4, i$	1	1	1	1	1	1	1	1	1	1	1	1	1

表5

图2

图3

参考文献 11

[1]	赵保锋, 邹晓磊, 屈晓宜. 基于仿真的城市轨道交通站台客流滞留分级预警方法[J]. 城市轨道交通研究, 2017, 20(9):107-110,115.
	ZHAO Baofeng, ZOU Xiaolei, QU Xiaoyi. Classification of early warning for passenger flow retention at urban rail transit station based on simulation[J]. Urban mass transit, 2017, 20(9): 107-110,115.
[2]	朱炜. 轨道交通车站大客流事件的形成、传播及对策[J]. 城市交通, 2013, 11(3):55-61.
	ZHU Wei. Mass passenger flows at rail transit stations: formation, impacts, and countermeasures[J]. Urban Transport of China, 2013, 11(3): 55-61.
[3]	王祎南. 突发特大客流城市轨道交通运营组织研究[D]. 北京: 北京交通大学, 2008.
	WANG Yi'nan. The study of operation organization about outburst mass passenger flow in urban rail transit system[D]. Beijing: Beijing Jiaotong University, 2008.
[4]	冉晓夕. 突发大客流城市轨道交通运营组织研究[D]. 成都: 西南交通大学, 2014.
	RAN Xiaoxi. Transportation organization of the sudden large passenger flow in urban rail transit[D]. Chengdu: Southwest Jiaotong University, 2014.
[5]	SHI Jungang, YANG Lixing, YANG Jing, et al. Cooperative passenger flow control in an oversaturated metro network with operational risk thresholds[J]. Transportation Research Part C, 2019, 107; 301-336. doi: 10.1016/j.trc.2019.08.008
[6]	GAO Yuan, LEO K, MAIRE S, et al. Rescheduling a metro line in an over-crowded situation after disruptions[J]. Transportation Research Part B: Methodological, 2016, 93(11):425-449. doi: 10.1016/j.trb.2016.08.011
[7]	郑锂, 宋瑞, 何世伟, 等. 城市轨道交通跨站停车方案优化模型及算法[J]. 铁道学报, 2009, 31(6):1-8.
	ZHENG Li, SONG Rui, HE Shiwei, et al. Optimization model and algorithm of skip-stop strategy for urban rail transit[J]. Journal of the China Railway Society, 2009, 31(6):1-8.
[8]	SALAMA M, ABDELHAFIEZ E, SHALABY M. Maximizing number of direct trips for a skip-stop policy in metro systems[J]. Computers & Industrial Engineering, 2019, 137(106091):1-10.
[9]	ABDELHAFIEZ E A, SALAMA M R, SHALABY M A. Minimizing passenger travel time in URT system adopting skip-stop strategy[J]. Journal of Rail Transport Planning & Management, 2017, 7(4):277-290.
[10]	曹志超, 袁振洲, 李得伟, 等. 城市轨道交通跨站越行模式的开行方案优化[J]. 铁道学报, 2017, 39(11):15-22.
	CAO Zhichao, YUAN Zhenzhou, LI Dewei, et al. Optimization of stop-skip train operation scheme for urban rail transit[J]. Journal of the China Railway Society, 2017, 39(11): 15-22.
[11]	胡玉真, 张耸. 基于多目标规划的飞机路径恢复最优化算法研究[J]. 运筹与管理, 2020, 29(9):10-17.
	HU Yuzhen, ZHANG Song. Research on optimization algorithm for aircraft routing recovery based on multi-objectives programming[J]. Operations Research and Management Science, 2020, 29(9):10-17.

站台编号	1	2	3	4	5	6	7	8	9	10	11	12
旅客到达率/(人·s^-1)	0.35	0.55	0.84	0.3	0.54	0.35	2.25	0.25	0.30	2.43	0.65	0.20
站台初始乘客人数	105	165	252	387	697	210	2 896	319	391	3 130	839	258

客流密度/(人·m^—2)	服务水平	拥挤程度	对应客流状态	风险等级
0~0.7	A—C	正常	运营流畅	Ⅰ(1)
0.7~1.1	D	拥挤	运营拥挤	Ⅱ(2)
1.1~1.33	D	密集	运营高峰期	Ⅲ(3)
1.33~2	E	阻滞	高峰期极限	Ⅳ(4)
2~3.03	F	危险	超过客运设备及客流组织极限	V(5)

[1]	周乃锋, 蒋帅. 海外城市轨道交通运营技术条件安全评估[J]. 中国安全科学学报, 2020, 30(S1): 152-157.
[2]	张衡, 王洪伟. 基于LTE-M的城市轨道交通PIS系统应用测试^*[J]. 中国安全科学学报, 2019, 29(S2): 47-50.
[3]	冯诚, 杨静, 张红亮, 冯焕东. 基于组合模型的地铁车站行人疏散仿真优化研究[J]. 中国安全科学学报, 2019, 29(8): 49-54.
[4]	王朔, 朱士友, 俞军燕, 黄玲. 地铁车站应急预案VR模拟与情景设计[J]. 中国安全科学学报, 2019, 29(7): 183-188.
[5]	薛锋, 何传磊, 黄倩. 成都地铁网络的关键节点识别方法及性能分析[J]. 中国安全科学学报, 2019, 29(1): 93-99.
[6]	李晓璐, 于昕明, 雷方舒, 郗艳红, 毛军, 朱广宇. 城市轨道交通系统灾害链网络模型构建与评价[J]. 中国安全科学学报, 2018, 28(6): 179-184.
[7]	熊智, 钟少波, 宋敦江, 余致辰, 黄全义. 城市轨道交通客流量时间序列分段拟合方法[J]. 中国安全科学学报, 2018, 28(11): 35-41.
[8]	陈露，马驷. 城市轨道交通网络运营安全问题的复杂多属性决策方法[J]. 中国安全科学学报, 2013, 23(4): 146-.
[9]	王艳辉，晋君，李曼. 基于三角模糊因果图的城市轨道交通火灾事故分析[J]. 中国安全科学学报, 2013, 23(11): 22-.
[10]	宋宇博，牟海波，蒋兆远. 基于随机Petri网的城市轨道交通应急系统安全性能分析[J]. 中国安全科学学报, 2011, 21(9): 82-.
[11]	肖雪梅，王艳辉，贾利民. 基于复杂网络和熵的城轨路网运营安全评价模型[J]. 中国安全科学学报, 2011, 21(11): 41-.
[12]	何理. 城市轨道交通工程建设期间危险有害因素分析[J]. 中国安全科学学报, 2010, 20(4): 88-.
[13]	马嘉琪，白雁，齐茂利. 基于微观仿真的同站台换乘站客流疏散研究[J]. 中国安全科学学报, 2009, 19(11): 172-.
[14]	何杰，张娣，张小辉，赵池??. 基于FTA-Petri网的地铁火灾事故安全性研究[J]. 中国安全科学学报, 2009, 19(10): 77-.
[15]	代宝乾，汪彤，秦跃平，蒋玉琨. 基于事故理论的城市轨道交通风险评价模型研究[J]. 中国安全科学学报, 2007, 17(10): 156-.

考虑客流聚集风险的轨道交通跨站停车方案优化

Optimization of skip-stop strategy for urban rail transit considering passenger flow aggregation risk

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 11

相关文章 15

编辑推荐

Metrics

本文评价

站点编号	1	2	3	4	5	6	7	8	9	10	11	12	13
1	—	0.05	0.05	0.05	0.05	0.05	0.09	0.05	0.05	0.10	0.26	0.10	0.11
2	—	—	0.05	0.05	0.05	0.05	0.05	0.05	0.05	0.20	0.20	0.05	0.20
3	—	—	—	0.03	0.03	0.03	0.03	0.03	0.03	0.12	0.55	0.12	0.03
4	—	—	—	—	0.06	0.06	0.06	0.06	0.06	0.22	0.22	0.06	0.22
5	—	—	—	—	—	0.06	0.06	0.06	0.06	0.20	0.28	0.24	0.06
6	—	—	—	—	—	—	0.07	0.07	0.07	0.20	0.34	0.19	0.07
7	—	—	—	—	—	—	—	0.08	0.08	0.17	0.43	0.08	0.17
8	—	—	—	—	—	—	—	—	0.09	0.18	0.36	0.27	0.09
9	—	—	—	—	—	—	—	—	—	0.13	0.50	0.24	0.13
10	—	—	—	—	—	—	—	—	—	—	0.72	0.12	0.16
11	—	—	—	—	—	—	—	—	—	—	—	0.50	0.50
12	—	—	—	—	—	—	—	—	—	—	—	—	1.00