高铁综合交通枢纽客流协同管控优化关键技术 (1).pdf

高铁综合交通枢纽客流协同管控优化关键技术熊刚1，刘小明2，张涛3，朱凤华1，刘璐菲2，乔曜芩2（1.中国科学院自动化研究所多模态人工智能系统全国重点实验室，北京100190；2.北方工业大学电气与控制工程学院，北京100144；3.中国铁道科学研究院集团有限公司通信信号研究所，北京100081）摘要：针对高速铁路综合交通枢纽（简称：枢纽）客流协同管控方法主要关注单一场景、缺乏灵活性及适应性等问题，从常态和非常态两种情况出发，对我国枢纽客流协同管控方法的研究现状进行分析，并重点论述了枢纽客流协同管控优化的关键技术。阐述了常态情况下的复杂流线分析技术和动、静态信息实时匹配度量方法，以及非常态情况下的动态瓶颈点识别与预测方法和应急协同调度与决策方法。对我国枢纽的建设和发展具有参考作用。关键词：高速铁路综合交通枢纽；客流协同管控；复杂流线；动态瓶颈识别；应急协同调度中图分类号：U238:U115:TP39文献标识码：ADOI：10.3969/j.issn.1005-8451.2023.08.11Key technologies for collaborative control and optimization of passengerflow in high-speed railway integrated transportation hubsXIONGGang1，LIUXiaoming2，ZHANGTao3，ZHUFenghua1，LIULufei2，QIAOYaoqin2(1.StateKeyLaboratoryofMultimodalArtificialIntelligenceSystems,InstituteofAutomation,ChineseAcademyofSciences,Beijing100190,China；2.SchoolofElectricalandControlEngineering,NorthChinaUniversityofTechnology,Beijing100144,China；3.SignalandCommunicationResearchInstitute,ChinaAcademyofRailwayScienceCorporationLimited,Beijing100081,China)Abstract:In response to the issues of single scenario,lack of flexibility,and adaptability in passenger flowcollaborativemanagementandcontrolmethodsforhigh-speedrailwaycomprehensivetransportationhubs(referredtoashubs),thispaperanalyzedthecurrentresearchstatusofpassengerflowcollaborativemanagementandcontrolmethods for hubs in China from both normal and abnormal situations,and focused on the key technologies foroptimizingpassengerflowcollaborativemanagementandcontrolofhubs.Thepaperelaboratedoncomplexstreamlineanalysistechniquesundernormalconditions,andreal-timematchingmeasurementmethodsofdynamicandstaticinformation,aswellasdynamicbottleneckpointidentificationandpredictionmethodsandemergencycollaborativedispatchinganddecision-makingmethodsunderabnormalconditions.IthasreferencevaluefortheconstructionanddevelopmentofhubsinChina.Keywords:high-speedrailwayintegratedtransportationhub；passengerflowcoordinationcontrol；complexflowlines；dynamicbottleneckidentification；emergencycooperativedispatching近年来，随着我国经济水平的快速提升，高速铁路（简称：高铁）得到迅猛发展，高铁客运站已发展成为大型综合交通枢纽，汇集高铁、城市轨道交通（简称：城轨）、公交、社会车辆等多种交通方式，高铁综合交通枢纽（简称：枢纽）在现代化综合交通运输体系中已占据重要地位。枢纽内客流的协同管控，以及多模式交通的精准组织和自主调度是提高枢纽运行效率和服务质量的关键所在。当前的协同管控方法存在粗放式感知、孤立性调度和延迟性反馈等问题，影响枢纽的交通组织效率和调度效果。本文基于当前研究的不足之处，立足于枢收稿日期：2023-05-20基金项目：国家自然科学基金项目（U1909204）；中国国家铁路集团有限公司科技研究开发计划项目（L2022X002）；国家铁路智能运输系统工程技术研究中心开放课题（RITS2021KF03）；广东省重点领域研发计划项目（2020B0909050001）作者简介：熊刚，研究员；刘小明，教授。第32卷 第8期Vol.32 No.8智能运营Intelligent Operation文章编号：1005-8451（2023）08-0063-05RCA2023.08 总第 317 期63纽客流协同管控，对常态、非常态下枢纽客流协同管控优化 2 个部分的关键技术展开研究。1 客流协同管控现状枢纽的客流协同管控是指对枢纽客流进行协同管理和控制，以确保客流的安全、顺畅和高效有序通行。主要工作包括客流监测、客流预测、客流调度、客流引导、客流分流和客流安检等。常态和非常态通常是根据客流量的大小和变化程度来区分的。常态下，客流量相对平稳，可按照预定的计划和措施进行管理和控制；非常态下，客流量突然增加或出现异常情况，超出了正常的管理范围，需要采取额外的应对措施，如增加运力、加强安检等。通常，当客流量超过了事先设定的阈值或出现了突发事件时，可判断为非常态情况。1.1 常态下客流协同管控方法枢纽的客流管控优化对其良好运营具有重要意义，受到了国内外众多学者的关注。刘宝贵等人1研究了基于深度强化学习的枢纽客流调度模型，通过模型学习实现对客流的预测和调度，并基于枢纽的网络结构和运行机制提出优化策略；徐亚婧等人2研究了枢纽的网络结构和流量分配问题，提出了一种基于蚁群算法的优化策略；胡畔3对枢纽设施与流线理论进行了简述，对其换乘系统的构成及换乘流线、设施服务能力进行分析，提出了以铁路为主的枢纽换乘客流预测的思路，分析了换乘客流的特点及构成，并介绍了预测客流量的方法。综上，现有的常态下枢纽客流协同管控方法仍然停留在局部管控优化，未考虑复杂的客流流线与客流协同管控优化间的关系，且未考虑多模式出行属性，对枢纽的客流协同管控刻画不足。1.2 非常态下客流协同管控方法熊国强等人4运用元胞自动机理论构建了地铁客流应急疏散的组合模型，包括行人最优路径选择模型、障碍物绕行模型等，并仿真分析了地铁客流应急疏散的过程；温念慈等人5将协同矩阵与多目标规划理论，应用到突发大客流下多车站协同客流控制应急决策研究中，实现突发情况下，多站动态协同应急决策的制定与动态调整；Zhu 等人6构建了以训练序列为阶段变量的动态规划模型，提出了一种具有多种改进策略的 NSGA-II 算法，求解综合应急情况下并行协同控制模型，生成客流控制策略，最大限度地提高乘客周转率；Yuan 等人7提出一种基于跳停模式的客流控制和列车调度的综合优化方法，此外，还考虑了特殊情况下的乘客动态需求和列车载客率，建立了混合整数规划模型，使列车的未使用容量最小站台和车站外的候车乘客总数最少。综上，现有的非常态下枢纽客流协同管控方法研究多集中于有预见性的突发客流情况，且客流管控措施单一，尚无法满足枢纽的客流协同管控需求。2 常态下枢纽客流协同管控优化关键技术 2.1 复杂流线分析技术枢纽的客流复杂流线分析技术是指对枢纽内的客流进行细致的分析和研究，以了解客流的流动规律和行为模式，并通过数据分析和建模等方法，提供有效的流线设计和管理方案。客流数据通常是多维、动态和复杂的，如何从大量数据中提取有用的信息，并基于采集到的客流数据，形成客流的网络模型和流线图，建立客流模型来描述人员在枢纽内的流动情况，都是有待解决的问题。本文从复杂时空条件下枢纽客流集散流线状态表征分析和基于多要素演化基本图的动态演变关系分析 2 个方面来阐述复杂流线分析技术。2.1.1复杂时空条件下枢纽客流集散流线状态表征分析基于时空网络图的概念，构建复杂时空条件下的枢纽网络结构图，用以分析复杂时空下枢纽客流集散流线的特征。综合考虑枢纽内部通道空间网络特征、枢纽内各衔接交通时间特征、枢纽设施配置方案等要素对客流流线的影响，采用深度优先搜索方法分析枢纽内流量较大的关键流线，对每条流线进行全链路追踪，深度挖掘流线的聚合起始点、途径的瓶颈设备及消散点，标记客流流线合流与分叉的关键设备点，重点计算关键设备通行能力与合流平台的平均集散时间。智能运营2023年8月RCA642023.08 总第 317 期2.1.2基于多要素演化基本图的动态演变关系分析针对枢纽客流流线交汇处交通拥挤问题，基于宏观基本图理论，研究交汇处交通相态的多要素影响因素识别及其客流量控制。提出多要素演化基本图理论，考虑流线冲突点、客流平均走行距离、衔接交通的客流到达分布、自由流流速等因素，构建多 要 素 演 化 基 本 图（MEFD，Multi-EvolutionaryFundamentalDiagram），并进一步研究客流相态划分方法，建立基于全连接神经网络的客流流线相态智能演化算法，分析流线间的动态聚集、汇合、演化和消散规律。在 MEFD 构建过程中，考虑到枢纽内的客流流线网不同于城市交通道路网，其通道内复杂的客流流线交织，极易导致客流的无序性走行，由此，引入枢纽的流线干扰度指标，用来反映换乘枢纽内部客流的组织水平和乘客换乘的顺畅度，为枢纽集散能力提升和枢纽客流协同管控优化研究提供重要依据。2.2 动静态信息实时匹配度量方法针对枢纽内多模式交通的运行方案、调度特性（时长、梯度、路径自由度等）、承载性能（装载速度、辐射力度、投送边界等）和时效影响（蔓延指数、变异速度等）等多类运载属性，采用层次分析法，将各类运载属性转变为可统一度量的标准指标，并结合动态时间弯曲（DTW，DynamicTimeWarping）算法和波动权值，分析各类指标时序状态下的异步相关特性，进而构建乘客出行特征和运载特征间的映射关系图谱。基于策略梯度和 Apriori 分析手段，分析不同映射要素间的关联程度，形成动/静态信息的实时匹配度量方法。3 非常态下枢纽客流协同管控优化关键技术 3.1 动态瓶颈点识别与预测方法瓶颈是指在一个系统或过程中，限制了整体性能或流程效率的拥堵点，是导致整体系统无法更快运行或实现最佳效果的限制因素。在客流分析中，瓶颈通常指客流量最大的区域或环节，可能是客流拥堵、流动受阻或服务质量下降的关键点。瓶颈可能是由多种因素引起的，包括但不限于容量限制、布局不合理、运行调度问题和人群行为等，识别和预测枢纽瓶颈是优化客流流线的关键步骤。针对现有枢纽瓶颈识别方法难以描述枢纽复杂环境下的多瓶颈及瓶颈区域等问题，需要研究面向枢纽多类运营目标的单点瓶颈识别方法和系统级瓶颈识别方法，进而构建基于时空关联度分析的枢纽动态瓶颈实时预测模型，如图 1 所示。3.1.1单点瓶颈识别方法综合考虑枢纽多类型、多方式客流的出行轨迹、出行目标、分布特征等因素对瓶颈造成的影响，从设备设施和客流输送 2 方面对单个动态瓶颈识别方法进行研究，为识别枢纽内能力较小或失衡的设备设施，根据设备设施实际客流需求、通行能力和容纳能力构建设备设施动态能力瓶颈的识别指标，以乘客通过步行时间、等待人数和拥挤度构建动态客流瓶颈识别指标，最终构建动静态一体化单点动态客流瓶颈识别模型。3.1.2系统级瓶颈识别方法基于枢纽异质客流的时空状态因果关系挖掘模型和拥堵态势时空传播有向图集，获取枢纽内的客流分配，将客流分配、单点动态瓶颈和枢纽空间结构作为系统级瓶颈识别特征数据集，设置深度自编码器的特征编码、网络权重和网络偏置等，进而构建结合生成对抗网络及深度强化学习的系统级瓶颈识别模型。3.1.3枢纽动态瓶颈实时预测模型基于实时瓶颈发生、历史瓶颈发生、客流流线等 数 据，构 建 枢 纽 瓶 颈 拓 扑 结 构 图；利 用GCN（GraphConvolutionalNetwork）在处理空间信息上的优势，构建瓶颈的空间特征挖掘模型；采用GRU（GatedRecurrentUnit），基于瓶颈隐藏特征、客流时间演化特征，构建瓶颈的时间特征挖掘模型；进而将枢纽瓶颈节点、时间特征和空间特征构造为可学习的邻接矩阵，构建基于视觉注意力网络的枢纽动态瓶颈实时预测模型，最终输出瓶颈发生、消散、转移和扩散的预测结果。第32卷 第8期熊刚等：高铁综合交通枢纽客流协同管控优化关键技术智能运营RCA2023.08 总第 317 期65 3.2 应急协同调度与决策方法针对非常态下枢纽的应急协同调度与决策通常采用被动响应模式的问题，建立包括异常事件感知、影响程度评估、决策方案推荐、决策过程预演、管控效果评估及实施过程监测等 6 个模块的应急协同调度与决策方法8，如图 2 所示。OD图2应急协同调度与决策方法流程（1）将非常态下的枢纽多因素的历史异常事件数据和实时社会空间数据输入到数字孪生系统内9，进行样本扩增，实现快速精准的异常事件感知；（2）结合客流生成与态势分析、多尺度高精度动力学模型、集散能力计算和动态瓶颈识别对事件的影响程度进行评估；（3）通过交叉关联、对比分析和机器学习等方法进行跨空间信息关联，构建枢纽基础设施资源池和管理决策知识资源池，实现协同管控决策方案推荐；（4）利用策略网络和估值网络进行快速的决策方案推演，结合推荐算法选择最优决策方案；（5）针对多选管控方案进行管控效果评估，对多源交通方式从运行计划、调度特性和承载性能等实时瓶颈发生数据历史瓶颈发生数据客流流线.瓶颈发生瓶颈消散瓶颈转移瓶颈扩散基于时空关联度分析的枢纽动态瓶颈实时预测模型瓶颈拓扑结构图GCN空间特征挖掘模型X1X1X1X1Y1Y1Y1Y111)()()1(22()lllHDADH WGRU时间特征挖掘模型+x1thxxtanhthtx1-枢纽瓶颈节点时间特征空间特征视觉注意力网络面向枢纽多类运营目标的单点瓶颈识别方法.实际客流需求通行能力容纳能力等待人数拥挤度乘客通过步行时间面向枢纽多类运营目标的系统级瓶颈识别方法时空状态因果关系挖掘模型拥堵态势时空传播有向图集客流分配单点动态瓶颈枢纽空间结构深度自编码器特征编码网络权重网络偏置系统级瓶颈识别模型真实知识生成样本分类器对抗生成网络深度强化学习客流出行轨迹特征数据集正常区域系统瓶颈设备设施客流输送客流出行目标客流分布特征动静态一体化单点动态客流瓶颈识别模型图1枢纽动态瓶颈识别方法智能运营2023年8月RCA662023.08 总第 317 期方面进行评估，对客流组织从时效影响、路径可达和轨迹重叠等方面进行评估，对枢纽关联从关联衔接、通行评估和态势跟踪等方面进行评估；（6）进行实施过程监测，将出租车、公交和列车 调 度 等 作 为 实 施 监 测 对 象，实 现 对 包 括 OD（OrigintoDestination）动态分布和出行需求等方面的客流状态的监测。将监测获取的数据导入到异常事件感知模块，形成 6 个模块的主动式闭环。4 结束语针对当前枢纽客流协同管控研究存在的复杂流线分析和枢纽动态瓶颈点识别困难等问题，本文从常态和非常态下的枢纽客流协同管控方法 2 个方面展开研究，阐述了相关的研究成果，存在问题和关键技术，对我国高铁综合交通枢纽的运营、发展和规划具有参考意义。下一步，将更加注重多模态客流协同管控和客流预测与动态调度等方面的研究，研究如何在多模态间实现客流的协同管控，以及如何提升枢纽客流预测的准确性和精细度。参考文献刘宝贵，刘娟，韩立娟.基于深度强化学习的高铁综合交通枢纽客流调度模型J.中国铁路科学，2019，40（5）：194-101.徐亚婧，陈珂嘉，董晶晶.高铁综合交通枢纽网络结构和流量分配优化研究J.铁道科学与工程学报，2017，14（3）：527-534.2胡畔.大连北站综合交通枢纽客流换乘组织研究D.大连：大连交通大学，2019.3熊国强，雷嘉烨.基于突发事件的城市地铁客流应急疏散模型与仿真分析J.工业工程，2020，23（3）：99-106.4温念慈，倪少权，陈钉均，等.城市轨道交通突发大客流协同应急决策研究J.中国安全生产科学技术，2017，13（7）：48-54.5ZhuGY,SunRR,SunXN,etal.ParallelandcollaborativepassengerflowcontrolofurbanrailtransitundercomprehensiveemergencysituationJ.IEEETransactionsonIntelligentVehicles,2023,8(4):2842-2956.6YuanFY,SunHJ,KangLJ,etal.Anintegratedoptimizationapproachforpassengerflowcontrolstrategyandmetrotrainschedulingconsideringskip-stoppatternsinspecialsituationsJ.AppliedMathematicalModelling,2023,118(6):412-436.7王飞跃，曹东璞，魏庆来.强化学习：迈向知行合一的智能机制与算法J.智能科学与技术学报，2020，2（2）：101-106.8吕宜生，王飞跃，张宇，等.虚实互动的平行城市：基本框架、方法与应用J.智能科学与技术学报，2019，1（3）：311-317.9责任编辑李依诺第32卷 第8期熊刚等：高铁综合交通枢纽客流协同管控优化关键技术智能运营RCA2023.08 总第 317 期67