基于客流与行车协同的城市轨道交通 线网调度指挥系统研究

0 引言

随着国内城市轨道交通的快速发展，各地城市轨道交通线网规模不断扩大，传统的单线路运营管理模式凸显弊端，如：信息不对称、指令多源化、跨线路协调调度困难等，多线路应急联动与指挥能力薄弱，既有模式已无法适应城市轨道交通网络化运营的需求。各地在城市轨道交通运营管理方面由单线路运营向网络化运营转变的需求迫切。

目前，国内部分城市已经建设了城市轨道交通线网运营指挥中心，负责对线网运营进行总体的组织、指挥、协调和指导，一定程度上缓解了单线路运营管理模式下面临的严峻问题。但系统中核心的行车调度指挥和客流分析模块还是信息独立接入、独立逻辑处理，缺乏深度结合分析，导致运能与运量匹配分析不够深入，也无法有效预测未来运能与运量的匹配情况，进而无法有效为调度人员提供辅助决策及突发应急协调指挥。在线网调度指挥系统中，如何有效地将客流与行车进行协同分析，成为当下亟待解决的技术问题。

1 客流与行车分析现状

城市轨道交通行车密度高、站间距离小、追踪间隔短，在复杂多变的外界因素干扰下，系统在运营过程中发生随机故障等突发事件在所难免。而在网络化运营条件下，突发事件势必会对列车运行产生干扰，一旦造成列车延误，将会通过换乘站对相邻线路的运营产生影响，如果没有及时采取适当的行车调整措施，则会导致大面积的列车延误，进而波及整个线网的正常运营。

在当前客流与行车数据缺乏有效协同分析的情况下，运营管理人员缺少决策支持信息，客流引导和行车调整很难做到有的放矢，线网调度指挥将面临以下问题。①运营管理人员不便了解掌握当下现场运输需求和运输能力的匹配情况；②运营管理人员不便了解预测未来运输需求和运输能力的匹配情况；③在突发故障或大客流等异常场景下，运营管理人员不便预判客流与行车相互作用关系和趋势；④运营管理人员不便于规划编制匹配运量需求的列车开行计划。

综上分析可知，若要降低突发故障或异常事件对乘客和运营的影响，亟需开展的工作是对历史客流数据和实时客流数据进行采集，对信号行车计划和实时行车动态信息进行采集，进而对客流与行车数据进行协同分析，扩展综合性的线网调度指挥功能，实现基于OD的客流数据和基于时间状态的信号行车数据在线网融合视图上的评估展现，实现实时行车动态下车站候车、列车载客客流趋势预测及预警，实现突发故障或大客流场景下的客流与行车相互作用关系和趋势分析，实现故障应急下线路间换乘客流与行车耦合关系分析；客流和行车信息深度结合，有效分析当前运能与运量匹配情况，预测未来运能与运量的匹配情况，以便更好地为运营管理人员提供辅助决策支持及突发应急协调指挥指导。

2 客流与行车协同分析

2.1 协同分析流程

基于客流与行车协同分析的线网调度指挥系统数据处理流程如图1所示，数据处理流程可分为以下4个步骤。

图1 基于客流与行车协同分析的线网调度指挥系统数据处理流程Fig.1 Data processing flow of dispatching command system based on passenger flow and train operation

（1）线网调度指挥系统开放标准的客流数据接口和线路列车自动监控系统(ATS)接口，从线网清分中心或大数据平台等接入客流数据，从各线路信号系统接入行车数据。

（2）对采集汇聚的客流和行车数据进行处理。一是进行数据存储并实时解析展示，用于基础调度指挥功能，即既有城市轨道交通线网运营指挥中心系统实现的功能；二是提交给客流与行车协同分析模块。

（3）在客流与行车协同分析模块，构建客流行车综合演算模型、历史数据模型拟合、智能算法分析，对接入的客流数据和行车数据进行协同分析。

（4）将协同分析后的数据通过视图、告警提示等方式展现给使用人员，为使用人员提供客流与行车协同的调度辅助决策支持和应急行车协调指挥指导。

2.2 关键算法

线网调度指挥系统中客流与行车协同分析采用的关键算法如下。

（1）线网客流与行车综合推演算法。线网调度指挥系统依据采集到的客流和行车数据，构建客流与行车推演模型，具体算法为：①根据历史OD客流按方向分组数据(每站每时段进入客流量，以及这些客流分别去往哪里出站)，叠加信号ATS的行车时刻表数据(每车在不同车站的到达/离开时间，及运行终点站)，实时计算每次列车到站时的下车人数和上车人数，从而推演出每个车内的搭乘人数(满载率)及每个车站候车人数和进站出站人数；②线网级运算时，全线网所有线路按时间推进同步进行演算推导，单线路计算的每个乘降站台分方向客流流入速率动态更新，在一条线同进同出的OD客流直接在本线路计算；对于换乘客流，在换乘站前，客流在换乘前线路推演计算，换乘站下车后，相应下车人数按预先配置的换乘时序模型(站台至站台换乘走行延时，换乘通道容量等)计算和叠加到换乘后线路的乘降站台，然后在换乘后线路推演客流上下车过程。

（2）线网客流与行车预测算法。基于前述线网客流与行车综合推演算法，线网调度指挥系统将采集的历史和实时数据进行计算并展现多种行车客流融合指标，如车站客流出站速率、车站站台候车人数、列车载客人数、列车满载率、列车未来载客人数等。以上指标支持线网调度掌握线路上运能和客流满足情况，依此协调线路调度对行车安排作出必要的调整，计算历史值、当前值和预测值，其中预测值根据当前系统采集到的行车计划安排进行推演，如果发现超过设定阈值则推出告警。当线路调度进行了临时加车、减车、跳停、交路调整等操作时，信号ATS系统将产生新的列车运行预测计划，系统根据变更的预测计划重新推演未来的这些指标并显示出来，从而直观反映调整后的效果，便于调度决策以及变更决策内容。

（3）拓扑路径建模与寻优算法。研究并构建线网级客流动态换乘模型，分析并对线网内所有具有换乘关系的线路运行拓扑和可达交路路径建模，结合所有线路的各特征日期、各时段、常态运行下的换乘客流流向和速度数据，建立详细的换乘可达路径关系。线网级客流动态换乘模型用于结合线网可能发生的中断行车故障影响区域和影响时间，评估建立各线各区域中断行车故障发生时的可能变更换乘路径和变更换乘客流；通过实地调研和设计数据整理，梳理全线网所有换乘站的换乘动态约束条件，包括换乘走行路径、通道容纳乘客数量、换乘通道通行速率、不同客流下的多换乘通道路径和乘客意愿优先级、电扶梯位置、线路间隔等，线网级调度精准分析所有换乘车站的双向换乘能力。例如，一些十字交叉换乘的车站，中间换乘通道距离非常短，缓存容纳客流非常有限，当发生单线中断运行故障时，线网级调度应据此分析换乘客流变化需求和所有相关车站的换乘能力，合理规划换乘路径，避免形成局部换乘客流超过车站换乘能力，给出部分车站关闭近端换乘通道而引导远端换乘等建议。

与现有技术相比，基于客流与行车协同的线网调度指挥系统主要包括以下4项优点：①提出了客流与行车协同的方案，克服了现有技术中客流与行车独立分析处理的缺陷；②客流与行车协同实时分析，有助于运营管理人员掌握当前现场运输需求和运输能力的匹配情况；③客流与行车协同推演预测，有助于运营管理人员了解未来运输需求和运输能力的匹配情况，提前准备应对策略；④在突发故障或大客流等异常场景下，客流与行车综合演算，有助于运营管理人员预判客流与行车之间的相互作用关系和趋势分析，为故障情况下的线间行车协调提供决策支持。

3 线网调度指挥系统实现方案设计

3.1 架构设计

基于客流与行车协同的线网调度指挥系统的技术架构如图2所示，技术架构可划分为3层：接口层、平台层和应用层。

图2 基于客流与行车协同的线网调度指挥系统技术架构Fig.2 Technical architecture of dispatching command system based on passenger flow and train operation coordination

（1）接口层。用于与外部系统对接接口，对接的系统包括但不限于：线网内各线路ATS系统、客流数据。汇聚外部接口系统数据，用于线网调度指挥系统业务应用使用，如从ATS系统采集汇聚线路行车数据信息，从客流数据接口采集汇聚OD数据、断面客流数据。

（2）平台层。用于系统建模、数据分析处理、数据存储，包括实时数据库、历史数据库、调度联动分析引擎、客流行车分析引擎。平台层为系统的核心业务逻辑处理层，如将采集的ATS行车数据和客流数据进行融合处理，分析运输能力和运输需求的匹配情况。

（3）应用层。包括线网总览、列车监控、设备监控、报警监控、指标分析、基于客流的列车开行方案自动规划、客流与行车协同分析的调度辅助决策、客流与行车协同分析的应急行车协调指挥。客流与行车信息深度结合分析，为调度人员提供辅助决策及突发应急协调指挥指导。

3.2 核心功能设计

主要对客流与行车协同分析的调度辅助决策和客流与行车协同分析的应急行车协调指挥2个核心功能进行设计描述。客流与行车协同分析功能模块示意图如图3所示。

图3 客流与行车协同分析功能模块示意图Fig.3 Functional module diagram of passenger flow and train operation coordination

3.2.1 客流与行车协同分析的调度辅助决策

通过智能分析算法和客流行车综合演算模型，实现基于OD的客流数据和基于时间状态的信号行车数据在线网融合视图上的评估展现，实现实时行车动态下车站候车、列车载客客流趋势预测及预警。可通过标准接口对接线路ATS系统和客流数据，实现行车和客流数据接入，构建线网客流与行车综合分析展示功能，为线网调度决策提供支持。

客流与行车协同分析的调度辅助决策内容包括：①区间断面客流分析及告警；②站台候车人数分析及告警；③列车载客人数分析及告警；④换乘断面客流分析及告警；⑤车站客流出站速率分析及告警；⑥客流行车指标分析与评估，包括正常运营状态下线网客流需求和运能投放的匹配分析、线网载客运输效率的分析，以及突发故障和应急事件处置过程中的客流运输和工作效能分析；⑦车站客流趋势预测及预警；⑧列车载客人数趋势预测及预警；⑨换乘客流趋势预测及预警；⑩车站客流出站速率趋势预测及预警。通过构建全线网总览视图，将综合客流、行车在内的信息融合分析后，过滤选择体现运营总体状态和具有网络级影响的突发事件告警，并在视图上展现。通过构建枢纽视图，实现对多条线路进行集中监督管理，对线网内重点换乘区域或大客流区域，实时监视该区域的行车情况、换乘客流情况，并对换乘客流进行动态的分析及异常告警。依据客流行车综合演算模型，将采集汇聚的历史和实时数据进行计算并展现多种行车客流融合指标，指标可以计算历史值、当前值和预测值；这些指标支持线网调度掌握线路上运能和客流满足情况，并协调线路调度对行车安排作出必要的调整。

3.2.2 客流与行车协同分析的应急行车协调指挥

通过历史数据模型拟合、客流行车综合演算模型、智能算法实现突发故障或大客流场景下的客流与行车相互作用关系和趋势分析，实现故障应急下线路间换乘客流与行车耦合关系分析，为故障情况下的线间行车协调提供技术支持。客流与行车协同分析的应急行车协调指挥包括：①线网客流行车建模及线网换乘关系分析建模；②线路中断运行故障下的换乘客流预测分析和行车协调；③线路低速运行故障下的换乘客流预测分析和行车协调；④突发大客流时的客流预测分析和线网行车协调。

（1）线网客流行车建模及线网换乘关系分析建模。构建线网级客流动态换乘模型，分析并对线网内所有具有换乘关系的线路运行拓扑和可达交路路径建模，结合线路的各特征日期、各时段、常态运行下的换乘客流流向和速度数据，建立详细的换乘可达路径关系。另外，在线网发生中断行车故障时，结合故障影响区域和时间范围，该模型可评估中断行车故障发生时可能的变更换乘路径和换乘客流。

（2）线路中断运行故障下的换乘客流预测分析和行车协调。基于客流与行车协同的线网调度指挥系统综合考虑当前时段客流、故障线路运行中断区域范围、乘客换乘意向及放弃城市轨道交通改换其他交通方式的比例，推算相关换乘车站的换乘客流增减变化，推算受到变更换乘客流影响的线路断面客流，指导相关线路调度员及时设定调度策略和响应运能投放。

（3）线路低速运行故障下的换乘客流预测分析和行车协调。基于客流与行车协同的线网调度指挥系统通过模型预测评估各线路在当前列车运行状态下的客流流动速率，包括断面客流和换乘客流。当一条线路发生低速运行故障，并导致本线路的列车运行时间发生变化，以及调度对行车安排发生变更调整时，线网调度系统可以通过客流与行车叠加分析模型，评估相应换乘站换乘客流的变化情况，从而形成对相邻换乘线路的协同调度策略建议。

（4）突发大客流时的客流预测分析和线网行车协调。基于客流与行车协同的线网调度指挥系统对线路之间换乘的客流进行模型预测，当发现存在换乘车站无法有效容纳某个方向的换乘客流，并在换乘客流流入站台或相关区域出现客流积压的情况时，线网级调度可以协调相关换乘流出和流入线路，在流入线路通过备车投放或其他手段扩展运能，或在流出线路采取部分列车越行、引导提前换乘等手段管控客流，避免换乘客流不匹配造成的乘客聚集风险。

4 结束语

通过在郑州地铁进行试点应用，基于客流与行车协同的线网调度指挥系统现已实现基于客流数据分析的全自动编图、客流与行车协同的调度辅助决策、突发事件应急处置与辅助决策，既能够高效疏导客流，又实现了节能效果，提高应急处置效率，降低应急情况下对乘客的影响。研究立足于智能调度构想，旨在将传统的列车调度转变为客流与行车协同调度，将按车配能的传统理念转变为按需赋能的新思路，将经验型运输策划转变为数字化运输策划，将线网级调度从运营的组织者升级为出行的调度者。研究所提方案仅对基于客流与行车协同的线网调度指挥系统进行了初步研究，后续还需在实际应用中逐步优化完善，期望系统应用后能够大幅提升城市轨道交通线网运输计划编制效率，有效提升线路协同调度管理能力，实现客流动态变化下的运能高效精准投放。