地鐵衝突預警方法與流程
2023-07-30 00:24:26 1
技術領域
本發明涉及一種地鐵列車衝突預警方法，尤其涉及一種基於魯棒策略的地鐵列車衝突預警方法。
背景技術：
隨著我國大中城市規模的日益擴大，城市交通系統面臨著越來越大的壓力，大力發展軌道交通系統成為解決城市交通擁塞的重要手段。國家「十一五」規劃綱要指出，有條件的大城市和城市群地區要把軌道交通作為優先發展領域。我國正經歷一個前所未有的軌道交通發展高峰期，一些城市已由線的建設轉向了網的建設，城市軌道交通網絡已逐步形成。在軌道交通網絡和列車流密集的複雜區域，仍然採用列車運行計劃結合基於主觀經驗的列車間隔調配方式逐漸顯示出其落後性，具體表現在：(1)列車運行計劃時刻表的制定並未考慮到各種隨機因素的影響，容易造成交通流戰術管理擁擠，降低交通系統運行的安全性；(2)列車調度工作側重於保持單個列車間的安全間隔，尚未上升到對列車流進行戰略管理的宏觀層面；(3)列車調配過程多依賴於一線調度人員的主觀經驗，調配時機的選擇隨意性較大，缺乏科學理論支撐；(4)調度人員所運用的調配手段較少考慮到外界幹擾因素的影響，列車調配方案的魯棒性和可用性較差。為保證地鐵交通的安全運行，實施有效的衝突預警就成為地鐵交通管制工作的重點。實施有效的地鐵衝突預警就成為地鐵交通管制工作的重點。
已有文獻資料的討論對象多針對長途鐵路運輸，而針對大流量、高密度和小間隔運行條件下的城市地鐵交通系統的科學調控方案尚缺乏系統設計。複雜路網運行條件下的列車協調控制方案在戰略層面上需要對區域內交通網絡上單列車的運行狀態進行推算和優化，並對由多個列車構成的交通流實施協同規劃；在預戰術層面上通過有效的監控機制調整交通網絡上部分區域的關鍵運行參數來解決擁塞問題，但目前對地鐵列車軌跡的預測及看列車衝突預警均沒有較為準確的方案。
技術實現要素：
本發明要解決的技術問題是提供一種魯棒性和可用性較好的地鐵衝突預警方法，該方法對地鐵列車的預測精度較高、地鐵列車衝突預警的準確性及時效性均較好。
實現本發明目的的技術方案是提供一種地鐵衝突預警方法，包括如下步驟：
步驟A、根據各個列車的計劃運行參數，生成軌道交通網絡的拓撲結構圖；
步驟B、基於步驟A所構建的軌道交通網絡的拓撲結構圖，分析列車流的可控性和敏感性二類特性；
步驟C、根據各個列車的計劃運行參數，在構建列車動力學模型的基礎上，依據列車運行衝突耦合點建立列車運行衝突預調配模型，生成多列車無衝突運行軌跡；
步驟D、在每一採樣時刻t，基於列車當前的運行狀態和歷史位置觀測序列，對列車未來某時刻的行進位置進行預測；其具體過程如下：
步驟D1、列車軌跡數據預處理，以列車在起始站的停靠位置為坐標原點，在每一採樣時刻，依據所獲取的列車原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，採用一階差分方法對其進行處理獲取新的列車離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1],其中△xi＝xi+1-xi,△yi＝yi+1-yi(i＝1,2,...,n-1)；
步驟D2、對列車軌跡數據聚類，對處理後新的列車離散二維位置序列△x和△y，通過設定聚類個數M'，採用K-means聚類算法分別對其進行聚類；
步驟D3、對聚類後的列車軌跡數據利用隱馬爾科夫模型進行參數訓練，通過將處理後的列車運行軌跡數據△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態數目N'和參數更新時段τ'，依據最近的T′個位置觀測值並採用B-W算法滾動獲取最新隱馬爾科夫模型參數λ′；具體來講：由於所獲得的列車軌跡序列數據長度是動態變化的，為了實時跟蹤列車軌跡的狀態變化，有必要在初始軌跡隱馬爾科夫模型參數λ′＝(π,A,B)的基礎上對其重新調整，以便更精確地推測列車在未來某時刻的位置；每隔時段τ'，依據最新獲得的T′個觀測值(o1,o2,...,oT′)對軌跡隱馬爾科夫模型參數λ′＝(π,A,B)進行重新估計；
步驟D4、依據隱馬爾科夫模型參數，採用Viterbi算法獲取當前時刻觀測值所對應的隱狀態q；
步驟D5、每隔時段根據最新獲得的隱馬爾科夫模型參數λ′＝(π,A,B)和最近H個歷史觀測值(o1,o2,...,oH)，基於列車當前時刻的隱狀態q，在時刻t，通過設定預測時域h′，獲取未來時段列車的位置預測值O；
步驟E、建立從列車的連續動態到離散衝突邏輯的觀測器，將地鐵交通系統的連續動態映射為離散觀測值表達的衝突狀態；當系統有可能違反交通管制規則時，對地鐵交通混雜系統的混雜動態行為實施監控，為地鐵交通控制中心提供及時的告警信息。
進一步的，步驟A的具體過程如下：
步驟A1、從地鐵交通控制中心的資料庫提取各個列車運行過程中所停靠的站點信息；
步驟A2、按照正反兩個運行方向對各個列車所停靠的站點信息進行分類，並將同一運行方向上的相同站點進行合併；
步驟A3、根據站點合併結果，按照站點的空間布局形式用直線連接前後多個站點。
進一步的，步驟B的具體過程如下：
步驟Bl、構建單一子段上的交通流控制模型；其具體過程如下：
步驟Bl.1、引入狀態變量Ψ、輸入變量u和輸出變量Ω，其中Ψ表示站點間相連路段上某時刻存在的列車數量，它包括單路段和多路段兩種類型，u表示軌道交通調度員針對某路段所實施的調度措施，如調整列車速度或更改列車的在站時間等，Ω表示某時段路段上離開的列車數量；
步驟B1.2、通過將時間離散化，建立形如Ψ(t+△t)＝A1Ψ(t)+B1u(t)和Ω(t)＝C1Ψ(t)+D1u(t)的單一子段上的離散時間交通流控制模型,其中△t表示採樣間隔，Ψ(t)表示t時刻的狀態向量，A1、B1、C1和D1分別表示t時刻的狀態轉移矩陣、輸入矩陣、輸出測量矩陣和直接傳輸矩陣；
步驟B2、構建多子段上的交通流控制模型；其具體過程如下：
步驟B2.1、根據線路空間布局形式和列車流量歷史統計數據，獲取交叉線路各子段上的流量比例參數β；
步驟B2.2、根據流量比例參數和單一子段上的離散時間交通流控制模型，構建形如Ψ(t+△t)＝A1Ψ(t)+B1u(t)和Ω(t)＝C1Ψ(t)+D1u(t)的多子段上的離散時間交通流控制模型；
步驟B3、根據控制模型的可控係數矩陣[B1,A1B1,...,A1n-1B1]的秩與數值n的關係，定性分析其可控性，根據控制模型的敏感係數矩陣[C1(zI-A1)-1B1+D1]，定量分析其輸入輸出敏感性，其中n表示狀態向量的維數，I表示單位矩陣，z表示對原始離散時間交通流控制模型進行轉換的基本因子。
進一步的，步驟C的具體過程如下：
步驟C1、列車狀態轉移建模，列車沿軌道交通路網運行的過程表現為在站點間的動態切換過程，根據列車運行計劃中的站點設置，建立單個列車在不同站點間切換轉移的Petri網模型：E＝(g,G,Pre,Post,m)為列車路段轉移模型，其中g表示站點間各子路段，G表示列車運行速度狀態參數的轉換點，Pre和Post分別表示各子路段和站點間的前後向連接關係，表示列車所處的運行路段，其中m表示模型標識，Z+表示正整數集合；
步驟C2、列車全運行剖面混雜系統建模，將列車在站點間的運行視為連續過程，從列車的受力情形出發，依據能量模型推導列車在不同運行階段的動力學方程，結合外界幹擾因素，建立關於列車在某一運行階段速度vG的映射函數vG＝λ(T1,T2,H,R,α)，其中T1、T2、H、R和α分別表示列車牽引力、列車制動力、列車阻力、列車重力和列車狀態隨機波動參數；
步驟C3、採用混雜仿真的方式推測求解列車軌跡，通過將時間細分，利用狀態連續變化的特性遞推求解任意時刻列車在某一運行階段距初始停靠位置點的距離，其中J0為初始時刻列車距初始停靠位置點的航程，△τ為時間窗的數值，J(τ)為τ時刻列車距初始停靠位置點的路程，由此可以推測得到單列車軌跡；
步驟C4、列車在站時間概率分布函數建模，針對特定運行線路，通過調取列車在各車站的停站時間數據，獲取不同線路不同站點條件下列車的停站時間概率分布；
步驟C5、多列車耦合的無衝突魯棒軌跡調配，根據各列車預達衝突點的時間，通過時段劃分，在每一採樣時刻t，在融入隨機因子的前提下，按照調度規則對衝突點附近不滿足安全間隔要求的列車軌跡實施魯棒二次規劃。
進一步的，步驟D中，聚類個數M'的值為4，隱狀態數目N'的值為3，參數更新時段τ'為30秒，T′為10，為30秒，H為10，預測時域h′為300秒。
進一步的，步驟E的具體實施過程如下：
步驟E1、構造基於管制規則的衝突超曲面函數集：建立超曲面函數集用以反映系統的衝突狀況，其中，衝突超曲面中與單一列車相關的連續函數hI為第I型超曲面，與兩列車相關的連續函數hII為第II型超曲面；
步驟E2、建立由列車連續狀態至離散衝突狀態的觀測器，構建列車在交通路網內運行時需滿足的安全規則集dij(t)≥dmin，其中dij(t)表示列車i和列車j在t時刻的實際間隔，dmin表示列車間的最小安全間隔；
步驟E3、基於人-機系統理論和複雜系統遞階控制原理，根據列車運行模式，構建人在環路的列車實時監控機制，保證系統的運行處於安全可達集內，設計從衝突到衝突解脫手段的離散監控器，當觀測器的離散觀測向量表明安全規則集會被違反時，立刻向地鐵交通控制中心發出相應的告警信息。
本發明具有積極的效果：(1)本發明的地鐵衝突預警方法在滿足軌道交通管制安全間隔的前提下，以列車的實時位置信息為基礎，運用數據挖掘手段動態推測列車軌跡；依據軌道交通管制規則，對可能出現的衝突實施告警，對衝突的預警效果較好，可有效、準確、實時地預測列車的軌跡並預測列車衝突，有效提高地鐵交通的安全性。
(2)本發明基於軌道交通網絡拓撲結構的可控性和敏感性分析結果，可為地鐵交通流預警提供科學依據，克服常規預警方案選取的隨意性。
(3)本發明基於所構建的「人在環路」的場面監控機制，可以對列車內部連續變量和外部離散事件的頻繁交互及時做出有效反應，克服常規開環離線監控方案的缺點。
(4)本發明基於所構建的列車運行軌跡滾動預測方案，可以及時融入列車實時運行中的各類幹擾因素，提高列車軌跡預測的準確性，克服常規離線預測方案精確度不高的缺點。
附圖說明
圖1為列車流運行特性分析圖；
圖2為無衝突3D魯棒軌跡推測圖；
圖3為列車運行狀態混雜監控圖。
具體實施方式
(實施例1)
一種地鐵交通流優化控制系統，包括線路拓撲結構生成模塊、數據傳輸模塊、車載終端模塊、控制終端模塊以及軌跡監視模塊，軌跡監視模塊收集列車的狀態信息並提供給控制終端模塊。
所述控制終端模塊包括以下子模塊：
列車運行前無衝突軌跡生成模塊：根據列車計劃運行時刻表，首先建立列車動力學模型，然後依據列車運行衝突耦合點建立列車運行衝突預調配模型，最後生成無衝突列車運行軌跡。
列車運行中短期軌跡生成模塊：依據軌跡監視模塊提供的列車實時狀態信息，利用數據挖掘模型，推測未來時段內列車的運行軌跡。
列車運行態勢監控模塊：在每一採樣時刻t，基於列車的軌跡推測結果，當列車間有可能出現違反安全規則的狀況時,對其動態行為實施監控並為控制終端提供告警信息。
列車避撞軌跡優化模塊：當列車運行態勢監控模塊發出告警信息時，在滿足列車物理性能、區域容流約束和軌道交通調度規則的前提下，通過設定優化指標函數，採用自適應控制理論方法由控制終端模塊對列車運行軌跡進行魯棒雙層規劃，並通過數據傳輸模塊將規劃結果傳輸給車載終端模塊執行。列車避撞軌跡優化模塊包含內層規劃和外層規劃兩類規划過程。
應用上述地鐵交通流優化控制系統的地鐵衝突預警方法，包括以下步驟：
步驟A、根據各個列車的計劃運行參數，生成軌道交通網絡的拓撲結構圖；其具體過程如下：
步驟A1、從地鐵交通控制中心的資料庫提取各個列車運行過程中所停靠的站點信息；
步驟A2、按照正反兩個運行方向對各個列車所停靠的站點信息進行分類，並將同一運行方向上的相同站點進行合併；
步驟A3、根據站點合併結果，按照站點的空間布局形式用直線連接前後多個站點。
步驟B、基於步驟A所構建的軌道交通網絡的拓撲結構圖，分析列車流的可控性和敏感性二類特性；其具體過程如下：
步驟Bl、見圖1，構建單一子段上的交通流控制模型；其具體過程如下：
步驟Bl.1、引入狀態變量Ψ、輸入變量u和輸出變量Ω，其中Ψ表示站點間相連路段上某時刻存在的列車數量，它包括單路段和多路段兩種類型，u表示軌道交通調度員針對某路段所實施的調度措施，如調整列車速度或更改列車的在站時間等，Ω表示某時段路段上離開的列車數量；
步驟B1.2、通過將時間離散化，建立形如Ψ(t+△t)＝A1Ψ(t)+B1u(t)和Ω(t)＝C1Ψ(t)+D1u(t)的單一子段上的離散時間交通流控制模型,其中△t表示採樣間隔，Ψ(t)表示t時刻的狀態向量，A1、B1、C1和D1分別表示t時刻的狀態轉移矩陣、輸入矩陣、輸出測量矩陣和直接傳輸矩陣；
步驟B2、構建多子段上的交通流控制模型；其具體過程如下：
步驟B2.1、根據線路空間布局形式和列車流量歷史統計數據，獲取交叉線路各子段上的流量比例參數β；
步驟B2.2、根據流量比例參數和單一子段上的離散時間交通流控制模型，構建形如Ψ(t+△t)＝A1Ψ(t)+B1u(t)和Ω(t)＝C1Ψ(t)+D1u(t)的多子段上的離散時間交通流控制模型；
步驟B3、根據控制模型的可控係數矩陣[B1,A1B1,...,A1n-1B1]的秩與數值n的關係，定性分析其可控性，根據控制模型的敏感係數矩陣[C1(zI-A1)-1B1+D1]，定量分析其輸入輸出敏感性，其中n表示狀態向量的維數，I表示單位矩陣，z表示對原始離散時間交通流控制模型進行轉換的基本因子；
步驟C、見圖2，根據各個列車的計劃運行參數，在構建列車動力學模型的基礎上，依據列車運行衝突耦合點建立列車運行衝突預調配模型，生成多列車無衝突運行軌跡；其具體過程如下：
步驟C1、列車狀態轉移建模，列車沿軌道交通路網運行的過程表現為在站點間的動態切換過程，根據列車運行計劃中的站點設置，建立單個列車在不同站點間切換轉移的Petri網模型：E＝(g,G,Pre,Post,m)為列車路段轉移模型，其中g表示站點間各子路段，G表示列車運行速度狀態參數的轉換點，Pre和Post分別表示各子路段和站點間的前後向連接關係，表示列車所處的運行路段，其中m表示模型標識，Z+表示正整數集合；
步驟C2、列車全運行剖面混雜系統建模，將列車在站點間的運行視為連續過程，從列車的受力情形出發，依據能量模型推導列車在不同運行階段的動力學方程，結合外界幹擾因素，建立關於列車在某一運行階段速度vG的映射函數vG＝λ(T1,T2,H,R,α)，其中T1、T2、H、R和α分別表示列車牽引力、列車制動力、列車阻力、列車重力和列車狀態隨機波動參數；
步驟C3、採用混雜仿真的方式推測求解列車軌跡，通過將時間細分，利用狀態連續變化的特性遞推求解任意時刻列車在某一運行階段距初始停靠位置點的距離，其中J0為初始時刻列車距初始停靠位置點的航程，△τ為時間窗的數值，J(τ)為τ時刻列車距初始停靠位置點的路程，由此可以推測得到單列車軌跡；
步驟C4、列車在站時間概率分布函數建模，針對特定運行線路，通過調取列車在各車站的停站時間數據，獲取不同線路不同站點條件下列車的停站時間概率分布；
步驟C5、多列車耦合的無衝突魯棒軌跡調配，根據各列車預達衝突點的時間，通過時段劃分，在每一採樣時刻t，在融入隨機因子的前提下，按照調度規則對衝突點附近不滿足安全間隔要求的列車軌跡實施魯棒二次規劃。
步驟D、在每一採樣時刻t，基於列車當前的運行狀態和歷史位置觀測序列，對列車未來某時刻的行進位置進行預測；其具體過程如下：
步驟D1、列車軌跡數據預處理，以列車在起始站的停靠位置為坐標原點，在每一採樣時刻，依據所獲取的列車原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，採用一階差分方法對其進行處理獲取新的列車離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1],其中△xi＝xi+1-xi,△yi＝yi+1-yi(i＝1,2,...,n-1)；
步驟D2、對列車軌跡數據聚類，對處理後新的列車離散二維位置序列△x和△y，通過設定聚類個數M'，採用K-means聚類算法分別對其進行聚類；
步驟D3、對聚類後的列車軌跡數據利用隱馬爾科夫模型進行參數訓練，通過將處理後的列車運行軌跡數據△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態數目N'和參數更新時段τ'，依據最近的T′個位置觀測值並採用B-W算法滾動獲取最新隱馬爾科夫模型參數λ′；具體來講：由於所獲得的列車軌跡序列數據長度是動態變化的，為了實時跟蹤列車軌跡的狀態變化，有必要在初始軌跡隱馬爾科夫模型參數λ′＝(π,A,B)的基礎上對其重新調整，以便更精確地推測列車在未來某時刻的位置；每隔時段τ'，依據最新獲得的T′個觀測值(o1,o2,...,oT′)對軌跡隱馬爾科夫模型參數λ′＝(π,A,B)進行重新估計；
步驟D4、依據隱馬爾科夫模型參數，採用Viterbi算法獲取當前時刻觀測值所對應的隱狀態q；
步驟D5、每隔時段根據最新獲得的隱馬爾科夫模型參數λ′＝(π,A,B)和最近H個歷史觀測值(o1,o2,...,oH)，基於列車當前時刻的隱狀態q，在時刻t，通過設定預測時域h′，獲取未來時段列車的位置預測值O；
上述聚類個數M'的值為4，隱狀態數目N'的值為3，參數更新時段τ'為30秒，T′為10，為30秒，H為10，預測時域h′為300秒。
步驟E、見圖3，建立從列車的連續動態到離散衝突邏輯的觀測器，將地鐵交通系統的連續動態映射為離散觀測值表達的衝突狀態；當系統有可能違反交通管制規則時，對地鐵交通混雜系統的混雜動態行為實施監控，為地鐵交通控制中心提供及時的告警信息；
所述步驟E的具體實施過程如下：
步驟E1、構造基於管制規則的衝突超曲面函數集：建立超曲面函數集用以反映系統的衝突狀況，其中，衝突超曲面中與單一列車相關的連續函數hI為第I型超曲面，與兩列車相關的連續函數hII為第II型超曲面；
步驟E2、建立由列車連續狀態至離散衝突狀態的觀測器，構建列車在交通路網內運行時需滿足的安全規則集dij(t)≥dmin，其中dij(t)表示列車i和列車j在t時刻的實際間隔，dmin表示列車間的最小安全間隔；
步驟E3、基於人-機系統理論和複雜系統遞階控制原理，根據列車運行模式，構建人在環路的列車實時監控機制，保證系統的運行處於安全可達集內，設計從衝突到衝突解脫手段的離散監控器，當觀測器的離散觀測向量表明安全規則集會被違反時，立刻向地鐵交通控制中心發出相應的告警信息。
顯然，上述實施例僅僅是為清楚地說明本發明所作的舉例，而並非是對本發明的實施方式的限定。對於所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這裡無需也無法對所有的實施方式予以窮舉。而這些屬於本發明的精神所引伸出的顯而易見的變化或變動仍處於本發明的保護範圍之中。