[發明專利]一種基于魯棒策略的地鐵交通流優化控制方法

在審

• 申請號: 201710078412.0
• 申請日: 2015-03-31
• 公開（公告）號: CN106828545A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 韓云祥;黃曉瓊
• 申請（專利權）人: 江蘇理工學院
• 主分類號: B61L27/00
• 分類號: B61L27/00;G06F17/50
• 代理公司: 常州市江海陽光知識產權代理有限公司32214
• 代理人: 陳曉君

1.一種基于魯棒策略的地鐵交通流優化控制方法，其特征在于包括如下步驟：

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、基于步驟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，依據列車運行沖突耦合點建立列車運行沖突預調配模型，生成多列車無沖突運行軌跡；

步驟D、在每一采樣時刻t，基于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，在每一采樣時刻，依據所獲取的列車原始離散二維位置序列x＝[x₁,x₂,...,x_n]和y＝[y₁,y₂,...,y_n]，采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,...,△x_n-1]和△y＝[△y₁,△y₂,...,△y_n-1],其中△x_i＝x_i+1-x_i,△y_i＝y_i+1-y_i(i＝1,2,...,n-1)；

步驟D2、對列車軌跡數據聚類，對處理后新的列車離散二維位置序列△x和△y，通過設定聚類個數M'，采用K-means聚類算法分別對其進行聚類；

步驟D3、對聚類后的列車軌跡數據利用隱馬爾科夫模型進行參數訓練，通過將處理后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'個位置觀測值并采用B-W算法滾動獲取最新隱馬爾科夫模型參數λ'；具體來講：由于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,...,o_T')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，采用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,...,o_H)，基于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沖突邏輯的觀測器，將地鐵交通系統的連續動態映射為離散觀測值表達的沖突狀態；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，為控制中心提供及時的告警信息；

步驟F、當告警信息出現時，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，采用自適應控制理論方法對列車運行軌跡進行魯棒雙層規劃，并將規劃結果傳輸給各列車，各列車接收并執行列車避撞指令直至各列車均到達其解脫終點；

步驟F的具體過程如下：

步驟F1、基于步驟B和步驟E的分析結果，確定具體所采取的交通流調控措施，包括調整列車的運行速度和/或調整列車在站時間兩類措施，以及采用以上調控措施的具體地點和時機；

步驟F2、設定列車避撞規劃的終止參考點位置P、避撞策略控制時域Θ、軌跡預測時域Υ；終止參考點位置P為列車的下一個停站站點，參數Θ的值為300秒，Υ的值為300秒；

步驟F3、運行沖突解脫過程建模，將軌道交通網絡上列車間的運行沖突解脫視為基于宏觀和微觀層面的內外雙重規劃問題，其中表示外層規劃模型，即軌道交通路網上列車流流量-密度配置問題，表示內層規劃模型，即軌道交通路段上單列車的狀態調整問題；F、x₁和u₁分別是外層規劃問題的目標函數、狀態向量和決策向量，G(x₁,u₁)≤0是外層規劃的約束條件，f、x₂和u₂分別是內層規劃問題的目標函數、狀態向量和決策向量，g(x₂,u₂)≤0是內層規劃的約束條件，將宏觀層面的外層規劃結果作為微觀層面內層規劃的參考輸入；

步驟F4、運行沖突解脫變量約束建模，構建包含可調列車數量a、列車速度ω和列車在站時間γ等變量在內的宏觀和微觀約束條件：其中t時刻需實施沖突解脫的路段k的變量約束可描述為：a_k(t)≤a_M、ω_k(t)≤ω_M、γ_k(t)≤γ_M，a_M、ω_M、γ_M分別為最大可調列車數量、最大列車運行速度和最長列車在站時間，此類解脫變量會受到交通流分布狀態、列車物理性能和安全間隔等方面的約束；

步驟F5、多目標魯棒最優路網流量配置方案求解：基于合作式避撞軌跡規劃思想，針對不同的性能指標，通過選擇不同的沖突解脫目標函數，在交通流運行宏觀層面求解基于歐拉網絡模型的多目標交通流最佳流量配置方案且各控制路段在滾動規劃間隔內僅實施其第一個優化控制策略；

步驟F6、多目標魯棒最優路段列車運行狀態調整：依據各路段或區域流量配置結果，基于列車運行混雜演化模型和拉格朗日規劃模型獲取最優的單列車控制量，生成最優的單列車運行軌跡且各調控列車在滾動規劃間隔內僅實施其第一個優化控制策略；

步驟F7、各列車接收并執行列車避撞指令；

步驟F8、在下一采樣時刻，重復步驟F5至F7直至各列車均到達其解脫終點。