• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于非线性规划的铁路应急物资储备点选址模型方案研究

沙磊, 王璞, 王芳

沙磊, 王璞, 王芳. 基于非线性规划的铁路应急物资储备点选址模型方案研究[J]. 铁路计算机应用, 2019, 28(10): 5-7,15.
引用本文: 沙磊, 王璞, 王芳. 基于非线性规划的铁路应急物资储备点选址模型方案研究[J]. 铁路计算机应用, 2019, 28(10): 5-7,15.
SHA Lei, WANG Pu, WANG Fang. Location model scheme of railway emergency material reserve points based on nonlinear programming[J]. Railway Computer Application, 2019, 28(10): 5-7,15.
Citation: SHA Lei, WANG Pu, WANG Fang. Location model scheme of railway emergency material reserve points based on nonlinear programming[J]. Railway Computer Application, 2019, 28(10): 5-7,15.

基于非线性规划的铁路应急物资储备点选址模型方案研究

基金项目: 

中国铁路总公司科技研究开发计划项目(2017F016)

详细信息
    作者简介:

    沙磊,经济师;王璞,高级工程师。

  • 中图分类号: U29;F530.67;TP39

Location model scheme of railway emergency material reserve points based on nonlinear programming

  • 摘要: 通过对国内外应急物资选址问题成果的研究,根据铁路的特点,对铁路应急物资储备点选址方案进行科学规划和设计。在优先考虑应急响应时间的基础上,建立一个以各应急点物资运输量与运输距离乘积之和最小化为目标的非线性规划选址模型,并通过lingo多次迭代求解。算例分析表明,该模型能够确定储备点的位置和对各应急点的运送方案,解决铁路应急物资的储备点选址问题。
    Abstract: Based on the research of emergency material location at home and abroad, according to the characteristics of railways, the location scheme of railway emergency material reserve points was scientifically planned and designed. On the basis of giving priority to emergency response time, a non-linear programming location model was established, which aimed at minimizing the sum of the product of material transportation volume and transportation distance at each emergency point, and was solved by lingo iterations. The example analysis shows that the model can determine the location of the reserve point and the transportation plan of each emergency point, and solve the problem of locating the reserve point of railway emergency materials.
  • 车载乘客信息系统(PIS,Passenger Information System)是地铁车辆上以车载信息终端为媒介,向乘客提供信息服务的系统,通过提供乘客须知、服务时间、列车到发时间、列车时刻表、公告、新闻、赛事、广告、紧急事件通告等资讯信息,丰富乘客乘车体验,提高地铁服务水平和质量。车载PIS从地面PIS获取媒体资源和消息,以设定的版式布局,在车厢内LCD显示屏上显示[1]。当前,车载PIS的信息服务主要以车厢内固定信息显示、语音播报为主,还不能充分满足乘客出行需求,存在信息源不够丰富、人—车—环境信息融合度不高、整体智能化程度较低等问题。

    2020年发布的《中国城市轨道交通智慧城轨发展纲要》提出,应用云计算、大数据、物联网、人工智能、5G、卫星通信、区块链等新兴信息技术,构建新一代中国式智慧城市轨道交通[1]。为此,围绕为乘客提供更贴合实际需求、更人性化的信息服务的目标,在情景感知、信息融合处理、信息显示等环节融入新一代信息技术,成为车载PIS发展的新方向。本文基于云边端融合的开放逻辑架构,通过边缘端的智能终端和外部接口设备,实现对线路运营、列车运行、列车内外环境、乘客行为等多源信息的感知,并由设置在边缘侧的司机室主机完成采集信息的就近解析、融合分析和本地调度计算,提供基于情景感知、动态自适应的车载PIS信息服务。

    作为乘客服务的关键系统,车载PIS的智能化服务将成为必然趋势,京沪穗等城市轨道交通线路中的车载PIS正在逐步融入基于情景感知、动态自适应的服务内容,并将很快在全国形成燎原之势。

    车载乘客信息服务智能化的本质是对列车运行中的“人、车、物、事件”等信息的实时采集与分析,将列车实时状态、乘客出行、运营处置等数据进行关联和融合,为乘客出行候车、在途乘车、下车换乘等提供全流程信息服务[2]。在车站、列车的重点位置设置传感设备、智能仪表、智能客服设施等前端感知设备,对线路运营动态、列车实时状态、内外部环境、乘客行为监测等影响乘客服务的关键因素进行感知和采集,在此基础上,结合相关系统提供的信息,通过多源信息融合与智能调度,为更加精准、更为人性化的乘客服务提供良好的数据基础。

    除了以动态图文、音视频播放等传统方式发布乘客服务信息,车载PIS在信息获取、处理、应用等方面有更多扩展。

    在北京地铁六号线,列车门上方、列车车厢通道上方新增4 K高清显示屏,乘客可方便地了解到前方车站的洗手间、扶梯、换乘路线、出口位置分布以及前、后车厢的拥挤程度;列车车窗上新增可视化透明屏,显示列车当前位置、线网图以及车站三维布局图等信息;利用车厢内布置的感知摄像头,通过图像识别和智能分析,可监测到乘客晕倒、斗殴、求救等异常事件以及司机的疲劳驾驶等不安全行为,实现异常事件及时感知和快速处置;此外,还可采集列车的满载率、温度、湿度、空气质量等信息,为改善乘坐舒适度和改进运营管理提供依据。

    在北京地铁新机场线,通过车载信息与候车引导屏幕、多媒体屏蔽门的结合,显示列车运行位置、车厢拥挤程度、车厢类别(强冷车、弱冷车、行李车)、越行大站快车等动态信息,及早提醒乘客。

    目前,车载PIS可感知的情景信息源主要包括以下几类。

    (1)CCTV图像信息:车载摄像头采集的图像信息,通过分析CCTV图像信息,可获取车厢内乘客密度分布、乘客异常行为、车内异常遗留物品等数据。

    (2)车内环境信息:通过车内FAS传感器、BAS(Building Automatic System)传感器等感知装置,可获取车厢内温度、湿度、二氧化碳浓度、火灾烟感等信息。

    (3)乘客主动触发信息:通过车厢内设置的乘客紧急求助按钮、IBP盘按键等,可获取乘客求助、紧急异常事件触发开关等信息。

    (4)相关系统接口数据:通过系统接口获取的相关信息,包括列车运行(目的站、预计到站时间、即将到站、列车进站、车门开门方向、开门/关门信号等)、线网图、换乘、车站布局和客服设施等信息。

    系统采用基于情景感知信息的技术方案,通过信息传感装置和系统接口采集与乘客服务关联的情景感知信息,对采集数据进行清洗、分析与融合,根据优先级规则、时间叠加规则等进行调度计算,生成车载PIS乘客服务信息、版式与播放列表(简称:播表)。线路中心采用基于容器与分布式的微服务技术架构,将生成的乘客服务信息、版式与播表以微服务方式进行管理和发布,以支持车载终端实现多样化、自适应的乘客信息服务;车载PIS终端采用组件化软件开发方式,实现多源乘客服务信息的合成显示与播放。

    按逻辑功能划分,基于情景感知信息的车载PIS可划分为5个层次,如图1所示。

    图  1  基于感知信息驱动的车载PIS逻辑框架

    (1)情景信息感知及数据采集层

    实现情景感知与数据采集,主要包括:通过内网接口采集的信息,如线路中心运营信息、控制信息等;通过摄像头采集的视频数据,经智能分析后生成列车客流量、车内异常事件、乘客异常行为等数据;通过与TCMS(Train Control and Management System)接口采集的数据,包括列车运行、轴重信息(可测算出车厢乘客密度指数);通过BAS接口采集的温度、湿度、PM值、空气质量、天气状况等环境相关信息。此外,通过车地无线传输,可将列车上采集的乘客服务信息传输给车站上相关乘客服务设备,如站台多媒体屏蔽门、站台和站厅PIS显示器等。

    (2)数据融合层

    搭建数据共享服务平台,集中存储采集到的各类与乘客服务关联的情景感知数据,结合运营业务流程、规则进行建模、分析和融合处理,自动生成车载乘客服务所需的数据。

    (3)运营信息调度层

    对运营信息优先级规则、时间叠加规则等业务策略进行抽象、归纳和数字化表达,生成乘客信息服务业务规则;调度引擎利用算法库中的算法,解析和执行乘客信息服务业务规则,生成乘客服务信息、版式与播表。为提高乘客服务信息调度处理的及时性,在线路中心、车载主机设置2级调度,以快速生成乘客服务信息、版式与播表。

    (4)乘客信息微服务中心层

    根据运营信息调度层生成的乘客服务信息、版式与播表,以微服务方式注册、发布和管理,为包括车载终端在内的各种业务应用提供共享信息访问服务。

    (5)终端合成层

    车载PIS终端一般由工控机或嵌入式主机提供信息合成显示与播放,可采用容器组件化方式实现,生成乘客服务信息的画面显示和音视频播放。

    可以预见,随着接入的感知终端越来越多,各种高带宽、低时延、海量连接的新型应用不断涌现,传统云管端架构难以满足性能要求,需要由终端和边缘计算设备及时处理所采集的数据并做出响应。如图2所示,采用云边端架构的车载PIS主要包括线路云服务中心、边缘计算节点和感知终端。

    图  2  基于云边端架构的车载PIS方案示意

    (1)线路云中心

    线路云中心集中管理可伸缩的、弹性的共享物理与虚拟资源池,包括服务器、操作系统、网络、软件、应用和存储设备等[3-4],通过网络以按需自服务的方式提供使用;同时,实现业务数据的融合分析和可视化应用,以微服务方式提供业务数据访问服务。

    (2)边缘计算节点

    边缘计算是在靠近人、物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的新网络架构和开放平台,将传统集中式云计算的部分计算与存储能力下移至网络边缘,面向用户和终端就近提供边缘智能服务[5-6]。系统边缘计算节点主要包括车载服务器主机、客室视频分析主机,侧重于情景感知数据的汇聚、存储处理和智能应用,并完成端与云中心之间的数据通信。

    (3)感知终端

    感知终端侧重于车载视频数据、车载环境数据、乘客异常事件数据等的采集和前端智能处理[7-8],包括摄像头、各类传感器、数据采集设备及数据发送设备。

    云边端融合构成云—边—端协同的端到端技术架构,将部分网络转发、存储、计算、智能分析等工作下放到边缘计算节点,在云中心优势基础上,形成性能更优的弹性云平台。

    在运营过程中,车载PIS获取线路中心发布的服务信息、播放板式、播表等,对列车上边缘端采集的信息进行处理,根据业务规则、优先级、显示时段等完成本列车乘客服务信息、版式与播表的编排,由终端进行合成显示和播放。

    为提高信息处理效率,在边缘端就近完成信息处理。车载司机室主机作为边缘端的核心设备,完成对终端感知设备数据的采集、分析、调度;根据车载PIS的业务需求,处理的信息主要包括线路运营和列车运行的动态参数、滚动文本、视频音频3类。

    以滚动文本为例,其处理流程框架如图3所示。滚动文本的处理规则为:高优先级覆盖低优先级、相同优先级叠加显示。车载PIS采用2级调度方式;先由线路中心进行综合调度,生成全线列车乘客服务信息、版式与播表;车载终端主机从线路中心获取本列车的乘客服务信息版式与播表及相关信息,并结合自主采集的信息,依据本地调度规则进行二次调度,生成本列车最终播出的乘客服务信息、版式与播表。这种基于边缘侧的信息采集和二次调度方法可提升信息解析、调度处理的效率,减少车地数据传输对带宽的需求。

    图  3  线路中心、车载司机室主机2级调度逻辑示意

    通过对面向乘客服务的情景感知信息的采集、加工、分析与融合,车载PIS可根据情景感知信息,自适应地提供更人性化的乘客信息服务,目前可实现的主要集成应用场景如下。

    (1)首末班车通告:首班车欢迎音视频,提醒乘车注意事项;末班车运行告知,提示到站时间。

    (2)ATS到站及开门信息通告:提醒乘客列车到站、通过不停车以及列车开门方向等。

    (3)乘客密度信息通告:告知车厢乘客密度指数、乘客拥挤度情况,方便乘客选择车厢乘车。

    (4)火灾烟感报警通告:通报火灾烟感等异常情况,及时告知车内注意事项、乘车疏散要求等。

    (5)车内环境及异常事件通告:车厢环境情况、温度、湿度显示;车厢内乘客异常行为警示,乘客遗留异物提示。

    (6)交互式数字车窗信息查询:采用数字车窗等新技术,提供车载PIS信息的交互式查询,乘客通过功能按钮自主查询所需信息,还可结合车站周边环境、重点枢纽、景点等提供地图查询等。

    (7)与站台屏蔽门联动的多媒体信息显示:通过车地无线传输,实现车地信息联动控制和显示,及时将列车内乘客密度指数、车门异常、车门夹人等信息以多媒体方式显示在站台屏蔽门上方和侧方。

    作为乘客服务的重要载体,车载PIS是智慧城市轨道交通建设的一个重要方面。本文分析当前车载PIS技术发展趋势,提出车载PIS情景感知服务技术解决方案,采用基于云边端融合的系统架构,充分发挥车载主机的边缘计算和数据分析能力,通过智能网关实现对多种类型传感设备、多种传输协议、多种接口设备的泛在接入,并可减少延时,节省车地无线传输带宽。

    随着5G通信、人工智能等技术在城市轨道行业的应用,车载PIS将会集成更多的智能终端采集设备,与更多相关系统实现信息交互与共享,及时获取与乘客出行服务相关的情景感知信息,通过智能调度引擎,自适应地为乘客提供精准贴合需求、更为人性化的信息服务,助力智慧城市轨道交通的发展。

  • [1] 刘利民,王敏杰.我国应急物资储备优化问题初探[J]. 物流科技, 2009(2):39-41.
    [2] 李聪,李建国. 基于排队论的应急物资装载模型研究[J]. 铁路计算机应用, 2012, 21(1):13-14

    , 17.

    [3]

    Revellea C S. Location analysis:A synthesis and survey[J]. European Journal of Operational Research, 2005, 165(1):1-19.

    [4] 沈海燕,贺晓玲. 高速铁路车站选址评价模型及算法研究[J]. 铁路计算机应用, 2011, 20(1):5-8.
    [5] 于战果,李文禄,孙开元,等. 后勤装备周转维修器材仓库布局选址研究[J]. 军事交通学院学报, 2014, 16(11):50- 54.
    [6] 李末芝,刘晓东.医药配送中心仓库选址模型研究[J].经济师, 2014(12):277-278.
    [7] 龙京,黄钢,王孟钧,等. 铁路应急物资储备点选址[J]. 交通运输工程学报, 2011, 11(1):74-78.
    [8] 张玲,王晶,黄钧. 不确定需求下应急资源配置的鲁棒优化方法[J]. 系统科学与数学, 2010, 30(10):1283- 1292.
    [9] 吴蔼虹. 基于自贸区区域经济发展的仓库选址问题研究[J]. 现代经济信息, 2015(9):75-76.
    [10] 宁艳梅. 应急系统选址的模型与算法研究[D]. 西安:西安电子科技大学, 2007.
    [11]

    Jamil M, Baveja A, Batta R. The stochastic queue center problem[J]. Computers & Operations Research, 1999, 26(14):1423-1436.

    [12] 曹琉,胡锐,郭兆能,等. 城市轨道交通应急资源选址和配置方法研究[J]. 交通运输研究, 2016, 2(4):54-61.
    [13] 王亚良,金寿松,董晨晨. 应急物资储备选址与调度建模研究[J]. 浙江工业大学学报, 2014, 42(6):682-685

    , 698.

  • 期刊类型引用(3)

    1. 仲晓晨,季峥涛,王强. 现代有轨电车曲线段槽型轨施工及换轨技术探讨. 现代城市轨道交通. 2022(04): 51-54 . 百度学术
    2. 杜凯,陈振杰,蔚保国,祝瑞辉,贾浩男,康习勇. 基于伪卫星与微惯导组合的室内定位终端设计. 无线电工程. 2020(08): 631-636 . 百度学术
    3. 安丰亮,张安梅. 一种基于定位系统的实时高精度地形三维数据获取方法. 北京测绘. 2020(11): 1602-1605 . 百度学术

    其他类型引用(2)

计量
  • 文章访问数:  50
  • HTML全文浏览量:  1
  • PDF下载量:  14
  • 被引次数: 5
出版历程
  • 收稿日期:  2018-10-21

目录

/

返回文章
返回