高铁综合交通枢纽客流协同管控优化关键技术

熊刚; 刘小明; 张涛; 朱凤华; 刘璐菲; 乔曜芩

doi:10.3969/j.issn.1005-8451.2023.08.11

高铁综合交通枢纽客流协同管控优化关键技术

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

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）

详细信息

作者简介:
熊　刚，研究员

刘小明，教授

中图分类号: U238 : U115 : TP39
计量
- 文章访问数: 92
- HTML全文浏览量: 57
- PDF下载量: 23
出版历程
- 收稿日期: 2023-05-19
- 刊出日期: 2023-08-30

Key technologies for collaborative control and optimization of passenger flow in high-speed railway integrated transportation hubs

1.
State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing　100190, China
2.
School of Electrical and Control Engineering, North China University of Technology, Beijing　100144, China
3.
Signal and Communication Research Institute, China Academy of Railway Science Corporation Limited,Beijing　100081, China

摘要

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。
- 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
Abstract: In response to the issues of single scenario, lack of flexibility, and adaptability in passenger flow collaborative management and control methods for high-speed railway comprehensive transportation hubs (referred to as hubs), this paper analyzed the current research status of passenger flow collaborative management and control methods for hubs in China from both normal and abnormal situations, and focused on the key technologies for optimizing passenger flow collaborative management and control of hubs. The paper elaborated on complex streamline analysis techniques under normal conditions, and real-time matching measurement methods of dynamic and static information, as well as dynamic bottleneck point identification and prediction methods and emergency collaborative dispatching and decision-making methods under abnormal conditions. It has reference value for the construction and development of hubs in China.
- high-speed railway integrated transportation hub /
- passenger flow coordination control /
- complex flow lines /
- dynamic bottleneck identification /
- emergency cooperative dispatching

HTML全文

图 1 枢纽动态瓶颈识别方法

下载: 全尺寸图片幻灯片

图 2 应急协同调度与决策方法流程

下载: 全尺寸图片幻灯片

参考文献(9)

[1]	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):94-101.
[2]	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.
[3]	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.
[4]	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. DOI: 10.3969/j.issn.1007-7375.2020.03.013
[5]	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. DOI: 10.11731/j.issn.1673-193x.2017.07.008
[6]	Zhu G Y, Sun R R, Sun X N, et al. Parallel and collaborative passenger flow control of urban rail transit under comprehensive emergency situation [J]. IEEE Transactions on Intelligent Vehicles, 2023, 8(4): 2842-2956. DOI: 10.1109/TIV.2023.3235109
[7]	Yuan F Y, Sun H J, Kang L J, et al. An integrated optimization approach for passenger flow control strategy and metro train scheduling considering skip-stop patterns in special situations [J]. Applied Mathematical Modelling, 2023, 118(6): 412-436. DOI: 10.1016/j.apm.2023.01.034
[8]	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.
[9]	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.

施引文献(2)

期刊类型引用(2)

1.	张金鹏，宫新鹏，刘斐. 一种以RBAC为基础、以UCON模型作为访问决策机制的新的数据仓库安全模型. 信息通信. 2019(10): 148-149 . 百度学术
2.	王宏宇，陈冬梅. 行政院校系统信息化建设中的数据治理浅析. 辽宁行政学院学报. 2017(04): 92-96 . 百度学术