(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111463586.1 (22)申请日 2021.12.02 (71)申请人 南京理工大 学 地址 210000 江苏省南京市玄武区孝陵卫 街200号 (72)发明人 胡文斌　刘彤　张磊　许久奇　 李华轩　 (74)专利代理 机构 北京华沛德权律师事务所 11302 代理人 曹洪进 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/30(2012.01) G06F 111/04(2020.01) (54)发明名称 一种时空客流网络分布下地铁列车节能时 刻表优化方法 (57)摘要 本发明公开了一种时空客流网络分布下地 铁列车节能时刻表优化方法， 该方法的步骤如 下： 在城市轨道交通复杂物理网络下， 基于最小 二乘估计框架结合列车运行力学模 型， 提出时空 客流特性下的基于Pareto曲面多目标改进遗传 算法的列车能耗优化模型； 以区间运行牵引能耗 和区间运行时间为优化目标； 以满足乘客服务质 量指标最大化与全线路列车牵引总 能耗最小化 为目标， 建立基于改进遗传算法的时刻表优化模 型， 获取不同客流时空特性下全线列车节能最优 调整策略。 本发 明方法综合考虑了轨道交通线网 客流时空网络分布特性， 调整列车运行时刻表， 最大化满足乘客服务水平的同时最大化降低全 线列车的总牵引能耗， 具有较高的使用价值与应 用前景。 权利要求书3页 说明书12页 附图4页 CN 114386310 A 2022.04.22 CN 114386310 A 1.一种时空客流网络分布下地铁列车节能时刻表优化方法， 其特征在于， 包括以下步 骤： 步骤1， 基于城市轨道 交通复杂网络， 建立统一的状态估计框架模型整合不同数据源以 及不同结构、 不同时间和空间精度的拉格朗日观测值与欧拉观测 值， 对网络客流状态进行 准确估计和还原； 步骤2： 建立统一网络客流估计模型， 采用广义最小二乘法的估计框架估计网络客流状 态， 求解得到客 流时空估计矩阵； 步骤3， 通过线路基本参数结合客流状态时空估计矩阵， 建立车载ATO模型、 列车力学模 型、 列车能耗计算模型， 推导时刻客 流网络下列车牵引运行模型； 步骤4， 以乘车量需求满足最大化与全线路列车牵引总能耗最小化为目标， 建立时空客 流网络时刻表优化模型； 步骤5， 基于Pareto多目标模糊优化问题， 在遗传算法基础上改进自适应函数， 避免遗 传算法在解决较复杂的优化问题 时存在容易陷入局部最优解的不足， 求解最优解， 输出节 能时刻表优化结果， 确定全线列车节能最优调整策略。 2.根据权利要求1所述的一种时空客流网络分布下地铁列车节能时刻表优化方法， 其 特征在于， 步骤1所述的统一状态估计框架建立网络客流， 重构系统内所有乘 客从起点到终 点的出行时空轨 迹并估计所有站台、 车内、 换乘通道内的高精度、 时变的客 流。 3.根据权利要求1所述的一种时空客流网络分布下地铁列车节能时刻表优化方法， 其 特征在于， 步骤2所述的建立广义 最小二乘估计框架下的高维网络分配模型， 具体如下： (1)构建离 散客流状态： 根据不同物理弧的类型和性质构建离 散客流状态； (2)构建时空状态网络： 基于物理网络、 列车运行时刻表、 离散网络客流状态构建时空 状态三维网络； 在时空状态三 维网络中， 拉格朗日观测值匹配为时空状态点， 欧拉观测值固 定点约束状态求 解空间； (3)构建统一框架进行状态估计： 在时空状态三维网络中搜索各个乘客和固定检测器 状态转移的最优时空状态路径， 采用问题分解框架及迭代求解的方法， 对网络客流状态进 行估计。 4.根据权利要求1所述的一种时空客流网络分布下地铁列车节能时刻表优化方法， 其 特征在于， 步骤3所述的线路基本参数包括线路数据模块、 列车参数模块、 ATO参数模块、 地 铁运营数据模块结合步骤2 客流状态时空估计矩阵， 建立车载ATO模型、 列车力学模型、 列车 能耗计算模型， 推导时刻客 流网络下列车牵引运行模型。 5.根据权利要求1所述的一种时空客流网络分布下地铁列车节能时刻表优化方法， 其 特征在于， 步骤4所述的以乘车量需求满足最大化与全线路列车牵引总能耗最小化为目标， 在己知各车站单位时间间隔的客流需求及列车相关技术参数， 考虑客流需求约束、 列车运 行相关约束， 求解列车在每个车站的到发时刻和列车在区间的最大运行速度， 使乘客总的 旅行时间和列车运行能耗达 到最优。 6.根据权利要求1所述的一种时空客流网络分布下地铁列车节能时刻表优化方法， 其 特征在于， 步骤5所述的基于Paret o多目标模糊优化问题， 在遗传算法基础上改进自适应算 子， 寻找最优解， 步骤如下： (1)列车参数、 客 流OD数据、 线路基本参数等 算法数据输入；权　利　要　求　书 1/3 页 2 CN 114386310 A 2(2)初始种群生成； 列车最大运行速度采用浮点数编码， 根据 各区间列车最大运行速度的取值上下限随机 生成； 一条染色体可以表示 为： tp为时间间隔， xt为0‑1变量， 表示在第t个时间间隔末尾是否有列车从始发站出发， 若 在第t个时间间隔末尾有列车从始发站出发,xt为1， 否则为0， 为第i个区间的列车最大 运行速度取值上限和下限； 设置初始种群中包 含pop_size 条染色体， 则种群第q条染色体可以表示 为： (3)构造适应度函数； 记目标函数： minPT为乘车时间需求， 越小对乘客越好； minE为运营方利益， 运营 单位希望列车运行能耗越小越好； minPT对应隶属度函数为 minE对应隶属度函数为 利用AHP模糊优化理论两阶段法对双目标函数转换为单目标规划函数： minZ＝ λ1·Z1+λ2·Z2 PTmin、 Emin： 满足约束下 单目标函数的最优值； d1、 d2： 各个目标函数的伸缩指标； λ1、 λ2： 各目标函数的重要程度， 在0 ‑1内取值； 记适应度函数如下： fit(X)＝Z (4)遗传操作； a.选择； 采用基于精英保留策略的轮盘赌选 择方法， 个体 Xq能够被选 择遗传到新一代种 群的概率为： 此时得到的个 体作为进化后的新种群继续进行迭代计算；权　利　要　求　书 2/3 页 3 CN 114386310 A 3