基于图神经网络的城市轨道交通网络化运营管控方法

摘要: 本发明涉及智能运营管控,特别是基于图神经网络的城市轨道交通网络化运营管控方法。背景技术:1、随着城市轨道交通网络规模不断扩大以及线路间换乘联系日益紧密,大型活动...
基于图神经网络的城市轨道交通网络化运营管控方法

本发明涉及智能运营管控,特别是基于图神经网络的城市轨道交通网络化运营管控方法。

背景技术:

1、随着城市轨道交通网络规模不断扩大以及线路间换乘联系日益紧密,大型活动散场等场景下产生的短时脉冲客流容易在较短时间内集中涌入邻近车站,并沿列车运行线路及换乘通道向多个车站和线路传播,造成站台滞留、列车满载、换乘通道拥堵等连锁运营影响。现有城市轨道交通运营管控方法通常根据单个车站的实时客流量、站台滞留人数或列车满载率设置客流控制措施或调整列车运行间隔,对不同车站、线路及换乘关系之间的传播关联考虑不足,难以准确描述运营影响在轨道交通网络中的方向性、时延性及多路径传播特征;同时,现有基于图模型的运营状态预测方法通常采用固定邻接关系或预设传播权重进行信息传递,无法根据线路剩余运输能力、换乘通道剩余通过能力、传播时延以及候选管控策略动态调整节点间的信息扩散强度,因而难以有效识别传播瓶颈和冗余聚合区域,也难以对列车运行间隔调整与客流控制措施的协同作用进行准确预测,导致所确定的运营管控策略在网络化客流传播场景下存在适应性和准确性不足的问题。

技术实现思路

1、针对现有城市轨道交通运营管控方法难以准确表征短时脉冲客流在多车站、多线路间动态传播的问题,本发明提供一种基于图神经网络的城市轨道交通网络化运营管控方法。该方法根据短时脉冲客流信息和当前运营数据构建动态运营图,生成多组候选协同管控策略;通过有向二跳运营传播路径确定动态运营熵曲率、传播瓶颈偏差和冗余聚合偏差,并结合动态节点传播密度构建曲率—密度耦合扩散算子;利用扩散算子预测各候选协同管控策略的运营影响传播结果,确定目标协同管控策略并生成相应管控指令。本发明能够提高运营影响传播预测及协同管控决策的准确性和适应性。

2、本发明提供了基于图神经网络的城市轨道交通网络化运营管控方法,具体包括以下步骤:

3、步骤s1:获取大型活动散场时段对应的短时脉冲客流信息和城市轨道交通网络的当前运营数据;将各车站确定为运营节点,将相邻车站之间的列车运行关系和不同线路车站之间的换乘关系确定为有向运营关系,构建基础运营拓扑;根据当前运营数据确定各运营节点对应的运营节点状态和各有向运营关系对应的有向运营关系状态,并根据短时脉冲客流信息更新对应的运营节点状态和关联有向运营关系状态,得到当前动态运营图;

4、步骤s2:根据当前动态运营图确定受影响车站和受影响线路;根据预设运营控制约束确定受影响线路对应的列车运行间隔调整范围以及受影响车站对应的客流控制范围,生成多组候选协同管控策略;针对每组候选协同管控策略,更新对应的运营节点状态和有向运营关系状态,得到对应的控制条件化动态运营图;其中,运营控制约束包括列车最小安全追踪间隔约束、列车运行间隔最大变化量约束、车站安全容纳量约束和客流控制设备控制能力约束;

5、步骤s3:针对各控制条件化动态运营图,根据由各起始运营节点出发的有向二跳运营传播路径及其对应的关系剩余能力和关系传播时延,确定各运营节点对应的动态运营熵曲率;将动态运营熵曲率与预设曲率平衡区间进行比较,得到各运营节点对应的传播瓶颈偏差和冗余聚合偏差;

6、步骤s4:将控制条件化动态运营图中各运营节点对应的候选协同管控策略、传播瓶颈偏差和冗余聚合偏差输入传播密度生成网络,得到各运营节点对应的动态节点传播密度,确定有向运营关系对应的动态扩散权重,并根据动态扩散权重构建曲率-密度耦合扩散算子;

7、步骤s5:利用曲率-密度耦合扩散算子对控制条件化动态运营图执行多阶图消息传播,预测各运营节点在多个预测时刻对应的运营节点状态;根据当前动态扩散权重,重新确定动态运营熵曲率;并根据重新确定的动态运营熵曲率反馈校正动态节点传播密度,直至满足预设反馈更新条件,得到各候选协同管控策略对应的运营影响传播预测结果;

8、步骤s6:根据各运营影响传播预测结果确定目标协同管控策略,根据目标协同管控策略生成列车运行间隔调整指令和客流控制指令,并根据对应指令的执行结果更新当前动态运营图。

9、进一步的,步骤s3中确定动态运营熵曲率、传播瓶颈偏差和冗余聚合偏差的过程,具体包括以下步骤:

10、步骤c1:针对各控制条件化动态运营图中的每个运营节点,将当前处理的运营节点确定为起始运营节点;按照列车运行方向和换乘客流方向确定由起始运营节点出发且依次经过两条有向运营关系的有向二跳运营传播路径;将各有向二跳运营传播路径的终点运营节点确定为对应的二跳目标运营节点,并将位于起始运营节点与二跳目标运营节点之间的运营节点确定为对应的有效中间运营节点;

11、步骤c2:根据每条有向二跳运营传播路径中两条有向运营关系的关系剩余能力和关系传播时延,确定该有向二跳运营传播路径对应的路径有效传播能力;针对同一起始运营节点对应的同一二跳目标运营节点,将经由各有效中间运营节点的路径有效传播能力相加,得到该起始运营节点至该二跳目标运营节点对应的二跳路径传播能力总和;将经由各有效中间运营节点的路径有效传播能力分别除以所述二跳路径传播能力总和,得到各有效中间运营节点对应的二跳传播份额,并将各二跳传播份额组成对应的二跳传播份额集合;

12、步骤c3:针对每个二跳目标运营节点,根据该起始运营节点与该二跳目标运营节点对应的二跳传播份额集合中各二跳传播份额的分散程度,确定对应的二跳传输离散度;确定该起始运营节点至该二跳目标运营节点之间的有效中间运营节点数量与预设参考中间节点数量之间的比值,得到相对中间节点数量,并确定所述二跳路径传播能力总和与预设参考路径传播能力之间的比值,得到相对路径传播能力;根据二跳传输离散度、相对中间节点数量和相对路径传播能力,确定该起始运营节点至该二跳目标运营节点对应的曲率贡献值,在遍历该起始运营节点对应的全部二跳目标运营节点后,将各曲率贡献值进行组合,得到当前处理的运营节点对应的动态运营熵曲率;

13、步骤c4:曲率平衡区间包括曲率下限和曲率上限;针对每个运营节点,当对应的动态运营熵曲率小于曲率下限时,根据曲率下限与动态运营熵曲率之间的差异确定传播瓶颈偏差;当对应的动态运营熵曲率大于曲率上限时,根据动态运营熵曲率与曲率上限之间的差异确定冗余聚合偏差;当对应的动态运营熵曲率位于曲率平衡区间内时,将对应的传播瓶颈偏差和冗余聚合偏差确定为零。

14、进一步的,步骤s4中构建曲率-密度耦合扩散算子的过程,具体包括以下步骤:

15、步骤d1:针对各控制条件化动态运营图中的每个运营节点,确定候选协同管控策略作用于该运营节点的客流控制量以及作用于该运营节点关联列车运行关系的列车运行间隔调整量;确定与该运营节点通过有向运营关系连接的相邻运营节点,并根据各相邻运营节点对应的动态运营熵曲率确定相邻曲率最小值、相邻曲率最大值和相邻曲率平均值;将该运营节点对应的运营节点状态、客流控制量、列车运行间隔调整量、传播瓶颈偏差、冗余聚合偏差、相邻曲率最小值、相邻曲率最大值和相邻曲率平均值进行组合,得到对应的曲率条件化运营状态;

16、步骤d2:将各曲率条件化运营状态输入传播密度生成网络,得到各运营节点对应的初始节点传播密度;对各初始节点传播密度执行非负映射和传播密度总量归一化,得到动态节点传播密度;

17、步骤d3:针对每个控制条件化动态运营图中各有向运营关系,根据该有向运营关系自身的关系剩余能力和关系传播时延确定基础扩散权重;根据该有向运营关系两端运营节点的动态节点传播密度确定密度调节量,并根据两端运营节点的传播瓶颈偏差和冗余聚合偏差确定曲率调节量;利用密度调节量和曲率调节量对基础扩散权重进行调整,得到动态扩散权重;

18、步骤d4:将各动态扩散权重写入对应的有向运营关系,得到有向加权邻接矩阵,并根据有向加权邻接矩阵和对应的加权出度矩阵构建曲率-密度耦合扩散算子。

19、采用上述方案,本发明取得的有益效果如下:

20、实现了短时脉冲客流作用下城市轨道交通网络运营状态的动态表征。通过将车站确定为运营节点,将列车运行关系和换乘关系确定为有向运营关系,并结合短时脉冲客流信息、运营节点状态及有向运营关系状态构建当前动态运营图,能够反映客流沿列车运行方向和换乘方向在不同车站及线路之间的传播过程;同时,根据候选协同管控策略更新动态运营图,形成控制条件化动态运营图,提升了不同列车运行间隔调整方案和客流控制方案下运营状态的描述准确性,解决了现有方法主要依据单一车站状态实施管控、难以体现跨车站和跨线路关联影响的问题。

21、提升了运营影响传播特征的识别能力和预测精度。通过根据有向二跳运营传播路径的关系剩余能力、关系传播时延及传播份额确定动态运营熵曲率,能够识别客流传播过程中的传播瓶颈和冗余聚合状态;进一步结合动态节点传播密度、传播瓶颈偏差及冗余聚合偏差调整有向运营关系的扩散权重,构建曲率—密度耦合扩散算子,使图消息传播强度能够随运营状态、网络传播能力和候选协同管控策略动态变化,解决了采用固定邻接关系或固定传播权重难以适应轨道交通网络状态变化的问题,增强了对站台滞留、列车满载及拥堵影响范围等运营影响的预测能力。

22、增强了城市轨道交通网络化协同管控的闭环性和适应性。通过利用曲率—密度耦合扩散算子执行多阶图消息传播,并根据重新确定的动态运营熵曲率反馈校正动态节点传播密度,能够持续修正运营影响传播预测结果;在此基础上,根据各候选协同管控策略对应的预测结果确定目标协同管控策略,生成列车运行间隔调整指令和客流控制指令,并根据指令执行结果更新当前动态运营图,实现了“状态感知—传播预测—策略选择—指令执行—状态更新”的闭环管控,提升了大型活动散场等短时脉冲客流场景下列车运行调整与客流控制的协同性,解决了既有管控方式响应滞后及策略适应性不足的问题。