楊陶源,趙鵬,姚向明,張璞
(北京交通大學,交通運輸學院,北京100044)
城市軌道交通延誤事件給乘客出行帶來諸多不便,如何科學合理地制定突發(fā)事件下的運輸組織方案,對城軌系統(tǒng)的運營安全和乘客出行的高效穩(wěn)定有著重要現(xiàn)實意義。軌道交通延誤事件根據(jù)故障持續(xù)時間可分為擾動(Disturbance)、延誤(Delay)、中斷(Disruption)[1]。擾動發(fā)生頻率高,持續(xù)時間多為3 min以內(nèi),具體表現(xiàn)為單列車延誤,不影響后續(xù)車次,僅通過調(diào)整列車運行及停站時間即可恢復正常。延誤發(fā)生頻率低,持續(xù)時間為3~15 min,具體表現(xiàn)為延誤發(fā)生后波及后續(xù)多列車次,僅通過壓縮區(qū)間運行及停站時間已無法恢復正常行車秩序,此時需通過跳站停車、取消部分車次等措施進行調(diào)整。中斷發(fā)生頻率極低,持續(xù)時間一般為15 min以上,運輸企業(yè)通常采用中斷故障區(qū)間行車并封閉車站的措施。由于延誤事件對行車秩序的影響較大且調(diào)整措施復雜,處理不當可能演變?yōu)橹袛嗍录?,故本文僅針對延誤事件進行研究。
跳站停車模式可以有效利用延誤造成的運行圖空間,是延誤事件下調(diào)度調(diào)整的有力手段。針對城軌列車跳站停車模式,Altazin[2]兼顧了運輸企業(yè)和乘客效益,但未考慮列車容量。面對我國城軌系統(tǒng)滿載率較高的現(xiàn)狀,Gao[3]以乘客延誤時間最小為目標,在考慮列車容量約束的基礎(chǔ)上,采取跳站停車措施恢復延誤下的列車秩序;Shang[4]在跳站停車模式中考慮乘客公平性,使各車站乘客候車時間更為均衡。在突發(fā)延誤條件下,大量乘客滯留會帶來安全隱患,故列車調(diào)整與客流控制協(xié)同優(yōu)化十分必要。Li[5]通過進站客流量和列車到發(fā)時刻的協(xié)同控制實現(xiàn)對列車運行擾動的恢復。然而,面對較長時間的延誤,僅通過調(diào)整列車到發(fā)時刻已無法恢復正常行車秩序,如何采取有力的調(diào)度及客流協(xié)同管控措施對保障運營的穩(wěn)定性具有重要意義。
綜上,本文面向我國城市軌道交通突發(fā)延誤場景,統(tǒng)籌考慮行車秩序的恢復和乘客集散的公平、效率,以跳站停車和多車站進站客流量協(xié)同控制為手段,構(gòu)建雙層線性規(guī)劃模型優(yōu)化城軌突發(fā)延誤后的運輸組織,并通過實例驗證方法的有效性。
對于大運量的城市軌道交通系統(tǒng),突發(fā)延誤事件不僅會造成列車延誤,還會導致大量乘客積壓滯留。列車延誤下的運輸組織,客流管控措施的制定需要依賴于調(diào)整后的行車組織方案,而客流管控措施反過來又會影響行車組織方案。因此,行車組織方案和客流管控措施是相互耦合的,突發(fā)事件下的運輸組織工作必須統(tǒng)籌考慮行車秩序恢復和客流疏解。
當城市軌道交通線路上發(fā)生延誤事件時,調(diào)度員為保證行車安全通常對后續(xù)列車采取車站扣車措施。如圖1(a)所示,D 車站8:14-8:18 發(fā)生信號故障導致02 次列車延誤,后續(xù)的03 次列車在C 站停車等候調(diào)度命令。故障恢復后由于僅靠壓縮追蹤間隔和停站時間已無法恢復正常行車,導致06 次列車被取消并影響后續(xù)列車接續(xù)。如果采取圖1(b)所示的跳站停車方案,02~06 次列車在部分車站通過不停車,則可以充分利用故障造成的運行圖空間盡快恢復行車秩序。可見,相較于常態(tài)運營場景,在延誤場景下采取跳站停車的調(diào)度措施更具可行性和必要性。
圖1 列車延誤后的調(diào)度措施Fig.1 Dispatching measures after train delay
突發(fā)延誤下的城軌列車調(diào)整和客流控制存在耦合關(guān)系,故調(diào)度工作必須協(xié)同考慮客流的組織。如圖2(a)所示,如果不采取客流管控措施,上游車站A、B的乘客將優(yōu)先占用列車資源,導致下游C、D站的乘客大量滯留。在突發(fā)延誤情況下,這不僅大幅降低下游車站乘客的服務水平,還有可能導致過度擁擠造成危險。如果采取圖2(b)所示的多車站客流協(xié)同控制措施,可使各站客流更加均衡,對乘客而言也更公平。
圖2 客流控制措施影響Fig.2 Influence of passenger flow control measures
本文構(gòu)建雙層規(guī)劃模型來刻畫行車組織與客流組織問題間存在的耦合關(guān)系。上層列車調(diào)整模型以列車到達延誤最小為目標,以列車載客能力為約束,為客流提供出行時空網(wǎng)絡(luò);下層客流控制模型以上車乘客總量最大為目標,以列車載客能力和各車站限流率均衡為約束,使客流對應網(wǎng)絡(luò)調(diào)整重新分布。上下層模型均為線性,具體內(nèi)容如下。
本文模型做如下假設(shè):
(1)進站客流需求可通過歷史AFC 數(shù)據(jù)獲取。突發(fā)延誤持續(xù)時間通常為3~15 min,在此背景下進站客流量可認為與歷史數(shù)據(jù)差異較小。
(2)調(diào)整開始階段已在車乘客數(shù)量已知。目前,已有軌道稱重、視頻檢測等手段對列車載客量進行估算,故本文假設(shè)該數(shù)據(jù)已知。
(3)如果某列車通過A 站不停車,對于列車調(diào)整開始前已在車去往A 站的乘客將在A 站之前的最后一次停站處提前下車等候下次列車;對于列車調(diào)整開始后進站的乘客,如果其目的地為A 站,將原地等待下次在A站停站的列車。
為便于描述,本文模型的變量及參數(shù)定義如表1所示。
表1 變量及參數(shù)定義Table 1 Definition of variables and parameters
上層列車調(diào)整模型以列車到達時刻ai,k、列車出發(fā)時刻di,k、列車是否跳站xi,k為決策變量,以列車到達延誤最小為目標函數(shù),即
上層模型約束條件為
式(2)為列車運行時間約束,即列車到達時刻為前一站出發(fā)時刻與區(qū)間運行時間、加減速附加時間(如果有停站)之和。式(3)為列車停站時間約束,若xi,k=1,即列車k在車站i跳站不停車,此時列車k在車站i的到達和出發(fā)時刻相同;若xi,k=0,即列車k在車站i停站,此時列車出發(fā)時刻至少應距離到達時刻一個最小停站時間。式(4)為列車追蹤間隔約束,列車k在車站i的到達時刻應和該站前一列車的出發(fā)時刻保持最小間隔h。式(5)為列車能力約束,表示各列車在各區(qū)間的載客量均不能超過列車容量,其中,Bi,k、Ai,k由下層模型的最優(yōu)解獲得。式(6)表示換乘站不可跳站。式(7)為跳站次數(shù)約束,為減少乘客留乘次數(shù),本文限定任意OD 乘客最多經(jīng)歷2 次列車在出發(fā)站或目的站不停車。(1-xi,k)·(1-xj,k)=1 表示列車k同時在車站i和j停站,式(7)保證了每3列列車中至少有1列可以滿足任意OD 的乘客需求。顯然,式(7)為非線性約束,為方便后續(xù)求解,將式(7)近似線性化為式(8),證明過程參見文獻[3]。
下層客流協(xié)同控制模型以各車站、各車次的控制進站量Ci,k為決策變量,以總上車客流量最大為目標函數(shù),即
下層模型約束條件為
式(10)表示留乘數(shù)量,若xi,k=0,列車k在車站i停站,則留乘數(shù)量為因跳站不可達客流量;若xi,k=1,列車k在車站i跳站,則留乘數(shù)量為上次列車留乘和本次列車進站客流量之和。式(11)和式(12)表示上車乘客數(shù)量。式(13)表示下車乘客數(shù)量,為正常下車客流和因目的車站不可達而提前下車客流之和。式(14)表示客流需求。式(15)為限流進站量約束,即各車站累計進站客流量不能超過累計的實際客流需求。式(16)為列車能力約束,表示各列車在各區(qū)間的載客量均不能超過列車容量。式(17)為控流率均衡約束,即各車站對應各列車控制進站率的差異不能超過一個給定的參數(shù)ε,以此保障各車站乘客的公平性。
文獻[6]指出,即使是簡單的雙層線性規(guī)劃也是NP-hard 問題,不存在多項式求解算法。一種簡單的求解思路是將雙層規(guī)劃問題轉(zhuǎn)化為單層規(guī)劃,例如把下層模型替換為其KKT(Karush-Kuhn-Tucker conditions)條件,進而轉(zhuǎn)化為單層規(guī)劃問題。但就本文模型來看,如果將下層模型以其KKT 條件替換,得到的將是一個混合整數(shù)非線性規(guī)劃模型,求解過程復雜難以滿足實時調(diào)度需求。根據(jù)本文模型上下層分別保持線性的特點,若能對上下層分別求解,并利用下層模型對上層變量的近似反應函數(shù)不斷迭代,則可實現(xiàn)快速求解。
基于靈敏度分析的算法[7]符合這一求解思路。該算法是一種迭代算法,利用下層規(guī)劃對上層變量的導數(shù)信息來近似逼近反應函數(shù),然后把這個近似反應函數(shù)代入上層規(guī)劃,對從上層問題求出的最優(yōu)解再一次求解下層問題就可得到新的解。重復上述步驟,得到一組新的近似反應函數(shù)。如此迭代計算,最后收斂于雙層規(guī)劃模型的最優(yōu)解。算法流程如下:
Step 1 令迭代次數(shù)π=0,給定上層決策變量的初始解xπ=0。
Step 2 將給定的xπ帶入下層規(guī)劃,求解得到下層模型的最優(yōu)解yπ。
Step 3 利用靈敏度分析法計算下層問題最優(yōu)解yπ對上層變量xπ的導數(shù),進而得到線性近似反應函數(shù)為
Step 4 計算式(18),并將其帶入上層規(guī)劃中,求解上層問題,得到一組新的解xπ+1。
Step 5 若滿足一定迭代精度,則停止;否則,令π=π+1,轉(zhuǎn)Step 2。
實驗案例如圖3所示,7:52 北京地鐵亦莊線上行方向萬源街站至舊宮站區(qū)間信號故障持續(xù)5 min無法行車,導致02、03、04次列車分別在萬源街站、榮京東街站、榮昌東街站待避;7:57故障排除,列車按照調(diào)整后的運行圖恢復行車。為驗證模型算法的可靠性,本文進行4 組對照試驗,分別為順延晚點無客流控制(案例1)、僅客流控制無列車調(diào)整(案例2)、僅列車調(diào)整無客流控制(案例3)、列車調(diào)整與客流控制協(xié)同優(yōu)化(案例4),調(diào)整車次為02、03、04。
圖3 北京地鐵亦莊線故障案例Fig.3 Case of Beijing Subway Yizhuang Line delay
參數(shù)取值方面,列車載客能力N=1460 人,同車站列車發(fā)到間隔h=180 s,列車加、減速附加時間τa、τd均取為10 s,列車最小停站時間ni=30 s??土鲾?shù)據(jù)通過歷史AFC 數(shù)據(jù)獲取,客流到達率λi(t)及OD比例αi,j分別如表2和表3所示。調(diào)整開始前,各列車已在車乘客數(shù)Qi,k去往終點站宋家莊(SJZ)為500 人,去往其他各站設(shè)置為100 人??土骺刂品桨钢校髡究亓魅莶盥师?10%,大數(shù)M=99999。
表2 控制車站客流到達率Table 2 Passenger flow arrival rate of controlled stations
表3 進站客流OD比例矩陣Table 3 OD proportion matrix of inbound passenger flow (%)
行車組織方面,調(diào)整后列車運行圖如圖4所示。案例1、2順延晚點模式下,調(diào)整車次平均行程時間為1890 s;案例3、4跳站停車模式下,調(diào)整車次平均行程時間均為1791 s,相較于案例1、2 縮短了5.2%。在式(8)約束下,案例3、4 跳站次數(shù)均為7次,各列車在各車站的到達時刻相較于順延晚點模式累計縮短1200 s,既提高了列車周轉(zhuǎn)效率,又為乘客節(jié)約了時間。
圖4 調(diào)整后列車運行圖Fig.4 Rescheduled train diagram
客流控制方面,選取上車客流量、進站率方差等指標對比各調(diào)度策略,如表4所示。無控制措施(案例1)的上車客流量最大;僅采取客流控制的案例2雖然降低了乘客集散量,但可使各車站進站率的方差降低97.8%,提高了各站乘客的公平性;案例3、4的跳站停車措施降低了上車客流量,在相同的跳站次數(shù)下,采取客流控制措施的案例4相較于無控制措施的案例3 不僅將上車客流量提高了6.1%,還使進站率方差降低了99.2%。綜合來看,采用列車跳站與客流控制協(xié)同優(yōu)化的案例4 兼顧了行車秩序的恢復和乘客出行的體驗,且176.03 s的求解時耗在延誤5 min的背景下能夠滿足實際調(diào)度需求。
表4 實驗案例結(jié)果Table 4 Experimental case results
城市軌道交通頻發(fā)的列車延誤不僅嚴重影響行車秩序,還會給乘客出行帶來諸多不便。本文以跳站停車和客流協(xié)同控制為手段構(gòu)建雙層規(guī)劃模型對突發(fā)延誤后的城軌運輸組織進行優(yōu)化,并利用靈敏度分析算法求解。通過北京地鐵亦莊線的延誤案例驗證本文方法的有效性。結(jié)果表明:(1)采取多車站協(xié)同控流措施可以提高各站乘客的公平性;(2)采取跳站停車的行車組織方案可以加快行車秩序的恢復,但會在降低乘客輸送能力的同時加劇各站乘客的不公平;(3)采取跳站停車與多車站客流協(xié)同控制,可在保障乘客公平性的條件下提高列車運行和乘客集散效率。