基于感知客流的城轨列车群智能无人调度方法

关注

联系合作

成果单位：北京交通大学

合作方式：自行实施技术转让技术许可技术入股合作开发

所处阶段：概念

关键词：城轨列车北京地铁轨道交通客流分析一体化模型深度学习客流预测多智能体强化学习

成果评价

总得分（满分100）

资本强度（满分0）

该成果得分：0

小果解读

核心问题

城市轨道交通系统中，客流与车流的高效协同调度是提升运输效率和服务质量的关键。传统调度方法往往难以精准匹配动态变化的客运需求，导致列车运行效率低下和乘客体验不佳。本成果针对这一痛点问题，提出了基于感知客流的城轨列车群智能无人调度方法，旨在实现客流与车流的精准耦合与动态调度。

解决方案

本成果首先构建了轨道交通线网车流-客流一体化模型，深入解析了客流-车流耦合机理，并揭示了城轨客流物理演变规律。在此基础上，设计了自感知深度学习网络，利用多源感知客流信息进行短时客流预测。最后，以客流预测结果为输入，采用基于多智能体深度强化学习的列车群无人调度方法，实现与动态客运需求相匹配的列车实时调度决策。该方法通过智能算法自动调整列车运行计划，确保列车调度的高效、灵活和柔性。

竞争优势

本成果在北京地铁实际运营数据中进行了验证，客流车流预测精度高达95.8%，且列车群调度策略自动生成时间不超过1分钟。部分研究成果已在北京地铁新机场线、7号线等线路进行示范应用，取得了显著的经济和社会效益。该方法不仅提高了列车调度的智能化水平，还显著提升了轨道交通系统的运输效率和服务质量，为城市轨道交通的智能化发展提供了有力支撑。

成果描述

成果公开日期

20250127

所属产业领域

交通运输、仓储和邮政业

转化现有基础

利用北京地铁实际运营历史数据，对模型和算法进行了方针和验证，显示了模型算法的有效性，以15、30和60分钟为预测时间窗预测线路客流-车流时空分布状态，显示客流车流预测精度近95.8%，以北京地铁1号线为测试对象，实现列车群调度策略自动生成时间≤1分钟。部分研究成果在北京地铁新机场线、7号线等进行示范应用和推广，取得了显著的经济和社会效益。

转化合作需求

应属于轨道交通科技行业的运营、管理等领域

转化意向范围

可国（境）内外转让

转化预期效益

提高轨道交通运营效率和安全性

项目名称

北京市自然科学基金面上项目

项目课题来源

北京市科学技术委员会;中关村科技园区管理委员会

摘要

通过分析北京地铁历史客流数据内在特征与规律，面向轨道交通线网客流-车流精准、动态耦合，构建了轨道交通线网车流-客流一体化模型，深入解析了客流-车流耦合机理，并发现城轨客流物理演变规律；进一步以物理模型为基础，基于多源感知客流信息设计自感知深度学习网络，以实现轨道交通线网短时客流预测；最后，以客流预测结果为输入，设计了基于多智能体深度强化学习的列车群无人调度方法，实现与动态客运需求相匹配的列车实时调度决策，全面提升轨道交通列车调度的智能、高效、灵活、柔性和服务水平。利用北京地铁实际运营历史数据，对模型和算法进行了方针和验证，显示了模型算法的有效性，以15、30和60分钟为预测时间窗预测线路客流-车流时空分布状态，显示客流车流预测精度近95.8%，以北京地铁1号线为测试对象，实现列车群调度策略自动生成时间≤1分钟。部分研究成果在北京地铁新机场线、7号线等进行示范应用和推广，取得了显著的经济和社会效益。