[发明专利]基于目标检测技术和ACO-BP算法的智能轨道交通时间控制方法

说明书

本发明请求保护一种基于目标检测技术和ACO‑BP算法的智能轨道交通时间控制方法。首先，利用目标检测技术统计重庆轨道交通三号线每个站点每天的人流量大小，统计得到等待人数与实际上车人数；其次，以等待人数与实际上车人数为输入，基于BP神经网络得出人流量与到站时间间隔对列车承运能力影响的关系权值；进一步，以当前各站点内人流量为输入量，关系权值作为影响参数传入到蚁群算法建立数学模型，通过不断改变发车间隔来得到最大承运量。同时以期望与实际承运量之间的误差为输入，基于BP(Backpropagation)神经网络学习功能，实现权值的更新，优化结果。本发明通过对轻轨站环境信息的实时收集和算法的持续更新，以获取最大运载量的列车时间间隔。

技术领域

本发明属于城市轨道交通控制领域，具体是利用当前各站点内人流量与历史数据通过算法匹配出最优通行方案，该系统是基于目标检测技术和ACO-BP算法的智能轨道交通时间控制系统。

背景技术

随着城市规模的不断扩大，汽车数量猛增，上下班高时段及关键地带道路十分拥堵。在交通需求量巨大的情况下，城市轨道交通因其方便、安全、快捷、准点率高等特点，越来越受人们的喜爱。但现在轻轨面临着同样的拥堵问题，在一些商圈、机场、车站以及在高峰时间段，地铁及地铁站人流量巨大，导致乘客等待时间变长且十分拥挤，并且也容易出现安全事故。

目前大部分地铁站都是采用高峰时段和低峰时段分别定时。如王寿钦[1]以广州地铁三号线为例，通过蒙特卡洛建模仿真获得高峰时段和非高峰时段的最佳发车时间间隔，但是这种方法仅能求出某种模拟出来的情况下的最佳发车时间间隔，并不能完全解决拥挤问题；文献[2]也指出，为保证乘客安全与交通方便，需要根据实际情况来设置不同时期不同地铁站的停靠时间；汪林[3]、张天宇[4]分别以南京地铁二号线、北京地铁昌平线和上海城市轨道交通金山线为例，将问题简化为数学模型以优化时刻表。以上算法基本都是以优化时刻表进行建模从而达到缓解拥挤的问题。而本发明将通过分析实际情况，进而来设置不同时期不同地铁站的停靠时间，以实现一种自动调节。

近几年，为解决地铁站拥挤问题，各个地区在此投入大量研究，寻找解决的方案。刘涛[5]等人提出了减少客流量情况下均衡收益水平的“为拥挤买单”的概念，通过高峰期提升票价来改善拥挤度，这种方法在一定程度上是有效的，可以让一些不是很着急的人不在高峰时段乘坐地铁，但是对于上学放学时间段，其效果有待进一步改善；基于此，以动态角度为切入点，魏化永[6]提出基于模糊控制算法的城市轨道交通信号控制系统设计方法，采用变结构PID模糊神经网络控制方法对城市轨道交通信号的控制规则进行改进，在嵌入式环境下进行城市轨道交通信号控制系统的硬件设计；陈志杰[7]以客流为研究主线，基于A F C刷卡数据，从进站乘客去向估计、乘客进出站和换乘走行过程参数推算、列车和车站负荷的推算，通过控制客流量以缓解拥挤，这种方法主要是控制客流量，可以起到减缓地铁以及地铁站台的拥挤情况，但是不能缓解地铁站的拥挤，并且使乘客等待时间变长，与地铁方便快捷的特点相违背。

综上，基于目标检测技术，考虑到蚁群算法在网络路由中具有信息分布式性、动态性、随机性和异步性等特点，结合BP(back propagation)神经网络算法，本发明提出一种基于目标检测技术和ACO-BP算法的智能轨道交通时间控制方法，以缓解地铁站拥堵问题。

参考文献

[1]王寿钦.基于蒙特卡洛建模仿真的广州地铁三号线列车发车时间间隔研究[D].华南理工大学:王寿钦,2010.

[2]李思让,罗旭阳,傅饶.北京地铁高峰期最佳停靠时间分析——以北京地铁10号线惠新西街南口站为例[J].名师在线,2016,(08):11-13.

[3]汪林.基于客流需求的城市轨道交通时刻表优化研究[D].东南大学:汪林,2015.

[4]张天宇.动态客流需求下基于公平与效率的城市轨道交通列车时刻表优化模型与算法[D].北京交通大学:张天宇,2018.