客流-車流耦合的城軌交通運行指揮決策體系探討

吳夢委，宋亞京，李子牧，朱鴻濤，白文飛，趙曄，安小詩

（1.交控科技股份有限公司，北京 100070；2.北京市地鐵運營有限公司，北京 100044）

1 研究背景

1.1 必要性分析

城市軌道交通（簡稱城軌交通）或其他類型公共交通需要解決交通工具與乘客的供需匹配問題，目前我國超大城市采用“一線一中心”的3級管控模式，在處理客流車流關系時是相對割裂的，在車流方面通過制定嚴格的計劃運行圖以保證準點率和兌現率，在相當長的時間跨度內假定客流運輸規律不變，要求客流適應車流；在客流波動時調整手段有限，難以達到理想的客流控制效果。另一方面，對客流的時空分布規律和發展態勢認知不夠，導致系統在發生大客流時主要采取限流和人工調整運行圖的方式，應對客流變化被動滯后，因此無法實現較優的運力運量匹配。

國家發展和改革委員會、交通運輸部于2017 年印發了《城市軌道交通發展規劃（2016—2020年）》，其中明確提出要加強客流車流的耦合協調，優化運輸組織，提高運輸效率。另外，城市軌道交通協會發布的《智慧城軌發展綱要》提到了智能運輸組織的體系建設，旨在增強客流預測與分析技術以及與列車、調度指揮的耦合協同；同時，智能調度與應急指揮中心也將深度融合，初步建成智能化線網運輸組織輔助決策系統。超大城市線網規模和客流需求的激增，迫切要求鐵路運輸組織從傳統“按圖跑”轉向“依人運營”，業內也做出一些初步嘗試，例如早晚高峰期間采用了客流車流聯動的優化方案，動態調整列車班次和運行速度。在政策和行業需求雙重推動下，研究客流-車流耦合機理，實現面向動態客流的列車運行調整，成為提高城軌交通運營效率的有效手段和共識。

1.2 客流-車流耦合關鍵技術相關研究

在城軌交通運營中，客流和車流是密切相關的2個因素，兩者的供需匹配是任何運行模式下永恒的問題，也是運行指揮系統的核心目標。在傳統“按圖跑”運行模式下，運力運量的調整主要通過優化發車間隔實現。然而隨著城軌交通網絡化運營的發展，其網絡結構和客流變化更加復雜，傳統的列車運行圖優化方法主要是基于數學模型和規劃算法，缺乏對動態客流的考慮，難以準確反映真實的運行情況，孤立的客流控制和運行圖調整都無法解決運力運量精準匹配的問題。

另一方面，網絡化運行模式的出現必然迫使運行指揮調整方式發生轉變。網絡化條件下更強調客流和車流之間的相互影響、相互制約、相互適應的關系，基于實時變化的客流，及時或預見性地調整運輸組織方式是客流-車流耦合理念的核心。其主流研究思路是通過構建客流和車流的模擬和預測模型（交通流仿真），研究客流和車流之間的協同控制和調度，在網絡化運行指揮體系中，探尋更廣泛的協同控制和調度手段，典型內容包括運行圖調整、客流控制策略、開行方案、編組方案等。

在交通流仿真模型方面，最典型方法包括系統動力學建模［1］、自動機［2］、基于多智能體的仿真預測等，其中又以多智能體仿真居多。Othman［3］在研究城市快速交通系統擁堵與擴展問題時，基于智能卡數據集和列車運行時刻表定義乘客和列車行為規則，建立多智能體的客流仿真模型，不僅能夠刻畫常態運營條件下的動態客流特征，還可用于人口增長預測。魯工圓等［4］和姚向明等［5］基于BDI（Belief、Desire、Intention）理論構建城軌客流仿真模型，主要包含列車類、線路類、路網類、乘客類等4 類智能體。尹浩東［6］構建了復雜不確定性封站條件下乘客出行行為決策模型與仿真求解算法，將乘客微觀出行行為模型與列車運行仿真進行耦合推演，建立客流-車流耦合仿真推演模型，實現線網大規模乘客集散與客流態勢演化的仿真分析。

諸多學者在客流-車流耦合仿真或預測基礎上，通過短時客流預測或耦合仿真精確刻畫目標時間窗內的客流需求，然后針對自定義的優化目標和約束條件采取合適的求解算法進行多目標問題求解，其特點是在極短時間內生成可執行的時刻表或調整策略，及時應對客流變化。沈純子［7］利用強化學習實現列車時刻表的實時調整算法并在ATS 系統中得到仿真驗證。楊欣團隊［8］基于客流-車流耦合仿真模型，研究客流協同控制優化策略，將列車時刻表和客流控制問題轉化為2階段的不確定優化問題進行求解，優化目標為列車總停留時間與乘客等待時間，開發分布魯棒協同優化模型以獲得較傳統魯棒模型更優的客流控制策略和時刻表。其他常見方法還包括啟發式算法［9-11］、動態規劃［12-13］、替代圖理論［14］、離散事件等。

另外，一些研究團隊利用復雜網絡理論構建線網拓撲，結合動態客流信息通過仿真手段識別線網關鍵或薄弱站點，對關鍵站點有的放矢進行客流控制方案的調整［7，15-16］。近年來，靈活編組（在線硬連掛）和虛擬編組技術受到學者和運營商的關注，兩者以更加靈活的編組方案響應運行計劃的調整，同時適用于多種復雜運營場景。東京、巴黎、阿姆斯特丹等國際發達城市已經完成在線硬連掛技術的技術驗證，我國上海、北京等地也已實現無人連掛模式并投入運營。在Shift2rail 計劃［17］推動下，對虛擬編組的概念和應用場景在國際范圍內已達成普遍共識，北京交通大學、北京全路通信信號研究設計院集團有限公司、交控科技股份有限公司等單位針對虛擬編組的協同控制［18-21］、安全防護［22-23］和運輸組織方案［24］進行深入研究，并率先在實際運營線路（北京地鐵11 號線）進行技術驗證，我國廠商在該技術成果應用方面處于領先優勢。

1.3 線網級運行指揮系統現狀

客流車流精準匹配需要從線網層面進行配置調整，必然增加了對線網控制中心的要求，在目前的運營模式中，多采用“一線一中心”的單線管控模式，線網級調度只監不控，雖然承擔著應急指揮決策的功能，在線網層面還不具備實時行車調整和決策指揮的條件，無法根據線網客流的變化統一協調資源，發揮線網指揮的優勢［25］。當前網絡化運營的主要瓶頸體現在3 個方面：（1）資源單線配置，不同線路、不同運營企業無法做到集中管理和協同；（2）存在專業數據壁壘，各專業各層級的數據無法共享，導致線網決策能力差；（3）運行控制設備不兼容，無法實現互聯互通。因此，為了向多線路集中管控的扁平化管理模式轉變，需要從管理模式、數據共享、綜合決策能力、列車運行控制技術等多方面尋求突破。尤其是在網絡化運營的大背景下，基于多智能體的客流-車流耦合仿真對實際運營的模擬和優化策略具有至關重要的作用，也是實現精準運力運量匹配的技術支撐。在客流-車流耦合的運行指揮決策體系下，應綜合統籌運行圖調整、客流控制、交路［26］或編組方案等運輸組織方式，針對具體運營場景給出最優的行車策略。

2 基于客流-車流耦合的運行指揮決策體系

2.1 客流驅動的2級運行指揮體系

基于客流-車流耦合的運行指揮體系的典型特征是依托統一的大數據平臺，力求精準掌握客流需求及態勢變化，基于多智能體的客流-車流耦合仿真進行列車運行動態調整，在線網層面實現運力精準投放，打造客流驅動的運力運量調整匹配體系（見圖1）。

圖1 客流驅動的運行指揮體系

運行指揮體系的核心特征在于對實時運營狀態（客流、列車、設備等因素）的綜合監控和運營態勢研判，從而增強中心的控制指揮能力，實現對行車和客運組織進行及時調整。在該體系下，新增客流調度，實時監控全線網客流信息，并在突發狀況下承擔信息報送和客流疏導工作。行車調度按線路集群調度，設備按網絡集成調度，調度系統具備非應急情況下的自動調圖—行車方案驗證評估—行車調整與控制的閉環管理手段，行車調度手段應更加豐富靈活，與列車運行控制技術相結合，例如利用車車通信、互聯互通和靈活編組等技術，縮小發車間隔，提高復雜場景下的調度靈活性。

同時，在管控模式方面，基于客流-車流耦合的運行指揮體系實現“中心-現場”的扁平化管理，中心各控制子系統（如行車、電力、閉路電視監控系統等）進行網絡化集成，增強線網控制能力。最終該體系能夠實現以客流驅動的動態調圖、多線路集約化的網絡化調度和靈活響應的高效列車控制，提升線網運行的韌性。

2.2 系統架構

以北京超大城軌交通線網為例，構建基于客流-車流耦合的運行指揮系統，其系統架構見圖2，分為中心級和現場級，中心級包含決策層、執行層。

圖2 基于客流-車流耦合的運行指揮系統架構

（1）決策層面向線網指揮中心，以精確的客流車流預測分析為基礎進行線網層面的運輸組織和應急調度，包含綜合監控、平行推演、態勢研判、運輸組織輔助決策和應急指揮模塊。

（2）執行層面向線路/線路集群行車調度，包含運行圖自動編制、行車監控、運行圖動態調整、設備調度等功能。線路集群行車監控系統可實現多線路列車運行的集中管理和控制；運行圖動態調整主要針對運營過程中發生的異常事件，提供在無人工干預或少量人工干預情況下的運行圖自動調整，以及輔助調整建議，運行圖調整需要將平行推演模塊的結果作為輸入，在考慮客流-車流耦合影響的前提下進行計劃調整。

2.3 業務流程

客流驅動的2級運行指揮體系遵循“平戰結合”的原則，在日常運營情況下，運營控制權由區域控制中心（執行層）履行，指揮中心（決策層）負責線網各專業、各系統的綜合監控，同時依托大數據分析、客流預測、多智能體仿真等技術，預測潛在風險、研判事態發展，及時發現潛在的運營風險并提前制定預案，構建主動型的運營指揮體系。在應急情況下，調度指揮中心接管控制權，根據突發情況研判事件后果并進行全網資源調配，區域控制中心執行行車事件的具體處置措施，配合指揮中心盡快恢復正常運營。具體業務流程見圖3。

圖3 基于客流-車流耦合的運行指揮系統業務流程

在該體系中，基于平行推演、態勢研判和智能調度子系統形成最小閉環的基本業務邏輯（見圖3①—⑨）。

（1）平行推演模塊基于歷史的、實時的客流數據進行客流滾動預測，評估客流變化趨勢，將客流預測結果作為輸入用于開行方案編制。

（2）開行方案編制后，加載至智能調度系統的運行圖編制終端，運行圖編制模塊自動鋪畫運行圖，基于當前線路信息、車輛資源等約束條件進行運行圖可行性驗證。

（3）驗證后的運行圖返回平行推演模塊，結合預設的開行方案或運行計劃，通過建立軌道交通系統網絡運營仿真模型（客流車流仿真），推演方案的后續影響（未來某時間段內現場客流時空分布狀態與變化、行車交路等）。一般而言，運營仿真模型的輸入為多條銜接線路或線網的運行圖信息，因此通過仿真推演相當于結合客流情況對運行圖進行銜接驗證，通過告警預警結果體現。

（4）態勢研判模塊對平行推演結果進行系統地分析統計與可視化展示，對各類綜合性、專業性指標進行專題管理，同時結合歷史同期指標表現以及設定閾值，進行告警預警。

（5）若無影響行車告警預警，則運行圖可認為通過驗證，下發至行車監控系統，進而下發至車輛；若在編制或運行任意時刻出現影響行車事件的告警預警信息，則需進行運行圖調整，循環進行（3）—（4）步驟。

此外，中心級還包含運輸組織決策模塊和應急指揮模塊。運輸組織決策模塊能夠根據仿真結果和指標分析，評估某類事件造成的運力運量失衡水平、客流風險信息，根據運力缺口大小和客流風險等級推送不同級別的行車輔助決策建議和客流管控建議，為調度指揮人員提供輔助信息；應急指揮模塊提供在事件發生后的自動化手段，包括應急會商、信息報送與發布等功能，以提高應急處置效率。

3 總結與展望

關于客流-車流耦合的研究對于構建客流驅動的網絡化運行指揮體系具有重要意義。結合城軌交通發展趨勢，探討研究客流-車流耦合的必要性和內涵，對其關鍵技術研究進行調研和總結；提出基于客流-車流耦合的運行指揮決策體系，探索客流-車流耦合機理，基于耦合仿真和預測實現動態行車調整和調度。

客流-車流耦合主要通過多源客流數據融合技術，實現網絡客流的實時感知、短期預測和長期分析；基于多智能體仿真技術建立客流車流的聯合仿真，推演客流發展態勢和列車運行狀態；通過運行圖動態調整技術，實現應急情況下運力的靈活調整；在現場執行層面，可通過車車通信和靈活編組等運行控制技術，實現平峰時客流與運力的匹配，最終實現覆蓋所有已知或未知運行場景的運力運量匹配優化運行。

當前，在客流-車流耦合機理、協同控制策略和調度方面的研究相對較少，基于客流-車流耦合的動態調度缺乏理論指導，對客流車流以及基礎設施、環境的相互影響關系認知不夠，導致耦合仿真和預測模型的精度不夠，缺乏大量的數據支持。同時，運行圖優化調整算法復雜度高，易出現無解、集成難度大等問題。因此，未來客流-車流耦合研究需要綜合運用多種技術手段，以進一步提高數據質量和模型預測精度，開發更加智能化、安全可靠的系統，提高數據處理和算法效率，加強系統集成和數據共享，真正實現基于客流需求的運行圖動態調整。同時，為了構建扁平化管理模式，需要強大的數據中心承載線網多類業務和數據服務，更需要列車群協同優化、虛擬編組控制等關鍵技術的支撐。