客流控制下路网供需匹配的协同优化机制研究

For a constrained subway network both on demand and supply, there are the following scientific problems in the field of supply coordination with demand: 1) influencing factors and mechanism analysis of passengers' travel behavior; 2) passenger flow status recognition and network performance evolution; 3) the mechanism of the network capacity allocation scheme, passenger flow control strategy, and passenger flow status. In view of the above problems, this project first constructs a large database of multi-source mixed travel data for subway passengers, explores the impact mechanism of passengers' travel behavior on the socio-economic, capacity allocation and passenger flow control, and establishes a passenger flow forecasting model for the constrained subway network. The project puts forward the dynamic evolution model of passenger flow under passenger flow control, the state prediction and the network performance prediction model, and builds a reinforcement learning framework of supply and demand matching. The configuration of capacity on a big scale subway network can be optimized online, but also a two-way dynamic optimization control of passenger flow and network capacity. This project not only has important application value in ensuring the operation efficiency of large metropolises, but also is of great value for enriching the theories and methods of collaborative supply control in the context of large-scale passenger flow and large-scale network.

需求和能力双受控的城市轨道交通网络，在路网供需匹配方面存在以下科学问题：1）受控地铁网络的乘客出行行为影响因素和机理分析；2）给定网络拓扑和资源下地铁路网客流状态识别及性能演化规律；3）路网能力配置方案、客流控制策略与路网客流状态之间的作用机理。针对以上问题，本项目构建地铁乘客的多源混杂出行大数据库,探索社会经济、能力配置和客流控制等对乘客出行行为的影响机理，建立客流控制下城市轨道交通客流预测模型，首次提出地铁乘客出行全过程的精准预测方法；提出客流控制下的客流动态演化模型、状态预测及路网性能预测模型，构建客流控制条件下供需匹配协同优化的强化学习框架，不仅实现在运能受限的大尺度线网上优化供给侧运能的配置，还实现需求侧客流与供给侧运能的双向动态优化控制。该项目研究不仅对保障超大型城市运行效率具有重要的应用价值，而且对于丰富发展超大规模客流和大尺度线网背景下供给协同控制理论和方法也具有重要价值。

近年来我国城市轨道交通已呈现出网络化、大客流、高密度等特征，高峰时段线路部分区段及车站能力不足、高峰小时断面满载率和车站站台密度持续过高成为北京等大城市地铁运营的常态，高峰时段进站与换乘限流以及基于受限能力的运能动态配置已成为大规模、高强度地铁网络的首选方案。基于此，本项目面向需求和能力双受控的城市轨道交通网络，提出并研究了以下科学问题：1）受控地铁网络的乘客出行行为影响因素和机理分析；2）给定网络拓扑和资源下地铁路网客流状态识别及性能演化规律；3）路网能力配置方案、客流控制策略与路网客流状态之间的作用机理。针对以上问题，本项目首先开展了面向路网能力配置和客流控制的乘客特性分析，建立了面向路网能力配置的乘客出发车站、出发时间以及路径选择的动态模型，提出了客流控制下城市轨道交通客流预测模型，首次形成了地铁乘客出行全过程的精准预测方法；提出了客流控制下的客流动态演化模型、状态预测及路网性能预测模型，构建了客流控制条件下供需匹配协同优化的强化学习框架，依据能力配置方案与最优客流控制策略映射关系，提出大规模客流控制下城市轨道交通网络供需匹配的协同优化方法，实现了在运能受限的大尺度线网上优化供给侧运能的配置，完成了需求侧客流与供给侧运能的双向动态优化控制。本项目的研究成果已形成高水平论文12篇、出版专著2部、授权发明专利4项（实现专利转化1项）、丰富发展超大规模客流和大尺度线网背景下供给协同控制理论和方法，指导解决超大规模轨道交通路网运输组织难题，具有重大的经济和社会价值，获得2019年度北京市科学技术进步奖二等奖；相关成果在广州地铁的运营平台中，具有重要的经济和社会价值，推动了客流预测技术的进步，并荣获中国轨道交通科技进步奖一等奖等荣誉。本项目培养教授1名、培养硕士博士生10名，形成了稳定可持续结构合理的高水平科研团队。