基于多智能体的城市轨道交通列车延误仿真模型及应用

董　皓　康会峰　廖　琦　李　璇

(1. 北京城建设计发展集团股份有限公司　北京　100037;　2. 北华航天工业学院　河北廊坊　065000;3. 宁波大学海运学院　浙江宁波　315211)



基于多智能体的城市轨道交通列车延误仿真模型及应用

董皓1康会峰2廖琦1李璇3

(1. 北京城建设计发展集团股份有限公司北京100037;2. 北华航天工业学院河北廊坊065000;3. 宁波大学海运学院浙江宁波315211)

摘要城市轨道交通列车延误处置方案制定是轨道交通运营管理的重要工作，处置方案的合理性是提高处置效率的前提，验证处置方案的合理性也是运营管理部门亟待解决的问题。基于此，以多智能体(以下简称多Agent)理论为基础，分别构建乘客Agent、列车Agent、网络Agent及突发事件Agent的仿真模型；分析列车延误的多Agent仿真原理；以上海轨道交通2号线列车延误为背景，编写多Agent列车延误仿真程序，并对处置方案进行仿真分析,该模型已在上海轨道交通人民广场站大客流处置工作中得到了实际应用。

关键词城市轨道交通；列车延误；处置方案；多Agent

轨道交通发生突发事件时(如火灾、列车故障、信号故障等)，不可避免地会造成列车延误，而列车延误又会导致乘客在站台迅速聚集，特别是突发事件发生在高峰时段(早、晚高峰)的大型换乘枢纽站，极有可能由于客流过高导致大客流风险，并会连带引起人群踩踏、人员伤亡等安全事件[1]。为了避免、抑制此类事件的发生，轨道交通相关部门制定了一系列的行车处置措施(如跳站停车、扣车、利用备车等)和客运处置措施(如限流、客流引导、信息发布等)。然而，轨道交通系统具有社会性和经济性，若处置方案不合理，会带来乘客投诉、经济损失等负面效应。因此，在处置方案应用前，对其合理性进行验证是保障乘客生命安全、提高处置效率的前提和基础[1]。虽然轨道交通相关部门会定期开展相关演练，但演练毕竟存在一定的狭隘性，演练效果存在质疑，且无法还原列车延误时的实际工况。基于此，笔者以智能仿真理论为基础，建立并利用仿真模型，以计算机系统为工具，对处置方案(重点为行车处置方案)进行分析、设计和评估，以确保处置方案的可靠性。

1轨道交通多Agent行为模型

多智能体以下简称多Agent。

1.1模型的非线性因素

轨道交通系统是一个集乘客、列车、线网(线路、车站)等于一体的复杂系统[2]，常态下系统处于一种平衡状态，系统中各单位具有交互适应性。一旦发生突发事件将会打破原有的平衡模式，造成列车运行延误、客流聚集、网络客流分布改变等多种后果，这些因素的相互作用、相互影响表现出了高度的非线性特征，具体表现在以下方面。

1.1.1系统基础信息

在网络化运营模式下，轨道交通线网信息涉及的要素众多，其物理网络复杂、列车运行信息多变、乘客出行行为不确定，在建模时不能简单地对其物理网络进行抽象，还需要确定线网的基础数据、列车的开行计划、乘客的有效路径集、原始OD数据等。

1.1.2各要素之间的相互影响

各要素之间具有作用与反作用的特性，乘客是具有主观能动性的智能体，其对乘坐列车的选择受列车拥挤程度、排队时间、列车运行状况等多方面的影响；乘客在车站的聚集程度对列车的开行计划具有反作用效应。因此，各要素之间的相互作用并非简单的线性关系[3]。此外，客流特性在不同特征日、不同时段的分布规律各不相同，因此，建模约束条件多、呈现高维度的非线性特征。

1.1.3突发事件对系统的影响

突发事件发生后，由于乘客出行行为具有主观能动性，将打乱客流在原有线网上的分布，运营管理部门将随突发事件的演变采取相应的调整措施，而客流在线网上的分布也将随着突发事件的演变而动态改变。

1.2多Agent模型建立

1.2.1多Agent概述

Agent是一种具有自主性、社会性、反应性和能动性[4-5]，在连续不断地感知外界环境的变化下，自主运行和自主交互以满足其设计目标的计算实体。它是20世纪70年代由Hewitt建立的以Actor模型为基础，并随着网络技术和人工智能技术发展而兴起的一个研究领域，其研究重点在于逻辑或物理上分散的智能系统之间如何协调各自行为,从而实现问题的求解。

对轨道交通系统而言，已超出了单Agent的能力范围(乘客Agent、列车Agent、网络Agent、突发事件Agent等)，在此引入多Agent系统(multi-agent system，MAS)概念。MAS是指能够随外界环境变化进行自我调整与修正，并能够通过与其他Agent进行交互、通信、协作、协同的方式完成复杂问题求解的分布式智能系统。一般性的MAS模型包括：分布式、集中式和联邦式[6]，以TELL、ASK或KQML、KIF形式语言作为通信模式[7]。

1.2.2模型建立

由上述分析可知，轨道交通系统突发事件仿真是一个复杂、高度非线性的问题，应用多Agent原理对其进行抽象，系统应包括：乘客Agent、网络Agent、列车Agent、突发事件Agent。采用Bratman提出的BDI(beliefdesireintention)模型[8]对轨道交通突发事件系统进行抽象，可表示为

AgentA::={Aid,P,I,A,R,Dva,Dar,See,Next,Action}

(1)

式中：Aid表示Agent的编号；P表示Agent对突发事件感知后的影响，I表示Agent的内部状态集合；A表示行为集合，即Agent表示对突发事件作出的响应集合；R表示行为所造成的结果集合；Dva为突发事件感知与行动集间的关系；Dar为行动集与结果集的对应关系；See,Next,Action用于描述Agent内部观察、思维和决策的过程。各Agent描述如下：

1) 乘客Agent。乘客Agent在轨道交通系统中扮演临时主体的角色，可由六元组表示

P={Id,Attr(x,y),A,R,f(x,y),g(A)}

(2)

式中：Id为乘客Agent编号；Attr为乘客属性(包括OD信息、进站时间、出站时间、乘客可行路径集等)；(x,y)为乘客对突发事件的感知度，这里x为延误时长，当x为(0min,15min]，乘客选择继续等待后续列车；当x为(15min,30min]，若存在次短路径(以时间为衡量标准)，乘客选择次短路径或其他交通方式[9-10]。y为站台拥挤程度(以下称站台饱和度)的感知度，当站台饱和度大于80%时，乘客选择次短路径或离开系统；f(x,y)为感知与行动之间的关系；A为行动集合；R为结果集合；g(A)表示A与R之间的关系。突发事件下乘客的Agent描述如图1所示。

图1　突发事件下轨道交通系统乘客Agent行为描述

2) 列车Agent。列车Agent在轨道交通系统中担当运输载体角色，同样可以由六元组表示

train={Id,Attr,x′,A′,R′,f′(x′),g′(A′)}

(3)

式中：Id表示列车Agent编号；Attr表示列车Agent属性(包括列车载客量、运行速度、开行方案等)；x′为列车对突发事件的感知度(以时间为标尺)；A′为列车调整策略集合，可由f′(x′)(感知与行动间的关系)；R′为列车采取调整策略后的影响集合(对本线车站或临线的客流影响)；g′(A′)为行动集合A′与R′的关系。突发事件下列车的Agent描述如图2所示。

图2　突发事件下轨道交通系统列车Agent行为描述

3) 网络Agent。轨道交通系统网络扮演永久性主体的角色，可用二元组NetWork={Id,Attr}表示，其中Id为线网Agent编号；Attr为属性，包括网络的拓扑结构、车站信息(站台、站厅)、线路长度、网络信息等。它不仅是乘客Agent和列车Agent的载入平台，而且是突发事件作用的载体。只有将乘客Agent、列车Agent和突发事件Agent同时作用于同一平台，才能使其相互影响、相互交互。因此，网络Agent是轨道交通突发事件仿真的基础。

4) 突发事件Agent。突发事件Agent在轨道交通系统中扮演着虚拟主体的角色，可用二元组Event={Id,Attr}表示，其中Id为突发事件Agent编号；Attr表示突发事件属性(包括事件发生的时间、地点、位置、类型、原因、影响等)。在仿真中只有获取这些参数的确切信息，系统才能够将现实场景得以还原，仿真效果才能为实际运营提供决策支持。基于多Agent的轨道交通延误仿真模型的核心Agent关系如图3所示。

图3　基于多Agent的轨道交通列车运行延误仿真模型关系

2多Agent的列车延误仿真原理

基于多Agent的轨道交通列车延误仿真过程主要分为3个阶段：仿真初始化、仿真实施以及仿真结束。仿真过程如图4所示，其中初始化主要是指对模型中涉及的Agent、参数、变量进行初始化设置；仿真结束后，保存仿真结果；仿真运行过程是列车运行延误模型的关键，具体过程如下：

图4　轨道交通列车延误仿真过程UML顺序

在仿真时钟推进的1个步长中，轨道交通线网Agent遍历网络中各线路和车站，并由各车站Agent向列车和乘客发送消息，要求列车和乘客进行更新，进而触发其他Agent信息更新。

车站Agent向乘客发送“上下客”信息：乘客从车站获取相关列车的状态信息，并根据相关排队规则和容量限制上下车，上下车结束后列车更新车内乘客信息，车站更新相应的客流信息；同时，车站Agent向车站列车发送“移动”消息，列车询问站台乘客上下车状态，乘客上下车结束后，车站向网络发送“出站”信息，网络Agent接到“出站”信息后，向列车发送“出站”命令，列车向网络获取前车位置信息和运行状态，列车开始出站。

网络Agent向列车发送“移动”消息(移动距离及方向)，列车收到消息后，会向网络Agent请求前车位置信息和运行状态，并开始移动，移动完成后网络Agent更新其列车信息；此过程反复进行，直至列车移动至车站，且网络Agent向列车发送“到站”信息，同时向车站发送列车“进站”信息，列车到站停止移动。根据仿真时钟推进，重复上述过程，直至仿真结束。

突发事件Agent可通过人为虚拟设置来模拟事件发生后的系统状态，系统在得到突发事件信息(线路、车站、延误时长等)后，列车Agent和乘客Agent将根据延误信息来选择调整策略。

3模型应用

多Agent理论所涉及的领域广泛，其主要应用于大型复杂的系统中，具体包括：工业、管理、交通、医疗、电力、网络、金融、计算机仿真等[11]。本文重点以轨道交通列车延误为研究对象，构建了多Agent模型，分析了多Agent的列车延误仿真原理。为了进一步验证模型的可靠性和实用性，以实际轨道交通列车延误为背景，基于C#.NET语言平台，结合多Agent理论进行程序编写。基于多Agent的轨道交通列车延误仿真分析如下。

3.1案例背景

选取上海轨道交通重点换乘枢纽人民广场站为背景。人民广场站是轨道交通1号线、2号线和8号线三线换乘枢纽，换乘大厅共有3层，其中1、8号线站台位于地下2层，2号线站台位于地下3层。1、8号线换乘2号线的乘客需经过地下1层的三角换乘大厅，换乘大厅可容纳2 000人左右，在客流高峰时段可以起到缓冲客流的作用。通过实地调查及对历史数据分析得知，人民广场站在工作日高峰时段，正常情况下的站台初始饱和度在60%左右。

根据相关客运管理规定，大客流分为3个等级，一级为客流量超出车站设计客流量(即站台饱和度≥100%)；二级为客流量达到车站设计的客流量八成(即站台饱和度≥80%)，在该工况下极有可能引发大客流风险，因此，处置方案应将站台饱和度控制在80%以下；三级为客流量达到车站设计的六成(即站台饱和度≥60%)。车站的客运组织应根据3个等级的大客流管理预案内容，具体制订相应的客运组织方案及行车调整方案。算例以此为依据，设站台饱和度的初始值为60%，站台饱和度的阈值为80%。以2号线下行列车延误为例进行分析，事件具体信息如表1所示。

表1　突发事件基本信息

3.2仿真分析

3.2.1仿真约束

由于2号线对人民广场影响的时间段为8:28—8:55，且上行最大晚点为3 min，下行最大晚点为9 min，为了便于仿真，设约束松弛条件[12]为：1)将8:28—8:55时间内的2号线上行所有列车设置3 min延误，对2号线下行所有列车设置9 min延误；2)仿真时段为8:00—9:00，预热时间10 min；3)客流为AFC系统提供的原始刷卡OD数据；4)乘客路径采用上海票务中心提供的清分路径表；5)列车运行时刻采用工作日列车实际运行数据。

3.2.2效果分析

1) 未采取措施。在未采取任何处置措施的情况下，2号线站台的平均客流密度及最大密度如图5所示(具体密度值参照各图的密度索引值)。由图5可知，在无任何应急处置措施的情况下，2号线站台在延误30 min后，站台平均密度将达到3.3人/m2，换算为站台饱和度约为165%。

图5　无任何应急措施下2号线站台客流密度仿真示意

2) 采取措施。在采取行车组织方案后(跳站停车)，1号线上行跳停3次、1号线下行跳停3次、8号线上行跳停1次。得到2号线站台平均客流密度和最大客流密度如图6所示。由图6可知，在采取行车调整方案后，2号线站台平均客流密度约为1.6人/m2，换算为站台饱和度约为80%。依据《大客流管理专项方案》，启动相应的3级大客流客运组织方案。因此，在该延误工况下，为了避免大客流引发危害的发生，可采用该处置方案，即1号线上行跳停3次、1号线下行跳停3次、8号线上行跳停1次。应用该模型，可有效抑制站台大客流的聚集，避免由于拥挤引发的乘客生命财产损失。

图6　采取行车调整方案后2号线站台客流密度仿真示意

4结语

轨道交通突发事件的共性问题为列车延误，而列车延误处置方案的合理性分析成为了目前运营管理部门的重难点之一。通过对多Agent理论进行研究，建立了乘客Agent、列车Agent、网络Agent及突发事件Agent仿真模型，并对列车延误的多Agent仿真原理进行了分析；为了进一步验证仿真模型的可靠性，编写了多Agent列车延误仿真程序，并以上海轨道交通2号线为背景，对仿真模型进行了实例分析；同时，该模型已在上海轨道交通人民广场站大客流处置工作中得到了实际应用。

参考文献

[1] 苗沁.城市突发大客流的轨道交通解决方案[J].都市快轨交通,2015，28(4)：62-64.

[2] 蒋万军，白雪梅.大型综合交通枢纽流线组织设计[J].都市快轨交通,2014，27(4)：12-16.

[3] 李锋.城市轨道交通网络列车运行延误及其影响的演变机理研究[D].上海: 同济大学, 2012.

[4] WOOLDRIDGE M, JENNINGS N R.Intelligent agents: theory and practice[J].The Knowledge Engineering Review, 1995, 10(2):115-152.[5] HEWITT C.Viewing control structures as patterns of passing messages[J].Artificial Intelligence, 1977, 8(3): 323-364.

[6] JENNINGS N R, SYCARA K, WOOLDRIDGE M.A roadmap of agent research and development[J].Autonomous Agents and Multi-agent Systems, 1998, 1(1):7-38.

[7] 蔡自兴.人工智能及其应用[M].北京：清华大学出版社, 1996.

[8] BRATMAN M E, ISRAEL D J, POLLACK M E.Plans and resource-bounded practical reasoning[J].Computational Intelligence,1988, 4(3):349-355.

[9] AIEX L.Methods to Estimate Railway Capacity and Passenger Delays [D].Denmark: Technical University of Denmark, 2008:90-95.

[10] 洪玲, 高佳, 徐瑞华.城市轨道交通网络突发事件影响客流量的计算[J].同济大学学报(自然科学版),2011, 39(10):1485-1489.

[11] 董皓.城市轨道交通网络应急处置动态优化理论方法研究[D].上海：同济大学, 2014.

[12] 李义华.基于多智能体的物流配送车辆调度决策方法研究[D].长沙：中南大学，2012.

(编辑：郝京红)

The Model and Application of Train Delay on the Basis of Multi-Agent for Urban Rail Transit

Dong Hao1Kang Huifeng2Liao Qi1Li Xuan3

(1. Beijing Urban Construction Design & Development Group Co., Ltd., Beijing 100037;2. North China Institute of Aerospace Engineering, Langfang, Hebei 065000；3. Faculty of Maritime and Transportation,Ningbo University,Ningbo,Zhejiang 315211)

Abstract:Disposal scheme is an important work for URT operation management, and the rationality of the disposal scheme is the precondition to improve the efficiency of disposal. The rationality of scheme is also an urgent problem for operation management department. Accordingly, based on multi-agent theory, simulation models of passenger agent, train agent, network agent and emergency agent are established respectively. Train delay simulation theory of multi-agent is analyzed. The Line 2 of Shanghai URT train delay is taken as a case study, a multi-agent train delay simulation program is developed, and the disposal scheme is analyzed. The simulation model can evaluate and analyze delay disposal scheme. The model has been applied in People's Square Station, a large passenger flow station of Shanghai rail transit.

Key words:urban rail transit; train delay; disposal scheme; multi-agent

doi:10.3969/j.issn.1672-6073.2016.03.011

收稿日期:2015-07-06修回日期: 2015-07-13

作者简介:董皓，男，工程师，工学博士，从事地铁运营管理方面的研究，10donghao@tongji.edu.cn

基金项目:中国博士后科学基金资助项目(2014M5 51454)；国家自然科学基金资助项目(71271153)；浙江省自然科学基金(LQ13G010010)

中图分类号U293

文献标志码A

文章编号1672-6073(2016)03-0042-05