客流-车流耦合的城轨交通运行指挥决策体系探讨

吴梦委，宋亚京，李子牧，朱鸿涛，白文飞，赵晔，安小诗

（1.交控科技股份有限公司，北京 100070；2.北京市地铁运营有限公司，北京 100044）

1 研究背景

1.1 必要性分析

城市轨道交通（简称城轨交通）或其他类型公共交通需要解决交通工具与乘客的供需匹配问题，目前我国超大城市采用“一线一中心”的3级管控模式，在处理客流车流关系时是相对割裂的，在车流方面通过制定严格的计划运行图以保证准点率和兑现率，在相当长的时间跨度内假定客流运输规律不变，要求客流适应车流；在客流波动时调整手段有限，难以达到理想的客流控制效果。另一方面，对客流的时空分布规律和发展态势认知不够，导致系统在发生大客流时主要采取限流和人工调整运行图的方式，应对客流变化被动滞后，因此无法实现较优的运力运量匹配。

国家发展和改革委员会、交通运输部于2017 年印发了《城市轨道交通发展规划（2016—2020年）》，其中明确提出要加强客流车流的耦合协调，优化运输组织，提高运输效率。另外，城市轨道交通协会发布的《智慧城轨发展纲要》提到了智能运输组织的体系建设，旨在增强客流预测与分析技术以及与列车、调度指挥的耦合协同；同时，智能调度与应急指挥中心也将深度融合，初步建成智能化线网运输组织辅助决策系统。超大城市线网规模和客流需求的激增，迫切要求铁路运输组织从传统“按图跑”转向“依人运营”，业内也做出一些初步尝试，例如早晚高峰期间采用了客流车流联动的优化方案，动态调整列车班次和运行速度。在政策和行业需求双重推动下，研究客流-车流耦合机理，实现面向动态客流的列车运行调整，成为提高城轨交通运营效率的有效手段和共识。

1.2 客流-车流耦合关键技术相关研究

在城轨交通运营中，客流和车流是密切相关的2个因素，两者的供需匹配是任何运行模式下永恒的问题，也是运行指挥系统的核心目标。在传统“按图跑”运行模式下，运力运量的调整主要通过优化发车间隔实现。然而随着城轨交通网络化运营的发展，其网络结构和客流变化更加复杂，传统的列车运行图优化方法主要是基于数学模型和规划算法，缺乏对动态客流的考虑，难以准确反映真实的运行情况，孤立的客流控制和运行图调整都无法解决运力运量精准匹配的问题。

另一方面，网络化运行模式的出现必然迫使运行指挥调整方式发生转变。网络化条件下更强调客流和车流之间的相互影响、相互制约、相互适应的关系，基于实时变化的客流，及时或预见性地调整运输组织方式是客流-车流耦合理念的核心。其主流研究思路是通过构建客流和车流的模拟和预测模型（交通流仿真），研究客流和车流之间的协同控制和调度，在网络化运行指挥体系中，探寻更广泛的协同控制和调度手段，典型内容包括运行图调整、客流控制策略、开行方案、编组方案等。

在交通流仿真模型方面，最典型方法包括系统动力学建模［1］、自动机［2］、基于多智能体的仿真预测等，其中又以多智能体仿真居多。Othman［3］在研究城市快速交通系统拥堵与扩展问题时，基于智能卡数据集和列车运行时刻表定义乘客和列车行为规则，建立多智能体的客流仿真模型，不仅能够刻画常态运营条件下的动态客流特征，还可用于人口增长预测。鲁工圆等［4］和姚向明等［5］基于BDI（Belief、Desire、Intention）理论构建城轨客流仿真模型，主要包含列车类、线路类、路网类、乘客类等4 类智能体。尹浩东［6］构建了复杂不确定性封站条件下乘客出行行为决策模型与仿真求解算法，将乘客微观出行行为模型与列车运行仿真进行耦合推演，建立客流-车流耦合仿真推演模型，实现线网大规模乘客集散与客流态势演化的仿真分析。

诸多学者在客流-车流耦合仿真或预测基础上，通过短时客流预测或耦合仿真精确刻画目标时间窗内的客流需求，然后针对自定义的优化目标和约束条件采取合适的求解算法进行多目标问题求解，其特点是在极短时间内生成可执行的时刻表或调整策略，及时应对客流变化。沈纯子［7］利用强化学习实现列车时刻表的实时调整算法并在ATS 系统中得到仿真验证。杨欣团队［8］基于客流-车流耦合仿真模型，研究客流协同控制优化策略，将列车时刻表和客流控制问题转化为2阶段的不确定优化问题进行求解，优化目标为列车总停留时间与乘客等待时间，开发分布鲁棒协同优化模型以获得较传统鲁棒模型更优的客流控制策略和时刻表。其他常见方法还包括启发式算法［9-11］、动态规划［12-13］、替代图理论［14］、离散事件等。

另外，一些研究团队利用复杂网络理论构建线网拓扑，结合动态客流信息通过仿真手段识别线网关键或薄弱站点，对关键站点有的放矢进行客流控制方案的调整［7，15-16］。近年来，灵活编组（在线硬连挂）和虚拟编组技术受到学者和运营商的关注，两者以更加灵活的编组方案响应运行计划的调整，同时适用于多种复杂运营场景。东京、巴黎、阿姆斯特丹等国际发达城市已经完成在线硬连挂技术的技术验证，我国上海、北京等地也已实现无人连挂模式并投入运营。在Shift2rail 计划［17］推动下，对虚拟编组的概念和应用场景在国际范围内已达成普遍共识，北京交通大学、北京全路通信信号研究设计院集团有限公司、交控科技股份有限公司等单位针对虚拟编组的协同控制［18-21］、安全防护［22-23］和运输组织方案［24］进行深入研究，并率先在实际运营线路（北京地铁11 号线）进行技术验证，我国厂商在该技术成果应用方面处于领先优势。

1.3 线网级运行指挥系统现状

客流车流精准匹配需要从线网层面进行配置调整，必然增加了对线网控制中心的要求，在目前的运营模式中，多采用“一线一中心”的单线管控模式，线网级调度只监不控，虽然承担着应急指挥决策的功能，在线网层面还不具备实时行车调整和决策指挥的条件，无法根据线网客流的变化统一协调资源，发挥线网指挥的优势［25］。当前网络化运营的主要瓶颈体现在3 个方面：（1）资源单线配置，不同线路、不同运营企业无法做到集中管理和协同；（2）存在专业数据壁垒，各专业各层级的数据无法共享，导致线网决策能力差；（3）运行控制设备不兼容，无法实现互联互通。因此，为了向多线路集中管控的扁平化管理模式转变，需要从管理模式、数据共享、综合决策能力、列车运行控制技术等多方面寻求突破。尤其是在网络化运营的大背景下，基于多智能体的客流-车流耦合仿真对实际运营的模拟和优化策略具有至关重要的作用，也是实现精准运力运量匹配的技术支撑。在客流-车流耦合的运行指挥决策体系下，应综合统筹运行图调整、客流控制、交路［26］或编组方案等运输组织方式，针对具体运营场景给出最优的行车策略。

2 基于客流-车流耦合的运行指挥决策体系

2.1 客流驱动的2级运行指挥体系

基于客流-车流耦合的运行指挥体系的典型特征是依托统一的大数据平台，力求精准掌握客流需求及态势变化，基于多智能体的客流-车流耦合仿真进行列车运行动态调整，在线网层面实现运力精准投放，打造客流驱动的运力运量调整匹配体系（见图1）。

图1 客流驱动的运行指挥体系

运行指挥体系的核心特征在于对实时运营状态（客流、列车、设备等因素）的综合监控和运营态势研判，从而增强中心的控制指挥能力，实现对行车和客运组织进行及时调整。在该体系下，新增客流调度，实时监控全线网客流信息，并在突发状况下承担信息报送和客流疏导工作。行车调度按线路集群调度，设备按网络集成调度，调度系统具备非应急情况下的自动调图—行车方案验证评估—行车调整与控制的闭环管理手段，行车调度手段应更加丰富灵活，与列车运行控制技术相结合，例如利用车车通信、互联互通和灵活编组等技术，缩小发车间隔，提高复杂场景下的调度灵活性。

同时，在管控模式方面，基于客流-车流耦合的运行指挥体系实现“中心-现场”的扁平化管理，中心各控制子系统（如行车、电力、闭路电视监控系统等）进行网络化集成，增强线网控制能力。最终该体系能够实现以客流驱动的动态调图、多线路集约化的网络化调度和灵活响应的高效列车控制，提升线网运行的韧性。

2.2 系统架构

以北京超大城轨交通线网为例，构建基于客流-车流耦合的运行指挥系统，其系统架构见图2，分为中心级和现场级，中心级包含决策层、执行层。

图2 基于客流-车流耦合的运行指挥系统架构

（1）决策层面向线网指挥中心，以精确的客流车流预测分析为基础进行线网层面的运输组织和应急调度，包含综合监控、平行推演、态势研判、运输组织辅助决策和应急指挥模块。

（2）执行层面向线路/线路集群行车调度，包含运行图自动编制、行车监控、运行图动态调整、设备调度等功能。线路集群行车监控系统可实现多线路列车运行的集中管理和控制；运行图动态调整主要针对运营过程中发生的异常事件，提供在无人工干预或少量人工干预情况下的运行图自动调整，以及辅助调整建议，运行图调整需要将平行推演模块的结果作为输入，在考虑客流-车流耦合影响的前提下进行计划调整。

2.3 业务流程

客流驱动的2级运行指挥体系遵循“平战结合”的原则，在日常运营情况下，运营控制权由区域控制中心（执行层）履行，指挥中心（决策层）负责线网各专业、各系统的综合监控，同时依托大数据分析、客流预测、多智能体仿真等技术，预测潜在风险、研判事态发展，及时发现潜在的运营风险并提前制定预案，构建主动型的运营指挥体系。在应急情况下，调度指挥中心接管控制权，根据突发情况研判事件后果并进行全网资源调配，区域控制中心执行行车事件的具体处置措施，配合指挥中心尽快恢复正常运营。具体业务流程见图3。

图3 基于客流-车流耦合的运行指挥系统业务流程

在该体系中，基于平行推演、态势研判和智能调度子系统形成最小闭环的基本业务逻辑（见图3①—⑨）。

（1）平行推演模块基于历史的、实时的客流数据进行客流滚动预测，评估客流变化趋势，将客流预测结果作为输入用于开行方案编制。

（2）开行方案编制后，加载至智能调度系统的运行图编制终端，运行图编制模块自动铺画运行图，基于当前线路信息、车辆资源等约束条件进行运行图可行性验证。

（3）验证后的运行图返回平行推演模块，结合预设的开行方案或运行计划，通过建立轨道交通系统网络运营仿真模型（客流车流仿真），推演方案的后续影响（未来某时间段内现场客流时空分布状态与变化、行车交路等）。一般而言，运营仿真模型的输入为多条衔接线路或线网的运行图信息，因此通过仿真推演相当于结合客流情况对运行图进行衔接验证，通过告警预警结果体现。

（4）态势研判模块对平行推演结果进行系统地分析统计与可视化展示，对各类综合性、专业性指标进行专题管理，同时结合历史同期指标表现以及设定阈值，进行告警预警。

（5）若无影响行车告警预警，则运行图可认为通过验证，下发至行车监控系统，进而下发至车辆；若在编制或运行任意时刻出现影响行车事件的告警预警信息，则需进行运行图调整，循环进行（3）—（4）步骤。

此外，中心级还包含运输组织决策模块和应急指挥模块。运输组织决策模块能够根据仿真结果和指标分析，评估某类事件造成的运力运量失衡水平、客流风险信息，根据运力缺口大小和客流风险等级推送不同级别的行车辅助决策建议和客流管控建议，为调度指挥人员提供辅助信息；应急指挥模块提供在事件发生后的自动化手段，包括应急会商、信息报送与发布等功能，以提高应急处置效率。

3 总结与展望

关于客流-车流耦合的研究对于构建客流驱动的网络化运行指挥体系具有重要意义。结合城轨交通发展趋势，探讨研究客流-车流耦合的必要性和内涵，对其关键技术研究进行调研和总结；提出基于客流-车流耦合的运行指挥决策体系，探索客流-车流耦合机理，基于耦合仿真和预测实现动态行车调整和调度。

客流-车流耦合主要通过多源客流数据融合技术，实现网络客流的实时感知、短期预测和长期分析；基于多智能体仿真技术建立客流车流的联合仿真，推演客流发展态势和列车运行状态；通过运行图动态调整技术，实现应急情况下运力的灵活调整；在现场执行层面，可通过车车通信和灵活编组等运行控制技术，实现平峰时客流与运力的匹配，最终实现覆盖所有已知或未知运行场景的运力运量匹配优化运行。

当前，在客流-车流耦合机理、协同控制策略和调度方面的研究相对较少，基于客流-车流耦合的动态调度缺乏理论指导，对客流车流以及基础设施、环境的相互影响关系认知不够，导致耦合仿真和预测模型的精度不够，缺乏大量的数据支持。同时，运行图优化调整算法复杂度高，易出现无解、集成难度大等问题。因此，未来客流-车流耦合研究需要综合运用多种技术手段，以进一步提高数据质量和模型预测精度，开发更加智能化、安全可靠的系统，提高数据处理和算法效率，加强系统集成和数据共享，真正实现基于客流需求的运行图动态调整。同时，为了构建扁平化管理模式，需要强大的数据中心承载线网多类业务和数据服务，更需要列车群协同优化、虚拟编组控制等关键技术的支撑。