本申請是申請?zhí)枮椋?01510150771.3，發(fā)明創(chuàng)造名稱為《地鐵列車沖突預警方法》，申請日為：2015年3月31日的發(fā)明專利申請的分案申請。

本發(fā)明涉及一種地鐵列車沖突預警方法，尤其涉及一種基于魯棒策略的地鐵列車沖突預警方法。

背景技術：

隨著我國大中城市規(guī)模的日益擴大，城市交通系統(tǒng)面臨著越來越大的壓力，大力發(fā)展軌道交通系統(tǒng)成為解決城市交通擁塞的重要手段。國家“十一五”規(guī)劃綱要指出，有條件的大城市和城市群地區(qū)要把軌道交通作為優(yōu)先發(fā)展領域。我國正經(jīng)歷一個前所未有的軌道交通發(fā)展高峰期，一些城市已由線的建設轉向了網(wǎng)的建設，城市軌道交通網(wǎng)絡已逐步形成。在軌道交通網(wǎng)絡和列車流密集的復雜區(qū)域，仍然采用列車運行計劃結合基于主觀經(jīng)驗的列車間隔調配方式逐漸顯示出其落后性，具體表現(xiàn)在：(1)列車運行計劃時刻表的制定并未考慮到各種隨機因素的影響，容易造成交通流戰(zhàn)術管理擁擠，降低交通系統(tǒng)運行的安全性；(2)列車調度工作側重于保持單個列車間的安全間隔，尚未上升到對列車流進行戰(zhàn)略管理的宏觀層面；(3)列車調配過程多依賴于一線調度人員的主觀經(jīng)驗，調配時機的選擇隨意性較大，缺乏科學理論支撐；(4)調度人員所運用的調配手段較少考慮到外界干擾因素的影響，列車調配方案的魯棒性和可用性較差。為保證地鐵交通的安全運行，實施有效的沖突預警就成為地鐵交通管制工作的重點。實施有效的地鐵沖突預警就成為地鐵交通管制工作的重點。

已有文獻資料的討論對象多針對長途鐵路運輸，而針對大流量、高密度和小間隔運行條件下的城市地鐵交通系統(tǒng)的科學調控方案尚缺乏系統(tǒng)設計。復雜路網(wǎng)運行條件下的列車協(xié)調控制方案在戰(zhàn)略層面上需要對區(qū)域內(nèi)交通網(wǎng)絡上單列車的運行狀態(tài)進行推算和優(yōu)化，并對由多個列車構成的交通流實施協(xié)同規(guī)劃；在預戰(zhàn)術層面上通過有效的監(jiān)控機制調整交通網(wǎng)絡上部分區(qū)域的關鍵運行參數(shù)來解決擁塞問題，但目前對地鐵列車軌跡的預測及列車沖突預警均沒有較為準確的方案。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種魯棒性和可用性較好的地鐵交通沖突預警方法，該方法對地鐵列車的預測精度較高、地鐵列車沖突預警的準確性及時效性均較好。

實現(xiàn)本發(fā)明目的的技術方案之一是提供一種地鐵交通沖突預警方法，包括如下步驟：

步驟a、根據(jù)各個列車的計劃運行參數(shù)，生成軌道交通網(wǎng)絡的拓撲結構圖；

步驟b、基于步驟a所構建的軌道交通網(wǎng)絡的拓撲結構圖，分析列車流的可控性和敏感性二類特性；

步驟c、根據(jù)各個列車的計劃運行參數(shù)，在構建列車動力學模型的基礎上，依據(jù)列車運行沖突耦合點建立列車運行沖突預調配模型，生成多列車無沖突運行軌跡；

步驟d、在每一采樣時刻t，基于列車當前的運行狀態(tài)和歷史位置觀測序列，對列車未來某時刻的行進位置進行預測；其具體過程如下：

步驟d1、列車軌跡數(shù)據(jù)預處理，以列車在起始站的停靠位置為坐標原點，在每一采樣時刻，依據(jù)所獲取的列車原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對其進行處理獲取新的列車離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1],其中△xi＝xi+1-xi,△yi＝y(tǒng)i+1-yi(i＝1,2,...,n-1)；

步驟d2、對列車軌跡數(shù)據(jù)聚類，對處理后新的列車離散二維位置序列△x和△y，通過設定聚類個數(shù)m'，采用遺傳聚類算法分別對其進行聚類；

步驟d3、對聚類后的列車軌跡數(shù)據(jù)利用隱馬爾科夫模型進行參數(shù)訓練，通過將處理后的列車運行軌跡數(shù)據(jù)△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態(tài)數(shù)目n'和參數(shù)更新時段τ'，依據(jù)最近的t'個位置觀測值并采用b-w算法滾動獲取最新隱馬爾科夫模型參數(shù)λ'；具體來講：由于所獲得的列車軌跡序列數(shù)據(jù)長度是動態(tài)變化的，為了實時跟蹤列車軌跡的狀態(tài)變化，有必要在初始軌跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)的基礎上對其重新調整，以便更精確地推測列車在未來某時刻的位置；每隔時段τ'，依據(jù)最新獲得的t'個觀測值(o1,o2,...,ot')對軌跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)進行重新估計；

步驟d4、依據(jù)隱馬爾科夫模型參數(shù)，采用viterbi算法獲取當前時刻觀測值所對應的隱狀態(tài)q；

步驟d5、每隔時段根據(jù)最新獲得的隱馬爾科夫模型參數(shù)λ'＝(π,a,b)和最近h個歷史觀測值(o1,o2,...,oh)，基于列車當前時刻的隱狀態(tài)q，在時刻t，通過設定預測時域h'，獲取未來時段列車的位置預測值o；

步驟e、建立從列車的連續(xù)動態(tài)到離散沖突邏輯的觀測器，將地鐵交通系統(tǒng)的連續(xù)動態(tài)映射為離散觀測值表達的沖突狀態(tài)；當系統(tǒng)有可能違反交通管制規(guī)則時，對地鐵交通混雜系統(tǒng)的混雜動態(tài)行為實施監(jiān)控，為地鐵交通控制中心提供及時的告警信息。

進一步的，步驟a的具體過程如下：

步驟a1、從地鐵交通控制中心的數(shù)據(jù)庫提取各個列車運行過程中所?？康恼军c信息；

步驟a2、按照正反兩個運行方向對各個列車所?？康恼军c信息進行分類，并將同一運行方向上的相同站點進行合并；

步驟a3、根據(jù)站點合并結果，按照站點的空間布局形式用直線連接前后多個站點。

進一步的，步驟b的具體過程如下：

步驟bl、構建單一子段上的交通流控制模型；其具體過程如下：

步驟bl.1、引入狀態(tài)變量ψ、輸入變量u和輸出變量ω，其中ψ表示站點間相連路段上某時刻存在的列車數(shù)量，它包括單路段和多路段兩種類型，u表示軌道交通調度員針對某路段所實施的調度措施，如調整列車速度或更改列車的在站時間等，ω表示某時段路段上離開的列車數(shù)量；

步驟b1.2、通過將時間離散化，建立形如ψ(t+△t)＝a1ψ(t)+b1u(t)和ω(t)＝c1ψ(t)+d1u(t)的單一子段上的離散時間交通流控制模型,其中△t表示采樣間隔，ψ(t)表示t時刻的狀態(tài)向量，a1、b1、c1和d1分別表示t時刻的狀態(tài)轉移矩陣、輸入矩陣、輸出測量矩陣和直接傳輸矩陣；

步驟b2、構建多子段上的交通流控制模型；其具體過程如下：

步驟b2.1、根據(jù)線路空間布局形式和列車流量歷史統(tǒng)計數(shù)據(jù)，獲取交叉線路各子段上的流量比例參數(shù)β；

步驟b2.2、根據(jù)流量比例參數(shù)和單一子段上的離散時間交通流控制模型，構建形如ψ(t+△t)＝a1ψ(t)+b1u(t)和ω(t)＝c1ψ(t)+d1u(t)的多子段上的離散時間交通流控制模型；

步驟b3、根據(jù)控制模型的可控系數(shù)矩陣[b1,a1b1,...,a1^n-1b1]的秩與數(shù)值n的關系，定性分析其可控性，根據(jù)控制模型的敏感系數(shù)矩陣[c1(zi-a1)^-1b1+d1]，定量分析其輸入輸出敏感性，其中n表示狀態(tài)向量的維數(shù)，i表示單位矩陣，z表示對原始離散時間交通流控制模型進行轉換的基本因子。

進一步的，步驟c的具體過程如下：

步驟c1、列車狀態(tài)轉移建模，列車沿軌道交通路網(wǎng)運行的過程表現(xiàn)為在站點間的動態(tài)切換過程，根據(jù)列車運行計劃中的站點設置，建立單個列車在不同站點間切換轉移的petri網(wǎng)模型：e＝(g,g,pre,post,m)為列車路段轉移模型，其中g表示站點間各子路段，g表示列車運行速度狀態(tài)參數(shù)的轉換點，pre和post分別表示各子路段和站點間的前后向連接關系，表示列車所處的運行路段，其中m表示模型標識，z⁺表示正整數(shù)集合；

步驟c2、列車全運行剖面混雜系統(tǒng)建模，將列車在站點間的運行視為連續(xù)過程，從列車的受力情形出發(fā)，依據(jù)能量模型推導列車在不同運行階段的動力學方程，結合外界干擾因素，建立關于列車在某一運行階段速度vg的映射函數(shù)vg＝λ(t1,t2,h,r,α)，其中t1、t2、h、r和α分別表示列車牽引力、列車制動力、列車阻力、列車重力和列車狀態(tài)隨機波動參數(shù)；

步驟c3、采用混雜仿真的方式推測求解列車軌跡，通過將時間細分，利用狀態(tài)連續(xù)變化的特性遞推求解任意時刻列車在某一運行階段距初始停靠位置點的距離，其中j0為初始時刻列車距初始?？课恢命c的航程，△τ為時間窗的數(shù)值，j(τ)為τ時刻列車距初始停靠位置點的路程，由此可以推測得到單列車軌跡；

步驟c4、列車在站時間概率分布函數(shù)建模，針對特定運行線路，通過調取列車在各車站的停站時間數(shù)據(jù)，獲取不同線路不同站點條件下列車的停站時間概率分布；

步驟c5、多列車耦合的無沖突魯棒軌跡調配，根據(jù)各列車預達沖突點的時間，通過時段劃分，在每一采樣時刻t，在融入隨機因子的前提下，按照調度規(guī)則對沖突點附近不滿足安全間隔要求的列車軌跡實施魯棒二次規(guī)劃。

進一步的，步驟d中，聚類個數(shù)m'的值為4，隱狀態(tài)數(shù)目n'的值為3，參數(shù)更新時段τ'為30秒，t'為10，為30秒，h為10，預測時域h'為300秒。

進一步的，步驟e的具體實施過程如下：

步驟e1、構造基于管制規(guī)則的沖突超曲面函數(shù)集：建立超曲面函數(shù)集用以反映系統(tǒng)的沖突狀況，其中，沖突超曲面中與單一列車相關的連續(xù)函數(shù)hi為第i型超曲面，與兩列車相關的連續(xù)函數(shù)hii為第ii型超曲面；

步驟e2、建立由列車連續(xù)狀態(tài)至離散沖突狀態(tài)的觀測器，構建列車在交通路網(wǎng)內(nèi)運行時需滿足的安全規(guī)則集dij(t)≥dmin，其中dij(t)表示列車i和列車j在t時刻的實際間隔，dmin表示列車間的最小安全間隔；

步驟e3、基于人-機系統(tǒng)理論和復雜系統(tǒng)遞階控制原理，根據(jù)列車運行模式，構建人在環(huán)路的列車實時監(jiān)控機制，保證系統(tǒng)的運行處于安全可達集內(nèi)，設計從沖突到?jīng)_突解脫手段的離散監(jiān)控器，當觀測器的離散觀測向量表明安全規(guī)則集會被違反時，立刻向地鐵交通控制中心發(fā)出相應的告警信息。

實現(xiàn)本發(fā)明目的的技術方案之二是提供一種用于沖突預警的地鐵交通流優(yōu)化控制系統(tǒng)，包括線路拓撲結構生成模塊、數(shù)據(jù)傳輸模塊、車載終端模塊、控制終端模塊以及軌跡監(jiān)視模塊，軌跡監(jiān)視模塊收集列車的狀態(tài)信息并提供給控制終端模塊；

所述控制終端模塊包括以下子模塊：

列車運行前無沖突軌跡生成模塊：根據(jù)列車計劃運行時刻表，首先建立列車動力學模型，然后依據(jù)列車運行沖突耦合點建立列車運行沖突預調配模型，最后生成無沖突列車運行軌跡；

列車運行中短期軌跡生成模塊：依據(jù)軌跡監(jiān)視模塊提供的列車實時狀態(tài)信息，利用數(shù)據(jù)挖掘模型，推測未來時段內(nèi)列車的運行軌跡；

列車運行態(tài)勢監(jiān)控模塊：在每一采樣時刻t，基于列車的軌跡推測結果，當列車間有可能出現(xiàn)違反安全規(guī)則的狀況時,對其動態(tài)行為實施監(jiān)控并為控制終端提供告警信息；

列車避撞軌跡優(yōu)化模塊：當列車運行態(tài)勢監(jiān)控模塊發(fā)出告警信息時，在滿足列車物理性能、區(qū)域容流約束和軌道交通調度規(guī)則的前提下，通過設定優(yōu)化指標函數(shù)，采用自適應控制理論方法由控制終端模塊對列車運行軌跡進行魯棒雙層規(guī)劃，并通過數(shù)據(jù)傳輸模塊將規(guī)劃結果傳輸給車載終端模塊執(zhí)行。列車避撞軌跡優(yōu)化模塊包含內(nèi)層規(guī)劃和外層規(guī)劃兩類規(guī)劃過；

上述用于沖突預警的地鐵交通流優(yōu)化控制系統(tǒng)進行沖突預警的方法包括如下步驟：

步驟a、根據(jù)各個列車的計劃運行參數(shù)，生成軌道交通網(wǎng)絡的拓撲結構圖；

步驟b、基于步驟a所構建的軌道交通網(wǎng)絡的拓撲結構圖，分析列車流的可控性和敏感性二類特性；

步驟c、根據(jù)各個列車的計劃運行參數(shù)，在構建列車動力學模型的基礎上，依據(jù)列車運行沖突耦合點建立列車運行沖突預調配模型，生成多列車無沖突運行軌跡；

步驟d、在每一采樣時刻t，基于列車當前的運行狀態(tài)和歷史位置觀測序列，對列車未來某時刻的行進位置進行預測；其具體過程如下：

步驟d1、列車軌跡數(shù)據(jù)預處理，以列車在起始站的停靠位置為坐標原點，在每一采樣時刻，依據(jù)所獲取的列車原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對其進行處理獲取新的列車離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1],其中△xi＝xi+1-xi,△yi＝y(tǒng)i+1-yi(i＝1,2,...,n-1)；

步驟d2、對列車軌跡數(shù)據(jù)聚類，對處理后新的列車離散二維位置序列△x和△y，通過設定聚類個數(shù)m'，采用遺傳聚類算法分別對其進行聚類；

步驟d3、對聚類后的列車軌跡數(shù)據(jù)利用隱馬爾科夫模型進行參數(shù)訓練，通過將處理后的列車運行軌跡數(shù)據(jù)△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態(tài)數(shù)目n'和參數(shù)更新時段τ'，依據(jù)最近的t'個位置觀測值并采用b-w算法滾動獲取最新隱馬爾科夫模型參數(shù)λ'；具體來講：由于所獲得的列車軌跡序列數(shù)據(jù)長度是動態(tài)變化的，為了實時跟蹤列車軌跡的狀態(tài)變化，有必要在初始軌跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)的基礎上對其重新調整，以便更精確地推測列車在未來某時刻的位置；每隔時段τ'，依據(jù)最新獲得的t'個觀測值(o1,o2,...,ot')對軌跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)進行重新估計；

步驟d4、依據(jù)隱馬爾科夫模型參數(shù)，采用viterbi算法獲取當前時刻觀測值所對應的隱狀態(tài)q；

步驟d5、每隔時段根據(jù)最新獲得的隱馬爾科夫模型參數(shù)λ'＝(π,a,b)和最近h個歷史觀測值(o1,o2,...,oh)，基于列車當前時刻的隱狀態(tài)q，在時刻t，通過設定預測時域h'，獲取未來時段列車的位置預測值o；

步驟e、建立從列車的連續(xù)動態(tài)到離散沖突邏輯的觀測器，將地鐵交通系統(tǒng)的連續(xù)動態(tài)映射為離散觀測值表達的沖突狀態(tài)；當系統(tǒng)有可能違反交通管制規(guī)則時，對地鐵交通混雜系統(tǒng)的混雜動態(tài)行為實施監(jiān)控，為地鐵交通控制中心提供及時的告警信息；

所述步驟c的具體過程如下：

步驟c1、列車狀態(tài)轉移建模，列車沿軌道交通路網(wǎng)運行的過程表現(xiàn)為在站點間的動態(tài)切換過程，根據(jù)列車運行計劃中的站點設置，建立單個列車在不同站點間切換轉移的petri網(wǎng)模型：e＝(g,g,pre,post,m)為列車路段轉移模型，其中g表示站點間各子路段，g表示列車運行速度狀態(tài)參數(shù)的轉換點，pre和post分別表示各子路段和站點間的前后向連接關系，表示列車所處的運行路段，其中m表示模型標識，z⁺表示正整數(shù)集合；

步驟c2、列車全運行剖面混雜系統(tǒng)建模，將列車在站點間的運行視為連續(xù)過程，從列車的受力情形出發(fā)，依據(jù)能量模型推導列車在不同運行階段的動力學方程，結合外界干擾因素，建立關于列車在某一運行階段速度vg的映射函數(shù)vg＝λ(t1,t2,h,r,α)，其中t1、t2、h、r和α分別表示列車牽引力、列車制動力、列車阻力、列車重力和列車狀態(tài)隨機波動參數(shù)；

步驟c3、采用混雜仿真的方式推測求解列車軌跡，通過將時間細分，利用狀態(tài)連續(xù)變化的特性遞推求解任意時刻列車在某一運行階段距初始停靠位置點的距離，其中j0為初始時刻列車距初始?？课恢命c的航程，△τ為時間窗的數(shù)值，j(τ)為τ時刻列車距初始?？课恢命c的路程，由此可以推測得到單列車軌跡；

步驟c4、列車在站時間概率分布函數(shù)建模，針對特定運行線路，通過調取列車在各車站的停站時間數(shù)據(jù)，獲取不同線路不同站點條件下列車的停站時間概率分布；

步驟c5、多列車耦合的無沖突魯棒軌跡調配，根據(jù)各列車預達沖突點的時間，通過時段劃分，在每一采樣時刻t，在融入隨機因子的前提下，按照調度規(guī)則對沖突點附近不滿足安全間隔要求的列車軌跡實施魯棒二次規(guī)劃。

進一步的，步驟a的具體過程如下：

步驟a1、從地鐵交通控制中心的數(shù)據(jù)庫提取各個列車運行過程中所?？康恼军c信息；

步驟a2、按照正反兩個運行方向對各個列車所?？康恼军c信息進行分類，并將同一運行方向上的相同站點進行合并；

步驟a3、根據(jù)站點合并結果，按照站點的空間布局形式用直線連接前后多個站點。

進一步的，步驟b的具體過程如下：

步驟bl、構建單一子段上的交通流控制模型；其具體過程如下：

步驟bl.1、引入狀態(tài)變量ψ、輸入變量u和輸出變量ω，其中ψ表示站點間相連路段上某時刻存在的列車數(shù)量，它包括單路段和多路段兩種類型，u表示軌道交通調度員針對某路段所實施的調度措施，如調整列車速度或更改列車的在站時間等，ω表示某時段路段上離開的列車數(shù)量；

步驟b1.2、通過將時間離散化，建立形如ψ(t+△t)＝a1ψ(t)+b1u(t)和ω(t)＝c1ψ(t)+d1u(t)的單一子段上的離散時間交通流控制模型,其中△t表示采樣間隔，ψ(t)表示t時刻的狀態(tài)向量，a1、b1、c1和d1分別表示t時刻的狀態(tài)轉移矩陣、輸入矩陣、輸出測量矩陣和直接傳輸矩陣；

步驟b2、構建多子段上的交通流控制模型；其具體過程如下：

步驟b2.1、根據(jù)線路空間布局形式和列車流量歷史統(tǒng)計數(shù)據(jù)，獲取交叉線路各子段上的流量比例參數(shù)β；

步驟b2.2、根據(jù)流量比例參數(shù)和單一子段上的離散時間交通流控制模型，構建形如ψ(t+△t)＝a1ψ(t)+b1u(t)和ω(t)＝c1ψ(t)+d1u(t)的多子段上的離散時間交通流控制模型；

步驟b3、根據(jù)控制模型的可控系數(shù)矩陣[b1,a1b1,...,a1^n-1b1]的秩與數(shù)值n的關系，定性分析其可控性，根據(jù)控制模型的敏感系數(shù)矩陣[c1(zi-a1)^-1b1+d1]，定量分析其輸入輸出敏感性，其中n表示狀態(tài)向量的維數(shù)，i表示單位矩陣，z表示對原始離散時間交通流控制模型進行轉換的基本因子。

進一步的，步驟c的具體過程如下：

步驟c1、列車狀態(tài)轉移建模，列車沿軌道交通路網(wǎng)運行的過程表現(xiàn)為在站點間的動態(tài)切換過程，根據(jù)列車運行計劃中的站點設置，建立單個列車在不同站點間切換轉移的petri網(wǎng)模型：e＝(g,g,pre,post,m)為列車路段轉移模型，其中g表示站點間各子路段，g表示列車運行速度狀態(tài)參數(shù)的轉換點，pre和post分別表示各子路段和站點間的前后向連接關系，表示列車所處的運行路段，其中m表示模型標識，z⁺表示正整數(shù)集合；

步驟c2、列車全運行剖面混雜系統(tǒng)建模，將列車在站點間的運行視為連續(xù)過程，從列車的受力情形出發(fā)，依據(jù)能量模型推導列車在不同運行階段的動力學方程，結合外界干擾因素，建立關于列車在某一運行階段速度vg的映射函數(shù)vg＝λ(t1,t2,h,r,α)，其中t1、t2、h、r和α分別表示列車牽引力、列車制動力、列車阻力、列車重力和列車狀態(tài)隨機波動參數(shù)；

步驟c3、采用混雜仿真的方式推測求解列車軌跡，通過將時間細分，利用狀態(tài)連續(xù)變化的特性遞推求解任意時刻列車在某一運行階段距初始?？课恢命c的距離，其中j0為初始時刻列車距初始停靠位置點的航程，△τ為時間窗的數(shù)值，j(τ)為τ時刻列車距初始?？课恢命c的路程，由此可以推測得到單列車軌跡；

步驟c4、列車在站時間概率分布函數(shù)建模，針對特定運行線路，通過調取列車在各車站的停站時間數(shù)據(jù)，獲取不同線路不同站點條件下列車的停站時間概率分布；

步驟c5、多列車耦合的無沖突魯棒軌跡調配，根據(jù)各列車預達沖突點的時間，通過時段劃分，在每一采樣時刻t，在融入隨機因子的前提下，按照調度規(guī)則對沖突點附近不滿足安全間隔要求的列車軌跡實施魯棒二次規(guī)劃。

進一步的，步驟d中，聚類個數(shù)m'的值為4，隱狀態(tài)數(shù)目n'的值為3，參數(shù)更新時段τ'為30秒，t'為10，為30秒，h為10，預測時域h'為300秒。

進一步的，步驟e的具體實施過程如下：

步驟e1、構造基于管制規(guī)則的沖突超曲面函數(shù)集：建立超曲面函數(shù)集用以反映系統(tǒng)的沖突狀況，其中，沖突超曲面中與單一列車相關的連續(xù)函數(shù)hi為第i型超曲面，與兩列車相關的連續(xù)函數(shù)hii為第ii型超曲面；

步驟e2、建立由列車連續(xù)狀態(tài)至離散沖突狀態(tài)的觀測器，構建列車在交通路網(wǎng)內(nèi)運行時需滿足的安全規(guī)則集dij(t)≥dmin，其中dij(t)表示列車i和列車j在t時刻的實際間隔，dmin表示列車間的最小安全間隔；

步驟e3、基于人-機系統(tǒng)理論和復雜系統(tǒng)遞階控制原理，根據(jù)列車運行模式，構建人在環(huán)路的列車實時監(jiān)控機制，保證系統(tǒng)的運行處于安全可達集內(nèi)，設計從沖突到?jīng)_突解脫手段的離散監(jiān)控器，當觀測器的離散觀測向量表明安全規(guī)則集會被違反時，立刻向地鐵交通控制中心發(fā)出相應的告警信息。

本發(fā)明具有積極的效果：(1)本發(fā)明的一種地鐵交通沖突預警方法在滿足軌道交通管制安全間隔的前提下，以列車的實時位置信息為基礎，運用數(shù)據(jù)挖掘手段動態(tài)推測列車軌跡；依據(jù)軌道交通管制規(guī)則，對可能出現(xiàn)的沖突實施告警，對沖突的預警效果較好，可有效、準確、實時地預測列車的軌跡并預測列車沖突，有效提高地鐵交通的安全性。

(2)本發(fā)明基于所構建的“人在環(huán)路”的場面監(jiān)控機制，可以對列車內(nèi)部連續(xù)變量和外部離散事件的頻繁交互及時做出有效反應，克服常規(guī)開環(huán)離線監(jiān)控方案的缺點。

(3)本發(fā)明基于所構建的列車運行軌跡滾動預測方案，可以及時融入列車實時運行中的各類干擾因素，提高列車軌跡預測的準確性，克服常規(guī)離線預測方案精確度不高的缺點。

(4)本發(fā)明基于軌道交通網(wǎng)絡拓撲結構的可控性和敏感性分析結果，可為地鐵交通流預警提供科學依據(jù)，克服常規(guī)預警方案選取的隨意性。

附圖說明

圖1為列車流運行特性分析圖；

圖2為無沖突3d魯棒軌跡推測圖；

圖3為列車運行狀態(tài)混雜監(jiān)控圖。

具體實施方式

(實施例1)

一種地鐵交通流優(yōu)化控制系統(tǒng)，包括線路拓撲結構生成模塊、數(shù)據(jù)傳輸模塊、車載終端模塊、控制終端模塊以及軌跡監(jiān)視模塊，軌跡監(jiān)視模塊收集列車的狀態(tài)信息并提供給控制終端模塊。

所述控制終端模塊包括以下子模塊：

列車運行前無沖突軌跡生成模塊：根據(jù)列車計劃運行時刻表，首先建立列車動力學模型，然后依據(jù)列車運行沖突耦合點建立列車運行沖突預調配模型，最后生成無沖突列車運行軌跡。

列車運行中短期軌跡生成模塊：依據(jù)軌跡監(jiān)視模塊提供的列車實時狀態(tài)信息，利用數(shù)據(jù)挖掘模型，推測未來時段內(nèi)列車的運行軌跡。

列車運行態(tài)勢監(jiān)控模塊：在每一采樣時刻t，基于列車的軌跡推測結果，當列車間有可能出現(xiàn)違反安全規(guī)則的狀況時,對其動態(tài)行為實施監(jiān)控并為控制終端提供告警信息。

列車避撞軌跡優(yōu)化模塊：當列車運行態(tài)勢監(jiān)控模塊發(fā)出告警信息時，在滿足列車物理性能、區(qū)域容流約束和軌道交通調度規(guī)則的前提下，通過設定優(yōu)化指標函數(shù)，采用自適應控制理論方法由控制終端模塊對列車運行軌跡進行魯棒雙層規(guī)劃，并通過數(shù)據(jù)傳輸模塊將規(guī)劃結果傳輸給車載終端模塊執(zhí)行。列車避撞軌跡優(yōu)化模塊包含內(nèi)層規(guī)劃和外層規(guī)劃兩類規(guī)劃過程。

應用上述地鐵交通流優(yōu)化控制系統(tǒng)的地鐵交通沖突預警方法，包括以下步驟：

步驟a、根據(jù)各個列車的計劃運行參數(shù)，生成軌道交通網(wǎng)絡的拓撲結構圖；其具體過程如下：

步驟a1、從地鐵交通控制中心的數(shù)據(jù)庫提取各個列車運行過程中所?？康恼军c信息；

步驟a2、按照正反兩個運行方向對各個列車所?？康恼军c信息進行分類，并將同一運行方向上的相同站點進行合并；

步驟a3、根據(jù)站點合并結果，按照站點的空間布局形式用直線連接前后多個站點。

步驟b、基于步驟a所構建的軌道交通網(wǎng)絡的拓撲結構圖，分析列車流的可控性和敏感性二類特性；其具體過程如下：

步驟bl、見圖1，構建單一子段上的交通流控制模型；其具體過程如下：

步驟bl.1、引入狀態(tài)變量ψ、輸入變量u和輸出變量ω，其中ψ表示站點間相連路段上某時刻存在的列車數(shù)量，它包括單路段和多路段兩種類型，u表示軌道交通調度員針對某路段所實施的調度措施，如調整列車速度或更改列車的在站時間等，ω表示某時段路段上離開的列車數(shù)量；

步驟b1.2、通過將時間離散化，建立形如ψ(t+△t)＝a1ψ(t)+b1u(t)和ω(t)＝c1ψ(t)+d1u(t)的單一子段上的離散時間交通流控制模型,其中△t表示采樣間隔，ψ(t)表示t時刻的狀態(tài)向量，a1、b1、c1和d1分別表示t時刻的狀態(tài)轉移矩陣、輸入矩陣、輸出測量矩陣和直接傳輸矩陣；

步驟b2、構建多子段上的交通流控制模型；其具體過程如下：

步驟b2.1、根據(jù)線路空間布局形式和列車流量歷史統(tǒng)計數(shù)據(jù)，獲取交叉線路各子段上的流量比例參數(shù)β；

步驟b2.2、根據(jù)流量比例參數(shù)和單一子段上的離散時間交通流控制模型，構建形如ψ(t+△t)＝a1ψ(t)+b1u(t)和ω(t)＝c1ψ(t)+d1u(t)的多子段上的離散時間交通流控制模型；

步驟b3、根據(jù)控制模型的可控系數(shù)矩陣[b1,a1b1,...,a1^n-1b1]的秩與數(shù)值n的關系，定性分析其可控性，根據(jù)控制模型的敏感系數(shù)矩陣[c1(zi-a1)^-1b1+d1]，定量分析其輸入輸出敏感性，其中n表示狀態(tài)向量的維數(shù)，i表示單位矩陣，z表示對原始離散時間交通流控制模型進行轉換的基本因子；

步驟c、見圖2，根據(jù)各個列車的計劃運行參數(shù)，在構建列車動力學模型的基礎上，依據(jù)列車運行沖突耦合點建立列車運行沖突預調配模型，生成多列車無沖突運行軌跡；其具體過程如下：

步驟c1、列車狀態(tài)轉移建模，列車沿軌道交通路網(wǎng)運行的過程表現(xiàn)為在站點間的動態(tài)切換過程，根據(jù)列車運行計劃中的站點設置，建立單個列車在不同站點間切換轉移的petri網(wǎng)模型：e＝(g,g,pre,post,m)為列車路段轉移模型，其中g表示站點間各子路段，g表示列車運行速度狀態(tài)參數(shù)的轉換點，pre和post分別表示各子路段和站點間的前后向連接關系，表示列車所處的運行路段，其中m表示模型標識，z⁺表示正整數(shù)集合；

步驟c2、列車全運行剖面混雜系統(tǒng)建模，將列車在站點間的運行視為連續(xù)過程，從列車的受力情形出發(fā)，依據(jù)能量模型推導列車在不同運行階段的動力學方程，結合外界干擾因素，建立關于列車在某一運行階段速度vg的映射函數(shù)vg＝λ(t1,t2,h,r,α)，其中t1、t2、h、r和α分別表示列車牽引力、列車制動力、列車阻力、列車重力和列車狀態(tài)隨機波動參數(shù)；

步驟c3、采用混雜仿真的方式推測求解列車軌跡，通過將時間細分，利用狀態(tài)連續(xù)變化的特性遞推求解任意時刻列車在某一運行階段距初始?？课恢命c的距離，其中j0為初始時刻列車距初始停靠位置點的航程，△τ為時間窗的數(shù)值，j(τ)為τ時刻列車距初始?？课恢命c的路程，由此可以推測得到單列車軌跡；

步驟c4、列車在站時間概率分布函數(shù)建模，針對特定運行線路，通過調取列車在各車站的停站時間數(shù)據(jù)，獲取不同線路不同站點條件下列車的停站時間概率分布；

步驟c5、多列車耦合的無沖突魯棒軌跡調配，根據(jù)各列車預達沖突點的時間，通過時段劃分，在每一采樣時刻t，在融入隨機因子的前提下，按照調度規(guī)則對沖突點附近不滿足安全間隔要求的列車軌跡實施魯棒二次規(guī)劃。

步驟d、在每一采樣時刻t，基于列車當前的運行狀態(tài)和歷史位置觀測序列，對列車未來某時刻的行進位置進行預測；其具體過程如下：

步驟d1、列車軌跡數(shù)據(jù)預處理，以列車在起始站的?？课恢脼樽鴺嗽c，在每一采樣時刻，依據(jù)所獲取的列車原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對其進行處理獲取新的列車離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1],其中△xi＝xi+1-xi,△yi＝y(tǒng)i+1-yi(i＝1,2,...,n-1)；

步驟d2、對列車軌跡數(shù)據(jù)聚類，對處理后新的列車離散二維位置序列△x和△y，通過設定聚類個數(shù)m'，采用遺傳聚類算法分別對其進行聚類；

步驟d3、對聚類后的列車軌跡數(shù)據(jù)利用隱馬爾科夫模型進行參數(shù)訓練，通過將處理后的列車運行軌跡數(shù)據(jù)△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態(tài)數(shù)目n'和參數(shù)更新時段τ'，依據(jù)最近的t'個位置觀測值并采用b-w算法滾動獲取最新隱馬爾科夫模型參數(shù)λ'；具體來講：由于所獲得的列車軌跡序列數(shù)據(jù)長度是動態(tài)變化的，為了實時跟蹤列車軌跡的狀態(tài)變化，有必要在初始軌跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)的基礎上對其重新調整，以便更精確地推測列車在未來某時刻的位置；每隔時段τ'，依據(jù)最新獲得的t'個觀測值(o1,o2,...,ot')對軌跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)進行重新估計；

步驟d4、依據(jù)隱馬爾科夫模型參數(shù)，采用viterbi算法獲取當前時刻觀測值所對應的隱狀態(tài)q；

步驟d5、每隔時段根據(jù)最新獲得的隱馬爾科夫模型參數(shù)λ'＝(π,a,b)和最近h個歷史觀測值(o1,o2,...,oh)，基于列車當前時刻的隱狀態(tài)q，在時刻t，通過設定預測時域h'，獲取未來時段列車的位置預測值o；

上述聚類個數(shù)m'的值為4，隱狀態(tài)數(shù)目n'的值為3，參數(shù)更新時段τ'為30秒，t'為10，為30秒，h為10，預測時域h'為300秒。

步驟e、見圖3，建立從列車的連續(xù)動態(tài)到離散沖突邏輯的觀測器，將地鐵交通系統(tǒng)的連續(xù)動態(tài)映射為離散觀測值表達的沖突狀態(tài)；當系統(tǒng)有可能違反交通管制規(guī)則時，對地鐵交通混雜系統(tǒng)的混雜動態(tài)行為實施監(jiān)控，為地鐵交通控制中心提供及時的告警信息；

所述步驟e的具體實施過程如下：

步驟e1、構造基于管制規(guī)則的沖突超曲面函數(shù)集：建立超曲面函數(shù)集用以反映系統(tǒng)的沖突狀況，其中，沖突超曲面中與單一列車相關的連續(xù)函數(shù)hi為第i型超曲面，與兩列車相關的連續(xù)函數(shù)hii為第ii型超曲面；

步驟e2、建立由列車連續(xù)狀態(tài)至離散沖突狀態(tài)的觀測器，構建列車在交通路網(wǎng)內(nèi)運行時需滿足的安全規(guī)則集dij(t)≥dmin，其中dij(t)表示列車i和列車j在t時刻的實際間隔，dmin表示列車間的最小安全間隔；

步驟e3、基于人-機系統(tǒng)理論和復雜系統(tǒng)遞階控制原理，根據(jù)列車運行模式，構建人在環(huán)路的列車實時監(jiān)控機制，保證系統(tǒng)的運行處于安全可達集內(nèi)，設計從沖突到?jīng)_突解脫手段的離散監(jiān)控器，當觀測器的離散觀測向量表明安全規(guī)則集會被違反時，立刻向地鐵交通控制中心發(fā)出相應的告警信息。

顯然，上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而這些屬于本發(fā)明的精神所引伸出的顯而易見的變化或變動仍處于本發(fā)明的保護范圍之中。