楊其芝 張海波 李 健 徐艷玲

（西南交通大學(xué)希望學(xué)院，四川 成都 610400）

1 緒論

城市軌道交通是城市居民的重要出行方式之一，具有運(yùn)量大、安全、舒適等特點(diǎn)[1]。城市軌道交通的客流預(yù)測對于線網(wǎng)的規(guī)劃有長遠(yuǎn)意義，城市軌道交通的建設(shè)也需要客流數(shù)據(jù)的支撐。從長期客流預(yù)測來看，對于線網(wǎng)規(guī)劃途徑的區(qū)域、車站的建設(shè)提供了關(guān)鍵的數(shù)據(jù)支撐；從短期的客流預(yù)測來看，能夠合理地安排車站的客運(yùn)組織方案滿足乘客的出行需求[2]。

許多國內(nèi)外學(xué)者進(jìn)行了客流預(yù)測方面的研究，1962年芝加哥區(qū)域交通研究中提出了經(jīng)典預(yù)測理論——交通規(guī)劃四階段法，將預(yù)測分為四個(gè)階段預(yù)測[3]，至今為止，仍然有學(xué)者選擇四階段法進(jìn)行研究和改進(jìn)。1984 年，IwaoOkutanif[4]將卡爾曼濾波理論運(yùn)用到動(dòng)態(tài)短期客流的預(yù)測中。1997 年，BartVanArem[5]結(jié)合了當(dāng)時(shí)已有的短時(shí)交通流預(yù)測理論，提出預(yù)測技術(shù)的精度亟待提高，明確了短時(shí)交通流預(yù)測的必要性。羅小強(qiáng)[6]基于“四階段”預(yù)測法，提出情景分析的城市軌道交通客流預(yù)測思路，2014 年，卜新春[7]和吳艷平[8]分別通過引入廣義出行費(fèi)用函數(shù)和通過分析軌道交通預(yù)測與其之外的地面交通預(yù)測之間的關(guān)系建立客流預(yù)測模型。城市軌道交通的客流預(yù)測對于線網(wǎng)的規(guī)劃有長遠(yuǎn)意義，城市軌道交通的建設(shè)也需要客流數(shù)據(jù)的支撐。從長期客流預(yù)測來看，對于線網(wǎng)規(guī)劃途徑的區(qū)域、車站的建設(shè)提供了關(guān)鍵的數(shù)據(jù)支撐；從短期的客流預(yù)測來看，能夠合理地安排車站的客運(yùn)組織方案滿足乘客的出行需求基于此，本文通過循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行客流預(yù)測。

2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型

循環(huán)神經(jīng)網(wǎng)絡(luò)是一種用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。RNN 稱為遞歸神經(jīng)網(wǎng)絡(luò)，其特點(diǎn)是存儲先前的數(shù)據(jù)并將其用于當(dāng)前輸出。

在圖1 中，RNN 作為一個(gè)序列模型，這里的xt-1、xt、xt+1則作為這個(gè)簡單的RNN 模型的輸入層。x 表示t 時(shí)刻的輸入，Ot表示t 時(shí)刻的輸出，St表示樣本在時(shí)間t 處的記憶。輸出層是由在時(shí)間t 處的記憶和t 時(shí)刻的輸出所決定的。

圖1 RNN 網(wǎng)絡(luò)結(jié)構(gòu)

當(dāng)預(yù)測下一個(gè)時(shí)刻的數(shù)據(jù)時(shí)，在這里運(yùn)用softmax 需要用一個(gè)權(quán)重矩陣V，用公式表示為：

3 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的客流預(yù)測

韋家碾站的工作日客流呈現(xiàn)明顯的雙向型特征。其中部分實(shí)際客流量如表1 所示。

表1 某年2.20 日-2.28 日韋家碾站客流量

循環(huán)神經(jīng)網(wǎng)絡(luò)的客流預(yù)測是在在anaconda3 中進(jìn)行編程，在做客流預(yù)測時(shí)，在輸入X 時(shí)需要重新對X 和Y進(jìn)行整理后重新定義。這里的X 為i 至i+3 的數(shù)據(jù)集，而Y 則是第i+3 個(gè)數(shù)據(jù)。n_steps=3 則是輸入的X 考慮3 個(gè)步長，n_features=1 為當(dāng)前的時(shí)間序列數(shù)為1。在1.4 日-3.7 日的客流數(shù)據(jù)中，總共有63 個(gè)數(shù)據(jù)。而這里的index=53 為在63 個(gè)數(shù)據(jù)中的前53 個(gè)數(shù)據(jù)作為樣本進(jìn)行訓(xùn)練。epoch_num=11000 則是代表著訓(xùn)練11000 次。

在整個(gè)編程完成后進(jìn)行試運(yùn)行，可以發(fā)現(xiàn)每次運(yùn)算得出的客流預(yù)測在每次的訓(xùn)練中模擬得出的結(jié)果不盡相同，具有隨機(jī)性。因此，在運(yùn)行LSTM 模型時(shí)需要不止一次地運(yùn)行該模型。通過多次訓(xùn)練與實(shí)際的客流進(jìn)行對比，在得出的所有最優(yōu)模型結(jié)果中選擇誤差較小的一組數(shù)據(jù)作為最后的客流預(yù)測結(jié)果，如圖2。predict 為預(yù)測值，true 為實(shí)際值，從上往下依次為3 月1 日至3 月7 日的客流數(shù)據(jù)。

圖2 RNN 客流預(yù)測結(jié)果

從圖3 中看到兩條曲線在3.4 日時(shí)誤差較大，是由于韋家碾的單日客流量較小，工作日的客流量在15000人次而周末大約在10000 人次。并且由于進(jìn)行訓(xùn)練數(shù)據(jù)有53 個(gè)，數(shù)量并不是很多，因此在anaconda3 中的數(shù)據(jù)較少在圖中顯示誤差較為明顯。

圖3 RNN 客流預(yù)測真實(shí)值與預(yù)測值對比圖

4 基于Anylogic 的客運(yùn)組織優(yōu)化

運(yùn)用Anylogic 進(jìn)行地鐵站模型仿真時(shí)，主要有以下幾個(gè)步驟：

4.1 建立Anylogic 模型。首先利用行人庫中的矩形墻繪制出站臺層，由于韋家碾站是側(cè)式站臺，矩形墻中間預(yù)留出軌行區(qū)的空間。

4.2 設(shè)置車站設(shè)備的數(shù)量。對閘機(jī)數(shù)量，自動(dòng)售票機(jī)數(shù)量，自動(dòng)扶梯的長度、寬度，樓層的高度等進(jìn)行設(shè)置。

4.3 設(shè)置參數(shù)。根據(jù)車站客流量的實(shí)際情況，對每個(gè)出入口的進(jìn)站乘客數(shù)量進(jìn)行設(shè)置。

4.4 運(yùn)行建立好的模型。對建立好的仿真模型進(jìn)行試運(yùn)行，根據(jù)下方的報(bào)錯(cuò)進(jìn)行修改直至調(diào)整好。

4.5 建立行人流程模型。將行人庫中建立的模塊用一定的邏輯順序進(jìn)行連接，可以根據(jù)實(shí)際情況賦予邏輯流程的參數(shù)，使模型按照設(shè)定的方式運(yùn)行。

據(jù)韋家碾地鐵站的實(shí)際情況，繪制出地鐵站的基本模型，包括了站臺層、站廳層、自動(dòng)扶梯、閘機(jī)、出口等。在進(jìn)行地鐵模型的建立時(shí)，對于應(yīng)急疏散沒有影響的設(shè)備或區(qū)域進(jìn)行簡化。韋家碾地鐵站分為站廳層和站臺層，站臺層長120m，寬21m，兩邊的站臺分別寬約8m，軌行區(qū)寬5m。站臺與站廳間隔約5m，站廳與地面間隔15m，A、B 端各有五個(gè)TVM、一個(gè)客服中心和一個(gè)安檢機(jī)。韋家碾的上下行站臺各有三部自動(dòng)扶梯、一部直升梯和兩個(gè)步梯。通過Anylogic 進(jìn)行仿真，如圖4。在Anylogic 進(jìn)行仿真時(shí)，需要建造新的墻去約束行人在付費(fèi)區(qū)與進(jìn)、出站閘機(jī)形成封閉的圖形。在建立好地鐵站的基本框架后，需要建立目標(biāo)線和線服務(wù)。在各個(gè)出入口建立目標(biāo)線，在自動(dòng)售票機(jī)和進(jìn)出站閘機(jī)建立線服務(wù)。對應(yīng)的自動(dòng)售票機(jī)和進(jìn)出站閘機(jī)數(shù)量有多少個(gè)，服務(wù)數(shù)和隊(duì)列數(shù)就設(shè)置成多少。在站廳層乘車的一方建立目標(biāo)線，代表著屏蔽門也意味著乘客在這里乘車，如圖5 所示。

圖4 韋家碾站立體圖

圖5 韋家碾站平面圖

根據(jù)韋家碾地鐵站的平面圖，繪制出地鐵站的基本模型，包括了站臺層、站廳層、自動(dòng)扶梯、閘機(jī)、出口等，并根據(jù)實(shí)際情況設(shè)定模塊的參數(shù)，得到的行人流程圖如圖6。行人從列車到達(dá)時(shí)產(chǎn)生，根據(jù)“就近原則”選擇最近的扶梯從站臺層到站廳層，再通過出站閘機(jī)出站，優(yōu)先選擇最近的出口出站[30]。具體的出站流程圖如圖7。韋家碾的進(jìn)站客運(yùn)組織中根據(jù)實(shí)際各個(gè)出入口產(chǎn)生行人的數(shù)量，在仿真過程中對A、B、C、D、E 口行人的產(chǎn)生進(jìn)行設(shè)置，其中行人產(chǎn)生主要集中在A 口和E。因此，在進(jìn)行參數(shù)設(shè)置時(shí)，A、E 口的到達(dá)速率比C、D、E 高。出站客運(yùn)組織由每列車到站，行人從到站列車中產(chǎn)生。高峰時(shí)間列車間隔大約為120s，平峰期間列車間隔大約為180s-240s。根據(jù)預(yù)測得出的3.1-3.7 日客流結(jié)果里，選擇預(yù)測值最大的一天進(jìn)行仿真。

圖6 行人進(jìn)站路徑圖

圖7 行人出站路徑圖

如圖8 所示，可以明顯看出運(yùn)行10 分鐘后在安檢處、A 端的進(jìn)站閘機(jī)的密度增加。隨著站廳層行人的密度增加，一直到高峰結(jié)束安檢處的擁堵不會消失。由于A、B 端的出站閘機(jī)都要比進(jìn)站閘機(jī)多，而出站客流卻要比進(jìn)站客流少，從圖中也可看出出站客流是在可控的范圍內(nèi)。因此，在保留原有的基礎(chǔ)設(shè)施的情況下對韋家碾地鐵站進(jìn)行優(yōu)化。

圖8 仿真運(yùn)行10min 時(shí)站廳行人密度圖

主要采取的措施有兩個(gè)：

a.在安檢處增加一個(gè)安檢機(jī)，安檢處的擁堵主要是由于安檢機(jī)的過包速度有限。由于早高峰行人較多而安檢機(jī)的過包數(shù)量及速度導(dǎo)致了行人的等待，因此增加安檢機(jī)有助于加快行人過包速度，緩解安檢處的擁堵。

b.A 口安檢機(jī)前用伸縮立柱擺放排隊(duì)繞行。由工作人員引導(dǎo)排隊(duì)的乘客繞行到B 端進(jìn)行安檢。

如圖9 所示，在對客運(yùn)組織進(jìn)行優(yōu)化后，隨著時(shí)間的增加安檢處的密度大部分始終維持在黃色。隨著時(shí)間的流逝，安檢處的行人會呈現(xiàn)持續(xù)增加的趨勢，即使行人密度圖出現(xiàn)少部分出現(xiàn)紅色區(qū)域也在可控范圍內(nèi)。通過兩種方案客流密度的對比，在安檢處增加一個(gè)安檢機(jī)并設(shè)置繞行是可行且有用的

圖9 優(yōu)化后仿真10min 時(shí)站廳行人密度圖

5 結(jié)論

本文首先通過循環(huán)神經(jīng)網(wǎng)絡(luò)對韋家碾日?？土鬟M(jìn)行預(yù)測，在進(jìn)行客流預(yù)測后，對韋家碾日?？土鞯目瓦\(yùn)組織進(jìn)行分析，選擇客流預(yù)測得出結(jié)果中預(yù)測值最大的一天作為仿真的參數(shù)。通過Anylogic 進(jìn)行仿真發(fā)現(xiàn)在工作日的A 端安檢處存在擁堵。在保留原有的設(shè)備設(shè)施下，對韋家碾客運(yùn)組織進(jìn)行優(yōu)化。在增加安檢機(jī)和采取繞行措施后，通過前后兩個(gè)方案的行人密度圖對比可以看出，經(jīng)過優(yōu)化后的方案安檢處的擁堵現(xiàn)象得到緩解，因此這個(gè)方案是可行的。