王志強(qiáng)

（蘇州大學(xué)城市軌道交通學(xué)院，215006，蘇州∥博士，講師）

應(yīng)急處置微觀仿真技術(shù)，就是采用計算機(jī)仿真的方法在網(wǎng)絡(luò)中模擬隨機(jī)發(fā)生的故障，分析在相關(guān)應(yīng)急處置措施下，其不利影響在網(wǎng)絡(luò)中的發(fā)生、發(fā)展、傳播、擴(kuò)散、消退和結(jié)束的動態(tài)全過程，以此來評價故障影響的嚴(yán)重等級、應(yīng)急處置措施的科學(xué)合理性以及系統(tǒng)整體的安全可靠性水平等。

國外已經(jīng)開發(fā)并成熟運(yùn)用的城市軌道交通運(yùn)輸組織仿真系統(tǒng)比較多，如 RailSys［1］、OpenTrack［2］、Simone［3］、SimMetro［4］等，其功能已基本能夠滿足城市軌道交通系統(tǒng)日常運(yùn)輸組織工作的各種仿真需要。然而，這些系統(tǒng)大多數(shù)只涉及到了列車延誤及其疏解的仿真分析，對于應(yīng)急處置過程仿真與評價的問題還較少關(guān)注。國內(nèi)對城市軌道交通安全問題的仿真研究雖然起步較晚，但發(fā)展迅速，其研究成果主要集中在客流出行特征［5］、出行路徑［6］、列車運(yùn)行仿真［7］等方面，涉及到地鐵應(yīng)急處置仿真部分的較少。

本文從網(wǎng)絡(luò)層面出發(fā)，研究城市軌道交通正常運(yùn)營及故障應(yīng)急處置過程的微觀仿真問題，以仿真模型的構(gòu)建和乘客出行行為分析為重點(diǎn)，研究開發(fā)應(yīng)急處置過程微觀仿真系統(tǒng)，以突發(fā)列車故障救援為例，仿真其處置過程，并對結(jié)果進(jìn)行分析評價。該系統(tǒng)能為城市軌道交通系統(tǒng)運(yùn)輸組織方案的優(yōu)化、應(yīng)急資源的優(yōu)化配置、故障影響程度估算，以及應(yīng)急處置預(yù)案的制定和評估提供重要的輔助決策工具和方法。

1 城市軌道交通客運(yùn)流程分析

客運(yùn)流程分為網(wǎng)絡(luò)運(yùn)營正常和網(wǎng)絡(luò)應(yīng)急處置2種情況。正常情況下的客運(yùn)流程為：進(jìn)站（→購票）→驗(yàn)票→通過樓梯→站臺候車→上車→隨車前行→到站下車（→換乘）→通過樓梯→驗(yàn)票→出站。

由于乘客的進(jìn)站、出站、換乘過程屬于站內(nèi)移動，其微觀仿真技術(shù)較為復(fù)雜。為了將研究重點(diǎn)放在網(wǎng)絡(luò)運(yùn)輸上，本文采取了簡化的辦法來處理站內(nèi)乘客的移動過程。即采用“進(jìn)站時間分布函數(shù)”、“出站時間分布函數(shù)”和“換乘時間分布函數(shù)”分別計算乘客在站內(nèi)的進(jìn)站、出站和換乘所需的總時間，忽略其在站內(nèi)的具體運(yùn)動軌跡。簡化后的客運(yùn)流程為：進(jìn)站→站臺候車→上車→隨車前行→到站下車（→換乘）→出站。

應(yīng)急處置對乘客出行的影響，因事件地點(diǎn)、事件種類、事件等級、發(fā)生時間、乘客位置等諸多因素的不同而不同。因此，非正常情況下的客運(yùn)流程遠(yuǎn)比基本服務(wù)流程要復(fù)雜。圖1為以流程圖形式描述的非正常情況下各種可能的乘客出行過程。

從圖1可知，非正常情況下的乘客出行過程因?yàn)槭艿蕉喾N因素的影響，其可能的客運(yùn)流程有多條路徑。乘客在出行過程中會遇到各種變故而面臨選擇，其具體選擇行為將因人、因地、因時、因事的不同而不同，這些不同造就了非正常情況下網(wǎng)絡(luò)客流分布的高度復(fù)雜性。為掌握客流分布規(guī)律，輔助應(yīng)急處置決策，采用微觀仿真技術(shù)是較為理想的方案。

2 系統(tǒng)的類結(jié)構(gòu)設(shè)計

由網(wǎng)絡(luò)運(yùn)輸活動的直接參與主體可知，仿真系統(tǒng)包含的類主要有：乘客、列車、車站、區(qū)間、線路和網(wǎng)絡(luò)。根據(jù)處置過程仿真的要求，設(shè)計仿真系統(tǒng)的類圖見圖2。

乘客是城市軌道交通系統(tǒng)的最終服務(wù)對象，微觀仿真系統(tǒng)中必然包含了數(shù)量巨大的乘客個體對象，這些個體對象在面對各種情況時的行為選擇和運(yùn)動特點(diǎn)各不相同，因此乘客類集的科學(xué)設(shè)計將是建立仿真系統(tǒng)的關(guān)鍵。列車類的設(shè)計關(guān)鍵是能夠反映出正常情況和非正常情況下各次列車的客運(yùn)行為過程。網(wǎng)絡(luò)類中包含線路類，線路類中包含車站類和區(qū)間類。這些類集一起描述了城市軌道交通網(wǎng)絡(luò)結(jié)構(gòu)信息。

3 系統(tǒng)的事件模型設(shè)計

3.1 系統(tǒng)的基本事件

非正常情況下乘客的出行選擇過程非常復(fù)雜，難以直接進(jìn)行分析。為此，需要從仿真對象的基本行為入手，構(gòu)造出對象類的基本事件集，如表1所示。通過這些基本事件的不同排列組合即可構(gòu)造出所有的客運(yùn)事件模型。

圖1 非正常情況下的客運(yùn)流程圖

3.2 微觀仿真的事件驅(qū)動模型

雖然城市軌道交通的應(yīng)急事件種類繁多，但究其對網(wǎng)絡(luò)客運(yùn)造成的影響不外乎5大類，即：“車站關(guān)閉”、“車站擁擠”、“列車延誤”、“列車故障”、“區(qū)間中斷”。因此，本文從5類不同的客運(yùn)影響出發(fā)，考慮不同地點(diǎn)的乘客在不同選擇下的行為過程，設(shè)計了應(yīng)急處置狀態(tài)下的網(wǎng)絡(luò)運(yùn)輸微觀仿真事件驅(qū)動模型，如表2所示。

3.3 事件驅(qū)動模型的優(yōu)點(diǎn)分析

采用“事件驅(qū)動模型”，只需要指定好非正常情況下的各類乘客的行為流程，就能直接對整個網(wǎng)絡(luò)的應(yīng)急處置進(jìn)行復(fù)雜的仿真運(yùn)算。仿真過程中，所有對象的具體行為以及決策選擇都是由計算機(jī)自動管理，無需人工介入，具有高度的智能化水平。

圖2 仿真系統(tǒng)的UML（標(biāo)準(zhǔn)建模語言）類圖

同時，微觀仿真系統(tǒng)還具有良好的“可擴(kuò)展性”，一方面，通過對“基本事件”的不同組合，可以構(gòu)建任意的乘客行為流程，滿足不同情況應(yīng)急處置過程的需要；另一方面，通過進(jìn)一步精細(xì)化設(shè)計類集的屬性和方法，可以輕易地實(shí)現(xiàn)更多時分效率數(shù)據(jù)的統(tǒng)計和分析，滿足不同目的的仿真需要。

4 系統(tǒng)算法流程設(shè)計

整個系統(tǒng)的算法流程較長，這里分步進(jìn)行介紹。

步驟1：設(shè)置仿真參數(shù)。

（1）各線路的列車運(yùn)行T－S數(shù)據(jù)：由基于牽引計算的多列車運(yùn)行仿真計算［7－8］得到。每條線路根據(jù)開行方案和故障情況可以計算得到多種列車運(yùn)行相對時分?jǐn)?shù)據(jù)，而每次仿真，每條線路只能選擇其中的一種。

（2）各線路的首末班車時刻：設(shè)置每條線路每個方向的首末班車發(fā)車時刻，該時刻加上前面得到的列車運(yùn)行相對時分?jǐn)?shù)據(jù)即可得到列車運(yùn)行絕對時分?jǐn)?shù)據(jù)，絕對時分?jǐn)?shù)據(jù)才可直接用于仿真計算。

（3）設(shè)置每個車站的進(jìn)站、出站和換乘過程耗時分布規(guī)律：每個車站因車站大小、結(jié)構(gòu)和管理的不同，其進(jìn)出站和換乘過程所需的時間分布規(guī)律各不相同，要分別進(jìn)行設(shè)置。

（4）設(shè)置車站客流到站規(guī)律數(shù)據(jù)：因車站位置的不同，每個車站的到站客流總量和客流到站時間分布規(guī)律各不相同，需要根據(jù)歷史統(tǒng)計資料分別進(jìn)行設(shè)置。

表1 對象的基本事件集合

（5）設(shè)置進(jìn)站客流的D（終到）站分配比例數(shù)據(jù)：每個車站的進(jìn)站客流，其去向車站按一定的比例分布于網(wǎng)絡(luò)中的各個站點(diǎn)，需要根據(jù)網(wǎng)絡(luò)歷史統(tǒng)計資料分別設(shè)置每個車站的進(jìn)站客流D 站分配比例。

步驟2：計算仿真時間控制參數(shù)。

主要是確定仿真起始時間和仿真結(jié)束時間。各條線路都有各自的列車運(yùn)行絕對時分?jǐn)?shù)據(jù)，各車站都有乘客進(jìn)站時分?jǐn)?shù)據(jù)，因網(wǎng)絡(luò)運(yùn)輸過程以列車運(yùn)行為主，故仿真起始時間為各線首班車時刻中的最早（?。┲担抡娼Y(jié)束時間為各線有列車運(yùn)行數(shù)據(jù)的最晚時刻。

步驟3：初始化各車站進(jìn)站客流數(shù)據(jù)。

（1）選定車站：從網(wǎng)絡(luò)中選定一未初始化進(jìn)站客流的車站。

（2）生成進(jìn)站乘客對象數(shù)組：根據(jù)仿真起止時間和乘客到站分布規(guī)律，生成車站的待進(jìn)站乘客對象數(shù)組，初始化每個乘客對象的到站時刻，同時根據(jù)車站類的進(jìn)站時間計算函數(shù)計算每個乘客對象的進(jìn)站耗時。

（3）為乘客出行指定D 站，并分配出行路徑：根據(jù)車站的D 站分布比例，隨機(jī)為每個乘客對象指派一個出行終點(diǎn)D 站，并調(diào)用網(wǎng)絡(luò)類的出行路徑計算函數(shù)，為乘客分配出行路徑。

（4）分析乘客的出行步驟：調(diào)用網(wǎng)絡(luò)類的出行步驟分析函數(shù)，根據(jù)乘客出行路徑，將同一線路的出行過程以及不同線路間的換乘過程剝離出來，形成有序的出行步驟，保存每一步驟的起點(diǎn)、終點(diǎn)和類別信息。

（5）若有未初始化的車站則轉(zhuǎn)（1），否則開始乘客出行過程仿真。

步驟4：仿真乘客出行過程。

（1）仿真時鐘設(shè)為仿真起始時間。

（2）仿真時鐘推進(jìn)一個步長。

（3）網(wǎng)絡(luò)中的每個車站執(zhí)行圖3流程。

（4）網(wǎng)絡(luò)中每個正在線路上運(yùn)行的列車執(zhí)行圖4流程。

（5）判斷仿真時鐘是否達(dá)到仿真結(jié)束時間。若是，則仿真過程結(jié)束；若否，則轉(zhuǎn)步驟2。

因篇幅限制，圖3和圖4中有一些時間和人數(shù)的統(tǒng)計變量的更新未予標(biāo)出。如：列車運(yùn)行時間、列車故障時間、車站客運(yùn)量、乘客等待時間等，這些變量對于客運(yùn)效率的分析和優(yōu)化將會起到重要的作用。

表2 網(wǎng)絡(luò)運(yùn)輸微觀仿真事件驅(qū)動模型

5 仿真實(shí)例分析

本文以蘇州市2015年軌道交通規(guī)劃網(wǎng)絡(luò)為例，假設(shè)了各線路的基礎(chǔ)數(shù)據(jù)、運(yùn)營數(shù)據(jù)和客流數(shù)據(jù)，就1號線上行方向第六趟列車在金雞湖西站至中央公園站間的區(qū)間內(nèi)突發(fā)列車故障，并組織后續(xù)列車救援為例，對應(yīng)急處置過程進(jìn)行微觀仿真，并將仿真結(jié)果與網(wǎng)絡(luò)正常運(yùn)營情況下的微觀仿真結(jié)果進(jìn)行對比。

圖5界面分為3塊，左上部分為動畫效果演示部分，展示了網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、列車當(dāng)前位置、列車實(shí)時滿載率和車站實(shí)時滿載率等情況，拖動仿真進(jìn)度條即可展示網(wǎng)絡(luò)運(yùn)輸?shù)耐暾^程；左下部分為指定線路各車站的實(shí)時客流量數(shù)據(jù)，可以迅速定位某時刻的重點(diǎn)車站及其負(fù)荷；右邊為運(yùn)營列車的實(shí)時客流量和滿載率信息，用不同深淺的綠、黃、紅三色來表示其當(dāng)前列車滿載率情況，便于迅速定位重點(diǎn)關(guān)注對象。

中央公園站為上行方向金雞湖西站的后續(xù)中間站。從圖6可知，正常運(yùn)營時，站內(nèi)乘客數(shù)呈規(guī)律性的起伏，且最大乘客人數(shù)不到200人；而在列車救援時，因長時間的列車延誤，站內(nèi)乘客數(shù)量逐漸攀升，后因故障列車在本站清客，故其客流量有一個激增，并最終突破500人；故障和救援列車過后，隨著后續(xù)列車的抵達(dá)，站內(nèi)乘客數(shù)才迅速下降至正常水平。

圖3 車站部分的客運(yùn)仿真流程圖

樂橋站為事發(fā)區(qū)段上行方向的后續(xù)換乘站，其乘客數(shù)量的總體變化趨勢與圖6相似。但因其是換乘站，且系統(tǒng)在處理換乘客流時認(rèn)為處于換乘過程中的乘客數(shù)量計入換出站，而換乘結(jié)束后開始候車的乘客數(shù)量才計入換入站，故圖7中的客流變化曲線有一個規(guī)律性的下探，其原因皆為原計入本站的換乘客流量在其換乘結(jié)束后都被移入換入站了。

圖8中的a）、b）、c）3幅圖分別為故障列車、救援列車、救援列車的后續(xù)列車的車內(nèi)客流量變化趨勢圖，而d）、e）、f）3幅圖分別為前述3趟列車在正常運(yùn)營情況下的客流量變化趨勢圖，上3幅圖和下3幅圖進(jìn)行對比即可清楚地呈現(xiàn)列車救援事件對滿載率的影響程度。圖8a）為故障列車，在發(fā)生故障后停留在原地等待救援，在清客之前沒有乘客上下車，車內(nèi)客流量保持不變，清客后客流量變?yōu)榱?。圖8b）為救援列車，在接到救援命令后到前方站臺清客，然后展開救援，救援過程中車內(nèi)無乘客。圖8c）為救援列車的后續(xù)列車，因列車救援事件，導(dǎo)致前方車站出現(xiàn)長時間的列車延誤，積壓了大量的乘客，故后續(xù)列車的客流量顯著增加。

在其它數(shù)據(jù)都相同，就是否存在列車故障救援2種情況的仿真結(jié)果進(jìn)行了指標(biāo)計算，計算結(jié)果如表3所示。由于受影響乘客比例很?。?.141%），故2種情況的指標(biāo)數(shù)值差異不大，但從表3的數(shù)據(jù)中依然可以定量化描述出應(yīng)急處置對網(wǎng)絡(luò)運(yùn)輸效率的影響程度。

6 結(jié)語

圖4 列車部分的客運(yùn)仿真流程圖

圖5 應(yīng)急處置過程微觀仿真效果圖

圖6 中央公園站正常運(yùn)營和列車救援時站內(nèi)客流量變化趨勢圖

圖7 樂橋站正常運(yùn)營和列車救援時站內(nèi)客流量變化趨勢圖

圖8 列車內(nèi)客流量變化趨勢圖

表3 部分運(yùn)輸效率指標(biāo)結(jié)果對比

本文以客流事件為主線，將乘客、列車和網(wǎng)絡(luò)綜合在一起，構(gòu)建城市軌道交通網(wǎng)絡(luò)客流運(yùn)輸微觀仿真模型，并在此基礎(chǔ)上引入列車故障和救援措施，實(shí)現(xiàn)應(yīng)急處置微觀仿真系統(tǒng)和處置措施的效果評價。采用微觀仿真技術(shù)，可將完整的網(wǎng)絡(luò)客運(yùn)過程再現(xiàn)，實(shí)現(xiàn)精細(xì)化統(tǒng)計眾多時間和效率指標(biāo)，為處置方案的分析、決策和評價奠定堅實(shí)的基礎(chǔ)。

［1］Wahlborg M.Banverket capacity consumption，congested infrastructure and traffic simulation with Railsys［J］.WIT Transactions on the Built Environment，2008，Computer System Design and Operation in the Railway and Other Transit Systems－Computers in Railways XI，2008（103）：85.

［2］Nash A， Huerlimann D.Railroad simulation using OpenTrack［J］.Advances in Transport；Computers in Railways IX，2004（15）：45.

［3］Middelkoop D，Bouwman M S：Large scale train network simulations［J］.Winter Simulation Conference Proceedings，2001（2）：1042.

［4］Koutsopoulos，Haris N，Wang Zhigao.Simulation of urban rail operations application framework［J］.Transportation Research Record，2007，2006（1）：84.

［5］高鵬，徐瑞華.城市軌道交通車站客流仿真中的事件驅(qū)動模型［J］.系統(tǒng)工程理論與實(shí)踐，2010，30（11）：2121.

［6］徐瑞華，羅欽，高鵬.基于多路徑的城市軌道交通網(wǎng)絡(luò)客流分布模型及算法研究［J］.鐵道學(xué)報，2009，31（2）：110.

［7］劉海東，毛保華，何天健，等.不同閉塞方式下城軌列車追蹤運(yùn)行過程及其仿真系統(tǒng)的研究［J］.鐵道學(xué)報，2005，27（2）：120.