基于数字孪生和AI的城轨客流优化决策辅助系统

本发明涉及城市轨道交通系统领域，尤其涉及基于数字孪生和ai的城轨客流优化决策辅助系统。

背景技术：

1、城市轨道交通系统是一个客流量大，网络关联性高的系统，系统中有一处发生了突发事件，就会波及到整个城市轨道交通系统并可能产生严重危害，例如：列车运行延误和乘客旅行时间增加，网络能力和运营效率降，甚至还会造成生命和财产的损失。因此为了提高城市轨道交通系统的在应对突发事件时的安全性和稳定性，应当针对突发事件进行分析再给出合理的决策建议。

2、现有的决策辅助系统大多为基于城市轨道交通的行车调度应急预案和工作指引，实现预案数字化管理、智能接警、动态监控，以及历史事件回放、仿真演练等功能，但是目前的城市轨道交通中的决策辅助系统存在以下问题：1.系统的视角效果设计基于二维空间进行设计，无法从三维角度给予决策者最直观和更高效的决策建议。2.只是根据事先制定的应急方案，灵活性和拓展性上稍显不足。所以在之前的决策辅助系统之上，重新开发出一个基于数字孪生和ai的城市轨道交通决策辅助系统，充分结合虚幻引擎强大的三维渲染、界面设计以及数字孪生模型的数据融合概念，实现实时客流数据量获取、基于数字孪生的系统数据显示、ai决策建议等功能，从而达到一个能自我迭代决策方案、三维场景构建、可视化的全流程的决策辅助系统。

技术实现思路

1、本发明提供了基于数字孪生和ai的城轨客流优化决策辅助系统，用于解决现有技术中存在的上述问题。

2、本发明提供了基于数字孪生和ai的城轨客流优化决策辅助系统，包括：

3、数据层，所述数据层安装在服务器端，所述数据层用于存储和管理系统的各种类型数据；

4、ai决策层，所述ai决策层安装在服务器端，所述ai决策层包括ai预测模块和ai客流疏散优化模块，所述ai预测模块用于检测实时客流和预测客流变化，所述ai客流疏散优化模块用于根据实时客流和预测客流安排决策方案；

5、渲染层，所述渲染层安装在服务器端，所述渲染层基于虚幻引擎和三维建模软件开发而成，所述渲染层用于为系统内的数字孪生平台提供三维场景渲染和三维数字模型的动态变化加载；

6、交互层，所述交互层安装在客户端，所述交互层能够利用html前端语言，将服务器端的系统交互界面以及在渲染层实时渲染的数字三维场景传送到客户端；

7、通信层，所述通信层采用websocket协议作为通信模块，实现服务器端和客户端的通信。

8、进一步的，所述数据层包括基础支持数据库、三维场景数据库、日常运营维护数据库和应急案例数据库。

9、进一步的，所述ai预测模块检测实时客流的方法为：在地铁车站和隧道中放置固定和移动检测器，按照一定规律记录并采集用户的位置和移动轨迹序列，并以用户位置来确定用户在地铁内的位置，从而确定地铁的客流量大小。

10、进一步的，所述在地铁车站和隧道中放置固定和移动检测器，按照一定规律记录并采集用户的位置和移动轨迹序列，并以用户位置来确定用户在地铁内的位置，从而确定地铁的客流量大小具体包括：

11、在轨道交通点设置专门的手机信号令检测区域，将手机信号令的记录序列提取并分析为乘客的空间活动的轨迹序列，并将用户与车次匹配，进而提取整个车站甚至线路的进出站断面客流量数据及站点乘客数量数据。

12、进一步的，所述ai预测模块预测客流变化的方法为：

13、采用lstm模型进行客流变化预测，lstm模型在rnn结构基础上，添加了各层的阀门节点，lstm结构由遗忘阀门(forget gate)、输入阀门(input gate)、输出阀门(outputgate)以及细胞状态组成，门可以选择地保留信息，这使得细胞状态能存储和读取长期信息，从而解决消失的梯度问题，同时门利用sigmoid函数将网格的记忆态作为输入计算，如果输出结果达到设定值，则将门的输出值乘以当前层的输出值作为下一层的输入；反之，则将输出结果遗忘；具体公式如式(1)～式(5)所示：

14、输入：it＝sigmoid(wi[ht-1，xt]+bi)                                  (1)

15、遗忘：ft＝sigmoid(wf[ht-1，xt]+bf)                                 (2)

16、输出：ot＝sigmoid(wo[ht-1，xt]+bo)                                (3)

17、细胞状态：ct＝ft⊙ct-1+it⊙tanh(wc[ht-1，xt]+bc)                       (4)

18、隐藏状态：ht＝ot⊙tanh(ct)                                      (5)

19、最后通过客流相关流入量，获取地铁运行特征量以及其他特征量结合lstm模型即可顺利地预测出客流短期的数据量。

20、进一步的，所述ai客流疏散优化模块进行客流疏散优化的方法为：

21、客流疏散分为四个疏散方法，分别是轨道交通车站客流应急疏散组织、城市轨道交通列车应急行车组织、城市轨道交通应急停站组织、城市轨道交通与地面公共交通应急协调接运组织，综合这四种方案进行客流疏散；

22、依据优化目标和约束条件建立一个客流疏散方案的优化模型，其模型的求解运用遗传算法，并根据尽量全面的目标和约束条件，从而达到最优的客流疏散优化方案；约束条件就是四个方案的优化时需要考虑到的特征数据，车站应急疏散优化的约束：站台位置、扶梯位置、闸机位置；轨道交通应急行车交路方案的优化约束：空间客流分布、车站线路基础设施的供给能力、轨道线路运营服务水平、列车通过能力；轨道交通应急停站的优化约束：出行时间、列车运营成本；与地面公共交通协调组织的优化约束：站间需求、公交资源、线路服务；疏散优化方案的决策变量设置有：疏散时间、及时客流量、未优化时的预测客流量。利用遗传算法，基于lstm客流预测模型，基于手机信号令的客流数据获取和决策评价体系就可以得出基于ai的客流决策优化模型。

23、本发明提供的基于数字孪生和ai的城轨客流优化决策辅助系统具有以下优点：1.利用数字孪生模型构建的城市轨道交通决策系统比目前大多数的基于二维平面设计的城市轨道交通决策系统更符合人类的直观视觉，从三维角度出发给出的决策建议比二维角度更加有效和准确。2.利用数字孪生模型，达到虚实共生的理想效果，在现实物理实体和数字孪生模型在长时间的同步过程中，甚至在全生命周期中通过动态重构实现自主孪生，从而保证决策的可视化等诸多功能有效性，实现低成本、高质量、可持续。3.基于ai深度学习的决策方案优化，相比于目前人工预设定的决策方案更具有灵活性和多样性。

技术特征：

1.基于数字孪生和ai的城轨客流优化决策辅助系统，其特征在于，包括：

2.根据权利要求1所述的基于数字孪生和ai的城轨客流优化决策辅助系统，其特征在于，所述数据层包括基础支持数据库、三维场景数据库、日常运营维护数据库和应急案例数据库。

3.根据权利要求1所述的基于数字孪生和ai的城轨客流优化决策辅助系统，其特征在于，所述ai预测模块检测实时客流的方法为：在地铁车站和隧道中放置固定和移动检测器，按照一定规律记录并采集用户的位置和移动轨迹序列，并以用户位置来确定用户在地铁内的位置，从而确定地铁的客流量大小。

4.根据权利要求3所述的基于数字孪生和ai的城轨客流优化决策辅助系统，其特征在于，所述在地铁车站和隧道中放置固定和移动检测器，按照一定规律记录并采集用户的位置和移动轨迹序列，并以用户位置来确定用户在地铁内的位置，从而确定地铁的客流量大小具体包括：

5.根据权利要求3所述的基于数字孪生和ai的城轨客流优化决策辅助系统，其特征在于，所述ai预测模块预测客流变化的方法为：

6.根据权利要求1所述的基于数字孪生和ai的城轨客流优化决策辅助系统，其特征在于，所述ai客流疏散优化模块进行客流疏散优化的方法为：

技术总结
本发明涉及城市轨道交通系统领域，公开了基于数字孪生和AI的城轨客流优化决策辅助系统，包括：数据层、AI决策层、渲染层、交互层以及通信层，AI决策层安装在服务器端，AI决策层包括AI预测模块和AI客流疏散优化模块，AI预测模块用于检测实时客流和预测客流变化，AI客流疏散优化模块用于根据实时客流和预测客流安排决策方案；系统更符合人类的直观视觉，从三维角度出发给出的决策建议比二维角度更加有效和准确，利用数字孪生模型，达到虚实共生的理想效果，保证决策的可视化等诸多功能有效性，实现低成本、高质量、可持续，基于AI深度学习的决策方案优化，相比于目前人工预设定的决策方案更具有灵活性和多样性。

技术研发人员：张婷,李超扬,罗钦,宋剑伟,卜柿瑜,黄甲鸣,潘伟健
受保护的技术使用者：深圳技术大学
技术研发日：
技术公布日：2024/1/15