《城市軌道交通區間失效修復策略仿真研究》論文發表期刊：《計算機仿真》；發表周期：2021年08期

《城市軌道交通區間失效修復策略仿真研究》論文作者信息：陳錦渠（1995-），男（漢族），福建三明人，碩士研究生，主要研究領域為交通運輸仿真、軌道交通修復策略。 殿勇（1976-），男（漢族），湖北隨州人，博士，副教授，碩士生導師，主要研究領域為鐵路車站及樞紐，復雜網絡（通訊作者）。 朱 蔓（1997－ ），女（漢族），安徽滁州人，碩士研究生，主要研究領 域為城市軌道交通可達性。

　　摘要：為降低區間失效對城市軌道交通(URT)運營的影響，分別以隨機及蓄意攻擊的方式模擬自然災害及人為破壞對URT區間的破壞，以最大化全日出行客運量、最小化修復完成后乘客出行擁擠度為目標，考慮修復能力、出行需求等約束條件，構建了URT區間失效修復模型，并以系統彈性損失為指標量化修復效果，結合快速非支配排序遺傳算法對該模型進行了求解。結果表明：修復失效區間時，客運量最優目標傾向于修復最重要區間，而擁擠度最優目標側重于修復不同線路的失效區間;相較于平均修復及偏好修復策略，所建立的區間失效修復模型能達到更優的修復效果。

　　關鍵詞：城市軌道交通;區間失效;修復策略;快速非支配排序遺傳算法

　　ABSTRACT: In order to reduce the influence of the link's failure on the operation of the Urban Rail Transit (URT)network, the damages of the URT link caused by natural disasters and terrorist attacks were simulated by random and intentional attacks in this paper. The URT link's repair strategy model was established to maximize the daily passen-ger volume and minimize the link's crowd after the repair was completed. The model's constraints include repairability, travel demand, et al. The resilience loss triangle was applied to measure the effectiveness of repair result and the repair strategy model was solved by NSGA-Il algorithm. The results show that when repairing the failure links, the repair strategies with maximizing passenger volume tend to repair the most important link, while the repair strategies with minimizing link's crowd emphasize repairing the attacked links of different lines. Compared with the average re-pair strategy and preference repair strategy, the repair strategy proposed by the model established in this paper has more optimal repair results

　　KEYWORDS: Urban rail transit(URT): Link's failure: Repair strategy; NSGA-II algorithm

　　1 引言城市軌道交通(Urban Rail Transit， URT)以其安全、快速 及環保的特點正逐漸發展成為中國各大城市最為主要的公共交通方式。 現如今，中國 URT 在面臨極大發展機遇的同 時，也迎接著嚴峻的運營挑戰。 近年來 URT 運營突發事件 頻發，該類事件不僅影響著 URT 的正常運營產生影響，還降 低了乘客采用 URT 出行的信任度。 因此，研究發生突發事 件情況下 URT 的修復策略具有重要意義。

　　國內外學者曾對 URT 網絡的防護策略展開研究。 在早 期研究中，研究學者注重于分析 URT 在隨機攻擊及蓄意攻擊下的脆弱性，并采用網絡效率[1]，連通度[2]，有效節點比31)，相對最大連通子圖[4)及可容忍出行路徑[1)等作為抗毀性指標。他們的研究結果表明，相較于隨機攻擊，蓄意攻擊對URT網絡抗毀性的影響更大，保護關鍵站點能夠有效提升URT網絡的抗毀性。然而該類研究并未深入探討失效網絡的修復順序問題。隨著研究的深入，Bruneau等人[6]提出了彈性損失三角形的概念用于衡量系統應對突發事件的能力。基于Bruneau等人的研究，Li等人[7).Zhang等人[3)及Sadat等人[3]分別運用彈性損失三角形理論分析了北京、上海及華盛頓地鐵網絡應對突發事件的能力，并結合枚舉的方式，以網絡彈性最優為目標分析了受損URT站點的最優修復策略。此外，Hua等人[1)建立了以最大化運營能力、最小化恢復時間為目標的URT受損修復模型，以新加坡城市快運系統為例分析了所建立模型的有效性。

　　上述研究指出合適的URT防護策略能夠顯著提高URT網絡的抗毀性、保證URT的正常運營。已有研究側重于研究URT站點的防護策略，而作為URT重要組成部分的區間卻鮮有涉及，且均強調通過枚舉的方式得到最優修復策略，當失效站點(區間)數過多時，枚舉法將不再適用。因此為彌補現有研究的不足，本文以失效URT區間為研究對象，建立了全日客運量最大、修復完成后擁擠度最小的多目標模型，結合NSGA-11算法求解得到該模型的Pareto最優解集。

　　2模型建立

　　2.1攻擊策略

　　實際運營中，URT區間有可能由于受到暴雨、地震、恐怖襲擊等事件的影響而失效。其中，暴雨、地震等自然災害屬于隨機事件，恐怖襲擊等人為破壞屬于蓄意事件。因此，為貼合實際情況，本文分別選用隨機攻擊及蓄意攻擊模擬URT區間受自然災害及人為破壞而失效的情況。

　　計算時，運用Matlab的隨機數確定隨機攻擊的區間;結合式(1)計算區間在全網的重要程度，選取最重要的區間作為蓄意攻擊的對象。

　　式中，LL，為區間e的重要度;，為區間e的客流量;V為全網的客流量。

　　2.2 URT區間失效修復模型

　　2.2.1 模型假設

　　根據本文模型求解的需要，降低求解的復雜度，提出以下幾點假設：

　　1)假設URT區間全日客運量均勻分布，不隨時間變化;

　　2)修復1個失效URT區間需要1單位維修資源，不考慮不同失效區間修復的難易程度;

　　3)因URT失效而無法出行的乘客將采用其它公共交通方式出行。

　　2.2.2 目標函數

　　乘客通過 URT 實現出行目的，而當 URT 網絡因隨機攻 擊或蓄意攻擊而失效時，乘客的出行將受到極大影響，部分 乘客將無法通過 URT 網絡出行。 因此，在制定修復策略時， 應以最大化全日客運量為目標，目標函數表達式為

　　式中，為當前修復時刻;m為修復總時長;E為區間集合;為1時刻區間e的客運量;e，及E，分別為失效區間及失效區間集合：，為失效區間e，全日的客運量;S，為失效區間e在1時刻的修復狀態：T為全日運營總時長;.及"分別為受損前及修復完成后區間e的客運量;T。及T，分別為受損前已運營時長及修復完成后運營時長。

　　劉朝陽等人[3]的研究指出，站點失效將直接導致URT站點流量的重分配，同理可得，URT區間的失效也將導致URT區間流量的重分配。區間流量的重分配有可能導致部分區間的流量過大，嚴重影響URT的運營安全。結合嚴波[1]及李田野等人[2])的研究，區間流量可以轉化為區間的擁擠度。此外，部分乘客由于區間失效將無法通過URT出行，只得選乘其它公共交通方式。考慮URT與其它公共交通方式舒適度的差異，本文為該部分乘客統一定義一個出行擁擠度。綜上所述，修復完成后出行擁擠度最小目標函數為

　　2􀆰 2􀆰 3 約束條件 在 URT 區間失效修復模型中，根據約束條件的類型可 將約束條件分為三類。 第一類為決策變量約束，如式(4) - (5)所示;第二類為修復約束，如式(6) - (8)所示;第三類為 出行需求約束，如式(9) - (11)所示。

　　式(4)為決策變量的取值約束，表明S，為0-1變量;式(5)

　　為修復能力約束，同一修復時期內只能修復一個失效區間;式(6)為修復總時長約束，式中R，及A，分別表示修復資源總數及修復一個區間所需資源數;式(7)表示修復完成后不斷開約束;式(8)為全日運營總時長約束;式(9)為區間運輸能力約束，式中Cap，"為區間e的超員運輸能力;式(10)為全日乘客出行需求約束，式中 及 分別為站點。和站點d間的受損前及修復完成后的客流量，為全日站點。和站點d間的客流量，目前已有許多成熟的研究實現全網客運量與區間客運量之間轉換，本文將不再贅述，結合黃一華的研究[1]實現全網客運量與區間客運量的轉換;式(11)為區間擁擠度取值約束，式中b，為區間e所能提供的座位數，Cap.

　　為區間。所能提供的定員運輸能力。

　　2.3修復效果評價

　　Bnuneau等人所提出的彈性損失三角形常用于衡量系統應對突發事件的能力。本文對彈性損失三角形進行了改進，結果如圖1所示，圖中黑色部分面積即為系統的彈性損失，由式(12)計算得到。一般而言，彈性損失越小，所對應的修復策略越優，因此本文以系統彈性損失1，為指標來衡量修復策略的有效性。

　　3求解算法

　　上述模型為多目標0-1規劃問題，是典型的NP-hard問題，難以找到唯一最優解，只能找到非劣解集。帶精英策略的快速非支配排序遺傳算法(Non-Dominated Sorting Ge netic Algorithm，NSGA-11)具有收斂快、結果準確的優點，適用于求解多目標0-1規劃問題。因此，本文采用NSGA-11算法對上述模型進行求解，使用NSGA-11算法求解該模型的步驟為：Stepl：染色體編碼與解碼

　　染色體編碼是遺傳算法進行計算的基礎。考慮決策變量的類型，編碼前先對決策變量S，進行了拆分，拆分為新的決策變量S，及5"，分別采用二進制編碼及實值編碼的方式對S，及S"進行編碼。以失效區間數為8為例，其某染色體編碼如圖2所示。其中子串1為S.，表示失效區間是否被修復;子串2表示5，為修復順序。該染色體表示該修復過程中修復區間的編號及順序為5-4-8-2-6

　　Step2：種群排序

　　采用快速非支配排序及個體間的擁擠度對個體進行排序，定義個體間擁擠度為目標函數之間的距離。根據個體i所能支配的個體數d，及能支配個體i的個體數de，實現對個體i的非支配排序;當不同個體的非支配排序值相同時，則根據個體間的擁擠度對個體進行排序。

　　Step3：選擇算子

　　采用二進制競標賽的方式選擇優秀個體。對個體進行選擇時，選擇非支配排序等級低的個體;若兩個體的排序等級相同，則選擇擁擠度大的個體。

　　Step4：交叉和變異

　　采用隨機交叉及變異的方式實現染色體的交叉與變異。

　　染色體的交叉與變異如圖3所示，染色體1與染色體2在a點交叉，染色體1在子串1的b處發生變異，染色體2在子串2的c和d處產生變異。對于子串2處的變異，為保證修復順序的唯一性，子串2染色體采用成對變異的形式，例如c與d處成對變異，c處變異為6，d處變異為2.

　　Step5：精英策略

　　精英策略的目的在于保留父代的優秀個體直接進入子 代，在降低計算復雜度的同時，還能最大限度保留優秀個體不被淘汰。 使用 NSGA - II 求解該模型的算法流程圖如圖 4 所示。

　　4實例應用

　　4.1杭州地鐵

　　杭州是浙江省省會、杭州都市圈的中心城市，杭州地鐵1號線于2012年11月開通運營，標志著杭州進入了地鐵時代。截止2019年1月，杭州地鐵共開通運營3條地鐵線路、

　　81座站點及83個線路區間，運營線路里程達到117.72 km。2019年1月時杭州地鐵網絡如圖5所示。

　　本文從杭州地鐵獲得了 2019 年 1 月 1 日至 25 日，共 25 日的自動售檢票(Automatic Fare Collection， AFC)數據，該組 AFC 數據包括乘客編號、乘客類型、進出站刷卡時間等數據。 在計算前先對該組 AFC 數據進行了預處理：刪除了乘客類型為員工及進站刷卡時間在運營時間以外(0：00-5：30)的AFC數據。此外，本文還從杭州地鐵獲得了列車運行圖、站點換乘時間、站間距等數據。結合上述數據，分析了在隨機攻擊及蓄意攻擊情況下，杭州地鐵網絡區間的最優修復策略問題。

　　4.2 結果分析

　　運用NSGA-11算法對本模型進行求解前，需要設置相關參數。設置種群規模為50，最大遺傳代數為50，變異概率為0.1，交叉概率為0.9，攻擊區間數為8，維修資源總數為4，采用Matlab編程實現對該問題的求解。利用Matlab計算得到隨機攻擊及蓄意攻擊的區間如表1所示(例：表中11-12表示武林廣場站-鳳起路站區間，其余編號類似)，在攻擊時令區間上下行均失效。

　　在行平臺為Intel(R)Core(TM)i7-8750H 2.20GHz CPU及運行內存為8.0G的計算機上對該模型進行了求解，得到該模型的最優Pareto解集。隨機及蓄意攻擊情況下的計算結果分別如圖6-(a)及圖6-(b)所示，圖6橫坐標表示進化代數，左縱坐標為全日客運量，右縱坐標為乘客出行擁擠度的倒數。由圖6可得，兩個目標函數的Pareto解集平均值迭代到一定次數后收斂，說明算法在經歷一定迭代次數后穩定在最優解集附近保持不變。

　　根據進化得到的Pareto解集，統計得到兩類優化目標下的計算結果如表2所示。對比分析表2可得，修復受損URT區間時，兩類修復目標所修復的失效區間不同，客運量最優目標傾向于修復網絡中的最重要區間，而擁擠度最優目標則傾向于修復不同線路的失效區間。

　　結合 Matlab 編程實現受損網絡區間的平均修復及偏好 修復，統計計算結果得到采用平均修復、偏好修復及 URT 區

　　間失效修復模型的計算結果如圖7所示(圖中圖例：隨機-平均表示采用平均修復策略修復因隨機攻擊而失效的URT網絡，其余類似)。結合式(12)計算采用平均修復策略、偏好修復策略及URT區間失效修復模型修復因隨機攻擊而失效URT網絡的彈性損失分別為426036，447479及329548;修復因蓄意攻擊而失效URT網絡的彈性損失分別為289289，292489及286526，結合計算結果可得，相比于平均修復策略及偏好修復策略，采用本文所建立的URT區間失效修復模型能夠最大限度降低因區間受損而導致的乘客損失，減少因區間失效而導致的URT運營損失。

　　5結論

　　本文以受損URT網絡全日客運量最大、修復完成后乘客出行擁擠度最小為目標，以修復能力、出行需求等為約束條件，建立URT區間失效修復模型，結合NSGA-11算法對該模型進行了求解。與平均修復策略及偏好修復策略等常規策略對比發現，本文所建立的數學模型能更加有效修復因隨機攻擊和蓄意攻擊而失效網絡，降低因URT區間失效給乘客及管理部門而帶來的損失。

　　參考文獻：

　　[1]韓紀彬，張苗，郭進利，城市軌道交通網絡可靠性分析[J].城市交通，2015，13(5)：80-84，42.

　　[2]沈犁，張殿業，向陽，王周全，張桐.城市地鐵-公交復合網絡抗毀性與級聯失效仿真[J].西南通大學學報，2018，53(1)：156-163，196.

　　[3]劉朝陽，呂永波，步實，倩，萬鈞，城市軌道交通運輸網絡級聯失效抗毀性研究[J].交通運輸系統工程與信息，2018，18(5)：82-87.

　　[4]Xing Y，Lu J，Chen S，et al.Vulnerability analysis of urban rail transit based on complex network theory：a case study of Shanghai Metro[J].Public Transport，2017，9(3)：501-525.

　　[5]Liu J，Peng Q.Chen J，et al.Connetivity Reliability on an Urban Rail Transit Net work from the Perspective of Passengers'Travel[C].RailNorrkiping 2019.8th International Conference on Railway Operations Modelling and Analysis(ICROMA)，Norrkiping，Sweden，June 17th-20th，2019.Linköping University Electronic Press，2019，(069)：826-836.

　　[6]Bruneau M，Chang S E，Eguchi R T，et al.A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities[J].Earthquake Spectra，2003，19(4)：733-752.

　　[7]Li M，Wang H，Wang H.Resilience Assesment and Optimizationfor Urban Rail Transit Networks：A Case Study of Beijing Subway Network[J].IEEE Access，2019

　　[8]Zhang D，Du F，Huang H，et al.Resiliency assessment of urhan rail transit networks：Shanghai metro as an example[J].Safety Science，2018，106：230-243.

　　[9]Saadat Y，Zhang Y，Zhang D，et al.Post-Failure Recovery Strategies for Metrorail Transit Networks With Washington DC As a Case Study[C].ASME 2018 International Mechanical EngineeringCongress and Exposition.American Society of Mechanical Engineers，2018：V013TO5 A060-V013T105 A060

　　[10]Hua W，Ong G P.Network survivability and recoverability in urban rail transit systems under disruption[J].IET Intelligent Transport Systems，2017，11(10)641-648.

　　[11]嚴波，城市軌道交通行車間隔時間優化模型研究[J].城市軌道交通研究，2008，(6)：53-57+62.

　　[12]李田野，邵敏華，考慮舒適性的公交乘客出行時間價值對比[J].交通科學與工程，2011，27(3)：82-86.

　　[13]邵敏華，李田野，孫立軍，常規公交乘客對車內擁擠感知阻抗調查與建模[J].同濟大學學報(自然科學版)，2012，40(7)：1031-1034.

　　[14]黃一華，城市軌道交通客流分配模型與算法的研究[D].北7：北京大，2010.