基于损失规避的报童决策偏差形成机制

在损失规避模型的基础上,引入缺货规避偏差因素对经典报童模型进行修正,构建了缺货惩罚条件下损失规避的最优报童订购模型,同时,基于Microsoft VFP平台设计库存决策行为实验对模型进行验证.结果表明:在高利润、均衡利润和低利润产品中,决策者的缺货惩罚系数依次减小,且均衡利润产品中的损失规避报童订购量等于风险中性的报童订购量;高利润产品中的损失规避报童订购量小于风险中性的报童订购量;而低利润产品中的损失规避报童订购量大于风险中性的报童订购量.     

高速铁路车站作业过程的TCPN仿真通用模型

高速铁路车站作业系统仿真是进行车站作业过程的进路排列与到发线运用等问题研究的有效方法,并可对车站各项设备使用状况进行详细分析.已有的仿真手段存在建模过程复杂、可重用性不足等问题.针对铁路客运站作业系统仿真问题提出了基于赋对有色Petri 网的与车站站型布置不直接相关的高铁车站作业过程通用性模型,用于各种站型布置的高铁车站作业过程的仿真及优化,可以适用于有不同作业类型的高铁车站仿真,该模型具有计算效率高、通用性强、优化方法灵活等特点.     

基于城市轨道交通调度指挥仿真系统的实验教学研究

针对我国城市轨道交通快速发展而产生的专业人才培养需求,构建技术先进、环境逼真、功能完备的城市轨道交通调度指挥仿真实验系统,分析仿真系统的功能、设备构成、仿真原理及流程。依托仿真系统,以学生能力培养为核心,按照"层次化、个性化、协同化"的教学理念,设计验证型、综合型、设计型实验项目,并采取科学的教学组织及评价方案,有效地培养了学生的创新实践能力和灵活运用理论知识解决实际问题的能力,促进了学生知识、能力和专业素质的协同发展。     

基于车站仿真和LSTM的轨道交通换乘站动态性能评估方法

在轨道交通客流量快速增长的背景下，为有效评估换乘车站运营过程中动态性能，提出基于机器学习的换乘站动态性能评估方法。基于提出的有效换乘人数、换乘时间和拥挤度的动态性能评价指标，深入分析了车站动态性能的影响因素，利用考虑行车与行人的换乘车站仿真模型提供机器学习所需的时间序列数据，采用长短期记忆(long short-term memory,LSTM)的机器学习方法，建立评价指标的预测获取方法，动态获取车站在不同条件下的运营状况。以犀浦站为例，运用仿真模型构建的2.24万个样本来训练预测模型。预测结果证明了预测模型的精度，并量化了购票比例对车站动态性能的影响。所提方法能够为轨道交通换乘车站换乘组织和客运作业提供有效建议。     

基于预警文本信息的调度命令智能生成模型

提出调度命令智能生成模型,该模型由神经网络和调度命令修正模块两部分组成。基于长短时记忆(LSTM)网络构建序列-序列(seq2seq)模型,将预警文本信息作为模型的输入进行训练,提出五种调度命令修正策略并分别对五种易错信息进行修正,最终得到调度命令。结果表明:该模型具有利用预警文本信息生成调度命令的能力,引入的调度命令修正模块能够有效提升调度命令生成质量。     

基于时空资源的铁路客运站到发线运用调整

从离散化的到发线时空资源的微观描述出发,研究列车加权总晚点时间与到发线使用费用之和最小为优化目标的客运站到发线运用方案调整方法,以保证列车运行安全、满足列车在站到发作业要求为约束条件,建立了求解客运站到发线运用方案调整问题的线性0-1规划模型,并设计了求解模型的遗传模拟退火算法,以快速得到问题的满意解.同时,以某一客运站为例对模型和算法进行验证,结果表明,该模型较好地描述了实际问题,并能在较短时间内获得满意解,实现了客运站到发线运用的实时调整,并为列车调度员随后的列车运行调整工作提供依据.     

基于多智能体仿真的城市轨道交通限流策略

针对高峰时段城市轨道交通线路过饱和客流的运输效率问题,基于地铁线路的网络拓扑结构与客流需求矩阵,建立了以客运周转量最大为目标的城市轨道交通线网限流的多智能体仿真模型。该模型以Anylogic软件为建模基础,通过构建列车类、线路类、路网类、乘客类等4类智能体,实现了乘车限流、站台限流和闸机限流等客流控制手段,提出了针对单线多站地铁线路的全线协调的客流控制策略。规模为23个车站、122 933对OD（起讫点）的某条地铁线路的客流控制实验结果表明,限流提升了1.01%的总客运周转量。     

基于数字孪生的铁路客运站技术作业实时调度方法

为提高铁路客运站作业调度水平，降低列车延误影响，采用数字孪生技术构建铁路客运站技术作业模型，通过实时数据采集，基于随机森林的作业时间预测，作业模拟以及智能决策，提出基于数字孪生的铁路客运站技术作业实时调度方法。将此调度方法应用于某实际铁路客运站中，实验结果表明：该方法能对实际作业进行高精度预测及模拟；使用三种数字孪生决策规则能有效降低列车作业延误。研究论证了该数字孪生模型能应用于实际车站管理，提高作业实时调度水平。