大客流冲击下北京市轨道交通网络稳定性

为了减少轨道交通站点运营不稳定现象的发生,优化轨道交通网络结构,提升网络运营效率,对大客流冲击下的轨道交通运行稳定性进行研究。以北京市轨道交通网络为例,采用L空间法构建以轨道站点为节点、相邻站点线路为连边的北京市轨道交通网络模型;仿真分析了节点度、平均路径长度、聚类系数、网络直径、网络效率等特征参数值和其分布规律。根据事件类型将站点分为功能减弱站点和功能中断站点,并分别采用客流传播模型和网络效率模型,仿真量化了不同事件类型发生背景下的网络稳定性。研究结果表明:现阶段北京市轨道交通网络具有无标度网络的特征,网络可达性较好,聚类系数较小,网络连通性有待提高;当换乘站因超大客流出现而功能减弱时,若相邻站点数S≤7时,网络中拥挤站点拥挤状态可自行消退,且相邻站点数与拥挤消退所需时间呈负相关;当换乘站出现功能中断时,网络效率值会显著降低,破坏站点的重要度系数在(0.75,1]范围时对网络效率的影响最大,在(0,0.5]范围时对网络效率的影响最小。该研究结果为及时发现轨道网络关键点及其薄弱环节,保障超大客流背景下的城市轨道交通网络安全运营提供依据,也为大客流冲击下的北京市轨道网络应急方案的制定提供决策支持。     

面向再生制动能利用的地铁列车时刻表优化模型

通过对列车时刻表进行优化,可以使再生制动能量最大程度的被牵引列车利用,进而可以减少地铁列车的牵引能耗,达到节能运行的目标.在充分考虑地铁系统首、末班车服务时刻不变和列车旅行时长限制等情况下,提出一种通过时刻表优化实现再生制动能量利用最大化的新问题,并建立了其数学模型,设计了一种基于人工蜂群的智能优化算法来求解该问题.在此基础上,基于北京地铁燕房线的实际数据进行了仿真实验.结果表明:优化后的列车时刻表能够在较少影响地铁系统服务质量的前提下,比既有列车时刻表再生制动能利用量提高132.29%.同时,通过与遗传算法进行对比,证明了基于人工蜂群的智能优化算法求解时刻表优化问题的有效性.通过对列车运行存在不同程度干扰时的再生制动能量利用情况进行仿真分析,证明了所获得的优化时刻表的鲁棒性.     

客货共运模式下高铁列车货运兼办方案优化

以当前高铁快递运输的客货共运模式为背景,研究高铁列车货运兼办方案优化问题.通过分析客货共运模式下货运办理站选择对货物运输、客运列车时刻表与停站方案的影响,以货运办理站选择、货物运输、列车时刻表与列车停站方案为主要决策变量,以极小化旅客旅行时间和未满足货物惩罚成本为目标,构建客货共运模式下基于货运办理站方案选择的货物运输与列车时刻表、列车停站方案一体化优化混合整数线性规划模型.当给定货运办理站选择方案时,本文所构建模型即可转化为传统的客货共运模式下货物运输方案优化模型.以武广高铁为例,设计数值实验,采用C++语言编写程序调用Cplex优化软件对模型进行求解,验证了模型的正确性与合理性.算例结果表明：通过对货运办理站、货物运输方案、列车时刻表和停站方案进行一体化优化,可在尽可能减小货物运输对客运影响的基础上,充分利用高铁线路列车时空上剩余能力,在旅客旅行时间仅增加0.68%、列车停站数量仅增加1.24%的情况下,运输近68%的货物需求,增加铁路部门收益.     

高速铁路中间站股道规模配置与列车时刻表的综合优化

高速铁路中间站的股道规模是影响线路通过能力和运输效率的重要因素;由于在高速铁路的规划阶段,很难对线路的远期客流情况进行预估,因此在运营一段时间后,往往需要通过修建侧轨或站台的方式,对线路沿线的中间站的轨道规模进行更新配置。对于高速铁路来说,其线路上运行的列车均为动车组列车,列车的追踪间隔短,发车密度大,在中间站的停站时间不能过长,一般都以快进快出的运营模式进行运营;同时高铁修建和运营具有高成本属性。文中以改建施工成本和总旅行时间作为评价目标,以列车时刻表与中间站股道数量的耦合关系为约束,构建了综合优化模型。在将约束线性化的基础上,借助商业优化软件GAMS和其集成的CPLEX求解器对模型进行了求解。算例结果表明：将中间站的股道规模配置情况和列车时刻表进行综合优化,一方面能够在时刻表中较好地确定列车越行和折返的站点,另一方面能够在最低施工成本的情况下最大限度地满足未来客流的需求。     

列车运行能耗与乘客换乘时间协同优化研究

为减少轨道交通系统运营总能耗和乘客换乘时间,以列车的在站停留时间为决策变量,建立了一种协同优化的时刻表优化模型,并设计了求解该模型的遗传算法。应用北京地铁五号线和亦庄线的实际数据展开算例研究,验证模型和算法的有效性。结果表明,该研究较优化前的轨道交通系统总能耗减少5.15%,乘客换时间减少17.66%。     

列车运行能耗与乘客换乘时间协同优化研究

为减少轨道交通系统运营总能耗和乘客换乘时间,以列车的在站停留时间为决策变量,建立了一种协同优化的时刻表优化模型,并设计了求解该模型的遗传算法。应用北京地铁五号线和亦庄线的实际数据展开算例研究,验证模型和算法的有效性。结果表明,该研究较优化前的轨道交通系统总能耗减少5.15%,乘客换时间减少17.66%。     

基于动态可达性的城轨末班车时刻表优化

对城市轨道交通动态可达性及末班车时刻表的研究,是优化轨道交通末班车换乘衔接,保证运输效益最大化的基础.首先,从点、线、面三个层面,在综合考虑路网静态拓扑结构及动态OD(Origin-Destination)客流的基础上,提出城市轨道交通动态可达性指标及其量化方法;其次,面向广州市轨道交通网络,基于OD客流需求进行网络客流加载并评价轨道交通网络可达性;最后,以动态可达性最大为目标,考虑各线路发车时间等约束,建立末班车时刻表优化模型,并以广州地铁为例,基于遗传算法对其末班车时刻表进行调整优化.结果表明:调整后广州地铁路网末班车静态可达性提高20.29%,动态可达性提高10.97个百分点,优化后的末班车时刻表能有效提高运输能力,该模型可为网络运营组织提供决策依据.     

地铁信号系统时刻表上传及优化方法探析

地铁信号系统中的时刻表决定着列车的准点率,是ATS的重要组成部分,该文对上传时刻表上传方法的局限及优化方法进行说明,阐述了时刻表的概述、时刻表包括的内容及编制,原有时刻表的上传方法,总结出了原有时刻表上传时,对超过零点的时刻表会导致在WINDOWS系统和LINUX系统的转换出现问题,并根据实际经验和理论分析,通过实践得到了时刻表上传的优化方法,解决和优化了系统存在的问题,提高了地铁的运营效率和安全性,收到了良好的效益。     

基于差异化换乘感知的轨道交通末班车衔接优化

末班车衔接优化中难于协调的两个关键因素是最大限度减少换乘乘客等待时间和尽可能避免乘客换乘失败.针对末班车时段,重点考虑乘客对换乘满意度的差异化感知,分析换乘站乘客换乘过程及列车接续过程.选取各线路末班车时段内第一趟列车的发车时间为决策变量,以乘客换乘感知费用总和最小为目标,构建全网条件下末班车时段多趟列车的时刻表衔接优化模型,设计多种群遗传算法进行求解.以成都市轨道交通网络为例,对模型及算法进行应用与验证.结果表明:与现有的轨道交通末班车衔接方案相比,通过采用本文提出的模型及多种群遗传算法,成功换乘客流量增加了3.1%,乘客换乘感知费用总和减少了29.7%,有效提高了末班车时段列车接续效果,为网络化运营组织提供重要依据.     

面向协同调度的公交时刻表鲁棒优化模型

为实现公共交通网络协同调度,以网络内总换乘负效用最小为目标,构建了考虑公交车辆运行随机性的时刻表鲁棒优化模型.线路间换乘衔接关系、公交车辆首站计划发车时刻、站点间运行时间和站点处停靠时间为模型主要输入参数,用于求解各线路首站计划发车时刻最优偏移量.由于所建优化模型为非凸规划模型,设计了包含蒙特卡洛仿真方法的遗传算法以获取模型近似最优解.最后,基于算例验证了公交时刻表鲁棒优化模型与遗传算法的可行性.结果表明,与现有时刻表相比,优化后时刻表可减少约22%的总换乘负效用,能有效改善公交网络内换乘服务.此外,与枚举算法求解结果的对比分析验证了遗传算法可行且高效.     

基于理想点法的高速铁路列车停站方案优化

针对高速铁路列车停站方案优化问题,结合铁路运输按流开车、大客流优先的特点,根据乘客对列车的选择方式,即乘客会选择在途时间最短的列车,提出了一种适用于铁路的客流分配方式,并命名为大客流优先分配法.建立了以列车总停站次数、列车空费能力、旅客时间损失最小为目标,满足客流、列车运输能力、每辆列车停站次数、始发终到站及重点车站停站约束的多目标高速铁路列车停站方案优化模型,并设计了以理想点法为适应度函数的遗传算法进行求解.最后,对京沪高铁的实例进行验证.研究表明：优化后列车停站方案的总停站次数降低了7.92%,列车空费能力降低了19.84%,旅客损失时间降低了41.52%.研究成果可为列车停站方案的制定提供合理参考.     

基于改进k-means的公交时刻表关键站点选择研究

关键站点是编制公交时刻表的基础,合理地选择能提高公交运营的准点率和公交时刻表的执行率,有效改善公交服务质量。目前公交时刻表的关键站点主要根据人工经验来选择,基此提出一种利用车辆运营GPS数据,采用改进k-means聚类算法分析选择关键站点的方法。通过GPS数据预处理,提取各个站点的时间特征值,对普通k-means聚类算法进行改进,通过粒子群优化算法PSO初始化聚类中心,利用三角形不等式提高运行效率,利用改进的k-means算法聚类分析得到公交时刻表的关键站点。以珠海市公交的案例分析表明,本文所用的改进k-means算法聚类分析具备可行性,改进算法的分析结果更加贴切实际调查数据。     

面向拥堵传播阻断的城轨站点分类

针对拥堵客流的传播阻断问题,研究了一种城轨站点分类方法.首先,通过分析影响站点拥堵传播阻断能力的相关因素,选取了站点客流量、站点运输能力和拓扑位置指标构建指标体系;其次,采用SOM神经网络和模糊分类算法对多指标数据进行分类,获取了不同时段下具有不同拥堵阻断能力的站点类别,实现面向拥堵传播阻断的站点分类;最后,采用北京市轨道交通实际运营数据对模型进行验证.研究结果表明:该方法能够在城轨系统不同时段下,随着客流量和运输能力的变化,准确识别不同类型的站点,并为后续研究城轨网络的大客流拥堵传播模型提供站点参数分析依据.     

一种基于灰色马尔科夫的大客流实时预测模型

为分析和处理大型活动期间轨道交通大客流的预测预警问题,本文构建了一种基于灰色马尔科夫的大客流实时预测模型.以各类大型活动的历史OD客流数据为基础,利用灰色预测算法对客流数据建立灰色模型,然后建立马尔科夫修正模型,最后利用预测误差对灰色预测结果进行修正得到最终的预测大客流值.实验采用北京轨道交通OD客流数据和标准评价方法,实时预测五棵松体育馆举办的CBA决赛对五棵松地铁站产生的出站大客流,预测结果表明模型是有效的,对真实的大客流预测具有较好的效果.     

突发事件下城市轨道交通列车时刻表调整及系统实现

为提高突发事件下城市轨道列车时刻表编制工作的效率,本文基于地铁运营商常用的调度手段,采取不同的调整策略,应用SQL Server 100数据库和VC++2013对列车时刻表进行调整。以北京地铁1号线列车时刻表为例,在部分区间完全封闭的情况下,实现开行小交路的仿真方案。结果表明,本文提出的调整策略使突发事件下的时刻表编制工作更高效、列车运行调整更便捷,同时减小了与突发事件下实际调度手段的偏差,在应用中更容易实现。     

基于客流需求的城市轨道交通行车计划与列车时刻表优化

满足客流需求和提高运输效率对提高城市轨道交通的吸引力具有重要作用。为平衡城市轨道交通运力、客流需求以及运输效率,对城市轨道交通行车计划和列车时刻表的优化进行研究。首先根据客流需求制定行车计划,然后在此基础上以列车运行安全和运力为约束条件,建立以乘客在站台等待时间最小化为目标的优化模型,并设计遗传和声算法求解该模型。通过算例进行分析计算,得到了满足要求且合理的列车时刻表,该研究可以为匹配城市轨道交通运输资源和客流需求提供决策依据。     

考虑运营与服务平衡的公交时刻表优化研究

发车时刻表的编制是公交运营调度中的重要工作,为简化公交公司设计发车时刻表的过程与难度,平衡发车运营过程中公交公司与乘客的利益,提出了考虑运营与服务平衡的单线公交时刻表优化方法,将时刻表的制定流程简化为每班车发车时刻的确定.分别建立模型计算发车运营成本与期望服务价值,模型中对各站点乘客累计等待时间的计算考虑了车辆到达各站...     

基于客流需求的城市轨道交通行车计划与列车时刻表优化

满足客流需求和提高运输效率对提高城市轨道交通的吸引力具有重要作用。为平衡城市轨道交通运力、客流需求以及运输效率，对城市轨道交通行车计划和列车时刻表的优化进行研究。首先根据客流需求制定行车计划，然后在此基础上以列车运行安全和运力为约束条件，建立以乘客在站台等待时间最小化为目标的优化模型，并设计遗传和声算法求解该模型。通过算例进行分析计算，得到了满足要求且合理的列车时刻表，该研究可以为匹配城市轨道交通运输资源和客流需求提供决策依据。     

基于客流需求的列车时刻表和车底调度协同优化

随着城市规模的扩大,对城市轨道交通的需求日渐增长,对城市轨道交通的运营服务质量提出了较高要求。根据乘客需求,以最小乘客总等待时间和城市轨道交通系统运营成本为综合目标,建立混合整数规划模型。通过模拟退火算法,设计给出了某一线路的列车时刻表和车底调度方案,并通过算例分析验证其可行性。结果表明,该模型可以根据乘客需求设计出一个合适的列车时刻表和车底调度协同优化方案。     

基于欧洲列车时刻表的高速列车行车组织方案

通过对欧洲列车时刻表等相关数据的统计和分析,总结欧洲主要类型高速列车基于路网节点系统的行车组织特点及规律,包括列车开行方案中的列车起迄点选择、停站方案设计、列车之间的接续和换乘、直达与中转换乘方案结合方式、时刻表结构和高速列车下线运行方式等,并结合我国实际路情提出建议方案,欧洲的一些先进的设计理念对我国未来快速客运网中高速列车的行车组织方案的研究具有借鉴意义.