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。     

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。