融入偏好信息的列车运行过程多目标优化算法

列车运行过程优化是一个多目标、大滞后、非线性的极其复杂的优化问题.为了更好地解决上述问题,以列车能耗、舒适性、停靠准确性和运行时间为控制目标,以列车运动动力学方程为约束,建立了列车运行过程的多目标优化模型,提出了一种融入偏好信息的列车运行过程多目标遗传粒子群算法.提出的改进策略具有以下优点,在融入偏好信息的基础上通过控制粒子群中个体在解空间的分布能够更好地保持粒子群多样性,从而在进化过程中具有更明显的全局收敛的指向作用.仿真得到的速度距离曲线表明,在列车及其运行线路相同的情况下,本文所提出的算法性能较佳、寻优结果较好.     

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

高速列车动态间隔优化的弹性调整策略

为保证列车运行安全性, 提高铁路线路运载效能, 针对移动闭塞系统, 研究了高速列车追踪运行的间隔弹性调整策略和操纵轨迹的动态优化问题; 以高速列车运行安全性、效率、能耗和乘客舒适度作为列车运行控制策略曲线的优化目标, 研究了列车的追踪运行过程; 采用差分进化算法求解了列车运行过程多目标优化模型, 设计了离线最优运行控制策略曲线; 提出了列车弹性追踪间隔模型, 分析了列车运行过程中追踪间隔的实时变化; 基于弹性间隔模型设计列车追踪运行控制策略动态调整机制, 采集列车实际运行数据, 实时监测相邻列车间的实际追踪间隔, 评估其是否符合安全性与效率约束条件, 并分析了评估结果; 依据工况调整原则在线调整追踪列车的运行状态与工况, 实时优化列车追踪间隔; 应用武广高速铁路赤壁北—长沙南区间的实际运行数据进行了仿真验证。仿真结果表明: 与真实区间运行数据相比, 采用离线最优运行控制策略曲线后, 运行能耗降低了6.86%;与固定追踪时间间隔模型相比, 采用基于弹性模型的控制策略动态调整机制有效提升了铁路整体运输效能, 将临界安全发车间隔从234 s缩短至161 s, 线路整体运行效率由6 434 s缩短至6 376 s, 与真实运行数据相比, 追踪列车的运行能耗降低了7.194%。      

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果，本文针对列车运行准时性、运行能耗和舒适度3个目标，提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先，建立城轨列车运行过程的多目标优化模型；然后，通过采用精英镜像初始化策略、引入参数自适应和多变异策略，提升多目标差分进化（MODE）算法的性能，并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较，验证了所提算法的优越性；最后，结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明，改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势，同时在列车节能优化问题中具有较强的实用性。     

混合动力列车电源系统控制策略

为了实现混合动力列车的计算仿真,建立混合电源系统模型,并提出一种混合电源系统控制策略.在此基础上,通过对混合电源系统与列车纵向动力学系统的耦合分析,给出了基于该电源系统控制策略的列车运行目标速度曲线计算算法.利用MATLAB/Simulink对系统建模,对列车在某线路上的运行过程进行了仿真.仿真结果表明,系统控制策略能够满足列车的运行性能,列车自动控制(ATC)系统能够精确的控制列车跟踪计算的目标速度曲线运行,混合电源回收了41%的再生制动能量, 控制策略和目标速度曲线计算算法达到了设计目标.      

基于乘客等待时间的城市轨道交通列车运行调整模型

研究突发事件导致列车晚点情况下城市轨道交通列车运行调整问题．从乘客角度出发,提出了“首站控制”和“多站协调控制”两类列车运行调整策略．考虑列车能力约束和列车区间运行时间、追踪间隔时间等运行条件约束,以受突发事件影响的全部乘客等待时间最小为优化目标,建立了基于两类调整策略的列车运行调整模型,采用Lingo软件进行求解．以某简化线路为算例,与不采取控制策略相比,两类策略下乘客等待时间均节省约9％,结果表明了模型的有效性,能够为轨道交通列车运行调整提供辅助支持．     

考虑列车总晚点和到发均衡性的地铁列车运行调整 方法研究

当城市轨道交通列车在运行过程中因设施设备失效、司机操纵不当、上下车客 流过多等外部因素发生晚点时,需对晚点列车的计划运行时分进行调整.为保证城市轨道 交通系统服务水平和降低车站站台客流集聚过多或列车过于拥挤造成的安全隐患,本文 构建以减少列车总晚点和提高列车到发均衡性为优化目标的列车运行调整模型,并采用 遗传算法进行求解.案例分析表明,本文提出的模型和算法可以较快地求出满意的列车运 行调整方案.通过调整遗传算法适应度函数的权重系数可以平衡调整方案中的列车总晚 点时分和列车到发均衡性.在人工驾驶的线路上,与各列车赶点运行调整策略相比,本文 提出的列车运行调整方法可以在降低列车总晚点时分的同时显著提高列车到发均衡性.     

考虑轮轨黏着的高速列车多目标速度曲线优化

高速列车运行环境复杂多变，现有的给定运行速度目标曲线主要考虑列车运行的安全性和正点性，难以改善列车的其他运行性能。为了满足高速列车日益增加的行车需求，并改善列车的运行性能，针对安全、节能、正点及舒适多个目标，考虑轮轨间最优黏着，提出一种改进的多目标运行速度优化方法。首先，在满足区间限速以及列车动力学模型约束的前提下，建立安全、节能、正点、舒适4个评价指标，构成高速列车运行过程多目标优化模型；其次，在节能模型中考虑轮轨间黏着的影响，优化牵引/制动力使得其保持在最优黏着范围内，节约运行能耗；最后，采用基于参考点的非支配排序的优化算法（NSGA-Ⅲ）对多目标运行速度曲线进行优化。对真实线路的仿真验证表明，本文提出的考虑轮轨黏着的优化效果显著提高，尤其在节能方面；优化算法相较于GA和NSGA-Ⅱ，NSGA-Ⅲ算法在收敛效果和收敛速度上均为更优。     

MOPSO中精英保持策略和最佳解选择方法的改进

为提高多目标微粒群优化(MOPSO)算法处理高维目标优化问题的性能,降低计算复杂度,改善算法的收敛性,对MOPSO算法进行了改进.该改进算法利用扩展E支配 (E-dominance) 方法确定解之间的优胜关系,采用随机方式确定当代最佳解,考虑了算法的收敛性和解的多样性.此外,采用外部种群档案保存精英解,利用非线性函数将优化问题的目标空间映射到有限区域,并在该有限区域内考虑解的优胜关系和分布情况.通过对一系列典型测试问题的仿真研究,结果表明:对于3个以上的多目标优化问题,改进算法的收敛性和计算复杂度都优于原始MOPSO和NSGA2.     

基于多叉树的延误高速列车运行优化调整方法

高速列车高密度的运行模式,使列车运行对延误的敏感度非常高.因此,延误高速列车运行调整成为一个重要的研究问题.本文基于高速铁路列车运行特点,建立了高速铁路列车运行关系模型.在此基础上随机添加列车延误,设计区间加速、按图行车、减少停站时间、减少越行、增加越行、按最小间隔时间顺延及按延误时间运行等 7种列车运行调整方法.以各列车在各车站的总延误时间最小为优化目标,建立延误高速列车运行优化调整模型,并设计了基于分阶段多叉树的延误高速列车运行优化调整算法以实现延误后列车运行的调整,从而得到最优调整方案及列车在各车站的延误总时间.最后以京沪高速铁路实际运行图作为案例进行计算分析,证明该模型和算法的有效性和可行性.     

Research on Multi-Objective Real-Time Optimization of Automatic Train Operation (ATO) in Urban Rail Transit

The determination and optimization of Automatic Train Operation (ATO) control strategy is one of the most critical technologies for urban rail train operation. The practical ATO optimal control strategy must consider many goals of the train operation, such as safety, accuracy, comfort, energy saving and so on. This paper designs a set of efficient and universal multi-objective control strategy. Firstly, based on the analysis of urban rail transit and its operating environment, the multi-objective optimization model considering all the indexes of train operation is established by using multi-objective optimization theory. Secondly, Non-dominated Sorting Genetic Algorithm II (NSGA-II) is used to solve the model, and the optimal speed curve of train running is generated. Finally, the intelligent controller is designed by the combination of fuzzy controller algorithm and the predictive control algorithm, which can control and optimize the train operation in real time. Then the robustness of the control system can ensure and the requirements for multi-objective in train operation can be satisfied.     

基于多速度调控的城轨列车区间运行策略优化

针对城市轨道交通区间运行时分要求,将列车在区间的最高运行速度、最低惰行速度作为速度参数,提出多速度参数调控的城轨列车区间运行策略优化问题。考虑线路平纵断面、列车性能等的影响,以及区间限速、运行时分限制等约束,以区间运行能耗最小化为目标,建立均布质量模型下的给定运行时分下基于多速度参数调控的列车运行节能优化策略模型,优化确定各速度参数取值和对应的区间运行控制方案,设计针对多速度参数综合调控的模拟退火求解方法。以广州地铁8号线中大-晓港为例,测算不同时分下的运行控制方案。结果表明：最高运行速度参数可有效控制区间运行时分取值;最低惰行速度的合理取值可显著降低能耗,最多可降低4.68%;列车操纵模式的确定需综合考虑区间运行时分、节能效果和惰行次数,节能操纵模式在较长运行时分下节能作用更为显著。优化结果可为城轨节能化列车运行组织提供决策支持。     

基于动态规划的列车节能运行两阶段优化方法

针对地铁列车多站间节能运行优化问题，提出将列车节能驾驶优化过程和时刻表优化过程结合的两阶段优化方法，分别求解两优化过程的全局最优解，从而获取列车在多站间运行的最优操纵策略. 首先考虑节能和节时两个目标，构建列车节能驾驶多目标优化模型，结合动态规划多阶段寻优思路，建立一系列包含多个过程指标及约束的子阶段求解模型，逆序求解后获取列车站间运行最优操纵策略的Pareto前沿；其次建立时刻表优化模型，基于动态规划方法，调用各站间Pareto前沿，搜索站间运行时间最优分配方案；最后以北京地铁亦庄线为例，验证两阶段优化方法的有效性和高效性. 试验结果表明，与最速操纵策略相比，经过两个阶段优化后的列车牵引能耗分别降低了53.87%和54.69%，两阶段优化过程分别用时258.90 s和0.08 s.      

考虑跳停策略的城轨列车运行图与车站限流协同优化研究

为应对日趋严重的地铁系统拥堵问题及客流过饱和情况，从系统优化角度出发，将服务供给侧与需求侧综合为一个整体进行研究。考虑乘客的持续性到达特征，提出考虑跳停策略的城轨列车运行图与车站限流协同优化方法。首先，引入列车运行图与车站限流相关决策变量，以提高列车运行效率、减少客流乘车延误人数为优化目标，建立轨道交通列车运行与车站限流协同优化双目标整数非线性规划模型。其次，为便于模型求解，引入0-1变量，使用时间重构和大M方法将模型中的非线性约束线性化处理，将模型重构为整数线性规划模型，利用CPLEX软件求解。算例结果表明，双目标优化方法与传统单目标优化方法相比，相较于仅考虑列车服务时间，本文模型可使客流乘车延误人数显著减少；相较于仅考虑客流乘车延误人数，本文方法可使列车服务时间降低2%~3%。     

基于遗传算法的追踪列车节能优化

为了研究追踪列车的节能优化操纵策略,提出了四显示固定闭塞系统下的列车静态速度约束条件和追踪列车动态速度约束条件.在此基础上,建立了以列车操纵手柄级位和工况转换点为控制变最的追踪列车节能优化模型.采用染色体长度可变多目标遗传算法,结合外部惩罚函数对该模型进行了求解,并利用遗传算法中的染色体变长算子对列车操纵手柄变换策略进行了优化.在四显示固定闭塞平台上的仿真结果表明,该方法可在安全、准点的前提下,使追踪列车的能耗下降4.3％,运行时间误差减小1.7％.     

·���е��г����ܲ����Ż������о�

在铁路网络中,列车运行通过车站时可能会受到其他运行线列车运行的干扰,本文对列车运行受干扰时的节能操纵优化进行了研究。根据问题的数学描述和列车运行动力学方程,建立了最优化模型,并采用变长度染色体遗传算法,结合工况序列表,对问题进行了求解。通过仿真计算,给出了受干扰时列车运行的速度距离曲线,与无干扰时的速度距离曲线进行了比较,分析了速度、时间之间的相互变化,并结合能耗距离曲线,揭示了列车节能操纵的一些原则,最后将运算结果与其他方法计算出的结果进行了比较。比较结果表明,变长度染色体遗传算法是一个有效的算法,可以很好地应用在列车节能操纵优化的研究中。     

定时条件下列车节能操纵研究综述

在简单介绍了定时条件下列车节能操纵问题的定义和研究意义的基础上,归纳出了近年来关于定时条件下列车节能操纵问题的三大类求解方法:能耗模型结合启发式算法寻优的方法、局部优化仿真计算结合全局寻优策略的方法,以及列车运行仿真结合启发式算法的方法,并且对其一一进行了简要的分析.文章在最后列出了前人总结的节能操纵策略并概括了该领域...