高峰时段铁路车站晚点时长分布规律

基于运行实绩对高铁车站在早晚高峰时间段下的晚点时长分布规律进行研究，为行车人员提供行车指导，辅助行车人员充分估计晚点时长特征及预测晚点发展态势，更好地进行调度决策。首先描述高速铁路沪昆线上的运行实绩数据，并统计出早晚高峰时段下的车站晚点时长数据。然后，结合统计模型构建车站在早晚高峰时间段下的晚点时长分布模型，并比选确定出最优的晚点时长分布模型。最后，对车站在早晚高峰时段下的晚点时长分布特征进行归纳总结，相关研究结论能为列车晚点传播机理以及智能高铁调度指挥系统提供基础支撑。     

基于SIR模型车站晚点传播仿真研究

为进一步减小铁路网车站大面积发生晚点对日常行车组织的影响,本文主要运用复杂网络的病毒传播动力学理论来分析路网中列车晚点的传播扩散情况,通过建立基于SIR模型的车站晚点传播模型,分析了列车在车站晚点时的晚点传播机制。在此基础上,对单个车站晚点半小时、单个车站晚点不同时间、多个车站同时晚点半小时三种不同情况下车站的晚点传播情况进行仿真模拟。最后针对三种情况下的仿真结果提出相应的晚点传播控制措施,为制定车站发生晚点时的应急预案提供一定参考。     

基于极大代数的城际高速列车晚点传播研究

长三角城际铁路网客流量大、行车密度高,初始晚点产生概率增大,列车不能及时恢复正常运行,会造成大规模的列车连带晚点。通过对晚点传播基础特性的分析,基于极大代数的离散事件动态系统晚点传播模型,以长三角城际铁路网为例,通过对晚点传播的描述和推演,评价给定的列车运行图稳定性和鲁棒性。在此基础上提出3个运行图的调整策略,通过模型计算和分析,评价策略的适用性。     

高速列车晚点传播的SIS传染病模型

晚点传播理论是铁路列车运行图优化和行车指挥的基础理论。本文基于武广高速铁路运行实绩,建立晚点传播的SIS传染病动力学模型,并根据平稳性理论探索系统内晚点传播的最终趋势。模型通过晚点有效传播率、治愈率、增晚率和恢复率四个指标将状态变量和过程变量相结合,刻画了晚点传播的完整演变过程。系统内基本再生数小于传播阈值,因此在无重大干扰的情况下,预测晚点情况将逐渐恢复。     

行车间隔对高速铁路运行图可靠性影响仿真研究

高速铁路列车高峰时段行车间隔时间是决定列车运行图抗干扰能力和运输能力的主要因素。以晚点列车数、晚点总时间、冗余时间利用率和正点率作为评价指标,运用高速铁路调度指挥仿真系统研究列车行车间隔时间对运行图可靠性的影响。结果表明:在无系统干扰下,列车运行图保持高可靠性;在5min和10min行车干扰下,采用5min的行车间隔可保证运行图的可靠性;行车间隔5min实验方案受干扰大于10min时,晚点纵向传播程度大幅增大,为保证运行图可靠性前提下,宜采取8min行车间隔运行图。     

高速铁路列车运行图均衡性研究

以相邻间隔时间期望方差及相间间隔时间均值和方差为计算指标,描述车站的列车分布及顺序均衡性。运用均衡性指标矩阵及均衡度指标向量来评价列车实际与计划运行图的均衡性。结果表明,由于干扰影响列车间隔时间大小波动明显,列车到达均衡性整体优于列车出发均衡性,长沙南站时间间隔分布及顺序均衡性最差,衡山西站、株洲西站、长沙南站到发均衡度最差,应结合列车晚点情况重点考虑运行图结构优化。     

动车组列车客座率预测方法研究

列车客座率作为列车运营效益的直接衡量指标和计算客票收入的重要基础,客座率的科学预测可为运输企业增开列车等运营决策提供重要参考。本文探讨利用BP神经网络方法研究列车客座率预测的适用性。首先分析列车客座利用率的12类影响因素,其中结合具体线路细化停站结构为n级,则影响因素变量为n+10个;其次以影响因素变量为自变量,列车客座率为因变量,生成多层感知器进行要素分析并预测客座率。结果表明MLP模型预测精度较高,可用于动车组列车开行方案稳定或小范围调整时期的列车客座率预测。     

高铁列车运行图动态性能评价指标重要度分析

列车运行图动态性能的优劣,影响着高速铁路的运营质量,一般通过静态性能和动态性能两个方面对其进行评价。运行图的静态性能是以运行图为基础,静态评价指标是通过直接查定列车运行图得到的,仅凭借静态性能不能真实的反映运行图的优劣。运行图的动态性能是指列车运行图在实施过程中承受各种随机因素扰动的能力,可以从列车运行线和列车运行图两个层次来反映,论文重点从晚点概率、晚点时间、连带晚点概率、晚点传播影响区长度四个方面,构建了高速铁路运行图动态性能的评价指标层次结构,并详细描述了指标的计算方法。采用层次分析法的思路,计算了运行线和运行图动态评价指标的重要度。利用指标的重要度,可以确定运行图中的关键列车运行线,以及评价运行图的动态性能。     

基于TE-LSTM组合模型的短时交通流预测

为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于传递熵（TE）变量选择和长短时记忆（LSTM）神经网络模型的城市道路交通流预测方法。根据传递熵选取与被测对象时空因果关联性强的影响因素，将筛选所得的因素作为输入变量，建立TELSTM组合预测模型。采用自动车牌识别数据对算法进行训练和实验，并与基于随机森林（RF）、递归特征消除（RFE）、前向选择（FA）的LSTM组合预测模型对比。结果表明：TE-LSTM模型对道路交通流的预测准确度最高，交通流量预测的MAPE低于5%，在满足实际交通管理和控制的数据精度要求的同时，降低了预测模型的变量维度和复杂度，提升预测效率。     

基于组合模型的公路客运量预测研究

随着客运量与经济发展的联系越来越密切,如何更科学有效地对客运量进行预测变得越来越重要。文章分别介绍了灰色系统法、时间序列法、Elman神经网络及组合预测的方法原理,并以兰州市公路客运量为例,运用灰色模型、时间序列模型和Elman神经网络模型的组合模型进行客流预测,验证了该组合模型的合理性。