An optimization model for integrated planning of railway traffic and network maintenance

Railway transportation systems are important for society and have many challenging and important planning problems. Train services as well as maintenance of a railway network need to be scheduled efficiently, but have mostly been treated as two separate planning problems. Since these activities are mutually exclusive they must be coordinated and should ideally be planned together. In this paper we present a mixed integer programming model for solving an integrated railway traffic and network maintenance problem. The aim is to find a long term tactical plan that optimally schedules train free windows sufficient for a given volume of regular maintenance together with the wanted train traffic. A spatial and temporal aggregation is used for controlling the available network capacity. The properties of the proposed model are analyzed and computational experiments on various synthetic problem instances are reported. Model extensions and possible modifications are discussed as well as future research directions.     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于需求弹性的城市公交票价优化方法及实证分析

城市公交票价是公交系统健康发展的重要因素，票价制定需兼顾公交企业的市场性和公益性双重属性，在保证服务质量的同时，考虑运营成本和最大限度吸引公交需求，实现经济效益和社会效益的双赢.在本文中，根据用户均衡理论，构建了城市多方式交通出行的需求分析模型，采用灵敏度分析方法给出了城市公交价格-需求弹性的计算方法.在此基础上，充分考虑了各种方式的交通特征、公交需求弹性、公交运营成本及政府限价等因素，提出了城市公交票价优化的数学规划模型，并给出了求解算法.最后，以国内某城市居民出行调查及公交运营数据为基础，分析了不同条件下公交客运需求的变化规律及城市公交票价的优化策略.     

Policy packages for modal shift and CO2 reduction in Lille,France

This paper proposes different policy scenarios to cut CO₂ emissions caused by the urban mobility of passengers. More precisely, we compare the effects of the ‘direct tool’ of carbon tax, to a combination of ‘indirect tools’ – not originally aimed at reducing CO₂ (i.e. congestion charging, parking charges and a reduction in public transport travel time) in terms of CO₂ impacts through a change in the modal split. In our model, modal choices depend on individual characteristics, trip features (including the effects of policy tools), and land use at origin and destination zones. Personal “CO₂ emissions budgets” resulting from the trips observed in the metropolitan area of Lille (France) in 2006 are calculated and compared to the situation related to the different policy scenarios. We find that an increase of 50% in parking charges combined with a cordon toll of €1.20 and a 10% travel time decrease in public transport services (made after recycling toll-revenues) is the winning scenario. The combined effects of all the policy scenarios are superior to their separate effects.     

基于多源数据的公交车能耗碳排放测算模型

公交车能耗碳排放强度与车辆、线路和驾驶员有显著相关关系，为精准刻画其能耗碳排放强度特征，整合OBD监测数据、加油(气)数据、运营排班数据等多源数据资源. OBD监测数据和加油(气)数据呈显著的线性关系，证明修正后的OBD监测数据可满足分析要求. 搭建“速度-能耗碳排放强度曲线”测算模型，幂函数关系的拟合优度R2 =0.972 6 为最高. 实证研究发现，平均速度在10~60 km/h 变化时，液化天然气(LNG)车比柴油车能耗碳排放强度高 3.3%~33.7%，双层车比铰接车高2.4%~13.3%；LNG铰接车在不同线路、相同速度下的强度相差9.6%；不同驾驶员在相同线路的能耗碳排放强度可相差24.2%. 模型为各城市基于多源数据开展公交能耗碳排放目标设定提供数据支撑.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发，提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想，以真实数据构造10万条随机路径验证该方法的可行性，并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照，利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量，结合基础属性建立二项Logit模型，从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类，其结果对关键路段识别模型的性能有提升效用；行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性，虽然其个数与路段关键性无明显关系，但其与常见波动程度指标相关性小，可保留用于描述行程时间波动常发性和聚集性.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度，提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间，利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间；将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量，基于底层BPNN模型预测车辆在目标路段的行程时间，进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试，并与其他4 种模型进行比较. 结果表明，所提模型具有较高的预测精度，尤其在雨天，比传统BPNN模型预测精度提高57.25%.     

面向实际交通状态的混合动力汽车能耗和CO2排放模型

由于混合动力汽车与传统燃油车的能耗排放因子具有差异性，导致机动车交通路网能耗排放的量化评估存在不确定性。本文建立混合动力汽车在实际交通状态中的能耗和CO2排放因子测算模型，基于车辆比功率VSP(Vehicle Specific Power)作为车辆行驶状态与能耗排放之间耦合关系的表征参数。通过引入内燃机转速区分内燃机开启和关闭工作状态，并计算内燃机开启状态下VSP对应的平均能耗率，同时，建立能够解析混合动力汽车能耗排放产生机理的VSP分布。通过收集典型行驶工况下车辆测试油耗数据和北京市车辆实际行驶轨迹数据，验证了模型的准确性，并应用模型测算混合动力汽车不同速度区间下的油耗和CO2排放因子。研究结果表明：在城市行驶工况(UDDS)和高速行驶工况(HWY)中，模型测算能耗排放因子与真实值的平均相对误差分别为3.7%和-1.7%，与不考虑内燃机开启状态相比，测算误差减少5.6%和4.3%；在实际交通状态下，采用传统燃油车的测算方法会导致混合动力汽车行驶平均速度为高速区间时油耗和CO2排放量被低估，当行驶平均速度为低速区间时油耗和CO2排放量会被高估。