轨道与接触网几何检测融合技术研究北大核心

为解决现有轨道和接触网几何参数检测系统相对独立、同步误差大的问题,对二者进行融合。改变检测系统硬件架构,统一两系统编码器脉冲及数据接口,提升系统硬件集成度及数据对齐精度;依据QNX系统开发融合系统软件,保证系统实时性及执行效率;制作L形工装,依据特征波形验证数据对齐精度;在实验室模拟车体振动的测试环境,分别采集静态及动态数据进行补偿算法验证。结果表明:融合后系统结构耦合度提高,避免了由定位信息密度低及网络延时原因造成的数据对齐误差;对激光摄像组件的测量数据进行复用,实现了接触网几何参数的补偿计算。经验证,融合系统运行稳定,可用于轨道与接触网几何参数检测数据的综合分析及超限判断。     

基于Q学习算法的城轨列车智能控制策略

牵引能耗是列车能耗的主要组成部分,针对城轨列车节能运行的问题,将列车运行状态离散化,以列车对速度控制作为动作空间,时间和能耗作为奖励函数,提出一种基于Q学习算法的城轨列车智能控制策略。在不使用离线优化速度曲线的情况下,根据列车当前位置和速度实时计算最优控制策略;同时,在传统Q学习基础上,将ε-greedy策略与司机驾驶经验相结合,减少探索次数,提高算法学习效率;最后,以杭州地铁5号线三坝-萍水站线路为例,验证该算法在满足准点运行的情况下,较传统动态规划算法,可减少列车站间牵引能耗3.79%。在原线路增加临时限速后,验证该算法仍具有实效性。     

基于城市交通网络均衡的共享停车容量优化

为研究共享停车容量优化分配对用户出行选择的影响，建立了双层规划模型，上层模型根据停车管理平台总收益与步行费用最小确定共享停车用地的最优停车容量，下层建立共享停车、普通停车与乘坐公交出行的多用户均衡分配模型，用于描述共享停车用户出行方式的选择，通过共享停车选择概率实现上、下层模型之间的联系；设计了相继平均算法求解下层模型，并内嵌于差分进化算法，进而求解上层模型. 对常州市金坛区CBD区域的部分路网进行模拟测试. 研究表明:在不同共享停车容量分配下，停车管理平台收益随着容量的增加呈先递增后减少的趋势，而用户的出行费用随着共享停车容量的增加呈先减少后上升的趋势，说明合理地分配共享停车容量可以实现停车管理平台收益与共享停车需求之间的均衡.      

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。      

城轨主动式牵引供电系统能量调度算法

为推动主动式供电中双向变流器的智能应用，针对其数学模型和调度控制策略展开了研究。利用满功率和恒电压模型分别模拟双向变流器的2种不同工况，并采用内外双层迭代算法进行潮流计算。当所有双向变流器处于恒电压模式时，提出以全网能耗最小为目标函数，求解牵引变电所输出电压的含等式和不等式约束的优化模型。当双向变流器中存在处于满功率模式时，提出抬升或降低相邻牵引所电压以分担功率的策略，从而降低双向变流器满功率持续时间。经实际地铁线路数据仿真，结果表明纯牵引能耗下降12.97%，满功率持续时间下降62.4%，提高了牵引系统能量利用率，减少了双向变流器出现限功的场景。     

一种“效率-公平-运力”多维权衡的需求可拆分配送方法

针对自然灾害及重大社会公共事件等各类突发事件的配送问题，本文以公路运输为研究场景，将配送时间最短、加权时间攀比值最小和使用车辆数最少为多维目标，在引入需求可拆分这一限制条件的基础上，构建“效率-公平-运力”多维权衡的需求可拆分应急物资配送模型。针对该问题设计改进的蚁群算法求解模型。从选择拆分点、信息素更新和引入变邻域搜索算子这3个方面改进了算法，并实现当解持续不变时，初始化信息素，以增加随机性。结果表明，与传统求解算法相比，改进算法的稳定性更高(平均偏差率降低7.00%)，寻优性更好(优化率提高7.41%)。 通过分析考虑三目标、双目标和决策者具有明显偏好的多重场景下的求解结果得知：效率、公平、 运力这3个子目标相互悖反，增加运力投入可以显著提高配送方案的效率与公平；当运力不变时，效率与公平之间近似呈同比例反比关系。研究结论可为救灾目标不确定条件下多因素考量的应急物资配送决策生成与优化问题提供方法改进与可量化决策支撑。