基于客流需求的城市轨道交通动态时刻表优化模型

为使城市轨道交通列车运行时刻表更贴合客流需求,依据不断变化的客流需求确定每列车的发车时刻和停站时间,采用多目标优化方法构建以乘客出行时间费用和列车运行时间费用最小为目标、列车发车时刻和停站时间为决策变量的城市轨道交通动态时刻表优化模型,并采用粒子群算法求解。以广州地铁13号线为例进行验证,结果表明优化后的时刻表更满足客流需求,能有效地提高乘客出行效率,具有更好的动态适应性。     

面向大客流的城轨备用车投放车站选择与优化模型

为快速疏解城轨线路上车站的大客流，减少乘客的等待时间，研究了备用车投放问题; 在考虑列车追踪关系、列车停站时间等约束的基础上，建立了综合备用车投放时机确定、投放最佳车站选择和时刻表动态调整的多目标优化模型; 界定了城轨备用车开行条件，提出了城轨备用车投放时机的定量化判定方法; 用0-1变量表征车站是否具备备用车投放条件，并将其作为模型输入，以减小大客流车站乘客等待时间和降低运行图偏离时间(延误时间)为优化目标，构建了备用车投放的混合整数非线性规划模型，该模型通过比较不同的备用车投放方案效率得到最佳的备用车投放车站和后续开行计划; 为同时求解0-1变量与连续变量，设计了带惩罚函数的改进粒子群优化算法求解模型。研究结果表明:该方法可对所有符合备用车开行条件的车站制定投放方案，并进一步筛选出最优的备用车投放车站，最多可减少1 318 209 s的乘客等待时间，优化效率为21.9%，且改进的粒子群优化算法对混合整数非线性规划模型的适用性较好; 相比于既有城轨线路列车运行调整和时刻表优化方法，本文提出的方法在应对突发大客流的备用车投放时机上做出了更加定量化的判断，优先考虑了大客流车站的疏解能力和效率，并优化了备用车与后续列车的开行方案，可以有效解决高峰时段车站大客流问题。