高速铁路枢纽站技术作业计划与动车所调车作业计划协同编制研究

分析高速铁路枢纽站技术作业计划与动车所调车作业计划的协同编制过程,提出了将两个计划一体化编制的思想。以需安排作业效益最大化为优化目标,构建基于动车组车底的高速铁路枢纽站与动车所作业计划协同编制模型。针对模型特点,提出瓶颈工序、启发式分配规则及粗粒度主从进程模式的并行禁忌搜索策略(PTS)相结合的混合优化算法,首先确定作业安排瓶颈工序,然后启动主进程和若干从进程,主进程运用启发式分配规则快速生成初始解分配给从进程,从进程运用与瓶颈工序相关的禁忌算法搜索优化解,并反馈给主进程,主进程记录全局最优解并根据交叉策略生成新的初始解,重新分配给从进程进行TS搜索。最后,用实例验证了模型和算法的有效性。     

考虑空车调配协调的货物列车开行方案优化研究

为实现空车调配与货物列车开行方案协调优化，结合基本运行图架构与车流径路，构建货运时空服务拓展网络。考虑配空与装卸取送、集编发等环节的时间接续要求，节点与区段不对流空车要求，以重车流全程运送与空车配送等广义总费用最少为目标，建立整数规划弧路模型。针对既有算法设计局限性，结合重车或空车配空的时间接续要求，提出将不同的 k 短路重车流方案与空车配空方案相关联的改进可行解构造方法，设计混合差分进化求解算法。实例研究表明，考虑空车调配进行重车、空车流组织协调优化，能够减少空车走行费用，及时满足装车需求，有效保证作业车流配合中转车流集结编组及时挂线，提高方案可实施性。     

基于粗糙集与熵的铁路货物周转量预测

采用简单熵计算方法对原始数据进行离散,得出决策信息系统。运用粗糙集方法对货物周转量的影响因素进行约简,将约简后条件属性作为解释变量,构建货物周转量多元线性回归模型,运用Eviews软件标定参数,同时对模型的回归显著性进行检验。以2013~2015年货物周转量为例进行预测,得出货物周转量的增长率分别为1.9%,1.0%和-3.8%,周转量分别为29 746.26,30 054.87和29 812.16亿t?km,与实际数据相对吻合度平均为89.05%,表明预测方法具有一定的可靠性。     

基于需求管理的城际铁路运输计划编制机制探讨

为解决现阶段城际铁路运输计划的编制无法适应快速变化的客流需求的问题,在分析现阶段铁路运输计划存在问题的基础上,以满足旅客需求为导向,建立基于需求管理的城际铁路运输计划编制机制。在新的编制机制中加入实施计划,对编制机制的编制时机、编制内容、编制流程和改进建议进行探讨。     

计算机编制列车运行图系统调整系统设计及实现

利用计算机编制列车运行图是铁路适应市场的需要，列车运行图编制系统的调整子系统是该系统的重要组成部分，对列车运行图系统的功能设计进行了讨论，对该子系统框架的设计以及图形显著优化的技术实现进行了详细地描述。     

基于图论的列车运行径路分析与构造

采用图论及系统结构的分析方法，提出列车运行径路的表达、组织方法和列车运行径路的构造原理，方法。从而效清晰全面地表面路局列车运行径路，并使数据冗余尽可能的少。     

铁路客运站作业计划编制质量评价方法

良好的车站作业计划有利于提高车站通过能力,优化运输组织。本文根据日常线、周末线、高峰线三种运行线将车站作业计划分为三种情况,依据车站作业计划的内容,选取多个指标对主要设备的均衡性、效率性、服务质量进行考察,同时考虑普速客运站与高速铁路客运站的不同,建立多维度的车站作业计划评价指标体系,并结合FAHP构建适用于所有客运站车站作业计划的评价模型。最后,以普速客运站南宁站的车站作业计划为例,对其进行评价,验证了模型的可行性。     

危险货物集装箱铁水联运的问题与对策研究

铁路危险货物集装箱运输发展相对缓慢,与水运危险货物集装箱运输存在不协调之处,限制了危险货物集装箱的铁水联运。通过比较铁路与水运在运输的危险货物品类、集装箱运输条件、相关技术设备等方面的差异,分析危险货物集装箱铁水联运的不协调因素。最终对铁路方面提出了优化危险货物品名表、改善危险货物包装条件、优化危险货物集装箱材料、优化集装箱专用车等发展对策,以促进危险货物集装箱铁水联运的发展。     

铁路施工方案管理信息系统设计

介绍我国目前铁路线路施工方案编制和管理的现状,依据软件工程的理论,对铁路施工方案管理进行需求分析和数据流程分析,提出基于B/S模式的铁路施工方案管理信息系统架构模式。并对系统的设计目标、模块化结构、网络安全措施、数据库安全措施进行详细的分析与设计,最后简要阐述系统应用情况。     

基于梯度提升的城市轨道交通客流量预测分析

通过分析城市轨道交通日均客流及相关影响因素的变化特征,以多种因素作为数据集特征,采用梯度提升法和随机森林的混合模型对日均客流量进行预测。以北京地铁客流数据作为研究对象,对模型进行了试验。试验结果表明,基于梯度提升和随机森林的混合模型相较于常规ARIMA模型和随机森林模型具有更好的适应性,在常态和特殊情况下均能取得可接受的预测效果。