城市轨道交通列车牵引计算系统的研究

列车牵引计算是整个城市轨道交通的重要组成部分。利用计算机对列车的牵引计算进行模拟研究．可以较好地实现在整个列车运行过程中牵引过程的模拟。     

基于Nash平衡的轨道交通列车牵引计算

列车牵引计算是整个城市轨道交通的重要组成部分.就城市轨道交通的牵引计算提出牵引计算的仿真模型,对城市轨道交通的列车运行进行基于Nash平衡的轨道交通研究,着重讨论城市轨道列车在多目标条件下实现多牵引力的列车运行问题,并进行相关的计算研究,可较好地实现在整个列车运行过程中牵引过程的模拟.     

二维不平衡指派问题模型及粒子群算法求解

为解决运输中任务数与车辆数不等情况下的换装问题,建立了二维不平衡指派问题的优化模型,并用粒子群算法（PSO）求解此问题．对几种不同情况下的不平衡指派问题进行了数值模拟,并与全枚举法的计算结果进行了比较．结果表明,PSO收敛到最优解的概率和收敛速度均优于全枚举法,所建立的模型及其求解方法能获得决策者满意的换装方案．     

基于遗传算法的铁路旅客列车开行路径优化的研究

在影响旅客列车运行效益的诸多因素中,着重研究了旅客列车开行线路的选择,分析传统的最短路径算法的不足,提出利用遗传算法求解路网中任意两点间k条最优路径,并进行仿真计算,取得较好效果,结果表明利用这一方法有利于旅客列车开行方案多方案比选,辅助运营决策.     

基于遗传动态模糊聚类的道路交通状态判定方法

针对当前城市道路交通状态判定时采用的模糊c均值聚类(FCM)和c均值聚类等方法的有效性较差的状况,提出了一种基于遗传算法的动态模糊聚类方法,通过计算交通流参数之间的模糊相似性,不失真地反映它们之间的内在关联,同时将交通流参数之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面,利用遗传算法不断优化两者之间的映射,使交通流参数之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类,仿真实验结果证明了该方法的可行性和有效性.     

城市道路交通量短时预测的GSVMR模型

在分析现有城市道路交通量短时预测方法缺陷的基础上,针对目前广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,结合遗传算法容易寻找全局最优解与支持向量机回归法具有结构风险最小化的特点,提出了将两种算法相结合的GSVMR预测模型,该模型同时具有结构风险最小和容易寻找最优解的双重特性,并对某城市四车道主干道路8：00,8：45的交通量进行了预测,结果表明用该模型进行城市道路交通量短时预测所得结果误差较小,依此验证了用GSVMR模型进行城市道路交通量短时预测的有效性。