基于DEA-BPNN模型的高速列车运行线效率计算方法研究 |
| |
引用本文: | 陈泽文,张杰.基于DEA-BPNN模型的高速列车运行线效率计算方法研究[J].综合运输,2022(6):96-103. |
| |
作者姓名: | 陈泽文 张杰 |
| |
作者单位: | 1. 西南交通大学交通运输与物流学院;2. 西南交通大学全图铁路列车运行图编制研发培训中心;3. 综合交通运输智能化国家地方联合工程实验室 |
| |
基金项目: | 国家重点研发计划资助(2017YFB1200702);;国家自然基金项目(52072314);;四川省科技计划项目(2020YFH0035;2020YJ0268;2020YJ0256;2021YFQ0001;2021YFH0175);;成都市科技项目(2019-YF05-01493-SN;2020-RK00-00036-ZF;2020-RK00-00035-ZF); |
| |
摘 要: | 利用数据包络分析(DEA)方法进行效率计算时,若有新增参评样本则下阶段计算时旧样本的效率计算结果可能会随之改变,针对此问题,引入反向传播神经网络(BPNN),基于含偏好序的DEA-CCR模型效率计算结果进行训练,构建DEA-BPNN效率计算模型,在不影响旧样本阶段计算结果的前提上计算新增样本效率。以杭深线厦深段高速列车运行图为例,根据运行线技术指标,利用DEA-BPNN高速列车运行线效率计算模型对2021年第1季度和第2季度厦深段运行图的本线高速列车进行效率计算,研究结果表明,第1季度厦深段本线列车平均效率为0.946,而第2季度本线列车平均效率达到了1.048,说明2021年第2季度厦深达速调图后运行线效率相较上一季度有较大提升。
|
关 键 词: | 列车运行图 列车运行线效率 数据包络分析 BP神经网络 偏好序 |
|