基于多速度调控的城轨列车区间运行策略优化

针对城市轨道交通区间运行时分要求,将列车在区间的最高运行速度、最低惰行速度作为速度参数,提出多速度参数调控的城轨列车区间运行策略优化问题.考虑线路平纵断面、列车性能等的影响,以及区间限速、运行时分限制等约束,以区间运行能耗最小化为目标,建立均布质量模型下的给定运行时分下基于多速度参数调控的列车运行节能优化策略模型,优化...     

我国城市轨道交通故障车停车线布局设置的模型与算法

故障车停车线的布局设置对城市轨道交通线路工程的造价和建成后的运营均有重要影响. 本文从建设和运营两方面对城市轨道交通故障车停车线的布局设置方案的优化进行了研究,介绍了城市轨道交通中故障车停车线设置研究的现状,从城市轨道交通系统运营角度分析了故障车处理及救援的基本流程;参考地铁设计规范及运营要求,建立了以考虑故障救援效果和工程造价二者为优化目标的故障线布局设置多目标0-1规划模型;并结合模型实际背景设计了隐枚举求解方法;运用某条城市轨道交通线路的设计数据对模型和求解算法进行了验证. 结果表明,该方法能够快速、合理地得出故障车停车线的布局设置方案.     

城市轨道交通多编组列车开行方案优化研究

针对城市轨道交通全日客流时间分布不均衡下的列车开行方案优化问题,以 乘客等待时间和企业成本最小为优化目标,以运输供给、列车最小发车间隔、最大服务间 隔,以及列车数为约束条件,构建基于多编组模式下的多目标列车开行方案优化模型,并 设计两阶段求解算法.案例分析表明：与传统单一编组列车开行方案相比,基于多编组的 轨道交通列车开行方案使乘客等待时间和车公里数分别减少17%和27%,列车运行小时 增加20%;当客流不均衡系数大于1.48时,宜采用多编组运输组织方式.     

城市轨道交通小交路计划与客流控制协同优化策略

高峰时段的大客流需求易造成城市轨道站台乘客大量聚集,从而给城市轨道交通系统带来安全隐患,降低乘客乘车的舒适度;同时,客流空间分布的不均衡性导致供需能力不匹配,降低 了列车资源的利用率。针对该现象,本文结合大小交路开行方案与客流控制策略研究城市轨道交通列车时刻表协同优化问题。考虑到城市轨道交通客流的不确定性,将乘客到达率设置为不确定变量,而后基于客流演化与列车运行的动态关系,建立以最小化滞留乘客数、客流控制人数、 列车运行时间,以及最大化列车资源利用率衡量值为目标的优化模型,并设计一种基于机会约束 的随机场景优化算法进行模型求解。以北京市某轨道线路为例进行数值实验验证模型的有效性。结果表明,相较于常规运营策略,本文提出的协同优化策略在期望滞留人数和列车运行时间方面有了较大改善,更好地实现了乘客成本和企业运营成本之间的均衡。     

列车节能运行目标速度控制优化研究

探讨了城市轨道交通列车节能运行控制问题,提出了一种分段目标速度控制策略,将目标速度的大小、调速范围和里程范围作为控制参量,建立了定时约束下的列车节能运行优化模型.设计了一种双重惩罚机制的实数编码遗传算法求解模型,对列车晚点和非节能方案进行惩罚以提高算法收敛速度.仿真分析表明,该方法得到的目标速度控制方案较好地适应了线路条件,有效地避免了列车在下坡道的制动调速,与启发式算法得到的运行结果相比,案例中不同富裕时分程度下的优化方案平均节能率22.2%.     

基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.     

考虑换乘异质性的城市轨道交通时刻表协同优化模型

在城市轨道交通网络化运营条件下，极易导致换乘站的换乘需求差异过大。为提高列车时刻表与换乘需求的匹配度，本文基于网络中换乘站的空间拓扑结构和换乘需求在时间和方向上的特点，通过构建量化换乘差异的协同度指标，建立以列车同步次数最大化为目标的列车时刻表优化模型，优化轨道交通网络线路间成功衔接次数，提升乘客换乘出行效率。针对提出的混合 整数非线性规划模型，本文设计了一种基于天牛须搜索的粒子群优化算法进行求解，并将模型及算法应用于北京市轨道交通网络进行算例分析。结果表明，所构建的模型能依据换乘需求在空间、时间及方向上的差异，利用协同度分级优化轨道交通路网中列车协同状态；优化后全网列车同步到达次数增加33.86%，乘客平均换乘等待时间减少22.75%；相较于PSO和BAS算法，本文所提的算法具有更好的全局搜索能力和求解效率。本文可有效提高轨道交通换乘效率，为提升城 市轨道交通服务质量提供理论参考。     

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。      

基于动态规划的列车节能运行两阶段优化方法

针对地铁列车多站间节能运行优化问题,提出将列车节能驾驶优化过程和时刻表优化过程结合的两阶段优化方法,分别求解两优化过程的全局最优解,从而获取列车在多站间运行的最优操纵策略.首先考虑节能和节时两个目标,构建列车节能驾驶多目标优化模型,结合动态规划多阶段寻优思路,建立一系列包含多个过程指标及约束的子阶段求解模型,逆序求解后获取列车站间运行最优操纵策略的Pareto前沿;其次建立时刻表优化模型,基于动态规划方法,调用各站间Pareto前沿,搜索站间运行时间最优分配方案;最后以北京地铁亦庄线为例,验证两阶段优化方法的有效性和高效性.试验结果表明,与最速操纵策略相比,经过两个阶段优化后的列车牵引能耗分别降低了53.87%和54.69%,两阶段优化过程分别用时258.90 s和0.08 s.     

高速列车动态间隔优化的弹性调整策略

为保证列车运行安全性, 提高铁路线路运载效能, 针对移动闭塞系统, 研究了高速列车追踪运行的间隔弹性调整策略和操纵轨迹的动态优化问题; 以高速列车运行安全性、效率、能耗和乘客舒适度作为列车运行控制策略曲线的优化目标, 研究了列车的追踪运行过程; 采用差分进化算法求解了列车运行过程多目标优化模型, 设计了离线最优运行控制策略曲线; 提出了列车弹性追踪间隔模型, 分析了列车运行过程中追踪间隔的实时变化; 基于弹性间隔模型设计列车追踪运行控制策略动态调整机制, 采集列车实际运行数据, 实时监测相邻列车间的实际追踪间隔, 评估其是否符合安全性与效率约束条件, 并分析了评估结果; 依据工况调整原则在线调整追踪列车的运行状态与工况, 实时优化列车追踪间隔; 应用武广高速铁路赤壁北—长沙南区间的实际运行数据进行了仿真验证。仿真结果表明: 与真实区间运行数据相比, 采用离线最优运行控制策略曲线后, 运行能耗降低了6.86%;与固定追踪时间间隔模型相比, 采用基于弹性模型的控制策略动态调整机制有效提升了铁路整体运输效能, 将临界安全发车间隔从234 s缩短至161 s, 线路整体运行效率由6 434 s缩短至6 376 s, 与真实运行数据相比, 追踪列车的运行能耗降低了7.194%。      

基于遗传算法的地铁列车自动驾驶控制算法研究

轨道交通列车运行曲线的控制是轨道交通列车自动化的核心技术。通过提出改进的遗传算法来设计列车ATO（列车自动驾驶）控制算法，使用某城市地铁列车参数建模，编制实用的遗传算法生成列车时分控制曲线的程序，并进行计算机仿真，仿真的结果达到了：输出时间与给定的定时值完全一致；能耗比节时模式降低56%；停车点精度｜x｜=14cm，小于规定值（25cm）；最大速度小于规定值；具有较高的全局适应度。表明算法效果良好、性能优越。     

城市轨道交通列车交路优化模型

为了确定城市轨道交通交路方案的列车运行区段和折返车站,结合运输组织实践经验,以列车交路决定的输送能力与客流需求量空间分布的最佳匹配为原则,以快速车底周转和换乘客流最少为目标,综合考虑站线运输能力的条件限制、运输组织需求以及乘客便利性,建立了城市轨道交通列车交路的多目标0-1混合整数规划模型.该模型分别对决策变量、目标函数和约束条件进行了简化处理,可以通过优化软件编程求解.以重庆市轨道交通一号线远期运营方案为例,对不同交路上限数目,在2 s内计算出4种可选交路方案,为运营部门选择最终方案提供了决策依据.      

考虑多编组方案的轨道交通车辆购置策略研究

多编组运营是城市轨道交通系统网络化运营组织的重要方法之一.本文针对轨道交通多编组方案下列车运能加强问题,在线路通过能力一定的条件下,以最大购置次数、最小购置间隔及年度最大购置辆数等为约束条件,以广义费用最小为目标,构建了多编组方案下的城市轨道交通车辆购置策略优化模型,并设计两阶段遗传算法求解.算例分析表明,在给定需求和远期单一列车编组假设下,初期和远期采用单一编组,近期采用多编组的方案,虽然司乘成本增加18.6%,但乘客出行费用和列车运行成本分别减少16.48%和25.99%,这较初、近、远期均采用单一编组方案效益更佳.     

城轨线路列车时刻表与车站客流控制协同优化方法

在轨道交通网络化运营条件下，针对高峰期车站拥挤问题，综合考虑站外到达乘客的持续 性到达特征和换入客流的脉冲性到达特征，研究换入客流影响下的列车时刻表与客流控制问题。 具体的，以最小化乘车延误人数为目标，考虑乘客换乘约束、列车容量约束等，构建城轨列车时刻 表与客流控制协同优化非线性规划模型，并引入0-1决策变量将其转化为整数线性规划模型。为 验证模型有效性，以某轨道交通线路实际运营数据为背景，借助优化求解器CPLEX对模型进行求 解。结果表明，本文所提方法具有良好的优化效果和计算效率，与优化前相比，乘车延误人数可显 著降低；与仅优化列车时刻表方案相比，协同优化方法可使乘车延误人数减少17.69%，可有效提升 轨道交通的服务水平，为城市轨道交通系统高质量运营提供一定的理论支撑。     

融入偏好信息的列车运行过程多目标优化算法

列车运行过程优化是一个多目标、大滞后、非线性的极其复杂的优化问题.为了更好地解决上述问题,以列车能耗、舒适性、停靠准确性和运行时间为控制目标,以列车运动动力学方程为约束,建立了列车运行过程的多目标优化模型,提出了一种融入偏好信息的列车运行过程多目标遗传粒子群算法.提出的改进策略具有以下优点,在融入偏好信息的基础上通过控制粒子群中个体在解空间的分布能够更好地保持粒子群多样性,从而在进化过程中具有更明显的全局收敛的指向作用.仿真得到的速度距离曲线表明,在列车及其运行线路相同的情况下,本文所提出的算法性能较佳、寻优结果较好.     

需求响应机制下轨道交通出行预约与列车运行计划优化方法

轨道交通供给侧的计划性与需求侧的时变性相互冲突，为更好地协同供需双方，提出了需求响应机制下城市轨道交通列车运行计划的优化方法，包括出行预约和需求响应2个环节；建立了需求响应与列车运行计划协同优化模型，以最小化乘客出行成本和列车运行成本为目标，重点关注乘客由于预约行为产生的延误时间成本；考虑列车运行、运输能力、编组情况、客流分布等因素，设计了基于乘客优先级的自适应大规模邻域搜索算法，外层优化列车运行计划，内层优化客流分配方案，最终实现客流的供需匹配；以北京地铁八通线为例，按照需求响应机制对该线路全天的需求处理与运输组织进行数值试验，并对试验结果从车底运用、乘客等待时间和满载率分布三方面进行分析。研究结果表明:该优化方法可使开行的列车数降低13.8%，同时采用多编组模式，使用车辆数减少了29.8%，这能够有效压缩列车走行公里数，削减企业开支；能够在保证乘客基本出行的前提下，最高可将乘客平均在站等待时间缩短约35.3%，并且预约比例的提升对等待时间的削减效果明显；优化后的运行计划能控制列车满载率维持在设定水平，有效降低人员密度，避免人群大规模聚集，对城市轨道交通疫情的有效防控做出有益探索。      

基于乘客等待时间的城市轨道交通列车运行调整模型

研究突发事件导致列车晚点情况下城市轨道交通列车运行调整问题．从乘客角度出发,提出了“首站控制”和“多站协调控制”两类列车运行调整策略．考虑列车能力约束和列车区间运行时间、追踪间隔时间等运行条件约束,以受突发事件影响的全部乘客等待时间最小为优化目标,建立了基于两类调整策略的列车运行调整模型,采用Lingo软件进行求解．以某简化线路为算例,与不采取控制策略相比,两类策略下乘客等待时间均节省约9％,结果表明了模型的有效性,能够为轨道交通列车运行调整提供辅助支持．     

基于遗传算法的追踪列车节能优化

为了研究追踪列车的节能优化操纵策略,提出了四显示固定闭塞系统下的列车静态速度约束条件和追踪列车动态速度约束条件.在此基础上,建立了以列车操纵手柄级位和工况转换点为控制变最的追踪列车节能优化模型.采用染色体长度可变多目标遗传算法,结合外部惩罚函数对该模型进行了求解,并利用遗传算法中的染色体变长算子对列车操纵手柄变换策略进行了优化.在四显示固定闭塞平台上的仿真结果表明,该方法可在安全、准点的前提下,使追踪列车的能耗下降4.3％,运行时间误差减小1.7％.     

考虑列车追踪的自动驾驶控制算法

为了研究追踪列车安全、平稳的操纵策略,在分析列车间相互纵向动力学关系的基础上,提出了列车追踪模型. 列车在不同情况下控制目标有所不同:单独运行模式下以最优速度模式曲线运行,追踪运行模式下保证安全追踪间隔运行.为了实现不同的控制目标,采用模型预测控制的分层结构,结合二次型优化算法实现最优列车速度控制.以CRH2型列车、武广线为例验证该模型的有效性. 仿真结果表明,本文方法可使追踪列车安全性得到有效提高,且当使加速度控制在-0.75~0.5 m/s2之间,加加速度控制在-0.5~0.5 m/s3之间时,乘车舒适性得到了有效的保障.      

高速铁路车站咽喉区与到发线综合运用优化

研究接发列车的到发线分配和咽喉区进路选择问题,在满足到发线使用规则的条 件下,以作业计划稳定性强和接发车进路条件优为目标,构建到发线与车站咽喉区运用多目 标优化模型.采用改进的带精英策略的非支配排序遗传算法(NSGA-II)对模型进行求解,算法 能有效保存优秀个体和降低计算复杂度.最后以某高速铁路车站为例,采用Matlab 编程得到 模型的Pareto 最优解集,从解集中选择1 个解,将其结果与原始到发线方案进行对比,结果表 明,采用该模型和算法能有效改进车站咽喉区与到发线的综合运用方案.