铁路列车运行调整模型及三群协同粒子群算法的研究

列车运行调整问题是一类NP完全问题。根据列车运行调整的原则和基本方法,设计了双线铁路区段列车运行调整的数学模型,并利用三群协同粒子群算法进行求解,提高了模型求解的时效性,可为铁路行车调度调整起到很好的辅助决策作用。     

重载铁路列车运行调整计划的序优化策略研究

列车运行调整是我国铁路信息化建设中一个重点和难点问题,在CTC条件下,及时制定列车运行调整计划对实现列车运行过程追踪自动化,保证安全高效完成行车组织具有十分重要的作用。在建立列车运行调整序优化模型的基础上,对我国重载铁路实际数据进行统计分析,针对各种运行扰动因素,提出调整列车运行秩序的策略,从经验中找出列车运行计划的调整序列,从而快速求得序优化模型的解。按照调整策略优化排列作业顺序有效提高调度指挥效率,为优化列车运行调整制定合理、有效的策略提供方法和依据。应用调整策略优化方法构建的调度系统能满足列车运行调整的实时性要求,为求解列车运行调整模型提供一种思路和方法。     

城市轨道交通列车运行调整的粒子群算法研究

依据列车行车组织的特点,对列车运行调整策略进行研究,建立了列车运行调整模型.模型中涉及的约束条件较多,对实时性和延迟传播有着严格的限制,从而使问题的求解成为难题.在模型的求解过程中,粒子群算法有计算速度快、收敛性强的特点,满足模型实时性的要求.因此在列车运行调整中采用了粒子群算法,实现了列车运行调整的高效求解.     

基于客流影响的城轨交通列车运行调整研究

列车运行调整是城轨交通调度指挥行车的重要内容,但存在约束条件多、搜索空间大、可行解范围小等问题,往往难以获得满意解。为解决该问题,结合城轨交通列车运行特点,本文建立基于客流量影响的列车运行调整优化模型,采用改进粒子群算法进行求解。通过与遗传算法、粒子群算法对比,验证本文模型及算法的有效性。     

基于序优化方法的列车运行调整算法研究

用计算机自动编制列车运行调整方案是铁路行车调度指挥系统中的一个核心和难点问题,其目的是保证列车能够安全、快速、正点运行。以列车旅行时间最少作为优化的目标函数,在建立复杂路网列车运行调整模型的基础上,对其先进行快速初步的评估计算、再引入序优化理论和方法进行求解是解决列车运行调整问题的一个途径。详细论述了序优化方法求解算法的实现步骤,并用大秦重载铁路的一个实际算例证明,序优化理论能够确保以足够高的概率求取到足够好的解。尤其对于计算量大的复杂优化问题,序优化能够明显提高计算效率,比一般的启发式算法至少可节约一个数量级的计算量,较好地满足实际需要。     

单线铁路列车运行调整计算机辅助决策系统研究

列车运行调整计算机辅助决策系统，是铁路行车调度指挥自动化系统的关键环节。本文构造了单线铁路列车运行调整的混合０－１线性优化模型，该模型较好地体现了列车运行计划调整、机车交路调整和车站到发线利用的协调与配合。鉴于列车运行计划调整为ＮＰＣ问题，结合问题的实际背景，提出了一种有效的大系统分解算法－动态区域局部优化算法。该算法应用分枝定界法实现局部问题的优化。讨论了同向列车越行优化问题，并给出了同向列车越     

基于混合微粒群优化的多目标列车控制研究

列车控制策略包括输入控制序列和每一控制序列作用距离两方面,本文建立列车运行过程多目标优化模型,以二进制和实数域的混合微粒群优化方法对该问题进行了研究,二进制微粒群算法优化列车输入控制序列,实数域微粒群算法对列车运行距离进行优化,以此得到列车最佳控制策略;针对实际的问题,提出了微粒群算法中pBest更新和gBest选择策略;并与传统的单个目标的列车运行过程优化模型进行了对比研究,仿真研究结果表明混合微粒群优化算法用于列车运行过程优化控制,可以获得满意的效果。     

基于双重启发式动态规划算法的列车运行调整研究

通过对列车行车组织特点及运行调整策略的研究,采用自适应动态规划体系中的双重启发式动态规划算法,建立了列车运行调整模型.双重启发式动态规划算法适合处理具有实时性、约束性、非线性、随机性等特点的列车运行调整复杂动态系统的优化控制问题,通过仿真验证,该算法求解速度快、精度高,对列车晚点的调整起到了良好的控制作用.为列车运行调整的深入研究提供了一定的参考价值.     

多类干扰下的高铁列车运行调整优化模型

高速铁路列车运行实时调整一直是行车调度指挥工作中的重要核心任务之一.为解决有多种行车干扰事件(初始晚点、限速和到发线不可用)影响下的列车运行调整问题,针对准移动闭塞行车方式,基于替代图理论,兼顾车站进路调整约束,建立混合整数线性优化模型,设计两阶段近似求解算法,在600 s内可以实现列车变更到发线次数最少和列车晚点延误时间最短的列车调整方案的快速求解.研究结果表明:模型可以同时实现列车运行调整和列车径路优化,相比时间间隔法行车方式,该模型可以有效避免列车在闭塞区间的冲突;有初始晚点的干扰会加剧列车的二次晚点;列车限速值越低会指数型加剧晚点时间.     

复线列车运行调整满意优化模型研究

基于列车运行调整模型建立的复杂性与求解的困难性,以及满意优化理论在求解大规模组合问题的优越性,将满意优化理论用于复线列车运行调整中,建立了完善的复线列车运行调整满意优化模型,为我国铁路复线列车运行调整优化提供一条新的思路。     

基于人工蜂群算法的高速列车运行节能优化研究

合理的列车操纵方式能在很大程度上降低列车运行过程中的能耗,为了有效降低高速列车运行能耗,从研究高速列车的操纵方式入手,首先建立列车牵引计算模型和列车运行能耗计算模型,其次通过对比人工蜂群算法(ABC算法)和粒子群算法(PSO算法)的优化性能证明ABC算法优于PSO算法,提出了在满足运行速度、运行时间以及运行区间等约束条件下,采用ABC算法与操纵工况序列相结合的方法来优化计算确定高速列车操纵工况关键转换点最优位置和速度。最后通过对选取线路的MATLAB仿真模拟,验算了ABC算法在降低列车运行能耗方面的有效性。研究表明,经过ABC算法优化后的结果均能满足优化操纵方式的基本操纵策略且达到了良好的优化效果,能较好地解决列车节能操纵优化问题。     

基于粒子群算法的隐式广义预测在ATO中的应用

由于列车运行速度的不断提高,对列车自动驾驶(Automatic Train Operation,ATO)系统提出更高的要求。针对隐式广义预测(Implicit Generalized Predictive Control,IGPC)控制器在ATO中难以获得最优预测控制输入的问题,运用一种基于粒子群优化(Particle Swarm Optimization,PSO)的IGPC算法对ATO系统进行控制。为更进一步提高PSO算法的寻优能力,对基本PSO算法进行改进,从而有效提高系统的寻优精度和速度。并对有约束情况下的CRH2型车进行仿真验证,仿真结果显示PSO-IGPC比单纯IGPC对ATO的控制效果更优。     

基于智能化应用的列车运行调整模型

基于列车运行调整理论研究现状,在分析现有研究局限的基础上,提出建立列车运行自动调整模型应考虑的4个关键问题:部分非运行图相关信息、动车组接续、交叉进路抵触及股道-线别连通性。基于这些关键问题构造10个约束条件,结合智能CTC系统技术标准,以提升旅客满意度为导向,依据旅客行程信息和多目标优化的思想,建立将列车运行调整对旅客出行实际影响最小化的目标函数,构建可满足智能化应用的列车运行自动调整规划模型,将其引入开发中的智能CTC系统,并通过京张高铁3个列车运行调整实际场景进行验证。结果表明:模型能够准确处理各种场景下的列车运行偏离,生成切实可用的列车运行阶段计划;生成的计划能有效消解列车晚点造成的交叉进路抵触、股道运用冲突及动车组接续等冲突,在兼顾旅客换乘考虑的同时,缩小列车晚点波及范围,控制晚点传播。     

基于多代理机制的列车运行调整模型及算法动态集成研究

分析列车运行调整问题研究的现状与进展,主要集中在模型研究和算法研究两个方面。分析传统求解模型及算法研究的局限性,提出对现有模型及算法进行动态集成的研究思路。采用基于多代理机制的动态集成方法,将模型对象和算法对象转化成多个代理,定义多代理之间的交互策略,实现调整方法的动态集成。提出基于多代理机制的列车运行调整问题模型及算法的动态集成系统。     

基于最小列车秩序熵的列车运行调整算法研究

单线区段上的列车运行调整需要考虑列车运行秩序的优化,使用列车秩序熵来描述列车在调整计划与基本图中运行秩序的差别程度,在此基础上建立基于最小列车秩序熵的列车运行调整模型,并给出具体求解计算过程。基于此算法编制程序对具体实例进行计算,并将其计算结果与用提高旅速调整算法的结果比较,检验了算法的有效性。     

CIPSO算法在城市有轨电车控制策略中的应用研究

在保证电车安全的前提下,轨道交通中的城市有轨电车控制策略优化问题实质上是多目标优化问题,主要是针对节能、正点、停靠准确和乘客舒适度优化等方面的复杂问题,以电车运动学方程为基础,针对粒子群优化算法在离散优化问题中处理不佳,容易陷入局部最优的问题,采用混沌Tent映射初始化粒子群,建立其多目标优化模型。而后采用免疫接种和免疫选择的方法提高PSO优化算法的优化能力,对模型进行求解。以广州市海珠区环岛新型有轨电车试验段数据为对象进行实例仿真,结果表明,混沌免疫微粒群优化算法较传统微粒群优化算法可获得更好的控制策略,能更有效的解决电车运行多目标优化问题。     

基于遗传算法的高速铁路行车调整模型

高速铁路采用“高中速列车共线运行”的运输模式,其行车调度具有高实时性和整体性两大特点。以列车计划运行图为优化目标,给出运行图之间的距离定义,建立列车运行调整数学模型,给出列车的发车时刻、股道数量、列车在区间的运行时分、追踪运行间隔时间、维修天窗时间5个约束条件表达式。按照遗传算法的原理,采用罚函数的方法对数学模型中的约束条件进行处理并建立适应度函数,采用整数编码方法对个体进行编码,并定义交叉算子和变异算子。基于遗传算法的调整算法流程开发列车运行调度仿真子系统。仿真结果表明:使用该模型可大大减轻调度人员的工作量,彻底摒弃了在计算机上手工拖动运行线确定列车运行时刻的调整方式,提高了列车运行调整的科学性。该模型已应用在高速铁路综合调度仿真系统中。     

基于MAS的列车运行调整方法

针对列车运行调整问题,运用多智能体系统(MAS)技术,将列车运行调整方案的制定过程抽象为多用户(列车)对车站股道和区间线路等共享资源的占用预约过程,在此基础上建立智能体模型。车站和区间被抽象为资源Agent,列车被抽象为用户Agent,由资源Agent和用户Agent组成多Agent系统,Agent之间采用合同网协议进行协作。列车运行调整方案由Agent之间的分布式自主决策和相互协作产生。协作过程中的数据通信采用KQML标准设计,并增加消息等级,以提高通信和系统的效率。仿真实验表明,采用基于MAS的列车运行调整方法是可行的。     

地铁列车扣车模型及其应用

简要分析了广州地铁1号线列车运行间隔及客流发展趋势,并建立了相应扣车模型,对故障情况下需扣停列车的数量、必须扣车的时间,以及每列列车停站的时间进行了计算。重点对扣车模型在非等间隔地铁线路上的适用性进行了研究,并总结了扣车模型在地铁行车调整中的应用情况,为行车调整理论计算探索新途径。