自适应粒子群算法求解编组站车流推算问题的研究

编组站日班计划和阶段计划编制核心之一是出发列车车流来源的推算,由于车流推算的复杂性,其求解算法也是研究重点之一。基于解编顺序建立编组站动态车流推算的数学模型,约束中考虑了单调机资源、车流接续去向和时间等约束,目标函数在优化正点出发列车数的同时考虑总停留车小时的优化。通过设计自适应离散粒子群算法(ADPSO)对数学模型进行求解,以解编顺序为主要优化对象,静态配流采用Lingo编程实现,最后通过算例验证了算法的有效性。     

基于粒子群算法的高速列车节能研究

针对高速列车在多站间运行中的节能优化问题,对基于时刻表优化的冗余时间分配策略进行研究。根据列车的动力学模型和列车站间节能运行,建立以准点和能耗为目标的优化模型,利用粒子群算法对总的冗余时间进行合理分配,并根据适应度函数值变化进行迭代寻优。利用京沈线辽宁段实际的线路数据进行仿真计算,给出列车运行速度、能耗关于距离的曲线图,并与其他的冗余时间分配策略进行比较,结果表明,本文提出的算法可以在保证列车准点的情况下,降低整体运行能耗,证明了算法的有效性,为列车运行图的编制提供参考。     

基于免疫粒子群算法的闭塞分区划分优化设计

闭塞分区的划分优化能提高铁路通过能力,保证行车安全,因此对此问题进行研究是很有必要的。由于闭塞分区划分是多目标复杂非线性问题,在\"经济\"和\"效率\"下建立信号机布置的2种不同优化模型,并使用免疫粒子群算法对模型求解,通过列车追踪间隔检验、列车起动检验、列车停车检验,并对具体一条线路实现区间信号机布置。模拟实验结果表明,基于免疫粒子群算法的闭塞分区划分优化模型较之普通优化模型具有更高的有效性和鲁棒性。     

基于粒子群优化算法的地铁列车节能运行研究

在建立地铁列车运行物理模型的基础上,采用粒子群优化算法搜寻列车区间运行的惰行点位置,优化列车区间运行时间及运行能耗。基于南京地铁2号线实际线路模型,利用粒子群优化算法求解定时节能策略中列车区间运行惰行点位置,计算区间运行时间、能耗及回馈能量。结果显示,区间运行时间增加5.5%,列车运行能耗相应降低18.73%。     

基于粒子群BP网络混合算法的边坡稳定性评价

边坡稳定性评价与预测具有高度非线性和不确定性特征,难以用准确的数学模型表达。选取多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指标;然后采用粒子群算法优化BP神经网络模型,实现混合算法,在保持BP网络算法误差反向传播修正权值特点的同时,将网络权值和阈值粒子化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而加快收敛速度和提高收敛精度,避免传统粒子群结合BP网络算法的“早熟”现象;通过与其他算法进行边坡稳定性评价的比较分析,表明了本文研究算法的可行性与合理性。     

基于捕食搜索策略的粒子群算法求解高铁闭塞分区划分问题

高铁闭塞分区的合理划分可以保证列车的运行安全、提高运输效率和减少投资成本。为了更好地解决这个问题,利用基于捕食搜索策略的粒子群算法求解优化准移动闭塞条件下的闭塞分区划分模型。捕食搜索策略可以平衡粒子的局域搜索和全局搜索,从而避免陷入局部最优,提高算法精度。通过算例仿真,比较基于捕食搜索策略的粒子群算法和标准粒子群算法对模型优化的结果,验证基于捕食搜索策略的粒子算法对模型的求解是有效的,而且得到的解更精确,运算速度更快。     

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.     

公路路基拓宽优化设计改进粒子群算法

考虑单位路段内的工程数量、公路占地、边坡稳定等因素,建立以最优造价为目标函数的路基拓宽优化设计数学模型;引入具有一定全局搜索能力和较快收敛速度的粒子群算法并予以改进,得到了基于改进粒子群算法的路基拓宽优化设计方法,并编制相应优化计算程序.最后结合算例,给出不同条件下路基断面的拓宽形式,同时,对比分析证明了该法的可靠和可行性.     

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。     

基于粒子群算法的轨道车辆设备布局优化

轨道车辆车上设备布局是轨道车辆设计中一个重要的环节,开展轨道车辆设备布局优化设计对保证轨道车辆的安全运行具有重要作用。考虑轨道车辆设备外轮廓约束、设备干涉约束等,建立了以设备总重心相对于轨道车辆自身中心的距离最小化的轨道车辆布局优化数学模型。根据轨道车辆设备布局优化的特点设计了基于粒子群算法的轨道车辆设备布局数学模型。采用线性递减权值策略,通过改进惩罚因子,有效地引导粒子群算法向全局最优解方向收敛。以轨道工程车辆的设备布局问题为实例,采用本文算法进行了车上设备布局优化设计的实例分析,表明本文方法可有效解决轨道车辆设备布局优化问题。     

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。     

改进的粒子滤波算法及其在车牌跟踪中的应用

针对粒子滤波算法精度、效率不高及样本贫化等问题,提出通过量子粒子群算法和自适应遗传算法改进的粒子滤波算法。在粒子滤波重采样之后,考虑采用量子粒子群算法的位置更新方程对粒子分布进行改善;再按适应度大小对样本排序,滤除适应度值低于平均水平的粒子,选取相应数量较优粒子替换被滤除粒子。为保证样本多样性和有效粒子数量,引入自适应遗传算法对粒子进行交叉、变异操作。选择非线性目标跟踪模型和分时恒定值模型对本文改进算法进行仿真,仿真结果表明本文算法精度、数值稳定性均高于同类算法;最后将本文算法运用于汽车视频跟踪实验中,实验结果表明本文算法对目标跟踪中物体快速运动、光线和背景剧烈变化的情况都有准确的跟踪效果。     

面向大型社会活动的个性化区域交通控制

针对大型社会活动下的城市区域交通控制问题,提出一种面向大型社会活动的个性化区域交通控制方法。充分考虑交通管理者的个性化实践经验,构建面向大型社会活动的区域交通控制双层模型,即个性化交通管理与个性化交通控制模型。引入模糊分析法,对区域交通控制双层模型的参数进行个性化确定,并基于压缩粒子群算法对模型进行优化求解,最终输出各区域、区域内各交叉口控制向量。以长沙城区举办大型活动背景进行了交通控制仿真验证。研究结果表明：大型活动举办期间,区域交通系统运行良好,这说明本文算法能够有效解决大型活动下的区域交通控制问题。     

基于改进粒子群算法和神经网络的智能位移反分析法及其应用

为确定工程计算所需的围岩力学参数,提出一种基于改进粒子群算法和BP神经网络的智能位移反分析方法,结合工程现场量测到的围岩位移信息,实现对隧道围岩力学参数的反演。该方法利用正交和均匀试验设计方法获得训练样本,在动态改变惯性权重的同时加入粒子位置自适应变异,对标准粒子群算法进行改进,并利用改进算法对BP神经网络权值和阈值进行优化,提高网络训练速度和预测精度;再利用该神经网络建立起待反演参数与实测位移值间的非线性关系,结合改进粒子群算法搜索最优反演参数。将此方法应用于里岩垄隧道YK11+150断面反分析中,比较计算位移值和实测位移值,其平均相对误差为5.35%,表明该方法是可行的。     

铁路隧道二次衬砌敲击检查声音特征分析及智能识别

为实现铁路隧道二次衬砌背后空洞智能诊断,基于声音识别技术,建立隧道空洞敲击检查声音智能识别模型。收集645段检查锤敲击衬砌的声音样本,运用信号特征分析的基本方法,分析有空洞和无空洞状态下声音信号的时域和频域特征,并提取24维梅尔频率倒谱系数作为机器学习数据集。用主成分分析法降维,经混合粒子群算法优化的支持向量机训练后,建立铁路隧道空洞敲击检查声音智能识别模型,将该模型应用于实际铁路隧道验证其有效性。建立的声音识别模型训练时长为31 s,准确率达95.56%,且能准确对实际工程中的声音样本做出分类。研究结果表明：对2种状态下的声音样本时域特征和频域特征进行对比和分析,不同状态下短时能量和声纹都出现明显的不同。运用PCA-混合PSO-SVM建立的声音识别模型,有着较高的准确率和较快的训练速度,能够根据敲击检查声音准确判断出隧道背后是否存在空洞,如何根据声音特征判断衬砌背后空洞的大小和深度等,将是下一步研究的重点。目前铁路隧道快速无损检测还无法大范围普及,人工检查仍是使用最广泛的检查方法,通过研究敲击检查声音智能识别,为隧道智能化诊断做出新的探索,对加快人工检查速度、提高信息化程度和实现无纸化作业有着重要的意义。     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

城市轨道交通 TOD 区域土地利用方式优化定量研究

在同一个城市的轨道交通线网中,轨道交通线路沿线或相邻线路的交通站点之间会产生交通廊道效应,这将如何影响城市轨道交通 TOD 区域的土地混合开发利用优化是需要探讨的问题。城市轨道交通站点 TOD 区域土地混合利用规划,应考虑城市轨道交通线路站点间的相互联动影响,并将有联动效应的轨道交通站点 TOD 区域视为整体,对其进行土地利用功能规划。采用定量分析的方法,分析轨道交通站点周边土地利用的 TOD 程度。可在城市轨道交通 TOD 区域范围内,使用 CAD 工具识别土地利用现状,并用离散粒子群算法确定未开发土地的利用方式和容积率,使轨道交通 TOD 区域内的土地利用既考虑符合 TOD 理念内涵的高密度开发原则,又兼顾“公园城市”舒适环境的人性化设计原则。选取成都市的 4 个商业核心型轨道交通 TOD 区域,实证土地混合利用规划程度评价,发现可达性较高的轨道交通 TOD 区域更倾向于规划大量的居住用地和商业用地,而可达性较低的轨道交通 TOD 区域的规划类似于一般独立规划的轨道交通 TOD 区域,各类用地较为均衡。     

基于市场需求的高速铁路运输服务属性调整模型及算法

近几年,大城市间各种客运方式间的市场竞争越来越激烈,几种客运方式既存在合作关系,又存在博弈竞争关系。高速铁路运输企业必须根据旅客运输市场需求,合理设计所提供的运输服务属性,最大限度地吸引客流,最终才能赢得合理的企业效益。本文从高速铁路运输企业运营的经济效益和旅客出行方式选择两方面,建立高速铁路运输服务属性调整的双层规划模型,探讨应用粒子群优化算法求解,以期对高速铁路运输企业设计合理的运输服务水平提供理论依据,并将此模型及算法应用于武广高速铁路运输服务水平设计中,验证模型及求解方法的可行性。     

基于小生境粒子群算法的ATO运行过程优化研究

针对自动驾驶(ATO)列车的低能耗、高准时和高舒适度问题,以列车运行过程中的安全性及其列车动力学模型为约束条件,建立列车运行过程的多目标优化模型,提出粒子群算法与小生境技术相结合的求解算法。该求解算法首先计算随机生成的粒子间欧式距离的平均值,确定小生境半径,划分小生境种群;采用共享机制对更新后的小生境群体进行调节,提高粒子的适应度值;最后通过迭代求出最优解。通过对选取线路的仿真模拟,验证该算法在降低ATO列车的运行能耗、提高列车运行过程的准时性与舒适性方面的有效性。