基于RSM的地铁车站集散能力仿真计算

结合地铁车站乘客集散过程的特性,分析车站集散能力及影响因素;以单位时间内车站最大集散乘客数量和最小平均集散时间为目标函数,建立地铁车站集散能力优化模型;针对模型中目标函数难于使用解析方法求解的情况,构建基于排队理论的乘客车站集散过程仿真模型,并在原优化模型基础上提出车站集散能力仿真计算模型;考虑到仿真模型的效率,提出基于响应曲面法(RSM)的车站集散能力求解算法。以北京地铁2号线某站为例开展研究,计算分析不同仿真方案下车站集散能力和平均集散时间,验证模型及算法的有效性与实用性。     

轨道交通网络列车运行计划一体化编制理论框架研究

以城市轨道交通线网运营特征分析为基础,对网络列车运行计划一体化编制内涵进行界定;以运行计划编制原则和已知条件为基础,对城市轨道交通网络列车运行计划一体化编制的关键问题进行探讨;将线网上只关注本线运能供需协调策略实现的线路独立性运行计划编制进行整合,给出一体化编制机制及流程,提出一体化编制理论框架。最后,以北京地铁为例,对城市轨道交通网络列车运行计划一体化编制理论框架的应用进行说明。     

基于多阶段特征优选的高速铁路列车晚点预测模型

为克服大规模高维数据集不相关和冗余信息对列车晚点预测模型性能的影响，提出一种融合多阶段（MS）特征优选方法和改进深度神经网络（IDNN）模型的高速铁路列车晚点预测模型（简称MS-IDNN模型）。首先，利用MS特征优选方法，基于列车运行实绩提取影响列车晚点的相关特征，构建初始特征集，并对其进行数据清洗和特征优选，生成最优特征子集；其次，将列车晚点特征映射为IDNN模型的神经元，采取全连接方式提取特征间的交互关系，并叠加多个浅层神经网络以克服深度神经网络反向传播过程中梯度消失的缺陷，实现列车到达晚点的精准预测；最后，以武广高速铁路列车运行实绩为例，验证MS-IDNN模型的有效性。结果表明：相比初始特征集，构建得到的最优特征子集特征维度降低了54.29%；相比6种基线模型，MS-IDNN模型的平均绝对误差和均方根误差分别至少降低4.85%和8.97%，在沿线至少66.66%的车站中表现出更高的预测性能；MS-IDNN模型能够有效剔除数据集中的不相关和冗余信息，提升列车晚点预测精度。