CN103716194B - 一种城轨列车网络拓扑优化方法 - Google Patents
一种城轨列车网络拓扑优化方法 Download PDFInfo
- Publication number
- CN103716194B CN103716194B CN201310753028.8A CN201310753028A CN103716194B CN 103716194 B CN103716194 B CN 103716194B CN 201310753028 A CN201310753028 A CN 201310753028A CN 103716194 B CN103716194 B CN 103716194B
- Authority
- CN
- China
- Prior art keywords
- mrow
- node
- network
- msub
- link
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了属于轨道交通通信网络技术领域的一种城轨列车网络拓扑优化方法。本发明借助双层规划的思想来实现在经济性约束下，同时满足通信网络可靠性和实时性的优化设计过程；所述双层规划是将列车网络的物理拓扑的规划看作一个离散网络规划，而逻辑拓扑规划看作一个最短时延规划，并采用基于基因遗传算法求解双层规划模型；通过本发明的优化方法能够有效的寻找到费用，可靠性及时间三者的平衡点。本发明针对给定实例给出了基于基因遗传算法的求解结果，说明本发明能够应用到实际工程问题中，本发明应用到轨道交通列车网络建设中能够使列车网络更加经济、高效地运行有效节约建设成本，减少不必要的浪费和冗余。
Description
技术领域
本发明属于轨道交通通信网络技术领域，特别涉及一种城轨列车网络拓扑优化方法。
背景技术
随着网络通信技术的发展，越来越多的新型通信网络结构被提出，用于替代列车上原有的TCN网络。同时，也有研究希望在列车上建立一条专门用于安全监测的网络。列车通信网络的拓扑结构将直接影响网络的性能。结构设计不当，将会导致网络的可靠性下降，时延增加，从而进一步的影响整体网络的性能。
目前有大量针对网络拓扑结构设计优化的算法。但其中大多数都只针对网络设计问题中的一部分进行研究，例如网络中的某些组成设备，或者某些特性，而没有系统化的对网络整体需求进行探讨。有一些算法探讨了可靠性约束下的网络拓扑设计，建立一条稳定性最大的网络。有一些算法探讨了如何根据经济约束及应用环境需求确定网络的物理拓扑结构，以获得最大可靠性。但这些算法都没有考虑网络在时延方面的需求。一些算法探讨了网络中减小时延的方法，这些方法大多是在物理拓扑已知的网络中，通过对通讯协议或者某些设备的替换，来实现网络实时性的优化。有论文采用从顶至底的方法去设计列车通信网络，但是其关注的重点是网络的硬件层面，因此讨论的是设备的芯片级设计。有一些论文尝试探讨了如何对网络的物理拓扑和逻辑拓扑同时进行优化，但是没有提出一种较为通用的系统优化模型。一般而言，现有文献将同时考虑物理拓扑和逻辑拓扑的网络设计过程看作是一种多目标优化方法，但是这种思想导致算法求解变得异常复杂，并且不能确保获得最优解。
发明内容
本发明的目的是提供一种城轨列车网络拓扑优化方法，其特征在于，借助双层规划的思想来实现在经济性约束下，同时满足通信网络可靠性和实时性的优化设计过程；所述双层规划是将列车网络的物理拓扑的规划看作一个离散网络规划，而逻辑拓扑规划看作一个最短时延规划，并采用基于基因遗传算法求解双层规划模型；在离散列车通信网络拓扑规划中，物理拓扑是链路与节点的优化布设，通过改变已有通信节点间的链路，使网络可靠性达到要求，同时建造成本最小；逻辑拓扑是一个信息流路径的均衡分配，其目标函数为网络时延最小，传递函数x＝x(u)将物理拓扑规划的信息传递给逻辑拓扑，逻辑拓扑规划过程根据该函数设计合理的数据传输路径；所述城轨列车网络拓扑优化方法，含有以下步骤：
(1)设定初始参数，包括节点数目，节点间距离，最大费用，节点单价，节点可靠性，链路单价和链路可靠性；
设定初始参数是在假设网络带宽远大于网络内的数据量的基础上，所述逻辑拓扑规划能获取网络的最小时延；该假设的依据是现有列车通信网络TCN，其最大带宽为1.5Mbps，而用以太网作为列车通信网后，带宽将增加至100Mbps，即使现有控制指令增加10倍，网络带宽也要比数据流量大一个数量级；
(2)根据初始参数，生成初始基因并利用遗传算法对节点间的物理连接方式进行规划，并在最大费用约束条件下，生成最优解；
假设G＝(N,L,A)是一个没有平行链路的网络，并且网络中没有孤立点存在，受费用约束的网络物理拓扑结构可靠性表述成为：
P(lj)＝F1[c(lj)] (3)
P(nj)＝F2[c(nj)] (4)
R(x)是整个网络的可靠性；P(lj)是链路lj的可靠性；P(ni)是节点ni的可靠性；Ω是网络所有可用状态的集合，在网络物理拓扑结构可靠性优化中Ω＝gpopt；C(x)是整个系统的最大可使用费用；c(lj)是每单位距离链路j的费用；dj是链路j的长度；c(ni)是节点i的费用；L是链路个数；N是节点个数；F1是链路可靠性与链路单价之间的函数关系；F2是节点可靠性与节点成本之间的函数关系；在任意时间段，G中都只有部分链路能够工作，此时G的状态是有向图(N,L,A)的子图(N,L’)，其中L’是正常工作链路的集合，如果lj∈L′,那么uj＝1，否则uj＝0；
(3)判断物理拓扑结构是否符合实际要求，如果符合，进入第四步；否则，将该结果记录进不合适解数据库后进入第二步，重新寻找除去不合适解外的最优解；其物理拓扑受限于除经济约束外的约束条件：列车通信网络中不能存在孤立的节点，以及由于线缆条件制约而产生的最大链路约束；
(4)将最优解的基因转化成表征物理拓扑结构的邻接矩阵，并传递给逻辑拓扑规划模块；进行逻辑拓扑规划，寻找网络中任意两个节点间的时延最小的通信方式，生成节点间逻辑拓扑规划表；列车通信网络的逻辑拓扑优化表述为：
s.t.Φ∈Ω (6)
c(lj)＝f1[t(lj)] (7)
c(ni)＝f2[t(ni)] (8)
T(x)是系统的总时延；t(lj)是链路lj上的延时，t(ni)是节点ni的延时；数据从一个任意一个节点向另一任意节点传输时，通过的传输路径是G的一个子集，记做(N’,L”)；Φ为所有数据传输路径的集合，Φ＝glopt；f1是链路时延与链路单价之间的函数关系；f2是节点时延与节点成本之间的函数关系；
(5)判断逻辑拓扑是否符合要求，如果符合要求，结束全部算法；否则，该结果记录进不合适解数据库并判断原因，如果是逻辑拓扑规划导致，则从新进行第四步，否则进行第二步。
所述利用基因遗传算法求解过程如下：
1)求解物理拓扑优化模型
A.编码方式
在双层规划过程中，如何有效的将信息在两层优化中传递，是非常关键的一个步骤，其中很重要的一点就是需要一个有效的基因编码方式，基因编码的第一步是确定基因的长度，对于一个有Nd个节点的列车通信网络，其包含的链路数Nl与节点数Nd之间的关系，可以用公式(9)表示，
为了表征整体网络的可靠性，本算法中，所用的基因应该有0.5(Nd+1)Nd+Nd位，其中|0.5(Nd+1)Nd|位表征链的可靠性；|Nd|位表征节点的可靠性；
对于不同的节点及链路，用不同的整数代表其可靠性：数字1代表可靠性最好的设备，数字2代表可靠性第二好的设备，依次下排；如果有N种不同可靠性的设备，那基因中每一个bit的取值范围是(0-N)，其中0代表链路不存在。
在遗传算法求解网络可靠性的最优解基础上，还将网络结构传递至下层的逻辑拓扑规划，因此，基因的编码必须要能体现网络的结构；通常利用网络的伴随矩阵来表征网络结构，因此，基因的结构也从伴随矩阵中演变而来；由于列车通信网络是一种全双工通信网络，因此其伴随矩阵是一个对称矩阵。
B适应度函数
优化的目标是寻找经济约束条件下最可靠的物理拓扑结构；因此，适应度函数必须包含经济和可靠性两个因素；由于在基因遗传算法运行的过程中，处于最优边界上的解往往是一个可行解和一个不可行解的后代；因此在设置适应度函数时，不能单纯的将不可行解剔除；合理的解决方案是设置一种有效的惩罚函数，降低不可行解在种群中的比重，根据实际实验发现，采用如下适应度函数具有较好的运算效率，
其中C是系统允许的最大费用；count(rea(x))≠0表示x的可达矩阵rea(x)中0的个数，该限制条件保证了列车通信网络中不会存在孤立节点；R(x)是系统可靠性；c(x)是系统实际费用。λ是惩罚因子，根据实际情况设定，λ＜E(R(x)),取值为0.05-0.15；
C基因操作
人口数量，选择方法，交叉及变异操作和停止条件这些因素决定了遗传算法的效率，通过大量的实验，选择出了最适合本遗传算法的参数；人口数量为400，同时限制种群中每个基因的取值范围是1到N的整数，采用随机均匀的基因筛选方法，使用交叉概率为0.8的单点交叉方法；使用突变率为0.03的均匀突变；截止条件为遗传500代；
2)求解逻辑拓扑优化模型
通信网络的时延由如下通式表达:
T＝Ttd+Tpd+Tqd (11)
其中Ttd是发送时延，Tpd是传输时延，Tqd是排队时延，但是，对于列车通信网络来说，其最大链路长度不会超过两百米，因此，网络中的传输时延可忽略不计，而发送时延与排队时延都是由转发产生的，所以在对网络通信时延进行最优化时，只考虑信息传递过程中经过了多少次转发，进一步的，即经过了多少个节点；
采用Floyd-Warshall算法寻找到列车通信网络系统内每一个节点与其他节点通信时的最短路径。
本发明的有益效果：
本发明明确了费用约束条件下列车网络物理拓扑和逻辑拓扑的优化模型，并给出了基于基因遗传算法的求解方法，本发明提出了列车通信网络优化问题的普适描述，并研究了一种城轨列车网络拓扑优化方法。通过本发明的优化方法能够有效的寻找到费用，可靠性及时间三者的平衡点。本发明针对给定实例给出了基于基因遗传算法的求解结果，说明本发明能够应用到实际工程问题中，本发明应用到轨道交通列车网络建设中能够使列车网络更加经济、高效地运行有效节约建设成本，减少不必要的浪费和冗余。
附图说明
图1一种简单的列车通信网络结构。
图2基因与伴随矩阵的关系。
图3包括图3(a)、图3(b)，表示一种四个节点的网络的示例。
图4A、图4B为算例1运行结果。
图5包括图5(a)、图5(b)，表示为算例2的物理连接方式。
具体实施方式
本发明提供一种城轨列车网络拓扑优化方法。下面结合附图，对优选实施例作详细说明。本发明借助双层规划的思想来实现在经济性约束下，同时满足通信网络可靠性和实时性的优化设计过程；所述双层规划是将列车网络的物理拓扑的规划看作一个离散网络规划，而逻辑拓扑规划看作一个最短时延规划，并采用基于基因遗传算法求解双层规划模型；在离散列车通信网络拓扑规划中，物理拓扑是链路与节点的优化布设，通过改变已有通信节点间的链路，使网络可靠性达到要求，同时建造成本最小；逻辑拓扑是一个信息流路径的均衡分配，其目标函数为网络时延最小，传递函数x＝x(u)将物理拓扑规划的信息传递给逻辑拓扑，逻辑拓扑规划过程根据该函数设计合理的数据传输路径；
实施例1:
首先假设有三种不同可靠性及价格的链路及节点，设定相关初始参数，包括节点数目，节点间距离，最大费用，节点单价，节点可靠性，链路单价和链路可靠性；设定初始参数是在假设网络带宽远大于网络内的数据量的基础上，所述逻辑拓扑规划能获取网络的最小时延；对于不同的节点及链路，用不同的整数代表其可靠性：数字1代表可靠性最好的设备，数字2代表可靠性第二好的设备，依次下排；如果有N种不同可靠性的设备，那基因中每一个bit的取值范围是(0-N)，其中0代表链路不存在，在图1中展示了一种由4个节点和5条边组成的网络。链路可靠性与成本关系如下表1所示：表2所示为节点可靠性与成本关系。
表1链路可靠性
表2节点可靠性与成本关系
假设网络中有四个节点成线性列，节点间间隔40米。通过计算可以知道，要实现这样一个系统，其最小费用是6960，结构如图3(a)所示，此时的网路具有最小的可靠性。最大费用是18000，结构如图3(b)所示，此时的网路具有最大的可靠性。需要注意的一点是图中的链路里面有一些折线，这并不代表实际长度有所增加，仅仅是为了方便展示和观察。
在遗传算法求解网络可靠性的最优解基础上，还将网络结构传递至下层的逻辑拓扑规划，因此，基因的编码必须要能体现网络的结构；通常利用网络的伴随矩阵来表征网络结构，因此，基因的结构也从伴随矩阵中演变而来；由于列车通信网络是一种全双工通信网络，因此其伴随矩阵是一个对称矩阵，如图2显示了网络的伴随矩阵a与基因x的关系。这个基因的前六位代表了六个链路，后面四位代表从图1中从左至右的四个节点。
下面用本发明设计的算法，分别将经济约束设定为6960及18000，惩罚因子λ＝0.1，观察运行得到的结果是否符合准确。算法运行完成后的结果显示如图4A、如图4B所示
图中显示了遗传算法的运行结果以及逻辑拓扑优化后的最短时间通信链路。从图中可以看出，经济约束为6960时(如图4A所示)，在100代左右出现最优解，最优解约为0.2202。经济约束为18000时(如图4B所示)，约在第10代出现最优解，最优解约为0.8147.图中1-2-3-4代表信息从节点1传输至节点4的最佳路径是通过节点2及节点3，以此类推.通过结果可以发现，本发明提及的列车通信网络双层规划算法，上层物理拓扑规划及下层的逻辑拓扑规划都能够产生符合要求的解。
实施例2:
本例解决一个实际中存在的问题。
假设现在有一个6节车厢编组的列车，每节车厢中有一个节点需要与其他车厢中的节点连接。每节车长26米，考虑布线方式，因此假设相邻两个节点间如果要连接，需要50米长的电缆。链路及节点的价格和可靠性仍然参考表1及表2.求解最大建造费用为17000及25000时的最稳定网络结构及最短时延通信方式。并且，考虑信号衰减问题，因此系统中的最大链路长度必须小于或等于150米。利用本发明所述方法，得到列车中节点连接方式的最优解如表3.物理连接方式如图5。
表3实例2最优解
通过实例分析可以知道，本发明提出的模型、算法是合理的，并且能够解决相应的实际问题。
Claims (1)
1.一种城轨列车网络拓扑优化方法，其特征在于，借助双层规划的思想来实现在经济性约束下，同时满足通信网络可靠性和实时性的优化设计过程；所述双层规划是将列车网络的物理拓扑的规划看作一个离散网络规划，而逻辑拓扑规划看作一个最短时延规划，并采用基于基因遗传算法求解双层规划模型；在离散列车通信网络拓扑规划中，物理拓扑是链路与节点的优化布设，通过改变已有通信节点间的链路，使网络可靠性达到要求，同时建造成本最小；逻辑拓扑是一个信息流路径的均衡分配，其目标函数为网络时延最小，传递函数将物理拓扑规划的信息传递给逻辑拓扑，逻辑拓扑规划过程根据该函数设计合理的数据传输路径；所述城轨列车网络拓扑优化方法，含有以下步骤：
(1)设定初始参数，包括节点数目，节点间距离，最大费用，节点单价，节点可靠性，链路单价和链路可靠性；
设定初始参数是在假设网络带宽远大于网络内的数据量的基础上，所述逻辑拓扑规划能获取网络的最小时延；该假设的依据是现有列车通信网络TCN，其最大带宽为1.5Mbps，而用以太网作为列车通信网后，带宽将增加至100Mbps；
(2)根据初始参数，生成初始基因并利用遗传算法对节点间的物理连接方式进行规划，并在最大费用约束条件下，生成最优解；其中，进行规划的具体步骤为：
假设G是一个没有平行链路的网络，并且网络中没有孤立点存在，受费用约束的网络物理拓扑结构可靠性表述成为：
<mrow>
<mi>max</mi>
<mi> </mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>{</mo>
<munder>
<mo>&Sigma;</mo>
<mi>&Omega;</mi>
</munder>
<mo>&lsqb;</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<msup>
<mi>L</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</munder>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<mo>&lsqb;</mo>
<munder>
<mo>&Pi;</mo>
<mrow>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mo>/</mo>
<msup>
<mi>L</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>P</mi>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>&CenterDot;</mo>
<mo>&lsqb;</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>c</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<msub>
<mi>u</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>c</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
P(lj)＝F1[c(lj)] (3)
P(ni)＝F2[c(ni)] (4)
R(x)是整个网络的可靠性；P(lj)是链路lj的可靠性,P(ni)是节点ni的可靠性；Ω是网络所有可用状态的集合；C(x)是整个系统的最大可使用费用；c(lj)是每单位距离链路j的费用；dj是链路j的长度；c(ni)是节点i的费用；L是链路个数；N是节点个数；F1是链路可靠性与链路单价之间的函数关系；F2是节点可靠性与节点成本之间的函数关系；在任意时间段，G中都只有部分链路能够工作，其中L′是正常工作链路的集合，如果lj∈L′,那么uj＝1，否则uj＝0；
(3)判断物理拓扑结构是否符合实际要求，如果符合，进入第四步；否则，将结果记录进不合适解数据库后进入第二步，重新寻找除去不合适解外的最优解；其物理拓扑受限于除经济约束外的约束条件：列车通信网络中不能存在孤立的节点，以及由于线缆条件制约而产生的最大链路约束；
(4)将最优解的基因转化成表征物理拓扑结构的邻接矩阵，并传递给逻辑拓扑规划模块；进行逻辑拓扑规划，寻找网络中任意两个节点间的时延最小的通信方式，生成节点间逻辑拓扑规划表；具体是将列车通信网络的逻辑拓扑优化表述为：
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>&Phi;</mi>
</munder>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>&Element;</mo>
<msup>
<mi>L</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
</mrow>
</munder>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>&Element;</mo>
<msup>
<mi>N</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</munder>
<mi>t</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
s.t. Φ∈Ω (6)
c(lj)＝f1[t(lj)] (7)
c(ni)＝f2[t(ni)] (8)
T(x)是系统的总时延；t(lj)是链路lj上的延时，t(ni)是节点ni的延时；数据从任意一个节点向另一任意节点传输时，通过的传输路径是G的一个子集，记做(N′,L″)；Φ为所有数据传输路径的集合；f1是链路时延与链路单价之间的函数关系；f2是节点时延与节点成本之间的函数关系；
(5)判断逻辑拓扑是否符合要求，如果符合要求，结束全部算法；否则，将结果记录进不合适解数据库并判断原因，如果是逻辑拓扑规划导致，则重新进行第四步，否则进行第二步。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310753028.8A CN103716194B (zh) | 2013-12-31 | 2013-12-31 | 一种城轨列车网络拓扑优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310753028.8A CN103716194B (zh) | 2013-12-31 | 2013-12-31 | 一种城轨列车网络拓扑优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103716194A CN103716194A (zh) | 2014-04-09 |
| CN103716194B true CN103716194B (zh) | 2017-08-25 |
Family
ID=50408800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310753028.8A Active CN103716194B (zh) | 2013-12-31 | 2013-12-31 | 一种城轨列车网络拓扑优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103716194B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103957122A (zh) * | 2014-05-05 | 2014-07-30 | 沈阳工业大学 | 评估全终端网络可靠度的k-s上界法 |
| CN104504480B (zh) * | 2015-01-04 | 2018-04-10 | 北京交通大学 | 不同聚合态下的换乘车站客流诱导策略优化方法 |
| CN106408133A (zh) * | 2016-10-11 | 2017-02-15 | 山东师范大学 | 受生物膜启发dna遗传算法的铁路应急调度优化方法及系统 |
| CN106789641A (zh) * | 2016-11-18 | 2017-05-31 | 华北电力大学（保定） | 智能电网中集中式广域保护通信网的拓扑设计方法 |
| CN106911509A (zh) * | 2017-03-01 | 2017-06-30 | 北京交通大学 | 基于服务网络动态配流的列车编组分析方法及系统 |
| CN109275154B (zh) * | 2018-11-30 | 2020-08-04 | 上海交通大学 | 基于双层拓扑路由算法的动态自适应路由路径规划方法 |
| CN110443403B (zh) * | 2019-06-21 | 2023-08-25 | 上海市政交通设计研究院有限公司 | 一种城市交通微循环网络的优化系统及求解方法 |
| CN111882909B (zh) * | 2020-08-03 | 2022-05-24 | 上海理工大学 | 基于双层规划的应急救援调度与动态路径集成方法 |
| CN113595774B (zh) * | 2021-07-19 | 2023-08-01 | 广西大学 | 一种基于iaga算法的高速列车车联网拓扑优化方法 |
| CN114363215B (zh) * | 2021-12-27 | 2024-05-28 | 北京特种机械研究所 | 一种基于供需平衡的列车通信网络时延分析方法 |
| CN115664525A (zh) * | 2022-08-09 | 2023-01-31 | 西安交通大学 | 一种双归属环形网络拓扑与路径优化系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102148710A (zh) * | 2011-03-31 | 2011-08-10 | 株洲南车时代电气股份有限公司 | 一种列车通信网络拓扑生成方法 |
| CN102801597A (zh) * | 2012-08-30 | 2012-11-28 | 北京交通大学 | 一种基于以太网的列车通信网络实现方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010026433A1 (de) * | 2010-07-08 | 2012-01-12 | Siemens Aktiengesellschaft | Steuernetzwerk für ein Schienenfahrzeug |
-
2013
- 2013-12-31 CN CN201310753028.8A patent/CN103716194B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102148710A (zh) * | 2011-03-31 | 2011-08-10 | 株洲南车时代电气股份有限公司 | 一种列车通信网络拓扑生成方法 |
| CN102801597A (zh) * | 2012-08-30 | 2012-11-28 | 北京交通大学 | 一种基于以太网的列车通信网络实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103716194A (zh) | 2014-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103716194B (zh) | 一种城轨列车网络拓扑优化方法 | |
| CN105205557B (zh) | 一种城市常规公交线网设计方法 | |
| CN104318758B (zh) | 基于多层次多模式的公交线网规划方法 | |
| CN110298507B (zh) | 高速铁路列车运行图与动车组运用一体化优化方法 | |
| CN111598427B (zh) | 一种城市轨道交通站点重要度评价方法 | |
| CN105306364B (zh) | 基于业务重要度的电力通信业务路由分配方法 | |
| CN104966135B (zh) | 基于可达性和可达强度的公交线路网络优化方法 | |
| CN106936645B (zh) | 基于排队论的树形网络拓扑结构的优化方法 | |
| CN105808877A (zh) | 一种基于站点停靠能力的公交线网布设方法 | |
| CN113724495B (zh) | 一种城市共享出行的流量预测方法 | |
| CN103929476A (zh) | 一种车辆分层控制网络系统及控制方法 | |
| CN106452920A (zh) | 基于成本最优化布局电网数据节点的方法和装置 | |
| CN110019569A (zh) | 一种获取城市轨道交通运营状态信息的方法 | |
| CN115017658A (zh) | 一种基于可达性和节点重要度的轨道交通网络优化方法 | |
| CN116246452A (zh) | 网联自动驾驶车辆专用道规划方案合理性分析方法 | |
| Ju et al. | Multilayer structures and resilience evaluation for multimode regional rail transit system | |
| CN103077312B (zh) | 一种城市轨道交通线路建设时序的自动判定方法 | |
| CN105243439A (zh) | 基于路网结构的城市群城际铁路线网规模测算方法 | |
| CN106741018B (zh) | 一种基于网络演化的列车开行控制方法与系统 | |
| CN116913090A (zh) | 一种考虑交通韧性的城市路网灾后恢复方法及系统 | |
| CN106789641A (zh) | 智能电网中集中式广域保护通信网的拓扑设计方法 | |
| CN102684935B (zh) | 基于信息量的流量矩阵估测方法 | |
| CN113723859B (zh) | 一种多层城市群综合客运网络稳定性评价方法 | |
| CN113868811A (zh) | 地铁网络拓扑结构可靠性评价方法 | |
| CN107368919A (zh) | 基于可逆车道与交叉口冲突消除的公交疏散路径规划方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Dong Honghui Inventor after: Tian Yin Inventor after: Jia Limin Inventor after: Qin Yong Inventor after: Ding Jianlong Inventor after: Ma Huiru Inventor after: Teng Zhiwei Inventor before: Dong Honghui Inventor before: Tian Yin Inventor before: Jia Limin Inventor before: Qin Yong Inventor before: Ma Huiru Inventor before: Teng Zhiwei |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |