CN110009255B - 基于三参数区间泛灰数的铁路车站能力表示方法 - Google Patents

基于三参数区间泛灰数的铁路车站能力表示方法 Download PDF

Info

Publication number
CN110009255B
CN110009255B CN201910302284.2A CN201910302284A CN110009255B CN 110009255 B CN110009255 B CN 110009255B CN 201910302284 A CN201910302284 A CN 201910302284A CN 110009255 B CN110009255 B CN 110009255B
Authority
CN
China
Prior art keywords
throat
capacity
interval
graying
parameter
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
Application number
CN201910302284.2A
Other languages
English (en)
Other versions
CN110009255A (zh
Inventor
薛锋
袁野
余潇
何传磊
孙宗胜
范千里
杨宗琴
甘易玄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910302284.2A priority Critical patent/CN110009255B/zh
Publication of CN110009255A publication Critical patent/CN110009255A/zh
Application granted granted Critical
Publication of CN110009255B publication Critical patent/CN110009255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G06Q50/40—

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于三参数区间泛灰数的铁路车站能力表示方法，包括以下步骤：S1：将三参数区间转化为泛灰数转化形式；S2：将转化后的泛灰数形式进行相关运算得到三参数铁路车站能力的区间表示形式；S3：利用JAB区间估计方法对三参数铁路车站能力的区间表示形式的区间进行估计；解决了以往方法缺乏考虑不确定性因素的铁路车站能力测度方法，且到发车流的不均衡性以及作业之间的干扰等因素，造成铁路车站能力具有波动性，既有的能力表达以单一的精确值表示，使特定数值的唯一性不能体现客观实际的动态性同时数值的刚性也使得能力之间的协调不具有柔性和兼容性的问题。

Description

基于三参数区间泛灰数的铁路车站能力表示方法
技术领域
本发明涉及铁路车站能力表示方法领域，特别是基于三参数区间泛灰数的铁路车站能力表示方法。
背景技术
随着高速铁路服务国家战略能力水平的显著提升，铁路的建设也在持续性大规模开展，近年来，高速铁路已基本成网，旅客运输的重心逐渐向高速铁路转移，主要繁忙干线实现了客货分离，枢纽结构和客货运分工也日趋完善，既有线的运输能力得到了极大的释放，原有的铁路货物运输体系和整体的货物运输环境也有了较大改变，这对我国铁路货物运输提出了新的挑战。铁路车站作为铁路运输网的中间节点，起到了联结各区间线路的作用，站内各项作业顺畅与否成为了限制货物列车在路网中实现高效转移的重要一环，而能力作为衡量铁路车站运输生产效能的重要指标，长期以来其计算方法和测定手段复杂多样、相互独立，能力的计算结果和实际运用有时也相差较大，甚至会出现能力“膨胀”或“萎缩”的现象，在新形势下，铁路运营管理部门亟需对能力的变化规律进行有效把控，以便充分利用运力资源，为铁路车站合理分工提供依据。原有的能力定值表示方法虽然直观简洁，但是在挖掘车站能力使用规律，熟知能力摆动的内在机理方面还有所欠缺，因其车站列车作业的复杂性，列车的到发时间、设备作业时间等等都存在一定的波动性，这种车流及作业的不均衡会导致车站能力供应出现断档，这种由系统复杂性造成的能力波动性并不是完全随机的，而是在某一范围内呈现特定规律的摆动，即有界随机性。
在铁路车站能力研究方面，虽然既有文献对能力计算与优化问题作了很多探讨，但利用确定性模型的研究多、不确定性模型的研究少，缺乏考虑不确定性因素的铁路铁路车站能力测度方法，且到发车流的不均衡性以及作业之间的干扰等因素，造成铁路铁路车站能力具有波动性，既有的能力表达以单一的精确值表示，使特定数值的唯一性不能体现客观实际的动态性，同时数值的刚性也使得能力之间的协调不具有柔性和兼容性。
发明内容
为解决现有技术中存在的问题，本发明提供了基于三参数区间泛灰数的铁路车站能力表示方法，解决了以往方法缺乏考虑不确定性因素的铁路车站能力测度方法，且到发车流的不均衡性以及作业之间的干扰等因素，造成铁路站能力具有波动性，既有的能力表达以单一的精确值表示，使特定数值的唯一性不能体现客观实际的动态性，同时数值的刚性也使得能力之间的协调不具有柔性和兼容性的问题。
本发明采用的技术方案是，基于三参数区间泛灰数的铁路车站能力表示方法，包括以下步骤：
S1：将三参数区间转化为泛灰数转化形式，其转化公式为：
Figure GDA0003103644060000021
式中，
Figure GDA0003103644060000022
为三参数区间，
Figure GDA0003103644060000023
为泛灰数；
S2：将转化后的泛灰数形式进行相关运算得到三参数铁路车站能力的区间表示形式，其相关运算公式为：
Figure GDA0003103644060000024
式中，N为松弛能力；
Figure GDA0003103644060000025
为平衡能力；
Figure GDA0003103644060000026
为收缩能力；
Figure GDA0003103644060000027
为松弛度；是小于1的数；
Figure GDA0003103644060000028
为收缩度，是大于1的数；
S3：利用JAB区间估计方法对三参数铁路车站能力的区间表示形式的区间进行估计；
S3包括以下子步骤：
S31：从原始数据中提取列车占用咽喉区道岔组时间数据，包括t固咽、t接咽、t发咽、t牵咽、t转咽、t取(送)咽、t机咽、t妨咽；
S32：设某占用时间T～N(μ,σ2)，(T1,T2,...,Tn)为来自T的i.i.d样本，样本均值为μn，利用Jackknife法思想，从原样本中切去第i个个体后得到新的剩余样本：T(i)＝(T1,T2,...,Ti-1,Ti+1,...,Tn)；
S33：对T(i)的剩余样本进行Bootstrap抽样，重复进行B次，得到nB个新的剩余样本，计算剩余样本的均值估计
Figure GDA0003103644060000031
及方差SJAB 2；
S34：计算各咽喉道岔组占用时间在置信水平(1—α)下的三参数置信区间：
Figure GDA0003103644060000032
按照占用时间类别分别记为
Figure GDA0003103644060000033
Figure GDA0003103644060000034
S35：将各类占用时间区间数形式转化为泛灰数形式：
Figure GDA0003103644060000035
Figure GDA0003103644060000036
Figure GDA0003103644060000037
分别记为：
Figure GDA0003103644060000038
Figure GDA0003103644060000039
S36：计算咽喉区各道岔组总占用时间T咽，
Figure GDA00031036440600000310
令
Figure GDA00031036440600000311
Figure GDA00031036440600000312
Figure GDA00031036440600000313
则原等式可记为
Figure GDA00031036440600000314
S37：应用NSG可能度排序计数法，对咽喉区各道岔组总占用时间
Figure GDA0003103644060000041
进行比较，用NSG可能度计算公式计算咽喉区任意两个道岔组占用时间区间其中一个大于等于另一个的可能度，得到可能度矩阵(pij)M×M，其中
Figure GDA0003103644060000042
然后统计第a行大于0.5的元素个数，记为na，a＝1，2，...，M，最后对na进行排序，若有n1≥n2≥n3≥...≥nM，可得排序结果
Figure GDA0003103644060000043
Figure GDA0003103644060000044
Figure GDA0003103644060000045
S38：T咽最长的道岔组即为咽喉道岔组，将T咽代入公式计算咽喉道岔组通过能力利用率：
Figure GDA0003103644060000046
Figure GDA0003103644060000047
S39：将咽喉道岔组通过能力利用率带入咽喉通过能力计算公式，得到三参数区间表示的最终咽喉通过能力：
接车能力：
Figure GDA0003103644060000048
发车能力：
Figure GDA0003103644060000049
S32的Jackknife法包括以下步骤：
S321：从原样本中切去第i个个体后得到新的剩余样本：T(i)＝(T1,T2,...,Ti-1,Ti+1,...Tn)，计算得到剩余样本均值μi；
S322：定义切去第i个个体后的虚拟均值为μ′i，计算公式为：μ′i＝nμn—(n—1)μi；
S323：用虚拟均值的均值作为原样本均值的估计，计算公式为：
Figure GDA0003103644060000051
S：计算样本方差
Figure GDA0003103644060000052
本发明基于三参数区间泛灰数的铁路车站能力表示方法的有益效果如下：
将三参数区间应用于铁路车站能力的表示中，并通过引入泛灰数，有效避免了区间运算时引起的区间扩张，进一步定义了松弛能力、平衡能力和收缩能力的概念，为铁路车站能力的不确定性表示提供参考。
附图说明
图1为本发明基于三参数区间泛灰数的铁路车站能力表示方法的流程图。
图2为本发明基于三参数区间泛灰数的铁路车站能力表示方法的郑州北站能力示意图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
基于三参数区间泛灰数的铁路车站能力表示方法，包括以下步骤：
S1：将三参数区间转化为泛灰数转化形式，其转化公式为：
Figure GDA0003103644060000053
式中，
Figure GDA0003103644060000061
为三参数区间，
Figure GDA0003103644060000062
为泛灰数；
S2：将转化后的泛灰数形式进行相关运算得到三参数铁路车站能力的区间表示形式，其相关运算公式为：
Figure GDA0003103644060000063
式中，N为松弛能力；
Figure GDA0003103644060000064
为平衡能力；
Figure GDA0003103644060000065
为收缩能力；
Figure GDA0003103644060000066
为松弛度，是小于1的数，
Figure GDA0003103644060000067
为收缩度，是大于1的数；
S3：利用JAB区间估计方法对三参数铁路车站能力的区间表示形式的区间进行估计。
本实施方案在实施时，任意三参数区间向泛灰数转化形式可以表示为：
Figure GDA0003103644060000068
在技术站系统中，将能力区间数
Figure GDA0003103644060000069
转化为三参数区间泛灰数形式后再进行相关运算，可以最大限度保持计算结果的客观性和科学性，具体转化方式如下：
Figure GDA00031036440600000610
其中我们定义N为松弛能力，表示技术站作业系统在松弛状态下所具备的能力；
Figure GDA00031036440600000611
为平衡能力，表示技术站作业系统在平衡状态下所具备的能力，也是技术站的能力区间中心；
Figure GDA00031036440600000612
为收缩能力，表示技术站作业系统在收缩状态下所具备的能力。相对应的，
Figure GDA00031036440600000613
为松弛度，是小于1的数，
Figure GDA00031036440600000614
为收缩度，是大于1的数。
泛灰数具备区间分析的功能，此外还可以有效避免区间数运算的缺陷，对于解决区间扩张和不同表达式区间分析结果不同的问题有更好的效果。因此在计算技术站能力时，利用泛灰数相对于区间数运算的优势，首先将区间数转化为泛灰数，再进行对应的能力计算，可以得到更准确的计算结果。
本实施方案的S3包括以下子步骤：
S31：从原始数据中提取列车占用咽喉区道岔(组)时间数据，包括t固咽、t接咽、t发咽、t牵咽、t转咽、t取(送)咽、t机咽、t妨咽；
S32：设某占用时间T～N(μ,σ2)，(T1,T2,...,Tn)为来自T的i.i.d样本，样本均值为μn，利用Jackknife法思想，从原样本中切去第i个个体后得到新的剩余样本：T(i)＝(T1,T2,...,Ti-1,Ti+1,...,Tn)；
S33：对T(i)的剩余样本进行Bootstrap抽样，重复进行B次，得到nB个新的剩余样本，计算剩余样本的均值估计
Figure GDA0003103644060000071
及方差SJAB 2；
S34：计算各咽喉区道岔(组)占用时间在置信水平(1—α)下的三参数置信区间：
Figure GDA0003103644060000072
按照占用时间类别分别记为
Figure GDA0003103644060000073
Figure GDA0003103644060000074
S35：将各类占用时间区间数形式转化为泛灰数形式：
Figure GDA0003103644060000075
Figure GDA0003103644060000076
Figure GDA0003103644060000077
分别记为：
Figure GDA0003103644060000078
Figure GDA0003103644060000079
S36：计算咽喉区各道岔(组)总占用时间T咽，
Figure GDA00031036440600000710
令：
Figure GDA00031036440600000711
Figure GDA00031036440600000712
Figure GDA00031036440600000713
则原等式可记为
Figure GDA0003103644060000081
S37：应用NSG可能度排序计数法，对咽喉区各道岔组总占用时间
Figure GDA0003103644060000082
进行比较，用NSG可能度计算公式计算咽喉区任意两个道岔组占用时间区间大于等于另一个的可能度，得到可能度矩阵(pij)N×N，其中
Figure GDA0003103644060000083
然后统计第a行大于0.5的元素个数，记为na,a＝1,2,...,N，最后对na进行排序，若有na1≥na2≥...≥naN，则可得排序结果
Figure GDA0003103644060000084
Figure GDA0003103644060000085
S38：占用时间T咽最长的道岔组即为咽喉道岔组，将咽喉道岔组占用时间T咽代入公式计算咽喉道岔组通过能力利用率：
Figure GDA0003103644060000086
Figure GDA0003103644060000087
S39：将咽喉道岔组通过能力利用率带入咽喉通过能力计算公式，得到三参数区间表示的最终咽喉通过能力：
接车能力：
Figure GDA0003103644060000088
发车能力：
Figure GDA0003103644060000089
本实施方案的S32的Jackknife法包括以下步骤：
S321：从原样本中切去第i个个体后得到新的剩余样本：X(i)＝(X1,X2,...,Xi-1,Xi+1,...,Xn)，计算得到样本均值μi；
S322：定义切去第i个个体后的虚拟均值为μ′i，计算公式为：μ′i＝nμn—(n—1)μi；
S323：用虚拟均值的均值作为原样本均值的估计，计算公式为：
Figure GDA0003103644060000091
S324：计算样本方差
Figure GDA0003103644060000092
本实施方案在实施时，以郑州北编组站上行系统为例，对基于三参数区间泛灰数的铁路车站能力进行表示，数据取自郑州北站2007年9月12日至2007年9月15日三个昼夜的过程数据。
表5-1上行系统咽喉接车能力
Figure GDA0003103644060000093
由表5-1可知，上行到达场马砦端咽喉道岔组的接车能力为一昼夜[147.22,158.88,172.54]列；上行出发场峰尾端咽喉道岔组的接车能力为一昼夜[98.15,108.33,120.86]列。就整个上行系统而言，上到场的过路车成为上发场的接入列车，故过路车能力不再计算在内。此时，咽喉接车能力为[71.87,77.56,84.23]+[98.15,108.33,120.86]＝[170.02,185.89,205.09]列。
表5-2上发场咽喉发车能力
Figure GDA0003103644060000094
由表可知，上行出发场欢河端咽喉道岔组的发车能力为一昼夜[233.30,254.10,279.33]列。
综上所述，郑州北站上行系统咽喉接车能力为[170.02,185.89,205.09]列，发车能力为[233.30,254.10,279.33]列，发车能力大于接车能力。
在确定上行系统咽喉通过能力后，进而对其到发线利用率进行研究，根据办理作业的列车数量可求得到发线的通过能力，具体如下表所示：
表5-3郑州北站到发线通过能力汇总表
Figure GDA0003103644060000101
分析可知，郑州北站上行系统咽喉接车能力为[170.02,185.89,205.09]列，到发线接车能力为[108.60,110.31,112.06]列，限制通过能力为[108.60,110.31,112.06]列，限制设备为到发线；咽喉发车能力为[233.30,254.10,279.33]列，到发线发车能力为[128.04,129.12,130.21]列，限制通过能力为[128.04,129.12,130.21]列，限制设备同样为到发线，由此可见郑州北站通过能力受到发线条件限制比咽喉条件限制的程度更明显，郑州北站最终通过能力N郑通为239.43[0.99,1,1.01]列，平衡能力为239.43列，松弛度为0.99，收缩度为1.01。
郑州北站改编能力计算，按照列车种类、作业方式不同，分别计算汇总郑州北站驼峰解体作业占用时间，汇总结果如下表所示：
表5-4驼峰解体作业占用时间汇总表
Figure GDA0003103644060000111
由表可计算出解体一列车平均占用驼峰的时间t驼为16.54[0.93,1,1.07]min，可得出郑州北站驼峰的解体能力：
Figure GDA0003103644060000112
相对应的，郑州北站峰尾编组作业占用时间汇总表如下所示：
表5-5峰尾编组作业占用时间汇总表
Figure GDA0003103644060000113
Figure GDA0003103644060000121
根据公式，计算牵出线利用率：
Figure GDA0003103644060000122
进一步的，对峰尾编组能力进行计算：
Figure GDA0003103644060000123
综上所述，郑州北站驼峰解体能力为[68.83,73.42,78.67]列，峰尾编组能力为[81.78,90.71,101.82]列，当纵列式编组站驼峰担当解体作业，尾部担当编组作业时，其改编能力按合理调整峰上峰尾作业负担后的驼峰解体能力、尾部编组能力二者中较小者的两倍计算，因此郑州北站的最终改编能力N郑改为146.84[0.94,1,1.07]列，平衡能力为146.84列，松弛度为0.94，收缩度为1.07。汇总可得，郑州北站通过能力为239.43[0.99,1,1.01]列，改编能力为146.84[0.94,1,1.07]列，详见图2所示。

Claims (1)

1.基于三参数区间泛灰数的铁路车站能力表示方法，其特征在于，包括以下步骤：
S1：将三参数区间转化为泛灰数转化形式，其转化公式为：
Figure FDA0003103644050000011
式中，
Figure FDA0003103644050000012
为三参数区间，
Figure FDA0003103644050000013
为泛灰数；
S2：将转化后的泛灰数形式进行相关运算得到三参数铁路车站能力的区间表示形式，其相关运算公式为：
Figure FDA0003103644050000014
式中，N为松弛能力；
Figure FDA0003103644050000015
为平衡能力；
Figure FDA0003103644050000016
为收缩能力；
Figure FDA0003103644050000017
为松弛度；是小于1的数；
Figure FDA0003103644050000018
为收缩度，是大于1的数；
S3：利用JAB区间估计方法对三参数铁路车站能力的区间表示形式的区间进行估计；
所述S3包括以下子步骤：
S31：从原始数据中提取列车占用咽喉区道岔组时间数据，包括t固咽、t接咽、t发咽、t牵咽、t转咽、t取(送)咽、t机咽、t妨咽；
S32：设某占用时间T～N(μ,σ2)，(T1,T2,...,Tn)为来自T的i.i.d样本，样本均值为μn，利用Jackknife法思想，从原样本中切去第i个个体后得到新的剩余样本：T(i)＝(T1,T2,...,Ti-1,Ti+1,...,Tn)；
S33：对T(i)的剩余样本进行Bootstrap抽样，重复进行B次，得到nB个新的剩余样本，计算剩余样本的均值估计
Figure FDA0003103644050000019
及方差SJAB 2；
S34：计算各咽喉道岔组占用时间在置信水平(1—α)下的三参数置信区间：
Figure FDA00031036440500000110
按照占用时间类别分别记为
Figure FDA00031036440500000111
Figure FDA00031036440500000112
S35：将各类占用时间区间数形式转化为泛灰数形式：
Figure FDA0003103644050000021
Figure FDA0003103644050000022
Figure FDA0003103644050000023
分别记为：
Figure FDA0003103644050000024
Figure FDA0003103644050000025
S36：计算咽喉区各道岔组总占用时间T咽，
Figure FDA0003103644050000026
令
Figure FDA0003103644050000027
则原等式可记为
Figure FDA0003103644050000028
S37：应用NSG可能度排序计数法，对咽喉区各道岔组总占用时间
Figure FDA0003103644050000029
进行比较，用NSG可能度计算公式计算咽喉区任意两个道岔组占用时间区间其中一个大于等于另一个的可能度，得到可能度矩阵(pij)M×M，其中
Figure FDA00031036440500000210
然后统计第a行大于0.5的元素个数，记为na，a＝1，2，...，M，最后对na进行排序，若有n1≥n2≥n3≥...≥nM，可得排序结果
Figure FDA00031036440500000211
Figure FDA00031036440500000212
Figure FDA00031036440500000213
S38：T咽最长的道岔组即为咽喉道岔组，将T咽代入公式计算咽喉道岔组通过能力利用率：
Figure FDA0003103644050000031
Figure FDA0003103644050000032
S39：将咽喉道岔组通过能力利用率带入咽喉通过能力计算公式，得到三参数区间表示的最终咽喉通过能力：
接车能力：
Figure FDA0003103644050000033
发车能力：
Figure FDA0003103644050000034
所述S32的Jackknife法包括以下步骤：
S321：从原样本中切去第i个个体后得到新的剩余样本：T(i)＝(T1,T2,...,Ti-1,Ti+1,...Tn)，计算得到剩余样本均值μi；
S322：定义切去第i个个体后的虚拟均值为μ′i，计算公式为：
μ′i＝nμn—(n—1)μi；
S323：用虚拟均值的均值作为原样本均值的估计，计算公式为：
Figure FDA0003103644050000035
S324：计算样本方差
Figure FDA0003103644050000036
CN201910302284.2A 2019-04-16 2019-04-16 基于三参数区间泛灰数的铁路车站能力表示方法 Active CN110009255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910302284.2A CN110009255B (zh) 2019-04-16 2019-04-16 基于三参数区间泛灰数的铁路车站能力表示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910302284.2A CN110009255B (zh) 2019-04-16 2019-04-16 基于三参数区间泛灰数的铁路车站能力表示方法

Publications (2)

Publication Number Publication Date
CN110009255A CN110009255A (zh) 2019-07-12
CN110009255B true CN110009255B (zh) 2021-07-20

Family

ID=67172058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910302284.2A Active CN110009255B (zh) 2019-04-16 2019-04-16 基于三参数区间泛灰数的铁路车站能力表示方法

Country Status (1)

Country Link
CN (1) CN110009255B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5822712A (en) * 1992-11-19 1998-10-13 Olsson; Kjell Prediction method of traffic parameters
CN105551250A (zh) * 2016-01-13 2016-05-04 东南大学 一种基于区间聚类的城市道路交叉口运行状态判别方法
CN105678411A (zh) * 2015-12-30 2016-06-15 西南交通大学 一种旅客列车运行方案图编制方法
CN105760659A (zh) * 2016-02-02 2016-07-13 西北工业大学 飞机起落架收放系统在小样本、贫信息下的可靠性评估方法
CN107097811A (zh) * 2017-03-13 2017-08-29 成都石科技有限公司 一种基于咽喉区轨道时空冲突预测的仿真方法及系统
CN108564517A (zh) * 2018-04-20 2018-09-21 西南交通大学 一种铁路车站咽喉区列车最小进路冲突的计算方法
CN109034225A (zh) * 2018-07-16 2018-12-18 福州大学 一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102762A (zh) * 2014-04-29 2014-10-15 兰州交通大学 云模型模糊层次分析法在铁路信号系统风险分析中的应用
CN108710971B (zh) * 2018-05-11 2020-08-04 西南交通大学 基于威布尔分布的编组站咽喉道岔组资源可用度计算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5822712A (en) * 1992-11-19 1998-10-13 Olsson; Kjell Prediction method of traffic parameters
CN105678411A (zh) * 2015-12-30 2016-06-15 西南交通大学 一种旅客列车运行方案图编制方法
CN105551250A (zh) * 2016-01-13 2016-05-04 东南大学 一种基于区间聚类的城市道路交叉口运行状态判别方法
CN105760659A (zh) * 2016-02-02 2016-07-13 西北工业大学 飞机起落架收放系统在小样本、贫信息下的可靠性评估方法
CN107097811A (zh) * 2017-03-13 2017-08-29 成都石科技有限公司 一种基于咽喉区轨道时空冲突预测的仿真方法及系统
CN108564517A (zh) * 2018-04-20 2018-09-21 西南交通大学 一种铁路车站咽喉区列车最小进路冲突的计算方法
CN109034225A (zh) * 2018-07-16 2018-12-18 福州大学 一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法

Also Published As

Publication number Publication date
CN110009255A (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
CN104134343B (zh) 一种基于交通卡数据的乘客上下车时间和位置的获取方法
CN102097002B (zh) 一种基于ic卡数据获取公交站点od的方法及系统
CN107103754A (zh) 一种道路交通状况预测方法及系统
CN107609708A (zh) 一种基于手机游戏商店的用户流失预测方法及系统
EP2557018A3 (en) Method and system for automatically identifying information of a train
CN101295326B (zh) 应用gps数据生成od矩阵的交通仿真的方法
CN108269399A (zh) 一种基于公路网客流od反推技术的高铁客流需求预测方法
CN102324128A (zh) 基于ic卡记录的公交站间od客流预测方法及装置
CN104952252B (zh) 获取主辅分离式多车道高速公路通行能力的方法和系统
CN111178697B (zh) 一种高速铁路通过能力计算方法及系统
CN102323813A (zh) 基于ctcs2级列车控制系统的仿真测试系统及方法
TW327682B (en) A control model modeling support system and modeling method thereof
CN106920402A (zh) 一种基于交通流量的时间序列划分方法与系统
CN105973457A (zh) 动车组车载平稳性监控装置及方法
CN107097811A (zh) 一种基于咽喉区轨道时空冲突预测的仿真方法及系统
CN105741553A (zh) 基于动态阈值的识别车辆轨迹中停靠路段的方法
CN107240252A (zh) 一种交叉口的主动式车辆调度方法
CN106211071A (zh) 基于多源时空轨迹数据的群体活动数据收集方法及系统
CN109243173A (zh) 基于道路高清卡口数据的车辆轨迹分析方法及系统
CN116052435B (zh) 一种城市道路拥堵影响范围界定与道路影响力计算方法
CN110009255B (zh) 基于三参数区间泛灰数的铁路车站能力表示方法
CN114860700A (zh) 缺失轨迹填补方法及系统
CN208736686U (zh) 基于nvh的列车加速及制动阶段ato性能测试系统
CN106960247A (zh) 网约车订单的监控方法、装置及系统
CN107229716A (zh) 一种生成铁路线路经纬度坐标的方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant