CN111324853A - 一种通道型高速铁路通过能力计算方法及系统 - Google Patents
一种通道型高速铁路通过能力计算方法及系统 Download PDFInfo
- Publication number
- CN111324853A CN111324853A CN202010159066.0A CN202010159066A CN111324853A CN 111324853 A CN111324853 A CN 111324853A CN 202010159066 A CN202010159066 A CN 202010159066A CN 111324853 A CN111324853 A CN 111324853A
- Authority
- CN
- China
- Prior art keywords
- station
- train
- calculating
- type high
- speed railway
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及高速铁路技术领域,具体而言,涉及一种通道型高速铁路通过能力计算方法及系统。所述方法包括:计算目标通道型高速铁路中每个中间站的直达列车数;计算目标通道型高速铁路中每个中间站的停站率;建立通过能力最大和列车总旅行时间最短的双目标模型;采用模糊数学规划法,对双目标模型进行求解。本发明计算得到的通过能力与实际通过能力出入较小,考虑了客流实际情况使得通过能力的计算值参考价值较大,能够为列车运行图结构优化提供合理建议的问题。本发明建模过程方便简单、建模标准统一,计算效率高,真实可靠,考虑因素全面,具有很好的操作性和通用性。
Description
技术领域
本发明涉及高速铁路技术领域,具体而言,涉及一种通道型高速铁路通过能力计算方法及系统。
背景技术
通道型高速铁路是指连接直辖市、省会城市以及大中城市的长距离高速铁路。铁路通过能力,也称“铁路线路通过能力”,是指在一定的机车车辆类型、信号设备和行车组织方法条件下,铁路区段内各种基础设施和固定设备在单位时间内(通常为一昼夜)所能通过或接发的最多列车数或列车对数(或列数)。
现阶段,我国高速铁路通过能力计算方法主要是两个方面:(1)平均最小列车间隔法。根据列车晚点概率、晚点时间和最小间隔时间确定通过能力,不适用于不同速度等级列车共线运行的运输组织模式;(2)扣除系数法。主要应用于既有普速线路,对于跨线列车众多,客流规律明显的通道型高速铁路适用性较差。
现有通过能力计算方法首先确定最优运行图结构,在此基础上分析全线通过能力。由于通道型高速铁路与其他线路衔接,跨线列车众多,难以确定最优运行图结构。现有通过能力计算方法单一的从运行线数量上对能力进行扩充,并未考虑到增加的能力与实际客流规律能否匹配。在计算线路通过能力时,现有研究多仅以最大列数为目标,较少考虑列车旅行时间。
发明内容
本发明的目的在于提供一种通道型高速铁路通过能力计算方法及系统,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
一方面,本申请提供了一种通道型高速铁路通过能力计算方法,所述通过能力计算方法包括:
计算目标通道型高速铁路中每个中间站的直达列车数;计算目标通道型高速铁路中每个中间站的停站率;建立通过能力最大和列车总旅行时间最短的双目标模型;采用模糊数学规划法,对双目标模型进行求解。
可选地,所述计算目标通道型高速铁路中每个中间站的直达列车数,包括:
获取上一个自然年内目标通道型高速铁路中每个中间站之间日均直达列车数和日均直达客流量;
计算每个目标通道型高速铁路中中间站之间的日均直达列车数和日均直达客流量的比值,并求得这些比值的平均值,该平均值记为δ;
通过以下公示计算每个中间站的直达列车数:
公式(1)中,Js,s+i为车站s,s+i之间的直达列车数,δ为日均直达列车数和日均直达客流量的比值的平均值,vs,s+i为车站s,s+i之间的直达客流。
可选地,所述计算目标通道型高速铁路中每个中间站的停站率,包括:
获取上一个自然年内开行的总列车数,以及每辆列车在当前中间站是否停站的数据;
通过以下公式计算每个中间站的停站率:
公式(2)中,βs为每个中间站的停站率,J为开行的总列车数,xj,s表示j列车在s站是否停站,若停站则为1,否则为0。
可选地,所述建立通过能力最大和列车总旅行时间最短的双目标模型,包括:
以通过能力最大为目标,建立模型如公式(3)所示:
公式(3)中,C为通过能力;
以开行列车的总旅行时间最小为目标,建立模型如公式(4)所示:
可选地,所述通过能力计算方法还包括:
将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
可选地,所述建立通过能力最大和列车总旅行时间最短的双目标模型,还包括:
构建约束条件,所述约束条件包括区间运行时间约束、停站时间约束、到发间隔约束、始发终到站停站约束、越行约束、合理始发终到约束、开行时段约束、周期单元约束、站间可达性约束和车站停站率约束。
可选地,所述区间运行时间约束如公式(5)所示:
公式(5)中,为列车j在s站的到达时刻,为列车j在s站的出发时刻,ts,s+1为列车在车站s,s+i之间的运行时间,ts为列车起车附加时间,xj,s为0-1变量,列车j在车站s停站为1,否则为0,tb为列车停车附加时间;
所述停站时间约束如公式(6)所示:
所述到发间隔约束如公式(7)或公式(8)所示:
若列车j、j+1在车站s不发生越行,则应满足最小间隔时间标准,如公式(7)所示:
若列车j在车站s被列车j+1越行,则应满足最小间隔时间标准,如公式(8)所示:
所述始发终到站停站约束如公式(9)所示:
公式(9)中,xj,s为0-1变量,列车j在车站s停站为1,否则为0;
所述越行约束如公式(10)和公式(11)所示:
公式(10)和公式(11)中,为列车j在s站的到达时刻,为列车j在s站的出发时刻,为高速度等级列车在s站的到达时刻,为高速度等级列车在s站的出发时刻,tmin为列车最小停站时间,xjh,s为0-1变量,高速度等级列车在车站s停站为1,否则为0;
所述合理始发终到约束如公式(12)所示:
所述开行时段约束如公式(13)所示:
公式(13)中,为列车j在第1个中间站的到达时刻,mh为高峰期的周期数,Th为高峰期的周期单元,mf为平峰期的周期数,Tf为平峰期的周期单元,ml为低峰期的周期数,Tl为低峰期的周期单元,Td为首班车在始发站的最早合理出发时刻,Ta为末班车在终到站的最晚合理到达时刻;
所述周期单元约束如公式(14)所示:
所述站间可达性约束如公式(15)所示:
xj,s+xj,s+i=2 (15)
公式(15)中,xj,s为0-1变量,列车j在车站s停站为1,否则为0;
所述车站停站率约束如公式(16)和公式(17)所示:
βs≥γs (17)
可选地,所述采用模糊数学规划法,对双目标模型进行求解,包括:
通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,正理想解是同时优化两个单目标函数的解;分别构建目标函数C和T的隶属度函数;将多目标问题转化为单目标问题,并求解。
可选地,所述通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,包括:
令z是所求的最佳折中解。对于目标函数C,是满足式(5)~(17)约束条件下可行的最优解,C1、C2分别是解集的下界和上界。对于目标函数T,是满足式(5)~(17)约束条件下可行的最优解,T1、T2分别是解集的下界和上界。
所述目标函数C和T的隶属度函数如公式(18)和公式(19)所示:
公式(18)和公式(19)中,μ1(z)为目标函数C的隶属度函数,μ2(z)为目标函数T的隶属度函数;
通过公式(20)和公式(21)将多目标问题转化为单目标问题:
公式(20)和公式(21)中,F为单目标问题目标函数,ζ为最优满意度,ε=1.0×10-7。
另一方面,本发明提供了一种通道型高速铁路通过能力计算方法,所述通过能力计算方法包括:
以目标通道型高速铁路与其他线路相连接的接口站为分界点,将目标通道型高速铁路分成多个区段;分别计算每个区段中每个中间站的直达列车数;分别计算每个区段中每个中间站的停站率;建立通过能力最大和列车总旅行时间最短的双目标模型;采用模糊数学规划法,对双目标模型进行求解。
可选地,所述计算每个区段中每个中间站的直达列车数,包括:
获取上一个自然年内区段中每个中间站之间日均直达列车数和日均直达客流量;
计算区段中每个中间站之间的日均直达列车数和日均直达客流量的比值,并求得这些比值的平均值,该平均值记为δ;
通过以下公示计算区段中每个中间站的直达列车数:
公式(1)中,Js,s+i为车站s,s+i之间的直达列车数,δ为日均直达列车数和日均直达客流量的比值的平均值,vs,s+i为车站s,s+i之间的直达客流。
可选地,所述计算区段中每个中间站的停站率,包括:
获取上一个自然年内区段中开行的总列车数,以及每辆列车在当前中间站是否停站的数据;
通过以下公式计算区段中每个中间站的停站率:
公式(2)中,βs为每个中间站的停站率,J为开行的总列车数,xj,s表示j列车在s站是否停站,若停站则为1,否则为0。
可选地,所述建立通过能力最大和列车总旅行时间最短的双目标模型,包括:
以通过能力最大为目标,建立模型如公式(3)所示:
公式(3)中,C为通过能力;
以开行列车的总旅行时间最小为目标,建立模型如公式(4)所示:
可选地,所述通过能力计算方法还包括:
将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
可选地,所述建立通过能力最大和列车总旅行时间最短的双目标模型,还包括:
构建约束条件,所述约束条件包括区间运行时间约束、停站时间约束、到发间隔约束、始发终到站停站约束、越行约束、合理始发终到约束、开行时段约束、周期单元约束、站间可达性约束和车站停站率约束。
可选地,所述采用模糊数学规划法,对双目标模型进行求解,包括:
通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,正理想解是同时优化两个单目标函数的解;分别构建目标函数C和T的隶属度函数;将多目标问题转化为单目标问题,并求解。
第三方面,本发明提供了一种通道型高速铁路通过能力计算系统,所述系统包括:
第一计算模块,用于计算目标通道型高速铁路中每个中间站的直达列车数;第二计算模块,用于计算目标通道型高速铁路中每个中间站的停站率;建模模块,用于建立通过能力最大和列车总旅行时间最短的双目标模型;第三计算模块,用于采用模糊数学规划法,对双目标模型进行求解。
可选地,所述通过能力计算系统还包括分期模块,所述分期模块用于将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
第四方面,本发明提供了一种通道型高速铁路通过能力计算系统,所述系统包括:
分段模块,用于目标通道型高速铁路与其他线路相连接的接口站为分界点,将目标通道型高速铁路分成多个区段;
第一计算模块,用于分别计算每个区段中每个中间站的直达列车数;
第二计算模块,用于分别计算每个区段中每个中间站的停站率;
建模模块,用于建立通过能力最大和列车总旅行时间最短的双目标模型;
第三计算模块,用于采用模糊数学规划法,对双目标模型进行求解。
可选地,所述通过能力计算系统还包括分期模块,所述分期模块用于将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
本发明的有益效果为:
本发明通过利用中间站的直达列车数和停站率,建立双目标模型,通过对双目标模型进行求解,得到通道型高速铁路通过能力。计算得到的通过能力与实际通过能力出入较小,考虑了客流实际情况使得通过能力的计算值参考价值较大,能够为列车运行图结构优化提供合理建议的问题。本发明建模过程方便简单、建模标准统一,计算效率高,真实可靠,考虑因素全面,具有很好的操作性和通用性。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中提供的一种通道型高速铁路通过能力计算方法流程图;
图2为本发明实施例中提供的另一种通道型高速铁路通过能力计算方法流程图;
图3为本发明实施例中所述的正理想解的收益表;
图4为本发明实施例中提供的一种通道型高速铁路通过能力计算系统结构框图;
图5为本发明实施例中提供的另一种通道型高速铁路通过能力计算系统结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
一方面,如图1所示,本实施例提供了一种通道型高速铁路通过能力计算方法,所述通过能力计算方法包括步骤S11、步骤S12、步骤S13和步骤S14。
步骤S11.计算目标通道型高速铁路中每个中间站的直达列车数;
步骤S12.计算目标通道型高速铁路中每个中间站的停站率;
步骤S13.建立通过能力最大和列车总旅行时间最短的双目标模型;
步骤S14.采用模糊数学规划法,对双目标模型进行求解。
所述步骤S11还可以包括步骤S111、步骤S112和步骤S113。
步骤S111.获取上一个自然年内目标通道型高速铁路中每个中间站之间日均直达列车数和日均直达客流量;
步骤S112.计算每个目标通道型高速铁路中中间站之间的日均直达列车数和日均直达客流量的比值,并求得这些比值的平均值,该平均值记为δ;
步骤S113.通过以下公示计算每个中间站的直达列车数:
公式(1)中,Js,s+i为车站s,s+i之间的直达列车数,δ为日均直达列车数和日均直达客流量的比值的平均值,vs,s+i为车站s,s+i之间的直达客流。
所述步骤S12还可以包括步骤S121和步骤S122。
步骤S121.获取上一个自然年内开行的总列车数,以及每辆列车在当前中间站是否停站的数据;
步骤S122.通过以下公式计算每个中间站的停站率:
公式(2)中,βs为每个中间站的停站率,J为开行的总列车数,xj,s表示j列车在s站是否停站,若停站则为1,否则为0。
所述步骤S13中,还可以包括步骤S131和步骤S132。
步骤S131.以通过能力最大为目标,建立模型如公式(3)所示:
公式(3)中,C为通过能力;
步骤S132.以开行列车的总旅行时间最小为目标,建立模型如公式(4)所示:
可选地,所述通过能力计算方法还可以包括步骤S15。
步骤S15.将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
按照不同时期的客流量,分别求解出各时期内所能铺画的最大列车数及对应的列车开行方案。在不同时期的周期单元接续时,为确保前一种周期单元的列车与后一种周期单元的列车相互协调,因此,对求解出的最优方案进行进一步优化。对于发生冲突的列车,在满足最小停站时间的约束下,将部分停站时间转化为区间内的缓冲时间。这一措施不仅能够使不同时期的周期单元成功接续,而且便于在发生行车中断时进行调度调整,一定程度上还降低了能耗。
基于以上步骤,通过对不同周期间产生冲突的列车进行调整,使将全天不同时期的列车开行方案协调,则此时对应的列车开行数量即为基于客流规律的通道型高速铁路通过能力。
所述步骤S13中,还可以包括步骤S133。
步骤S133.构建约束条件,所述约束条件包括区间运行时间约束、停站时间约束、到发间隔约束、始发终到站停站约束、越行约束、合理始发终到约束、开行时段约束、周期单元约束、站间可达性约束和车站停站率约束。
所述区间运行时间约束如公式(5)所示:
公式(5)中,为列车j在s站的到达时刻,为列车j在s站的出发时刻,ts,s+1为列车在车站s,s+i之间的运行时间,ts为列车起车附加时间,xj,s为0-1变量,列车j在车站s停站为1,否则为0,tb为列车停车附加时间;
所述停站时间约束如公式(6)所示:
所述到发间隔约束如公式(7)或公式(8)所示:
若列车j、j+1在车站s不发生越行,则应满足最小间隔时间标准,如公式(7)所示:
若列车j在车站s被列车j+1越行,则应满足最小间隔时间标准,如公式(8)所示:
所述始发终到站停站约束如公式(9)所示:
公式(9)中,xj,s为0-1变量,列车j在车站s停站为1,否则为0;
所述越行约束如公式(10)和公式(11)所示:
公式(10)和公式(11)中,为列车j在s站的到达时刻,为列车j在s站的出发时刻,为高速度等级列车在s站的到达时刻,为高速度等级列车在s站的出发时刻,tmin为列车最小停站时间,xjh,s为0-1变量,高速度等级列车在车站s停站为1,否则为0;
所述合理始发终到约束如公式(12)所示:
所述开行时段约束如公式(13)所示:
公式(13)中,为列车j在第1个中间站的到达时刻,mh为高峰期的周期数,Th为高峰期的周期单元,mf为平峰期的周期数,Tf为平峰期的周期单元,ml为低峰期的周期数,Tl为低峰期的周期单元,Td为首班车在始发站的最早合理出发时刻,Ta为末班车在终到站的最晚合理到达时刻;
所述周期单元约束如公式(14)所示:
所述站间可达性约束如公式(15)所示:
xj,s+xj,s+i=2 (15)
公式(15)中,xj,s为0-1变量,列车j在车站s停站为1,否则为0;
所述车站停站率约束如公式(16)和公式(17)所示:
βs≥γs (17)
可选地,所述步骤S14中,还可以包括步骤S141。
步骤S141.通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,正理想解是同时优化两个单目标函数的解;分别构建目标函数C和T的隶属度函数;将多目标问题转化为单目标问题,并求解。
可选地,所述步骤S141中,还可以包括:
令z是所求的最佳折中解。对于目标函数C,是满足式(5)~(17)约束条件下可行的最优解,C1、C2分别是解集的下界和上界。对于目标函数T,是满足式(5)~(17)约束条件下可行的最优解,T1、T2分别是解集的下界和上界。所述正理想解的收益表如图3所示。
所述目标函数C和T的隶属度函数如公式(18)和公式(19)所示:
公式(18)和公式(19)中,μ1(z)为目标函数C的隶属度函数,μ2(z)为目标函数T的隶属度函数;
通过公式(20)和公式(21)将多目标问题转化为单目标问题:
公式(20)和公式(21)中,F为单目标问题目标函数,ζ为最优满意度,ε=1.0×10-7。
另一方面,如图2所示,本发明提供了一种通道型高速铁路通过能力计算方法,所述通过能力计算方法包括步骤S21、步骤S22、步骤S23、步骤S24和步骤S25:
步骤S21.以目标通道型高速铁路与其他线路相连接的接口站为分界点,将目标通道型高速铁路分成多个区段;
步骤S22.分别计算每个区段中每个中间站的直达列车数;
步骤S23.分别计算每个区段中每个中间站的停站率;
步骤S24.建立通过能力最大和列车总旅行时间最短的双目标模型;
步骤S25.采用模糊数学规划法,对双目标模型进行求解。
将通道型高速铁路在与其他线路衔接的接口站分成多个区段,分别计算各区段通过能力,通过计算各区段通过能力,从而反映全线能力利用程度。考虑站间可达性和车站停站率,可以满足客流规律。计算通过能力的同时,还压缩列车旅行时间,提高了旅客的舒适度。
所述步骤S22中,还可以包括步骤S221、步骤S222和步骤S223。
步骤S221.获取上一个自然年内区段中每个中间站之间日均直达列车数和日均直达客流量;
步骤S222.计算区段中每个中间站之间的日均直达列车数和日均直达客流量的比值,并求得这些比值的平均值,该平均值记为δ;
步骤S223.通过以下公示计算区段中每个中间站的直达列车数:
公式(1)中,Js,s+i为车站s,s+i之间的直达列车数,δ为日均直达列车数和日均直达客流量的比值的平均值,vs,s+i为车站s,s+i之间的直达客流。
所述步骤S23中,还可以包括步骤S231和步骤S232。
步骤S231.获取上一个自然年内区段中开行的总列车数,以及每辆列车在当前中间站是否停站的数据;
步骤S232.通过以下公式计算区段中每个中间站的停站率:
公式(2)中,βs为每个中间站的停站率,J为开行的总列车数,xj,s表示j列车在s站是否停站,若停站则为1,否则为0。
所述步骤S24中,还可以包括步骤S241和步骤S242。
步骤S241.以通过能力最大为目标,建立模型如公式(3)所示:
公式(3)中,C为通过能力;
步骤S242.以开行列车的总旅行时间最小为目标,建立模型如公式(4)所示:
所述通过能力计算方法还包括步骤S26。
步骤S26.将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
所述步骤S24中,可以还包括步骤S243。
步骤S243.构建约束条件,所述约束条件包括区间运行时间约束、停站时间约束、到发间隔约束、始发终到站停站约束、越行约束、合理始发终到约束、开行时段约束、周期单元约束、站间可达性约束和车站停站率约束。
所述步骤S25中,还可以包括:
通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,正理想解是同时优化两个单目标函数的解;分别构建目标函数C和T的隶属度函数;将多目标问题转化为单目标问题,并求解。
第三方面,如图4所示,本发明提供了一种通道型高速铁路通过能力计算系统,所述系统包括第一计算模块31、第二计算模块32、建模模块33和第三计算模块34。
第一计算模块31,用于计算目标通道型高速铁路中每个中间站的直达列车数;
第二计算模块32,用于计算目标通道型高速铁路中每个中间站的停站率;
建模模块33,用于建立通过能力最大和列车总旅行时间最短的双目标模型;
第三计算模块34,用于采用模糊数学规划法,对双目标模型进行求解。
所述第一计算模块31还可以用于:
获取上一个自然年内目标通道型高速铁路中每个中间站之间日均直达列车数和日均直达客流量;
计算每个目标通道型高速铁路中中间站之间的日均直达列车数和日均直达客流量的比值,并求得这些比值的平均值,该平均值记为δ;
通过以下公示计算每个中间站的直达列车数:
公式(1)中,Js,s+i为车站s,s+i之间的直达列车数,δ为日均直达列车数和日均直达客流量的比值的平均值,vs,s+i为车站s,s+i之间的直达客流。
所述第二计算模块32还可以用于:
获取上一个自然年内开行的总列车数,以及每辆列车在当前中间站是否停站的数据;
通过以下公式计算每个中间站的停站率:
公式(2)中,βs为每个中间站的停站率,J为开行的总列车数,xj,s表示j列车在s站是否停站,若停站则为1,否则为0。
所述建模模块33还可以用于:
以通过能力最大为目标,建立模型如公式(3)所示:
公式(3)中,C为通过能力;
以开行列车的总旅行时间最小为目标,建立模型如公式(4)所示:
所述建模模块33还可以用于:
构建约束条件,所述约束条件包括区间运行时间约束、停站时间约束、到发间隔约束、始发终到站停站约束、越行约束、合理始发终到约束、开行时段约束、周期单元约束、站间可达性约束和车站停站率约束。
所述第三计算模块34还可以用于:
通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,正理想解是同时优化两个单目标函数的解;分别构建目标函数C和T的隶属度函数;将多目标问题转化为单目标问题,并求解。
可选地,所述通过能力计算系统还包括分期模块35,所述分期模块用于将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
第四方面,如图5所示,本发明提供了一种通道型高速铁路通过能力计算系统,所述系统包括分段模块41、第一计算模块42、第二计算模块43、建模模块44和第三计算模块45:
分段模块41,用于目标通道型高速铁路与其他线路相连接的接口站为分界点,将目标通道型高速铁路分成多个区段;
第一计算模块42,用于分别计算每个区段中每个中间站的直达列车数;
第二计算模块43,用于分别计算每个区段中每个中间站的停站率;
建模模块44,用于建立通过能力最大和列车总旅行时间最短的双目标模型;
第三计算模块45,用于采用模糊数学规划法,对双目标模型进行求解。
可选地,所述通过能力计算系统还包括分期模块46,所述分期模块用于将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
以上各模块可以是由软件代码实现,此时,上述的各模块可存储于存储器内。以上各模块同样可以由硬件例如集成电路芯片实现。
本发明实施例提供的通道型高速铁路通过能力计算系统,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,系统实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例中所涉及的名词:
车站停站率:车站的停站率是指一个车站办理旅客作业的列车数和经由该站的同种类列车总数的比值。车站停站率是确定停站方案的重要参数,其值的大小直接体现该站客运服务水平的高低。
中间站:中间站是为沿线城乡人民及工农业生产服务,提高铁路区段通过能力,保证行车安全而设的车站。
直达客流:任意两站之间,不需要通过其他站换乘即可直达的客流。
直达列车:存在列车同时停靠任意两个车站,即称该列车为两站之间的直达列车。
站间可达性:存在直达客流的两站之间必有直达列车。
本线列车与跨线列车:本线列车指列车运行路径上的车站均在本条线路上,跨线列车指列车运行路径上的车站分布在至少两条线路上。
越行:先到列车在车站停车,等待后一辆同方向列车通过本站或到达本站停车后再开,叫做越行。
列车旅行时间:列车旅行时间是指列车在区段内运行的时间,包括纯运行时间、中间站停站时间以及起停附加时间,直接反映铁路运营时间。
列车间隔时间:列车间隔时间可按车站间隔时间和列车追踪间隔时间进行区分。车站间隔时间是指在车站上办理两列车的到达、通过或出发作业所需要的的最小间隔时间。追踪列车间隔时间是指在自动闭塞区段,一个站间区间内同方向可有两列或两列以上,以闭塞分区间隔运行,追踪运行列车之间的最小间隔时间即为追踪间隔时间。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种通道型高速铁路通过能力计算方法,其特征在于,所述通过能力计算方法包括:
计算目标通道型高速铁路中每个中间站的直达列车数;
计算目标通道型高速铁路中每个中间站的停站率;
建立通过能力最大和列车总旅行时间最短的双目标模型;
采用模糊数学规划法,对双目标模型进行求解。
2.一种通道型高速铁路通过能力计算方法,其特征在于,所述通过能力计算方法包括:
以目标通道型高速铁路与其他线路相连接的接口站为分界点,将目标通道型高速铁路分成多个区段;
分别计算每个区段中每个中间站的直达列车数;
分别计算每个区段中每个中间站的停站率;
建立通过能力最大和列车总旅行时间最短的双目标模型;
采用模糊数学规划法,对双目标模型进行求解。
6.根据权利要求5所述的通道型高速铁路通过能力计算方法,其特征在于,所述通过能力计算方法还包括:
将列车开行时段划分为客流高峰期、平峰期和低峰期,并对各时期设置周期单元,分别计算各周期单元内的通过能力。
7.根据权利要求6所述的通道型高速铁路通过能力计算方法,其特征在于,所述建立通过能力最大和列车总旅行时间最短的双目标模型,还包括:
构建约束条件,所述约束条件包括区间运行时间约束、停站时间约束、到发间隔约束、始发终到站停站约束、越行约束、合理始发终到约束、开行时段约束、周期单元约束、站间可达性约束和车站停站率约束。
8.根据权利要求1或2所述的通道型高速铁路通过能力计算方法,其特征在于,所述采用模糊数学规划法,对双目标模型进行求解,包括:
通过求解单目标规划问题目标函数C和T来构造模糊正理想的解决方法,正理想解是同时优化两个单目标函数的解;
分别构建目标函数C和T的隶属度函数;
将多目标问题转化为单目标问题,并求解。
9.一种通道型高速铁路通过能力计算系统,其特征在于,所述系统包括:
第一计算模块,用于计算目标通道型高速铁路中每个中间站的直达列车数;
第二计算模块,用于计算目标通道型高速铁路中每个中间站的停站率;
建模模块,用于建立通过能力最大和列车总旅行时间最短的双目标模型;
第三计算模块,用于采用模糊数学规划法,对双目标模型进行求解。
10.一种通道型高速铁路通过能力计算系统,其特征在于,所述系统包括:
分段模块,用于目标通道型高速铁路与其他线路相连接的接口站为分界点,将目标通道型高速铁路分成多个区段;
第一计算模块,用于分别计算每个区段中每个中间站的直达列车数;
第二计算模块,用于分别计算每个区段中每个中间站的停站率;
建模模块,用于建立通过能力最大和列车总旅行时间最短的双目标模型;
第三计算模块,用于采用模糊数学规划法,对双目标模型进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159066.0A CN111324853B (zh) | 2020-03-09 | 2020-03-09 | 一种通道型高速铁路通过能力计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159066.0A CN111324853B (zh) | 2020-03-09 | 2020-03-09 | 一种通道型高速铁路通过能力计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111324853A true CN111324853A (zh) | 2020-06-23 |
CN111324853B CN111324853B (zh) | 2023-06-27 |
Family
ID=71163810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010159066.0A Active CN111324853B (zh) | 2020-03-09 | 2020-03-09 | 一种通道型高速铁路通过能力计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324853B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882216A (zh) * | 2020-07-28 | 2020-11-03 | 北京交通大学 | 一种基于平均最小间隔时间的城际铁路运输能力计算方法 |
CN112231796A (zh) * | 2020-09-15 | 2021-01-15 | 北京交通大学 | 考虑旅客时空出行分布的周期列车停站方案优化建模方法 |
CN112668101A (zh) * | 2020-12-31 | 2021-04-16 | 西南交通大学 | 一种高速铁路列车运行图编制方法 |
CN114707284A (zh) * | 2021-10-09 | 2022-07-05 | 北京交通大学 | 一种高速铁路区段通过能力仿真计算系统 |
CN112231796B (zh) * | 2020-09-15 | 2024-06-07 | 北京交通大学 | 考虑旅客时空出行分布的周期列车停站方案优化建模方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014041438A1 (en) * | 2012-09-17 | 2014-03-20 | ZHANG, Jiarui | Calculation and estimation of line capacity for high speed railway |
CN105857350A (zh) * | 2016-03-17 | 2016-08-17 | 中南大学 | 一种基于区间断面客流的高铁列车开行方法 |
JP2017081216A (ja) * | 2015-10-23 | 2017-05-18 | 株式会社日立製作所 | 運行管理装置 |
CN107609734A (zh) * | 2017-08-03 | 2018-01-19 | 西南交通大学 | 一种高速铁路规格化列车运行图的周期确定方法 |
CN107958316A (zh) * | 2018-01-17 | 2018-04-24 | 深圳技术大学(筹) | 一种轨道交通线路的列车停站优化方法及系统 |
CN108256142A (zh) * | 2017-12-13 | 2018-07-06 | 北京交通大学 | 一种高速铁路通过能力计算分析方法及系统 |
CN108491950A (zh) * | 2018-01-25 | 2018-09-04 | 北京交通大学 | 一种考虑多种资源约束的高速铁路通过能力计算方法 |
CN108536965A (zh) * | 2018-04-11 | 2018-09-14 | 北京交通大学 | 城市轨道交通线路运营服务可靠性计算方法 |
CN108805344A (zh) * | 2018-05-29 | 2018-11-13 | 五邑大学 | 一种考虑时变需求的高速铁路网络列车开行方案优化方法 |
CN110782079A (zh) * | 2019-10-18 | 2020-02-11 | 西南交通大学 | 基于停站方案节能的高速铁路列车运行图的调整方法 |
-
2020
- 2020-03-09 CN CN202010159066.0A patent/CN111324853B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014041438A1 (en) * | 2012-09-17 | 2014-03-20 | ZHANG, Jiarui | Calculation and estimation of line capacity for high speed railway |
JP2017081216A (ja) * | 2015-10-23 | 2017-05-18 | 株式会社日立製作所 | 運行管理装置 |
CN105857350A (zh) * | 2016-03-17 | 2016-08-17 | 中南大学 | 一种基于区间断面客流的高铁列车开行方法 |
CN107609734A (zh) * | 2017-08-03 | 2018-01-19 | 西南交通大学 | 一种高速铁路规格化列车运行图的周期确定方法 |
CN108256142A (zh) * | 2017-12-13 | 2018-07-06 | 北京交通大学 | 一种高速铁路通过能力计算分析方法及系统 |
CN107958316A (zh) * | 2018-01-17 | 2018-04-24 | 深圳技术大学(筹) | 一种轨道交通线路的列车停站优化方法及系统 |
CN108491950A (zh) * | 2018-01-25 | 2018-09-04 | 北京交通大学 | 一种考虑多种资源约束的高速铁路通过能力计算方法 |
CN108536965A (zh) * | 2018-04-11 | 2018-09-14 | 北京交通大学 | 城市轨道交通线路运营服务可靠性计算方法 |
CN108805344A (zh) * | 2018-05-29 | 2018-11-13 | 五邑大学 | 一种考虑时变需求的高速铁路网络列车开行方案优化方法 |
CN110782079A (zh) * | 2019-10-18 | 2020-02-11 | 西南交通大学 | 基于停站方案节能的高速铁路列车运行图的调整方法 |
Non-Patent Citations (3)
Title |
---|
刘佩: "基于车站间隔时间精细研究的高速铁路通过能力计算与加强" * |
范晓佳: "繁忙高速铁路通过能力利用优化研究" * |
陈韬: "高速铁路车站通过能力计算理论与方法研究" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882216A (zh) * | 2020-07-28 | 2020-11-03 | 北京交通大学 | 一种基于平均最小间隔时间的城际铁路运输能力计算方法 |
CN111882216B (zh) * | 2020-07-28 | 2023-12-26 | 北京交通大学 | 一种基于平均最小间隔时间的城际铁路运输能力计算方法 |
CN112231796A (zh) * | 2020-09-15 | 2021-01-15 | 北京交通大学 | 考虑旅客时空出行分布的周期列车停站方案优化建模方法 |
CN112231796B (zh) * | 2020-09-15 | 2024-06-07 | 北京交通大学 | 考虑旅客时空出行分布的周期列车停站方案优化建模方法 |
CN112668101A (zh) * | 2020-12-31 | 2021-04-16 | 西南交通大学 | 一种高速铁路列车运行图编制方法 |
CN114707284A (zh) * | 2021-10-09 | 2022-07-05 | 北京交通大学 | 一种高速铁路区段通过能力仿真计算系统 |
CN114707284B (zh) * | 2021-10-09 | 2024-04-09 | 北京交通大学 | 一种高速铁路区段通过能力仿真计算系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111324853B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111324853A (zh) | 一种通道型高速铁路通过能力计算方法及系统 | |
CN110782079B (zh) | 基于停站方案节能的高速铁路列车运行图的调整方法 | |
CN112668101B (zh) | 一种高速铁路列车运行图编制方法 | |
CN111401614B (zh) | 一种城市轨道交通动态客流分配方法及系统 | |
CN109774750B (zh) | 一种基于虚拟耦合模式的动态调度时空决策方法 | |
CN107358319A (zh) | 城市轨道交通客流预测方法、装置、存储介质和计算机设备 | |
CN103448733A (zh) | 城市轨道交通加长列车编组客运方法 | |
CN111915464B (zh) | 一种基于考虑常规公交线网的地铁中断区间乘客接驳模型系统及方法 | |
CN110533219B (zh) | 城市轨道交通末班列车时刻表优化方法 | |
CN113988371B (zh) | 基于客流直达的城市轨道交通跨站停开行方案优化方法 | |
CN112418503B (zh) | 面向出行链的需求响应公交服务模式及优化方法 | |
CN110803204B (zh) | 一种保持高速列车运行稳定性的在线控制方法 | |
Zhan et al. | Energy-efficient high-speed train rescheduling during a major disruption | |
CN102717802A (zh) | 城市轨道交通双列串连列车车组客运体系 | |
CN111445048A (zh) | 一种响应型接驳公交分时段协调优化方法 | |
CN112580866A (zh) | 基于全程车与区间车组合调度的公交线路串车优化方法 | |
CN112434969B (zh) | 一种区域多式轨道交通运力资源调配方法 | |
CN113096429B (zh) | 基于公交调度站点集散的弹性公交区域灵活性线路生成方法 | |
CN111931386B (zh) | 一种区域多制式轨道交通区间拥挤系数计算方法及系统 | |
CN113096430B (zh) | 基于欧氏距离收费的弹性公交即时需求动态响应方法 | |
CN113298390A (zh) | 一种突发异构客流的多式协同疏散方案集构建方法及装置 | |
CN113781280A (zh) | 铁路网络大规模中断下的列车调整方法 | |
CN111859717A (zh) | 最小化区域多制式轨道交通旅客拥挤系数的方法及系统 | |
CN112231796B (zh) | 考虑旅客时空出行分布的周期列车停站方案优化建模方法 | |
Tian | A short-turning strategy for the management of bus bunching considering variable spatial-temporal running time |
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 |