CN113822461A - 一种轨道交通跨线运营优化方法、系统、设备及存储介质 - Google Patents

一种轨道交通跨线运营优化方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113822461A
CN113822461A CN202110849045.6A CN202110849045A CN113822461A CN 113822461 A CN113822461 A CN 113822461A CN 202110849045 A CN202110849045 A CN 202110849045A CN 113822461 A CN113822461 A CN 113822461A
Authority
CN
China
Prior art keywords
line
cross
train
passenger flow
cost
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.)
Pending
Application number
CN202110849045.6A
Other languages
English (en)
Inventor
罗钦
陈再兴
顾孟琪
莫义弘
李伟
杨群
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.)
Shenzhen Technology University
Original Assignee
Shenzhen Technology 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 Shenzhen Technology University filed Critical Shenzhen Technology University
Priority to CN202110849045.6A priority Critical patent/CN113822461A/zh
Publication of CN113822461A publication Critical patent/CN113822461A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

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

Abstract

本发明公开了一种轨道交通跨线运营优化方法、系统、设备及存储介质，涉及交通领域，根据换乘车站的换乘客流方向设置跨线运营模式；根据跨线运营模式以及跨线运营成本构建出对应的跨线运营模型组；根据跨线运营模式构建对应的约束条件；将约束条件与跨线运营模型组进行关联，得到对应的跨线运营优化模型，再通过遗传算法求解对应的跨线运营优化模型，得到相应的最优解。通过本申请方案的实施，研究不同轨道运营方案乘客出行和企业运营的成本，选择合适的轨道跨线运营方案，不仅拉近了卫星城镇与市区核心地段时间与空间上的距离，满足乘客多样化的出行需求，而且可以降低企业运营成本以及提高城市轨道交通的服务水平。

Description

一种轨道交通跨线运营优化方法、系统、设备及存储介质
技术领域
本申请涉及交通技术领域，尤其涉及一种轨道交通跨线运营优化方法、系 统、设备及存储介质。
背景技术
随着我国城市化水平的不断发展，市民的出行需求量较以往有大幅度的增 长。与此同时，交通拥堵问题伴随着出行量的增加愈发严峻，严重影响居民出 行水平，导致出行耗时增加，出行满意度下降。城市轨道交通不受地面环境影 响，在城市交通方式中表现出极大的时效性和经济性，已经逐渐成为大中型城 市重点建设的交通项目。
随着国内大城市轨道交通建设重心由市区线路向市域、郊区拓展，乘客的 出行距离以及中心与区域之间的客流交换量势必还会增长。换乘系数高导致换 乘客流量占比大，加剧换乘车站压力，高峰期换乘通道内乘客滞留严重，易引 发安全事故。从现在的运营模式来看，我国普遍采用的是单一运营模式，即线 路和线路之间基本不存在关联性，这已无法满足多样化的客流需求。
发明内容
本申请实施例提供了一种轨道交通跨线运营优化方法/系统、设备及存储介 质，至少能够解决相关技术中所提供的整个轨道交通线网的运输效率较低、乘 客的出行时间较长的问题。
本申请实施例第一方面提供了一种轨道交通跨线运营优化方法，轨道交通 线路包括第一线路和第二线路，所述优化方法包括：
根据换乘车站的换乘客流方向设置跨线运营模式，所述跨线运营模式至少 包括车站过轨插入式运营、车站过轨替代式运营和共线共轨运营；
根据所述跨线运营模式以及跨线运营成本构建出对应的跨线运营模型的目 标优化函数组，所述跨线运营成本至少包括乘客出行成本和企业运营成本；
根据所述跨线运营模式构建对应的约束条件，所述约束条件至少包括客流 条件、行车密度、线路通过能力以及行车间隔；
将所述约束条件自适应对应于所述跨线运营模型的目标优化函数组，得到 对应的跨线运营优化模型，再通过遗传算法求解对应的所述跨线运营优化模型， 得到相应的最优解。
本申请实施例第二方面提供了一种轨道交通跨线运营优化系统，包括：
选取模块：用于根据换乘车站的换乘客流方向设置跨线运营模式，所述跨 线运营模式至少包括车站过轨插入式运营、车站过轨替代式运营和共线共轨运 营；
构建模块：用于根据所述跨线运营模式以及跨线运营成本构建出对应的跨 线运营模型组，所述跨线运营成本至少包括乘客出行成本和企业运营成本；
约束模块：根据所述跨线运营模式构建对应的约束条件，所述约束条件至 少包括客流条件、行车密度、线路通过能力以及行车间隔；
求解模块：用于将所述约束条件自适应对应的所述跨线运营模型组，得到 对应的跨线运营优化模型，再通过遗传算法求解对应的所述跨线运营优化模型， 得到相应的最优解。
本申请实施例第三方面提供了一种设备，包括：存储器、处理器及存储在 存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现 上述本申请实施例第一方面提供的轨道交通跨线运营优化方法中的各步骤。
本申请实施例第四方面提供了一种存储介质，其上存储有计算机程序，计 算机程序被处理器执行时，实现上述本申请实施例第一方面提供的轨道交通跨 线运营优化方法中的各步骤。
由上可见，根据本申请方案所提供的轨道交通跨线运营优化方法、系统及 存储介质，根据换乘车站的换乘客流方向设置跨线运营模式；根据跨线运营模 式以及跨线运营成本构建出对应的跨线运营模型组；根据跨线运营模式构建对 应的约束条件；将约束条件自适应对应的跨线运营模型组，得到对应的跨线运 营优化模型，再通过遗传算法求解对应的跨线运营优化模型，得到相应的最优 解。通过本申请方案的实施，研究不同轨道运营方案乘客出行和企业运营的成 本，选择合适的轨道跨线运营方案，不仅拉近了卫星城镇与市区核心地段时间 与空间上的距离，满足乘客多样化的出行需求，而且可以降低企业运营成本以 及提高城市轨道交通的服务水平。
附图说明
图1为本发明第一实施例提供的一种轨道交通跨线运营优化方法的基本流 程图；
图2位本发明轨道交通跨线运营优化方法中遗传算法流程示意图；
图3为本发明第一实施例提供的一种轨道交通跨线运营优化方法中车站过 轨式运营线路图；
图4为本发明第一实施例提供的一种轨道交通跨线运营优化方法中共线共 轨运营线路图；
图5为本发明提供的一种轨道交通跨线运营优化方法中车站过轨插入式运 营的车站过轨交路图及行车密度；
图6为本发明提供的一种轨道交通跨线运营优化方法中车站过轨替代式运 营的车站过轨交路图及行车密度；
图7为本发明提供的一种轨道交通跨线运营优化方法中共线共轨运营交路 图及行车密度；
图8为本发明提供的一种轨道交通跨线运营系统的程序模块示意图；
图9为本发明提供的一种轨道交通跨线运营设备的结构示意图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结 合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描 述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基 于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的 所有其他实施例，都属于本申请保护的范围。
本申请在于构建一种轨道交通跨线运营模型，轨道交通线路包括第一线路 和第二线路(可简化为A线和B线)，构建跨线运营模型需满足下列前提条件：
(1)所有列车均为站站停运行模式；
(2)假设乘客明确自己的出行OD，所有乘客都是单向直达出行，不会出 现坐过站而搭乘返程车的情况；OD区间“O”来源于英文ORIGIN，指出行的 出发地点,“D”来源于英文DESTINATION，指出行的目的地，OD区间即指出 发地-目的地之间的区间；
(3)假设乘客均选择直达列车，无法直达的跨线客流前往目的地只需换乘 一次，换乘方式可以是本线列车与本线列车，也可以是本线列车与跨线列车；
(4)假设全网出行费用的计算方式一致，仅与里程数相关，和乘客选择的 列车种类无关，即在相同OD的条件下，普通列车和跨线列车出行费用相同；
(5)因跨线列车占用轨道上一定的通行能力，若在本线列车和跨线列车的 基础上开行新的列车交路，会影响部分交路未覆盖的区域，该区域的乘客出行 时间会进一步增加，因此本线列车和跨线列车都只开行单一大交路，不考虑小 交路或其他交路的情况；
(6)不考虑快慢车因素的影响，同一本线交路的列车视为其周转时间均相 同，即列车平均旅行速度和折返时间均相同，跨线列车在不同线路运行时保持 和本线列车相同的旅行速度，避免因列车运行周期不同导致运营组织计划过于 复杂。
为了解决相关技术中所提供轨道交通线网的运输效率较低、乘客的出行时 间较长的问题，本申请第一实施例提供了一种轨道交通跨线运营优化方法，如 图1为本实施例提供的轨道交通跨线运营优化方法的基本流程图，该优化方法 包括以下的步骤：
步骤S10,根据换乘车站的换乘客流方向设置跨线运营模式，跨线运营模式 至少包括车站过轨插入式运营、车站过轨替代式运营和共线共轨运营。
跨线运营应选取市域线路-市域线路或市域线路-市区线路的运行模式，优 先选择跨入大的换乘客流方向，或交通枢纽站点、高新科技工业园、商业购物 区域等大型客流集散中心所在的方向；跨线运营以“外围组团直达至客流密集 集散点”为目标，以“换乘车站的换乘客流有明显的时空导向性”为条件选取 实行跨线运营模式的线路；其中车站过轨插入式运营是跨线列车不替代本线列 车运行，车站过轨替代式运营是跨线列车替代本线列车运行。
S20，根据跨线运营模式以及跨线运营成本构建出对应的跨线运营模型的目 标优化函数组，跨线运营成本至少包括乘客出行成本和企业运营成本。
当票价仅与里程数相关时，时间是乘客出行成本的唯一要素，包括进(出) 站时间、在途时间、换乘走行时间和车站等车时间。前三种时间均和列车行车 密度无关，可以视为常量，因此乘客出行成本只考虑跨线运营组织模式对车站 等车时间的影响，不论是车站过轨插入式运营还是车站过轨替代式运营又或者 是共线共轨运营；乘客出行成本的计算公式均表示为：
Figure BDA0003181771160000051
式中，T为所有乘客总的出行时间，TAi为第一线路的本线客流第i个OD 区间的乘客总出行时间，TBi为第二线路的本线客流第i个OD区间的乘客总出 行时间，TKi为跨线客流的第i个OD区间的乘客总出行时间。
进一步地，所述企业运营成本包括固定设备成本和运营可变成本；固定设 备成本中部分成本与轨道交通修建的选址环境相关，例如跨线设施，车站设备 等，无法定性的计算其费用消耗，因此只考虑所有交路的列车运用数总和，固 定设备成本的计算公式表示为：
Figure BDA0003181771160000052
式中，Mc为总的固定设备成本，b为每列车的购置资金平均至单位时间的 费用，i＝1时，M1为第一线路大交路列车运用数，i＝2时，M2为第二线路大交 路列车运用数，i＝3时，M3为跨线交路的列车运用数。
以上列车运用数M1、M2、M3又可根据不同运营模式作出具体计算， 车站过轨插入式运营的跨线运营模式需要的列车运用数可表示为：
Figure BDA0003181771160000053
Figure BDA0003181771160000054
Figure BDA0003181771160000061
车站过轨替代式运营的跨线运营模式需要的列车运用数可表示为：
Figure BDA0003181771160000062
Figure BDA0003181771160000063
Figure BDA0003181771160000064
共线共轨运营的跨线运营模式需要的列车运营数可表示为：
Figure BDA0003181771160000065
Figure BDA0003181771160000066
Figure BDA0003181771160000067
式中，nA为第一线路本线列车对应的行车密度，nB为第二线路本线列车对 应的行车密度，nC为跨线列车对应的行车密度；LA、LB、LC分别为第一线路大 交路，第二线路大交路，跨线交路的运营里程数；TzA、TzB、TzC分别为第一线 路本线列车、第二线路本线列车、跨线列车的折返总时间；v为列车平均旅行 速度；
Figure BDA0003181771160000068
为列车数向上取整。
运营可变成本中列车的能耗与车型及实际运营的过程相关，因此只考虑所 有交路的列车运行里程总长，以及因开行跨线列车需要配备的额外人工成本；
列车运行里程成本的计算公式表示为:
Lc＝cL
式中，Lc为列车运行里程总成本，c为单位时间内每列车运行1km消耗的 费用，L为所有列车行驶公里总数。
具体可分析为：
车站过轨插入式运营的跨线运营模式单位时间内所有列车的行驶公里总数：
L＝nALA+nBLB+nCLC
车站过轨替代式运营的跨线运营模式单位时间内所有列车的行驶公里总数：
L＝nALA+(nB-nC)LB+nCLC
以及共线共轨运营的跨线运营模式单位时间内所有列车的行驶公里总数：
L＝nALA+nBLB+nCLC
因为实施跨线运营组模式后，交路形式复杂，通常会配备更多的人员开展 车站客运组织服务和疏导工作，所以跨线列车经停的所有车站还会有额外的人 工可变成本，额外人工成本计算公式表示为：
Pc＝dPeSk
式中，Pc为配备的额外人工成本总和，d为每个人单位时间的工资费用，Pe为 每个车站平均配备的额外工作人员数，Sk为跨线列车所有车站数。
综上，跨线运营组织模式优化模型的目标是单位时间内使乘客出行成本和 企业运营成本的总和最小，其目标优化函数表示为：
MinW＝MC+LC+PC
式中，W单位时间内所有企业运营成本之和，Mc为总的固定设备成本，Lc为 列车运行里程总成本，Pc为配备的额外人工成本总和。
S30，根据跨线运营模式构建对应的约束条件，约束条件至少包括客流条件、 行车密度、线路通过能力以及行车间隔；
客流条件
S1：第一线路最大断面客流
开行跨线运营组织模式后的行车密度须满足线路最大断面客流的需求，不 同区间的行车密度不同，最大运输能力也不同，在各区间运行的列车运输能力 应不小于每个方向的最大断面客流，同时应考虑满载率不同条件下乘客的舒适 度问题，第一线路跨线段和非跨线段的客流条件满足如下关系：
Figure BDA0003181771160000071
Figure BDA0003181771160000081
式中：PAFmax为第一线路非跨线段区间内上下行最大断面客流量；PAKmax为 第一线路跨线段区间内上下行最大断面客流量；ρmin为列车最小满载率；ρmax为 列车最大满载率；GA为第一线路本线列车的编组数；GC为跨线列车的编组数； CA为第一线路本线列车每节车厢的定员人数；CC为跨线列车每节车厢的定员人 数。
S2：第二线路最大断面客流
第二线路涉及跨线列车是否取代本线列车运行，车站过轨插入式运营模式 中跨线段和非跨线段的客流条件满足如下关系：
Figure BDA0003181771160000082
Figure BDA0003181771160000083
车站过轨替代式运营模式中跨线段和非跨线段的客流条件满足如下关系：
Figure BDA0003181771160000084
Figure BDA0003181771160000085
同时，车站过轨替代式运营模式还应满足单向断面的客流条件：
2PK+PA+PB≤2PNA
式中：PBFmax为第二线路非跨线段区间内上下行最大断面客流量；PBKmax为 第二线路跨线段区间内上下行最大断面客流量；GB为第二线路本线列车编组数； CB为第二线路本线列车每节车厢的定员人数；PA为A线直通客流；PB为B线 直通客流；PK为A线跨入B线的客流。
S3：跨线客流
跨线列车的开行对数须满足跨线客流的出行：
Figure BDA0003181771160000086
式中，PKmax为跨线客流。
S4：共线段最大断面客流
共线共轨运营的跨线运营组织还应考虑共线段的最大断面客流条件：
Figure BDA0003181771160000091
式中，PGmax为共线段最大断面客流。
约束条件还包括轨道系统中的行车密度，车站过轨替代式运营模式中本线 列车中能够插入的跨线列车应不超过其最大值：
Figure BDA0003181771160000092
式中：NCmax为跨线列车最大通过能力，对/h；tf为列车最小追踪间隔，h； T为插入跨线列车所需的最小行车间隔，h。
约束条件还包括轨道系统中的线路通过能力，列车的行车密度不能大于线 路的最大通过能力，同时考虑跨线段通过能力的损失，车站过轨插入式运营模 式的通过能力条件为：
Figure BDA0003181771160000093
Figure BDA0003181771160000094
车站过轨替代式运营模式的通过能力条件为：
Figure BDA0003181771160000095
Figure BDA0003181771160000096
共线共轨运营的跨线运营组织非共线段的行车密度均小于共线段，因此只 要保证共线段的最大通过能力满足条件即可，即：
Figure BDA0003181771160000097
式中，NAmax为第一线路的最大通过能力，NBmax为第二线路的最大通过能 力，
Figure BDA0003181771160000098
为第一线路本线列车单位小时内损失的列车开行对数，
Figure BDA0003181771160000099
为第二线路本 线列车单位小时内损失的列车开行对数，min{}表示取最小值。
约束条件还包括轨道系统中的行车间隔，开行跨线运营组织模式还需满足 跨线列车行车间隔的条件：
Figure BDA0003181771160000101
式中，tA为所述第一线路的本线客流的乘客的总出行时间，tB为所述第二 线路的本线客流的乘客的总出行时间，tC为所述跨线列车交路客流的乘客的总 出行时间，tW为乘客于换乘站的行走时间，ΔT为列车的行车间隔时间。
S40,将约束条件与所述跨线运营模型的目标优化函数组进行关联，得到对 应的跨线运营优化模型，再通过遗传算法求解对应的所述跨线运营优化模型， 得到相应的最优解。
车站过轨插入式运营的跨线运营模式建立的优化模型为：
Figure BDA0003181771160000102
Figure BDA0003181771160000103
Figure BDA0003181771160000104
车站过轨替代式跨线运营模式建立的优化模型为：
Figure BDA0003181771160000111
Figure BDA0003181771160000112
Figure BDA0003181771160000113
共线共轨跨线运营模式建立的优化模型为：
Figure BDA0003181771160000114
Figure BDA0003181771160000115
Figure BDA0003181771160000121
本文建立的优化模型的目标为多目标函数，包括以等车时间最小的乘客出 行成本，运用列车数最少、线路运行里程最短及额外增加的人工成本最低的企 业运营成本，两者不能简单的相加，因此需要对目标函数统一量纲后才能对模 型求解。
此次主要采用评价函数法来转化多目标优化问题，其基本思想是由多目标 优化问题的目标函数构造出某一个单目标规划问题的目标函数，并称之为评价 函数，从而将求解多目标规划问题转化为求解单目标优化问题。
理想点法是指根据决策者的先验信息构造出理想点，再在指定条件下去寻 求与此理想点最为接近的可行解。目标函数本身可能含有多个不等式约束条件 和多个等式约束条件，在实际情况中恰好满足等式约束条件的问题有很大的局 限性，因此，求解跨线运营模型针对式的多目标优化问题进行探讨。
MinF＝{f1(x),f2(x)...fn(x)}
s.t.gi(x)≥0(i＝1,2,...,n)
根据评价函数法的基本原则，理想点法的主要目的是在多目标优化问题中， 首先将多目标优化问题分解为M个单目标优化问题，可表达为：
Figure BDA0003181771160000131
求解上式，得到M个最优解为
Figure BDA0003181771160000132
理论上讲，不可能所有的最优 解
Figure BDA0003181771160000133
均相同，所以它的M个最优解fi *(i＝1,2,...,m)所组成的向量
Figure BDA0003181771160000134
并不属于多目标优化问题的象集，即理想点
Figure BDA0003181771160000135
是几 乎不存在的。因此只能在多目标优化的可行域中寻求一个点
Figure BDA0003181771160000136
使之对应的 F(x*)与理想点F0的欧氏距离尽可能小，因此建立如式的单目标优化问题，求解 单目标优化问题即可得到多个目标的最优解。
Figure BDA0003181771160000137
实施跨线运营模式能够减少跨线乘客在换乘站的走行时间，此部分时间可 以转化去创造其他的社会价值，因此可将乘客节省的时间视为一种机遇成本， 进而将时间成本问题转化为出行成本问题，达到和企业运营成本量纲统一的目 的。假设a为每个乘客的单位时间价值，则所有乘客的出行总成本为：
Tc＝aT
式中：Tc为有乘客的总的出行成本；a为客的单位时间价值。
采用理想点法将多目标优化问题降纬至为单目标优化问题，优化模型对应 的理想点为：
F0＝[T*,E*]
按照理想点法的思想，本文的目标函数可等价于转化后的单目标评价函 U(Tc,Ec)的计算公式下：
Figure BDA0003181771160000138
在对多目标优化问题转化为单目标优化问题后，再通过使用遗传算法寻求 最优解。
遗传算法(Genetic Algorithm)是常用来解决最优化问题的一种搜索启发式 算法，是进化算法的一种。遗传算法是一类借鉴生物届的进化规律演化而来的 随机化搜索方法，通过把问题的参数编码为染色体，利用迭代的方法来运算以 交换种群中的染色体信息，最后生成符合目标的染色体。遗传算法在求解过程 中具有方便、高效的优点，且其全局搜索能力强，不容易陷入局部最优解，所 以可以计算一些非线性目标函数优化问题或是一些组合优化问题，利用遗传算 法求解的流程图如图2所示。
遗传算法的基本步骤包括编码、初始种群生成、适应度评价、选择、交叉 和变异5个部分，结合遗传算法的流程图和各要素特点，设计适合本文所提出 的跨线运营组织模式列车行车密度优化模型的遗传算法步骤如下：
Step1：设置迭代次数cc，初始种群n0，交叉概率p1，变异概率p2，将模 型中已知参数作为全局变量便于后续的编程求解，此步骤实则是完成程序的初 始化过程。
Step2：随机产生初始种群n0，作为算法迭代的开始。染色体编码表示的是 问题的可行解，主要的编码方式有二进制编码、实数编码和符号编码，对于本 文而言，一个染色体就是一个交路的列车对数开行计划，因为行车密度是从小 开行对数到最大开行对数的一系列连续的非负整数，所以应兼顾求解效率和可 操作性，本文对染色体采用实数编码：
F＝(f1,f2,f3...fk...fN)
染色体长度用来表示列车的交路数量，本模型已经确定开行有本线列车和 跨线列车共计三种交路，因此理论上不存在fk＝0的情况，且fk即是该交路的列 车行车密度，比如下图所示的染色体F＝(5/8/20)就表示，本线列车和跨线列 车的行车密度分别为5、8、20对/h。
Step3：设计适应度函数，本文将目标函数量纲统一的前提下，采用理想点 法将模型的目标函数进行转化，然而理想点得到的目标函数为最小且非负，因 此将其取倒数作为算法最终的适应度函数，即设置每代中个体局部最优值记录 器视为tempfit，通过取出每代中局部最优解记录器中的最大值得出全局最优值 bestfit集合。
Step4：计算本代中各个体适应度比例值fit-p，将各个个体的fit-p进行累 积为cumsum(fit-p)，若个体的cumsum(fit-p)比例大于随机产生的选择概率 rd(sp)，那么则将该个体直接复制到下一代种群中。
Step5：根据种群数量n0，采用相邻个体两两配对，若随机产生的交叉概率 小于算法设置的概率值p1，则将配对的个体交叉。
Step6：随机生成变异概率rd(mp)，若随机生成的概率小于设定的变异概 p2，则随机选择变异点的位置，将其基因值取反。
Step7：判断个体最优解是否大于当前最优解，若大于当前最优解bestfit则 将最优解更新，并将种群规模进行更新，否则将最优解bestfit保持不变。
Step8：重复上述步骤Step2至Step7，并每10代输出一次结果。
Step9：当算法的迭代次数达到cc代时，输出最优解，算法终止。
以下提出具体运营模式下乘客出行时间成本的分析：
请参阅图3、5-6，图3为本发明第一实施例提供的一种轨道交通跨线运营 优化方法中车站过轨式运营线路图，图3中列车从第一线路跨入第二线路的形 式属于“十字形”线路(如图3所示)，设第一线路各车站集合为 SA＝{SAi|i＝1,2,3...n}，第二线路各车站集合为SB＝{SBi|i＝1,2,3...n}，SAt(或SBt) 是A、B两线的换乘车站，也是跨线列车的过轨车站。在两条线路间共开行有 3种列车交路：SA1-SAn，SB1-SBn，SAx-SBy，其中前两种交路代表A、B本线列 车，最后一种是跨线列车的行车交路，每种交路对应的行车密度为nA，nB，nC。 在配备折返线的前提下，跨线列车可以根据OD客流的实际情况实现部分贯通， 也可以完全贯通，同理，为了加快列车的周转效率，本线列车也可仅部分贯通， 无论本、跨线列车交路为何种形式，都必须保证所有区间有列车经过。
步骤1：设Pij是由车站i至车站j的客流量，其中，i,j∈{A1,A2,A3...B1,B2,B3}。 除满足本线客流和跨线客流直达外，还存在部分从非跨线段进入其他线路必须 进行换乘的客流，虽然每个区间的断面客流无法确定流入方向，但是其包含了 直达和非直达的所有客流，只要行车密度满足最大段断面客流的需求即可。由 于本、跨线列车运行于不同的交路，因此在分析OD客流时，根据行车密度不 同将线路细化为6个区间，仅考虑以下各区间直达的客流量：
区间①：第一线路跨线方向非跨线区间，SA1-SAx；
区间②：第一线路跨线区间，SAx-SAt；
区间③：第一线路非跨线方向区间，SAt-SAn；
区间④：第二线路跨线方向非跨线区间，SB1-SBy；
区间⑤：第二线路跨线区间，SBy-SBt；
区间⑥：第二线路非跨线方向区间，SBy-SBn。
①-②-③和④-⑤-⑥是本线列车的行车交路，②-⑤是跨线列车的行车交路， 对不同OD的客流分类统计，分析其行车密度、等车时间及出行成本。由于已 知列车跨线后有“替代式”和“插入式”两种运行方式，其导致的结果是行车 密度的不同，因此还需考虑跨线列车是否替代本线列车运行，统计所得的不同 区间OD客流和相应的行车密度如表1所示。
表1车站过轨运营模式下直达的区间客流量、行车密度及总出行时间
Figure BDA0003181771160000161
Figure BDA0003181771160000171
步骤2：对于无法一次性直达的区间OD，乘客必须通过一次换乘且唯一路 径才能到达目的地，此部分客流已转化为上述类型的出行成本，例如乘客从区 间①前往区间⑥需在SAt(或SBt)站换乘，换乘前的时间成本计入TA2，换乘后 的时间成本计入TB9。而部分区间OD存在非唯一路径，则需要按实际可能性来 讨论，例如乘客从区间①前往区间⑤，既可以搭乘第一线路本线列车在SAt(或 SBt)站换乘第二线路本线列车，也可以在SAx站换乘跨线列车。乘客对路径和列 车的选择行为实则是交通方式中的选择行为，是独立个体的决策过程，乘客凭 借自己以往的出行经验来判断当前轨道交通线路的状况并试图选择最佳路线(通常为在途时间最小或换乘次数最少)，但是由于个人经验不同，在选择何 种路径或列车的方式也不尽相同，因此无论是否有唯一路径，最终将无法直达 的跨线客流的出行成本都转化为直达客流的出行成本，转化后的出行时间如表 2所示：
表2车站过轨运营模式下非直达的区间客流量、行车密度及转化后的总出行时间
Figure RE-GDA0003364444950000181
Figure RE-GDA0003364444950000191
步骤3：针对选择不唯一的区间OD，可以用基于Logit的选择行为模型来 分析。乘客在网络内出行的列车选择行为实质是乘客对每种列车的选择概率， 而选择决策的依据是每种列车的随机效用值，因此乘客出行选择列车方案的随 机效用函数为：
Uk＝Vk+εk
式中：Uk为第k种列车的随机效用函数；Vk为第k种列车的确定效用函数， 即固定效益；εk为第k种列车的随机误差项，其差异性较小对列车选择可忽略。
固定效益由旅行时间和出行费用组成：
Vk＝αtk+βck
式中：tk为第k种列车的旅行时间；ck为第k种列车的费用消耗，虽然出行 路径不唯一，但是区间OD及列车里程数相同，因此费用消耗ck相同，对列车选 择无影响；α，β为参数。
所以第k种列车的选择概率可用Logit模型表示为：
Figure BDA0003181771160000192
式中：Pk为第k种列车的选择概率，且
Figure BDA0003181771160000193
所以对于存在不唯一的路径选择，第一种列车的分担率为
Figure BDA0003181771160000194
另一 种列车的分担率为
Figure BDA0003181771160000195
同理，跨线列车可以提供直达服务，减少跨 线乘客在换乘车站的走行时间，但是仍然会有乘客选择换乘出行，Logit模型 同样适用于乘客在跨线与非跨线列车之间的选择行为，所以对区间②和区间⑤ 的直达OD客流也要考虑列车分担率的问题。
步骤4：在列车行车间隔较短的情况下，乘客的平均等车时间趋近于行车 间隔的一半，结合列车行车间隔和行车密度的关系，因此对于“插入式”和“替 代式”列车的不同区间OD客流的出行总时间如表3所示。
表3车站过轨运营模式下“插入式”和“替代式”总的时间成本公式
Figure BDA0003181771160000201
Figure BDA0003181771160000211
因此所有乘客的出行总时间成本为：
Figure BDA0003181771160000212
式中：T为所有乘客的总的出行时间；TAi,TBi,TKi为第一线路本线客流，第二 线路本线客流，跨线客流的第i个区间OD的乘客总出行时间。
请参阅图4、7，图4为本发明第一实施例提供的一种轨道交通跨线运营优 化方法中车站共线共轨运营线路图，图4中列车从第一线路跨入第二线路的形 式属于“X形”线路(如图4所示)，设第一线路各车站集合为SA＝{SAi|i＝1,2,3...n}， 第二线路各车站集合为SB＝{SBi|i＝1,2,3...n}，A、B两线共线段的车站集合为 SAt＝{SAti|i＝1,2,3...m}(或SBt＝{SBti|i＝1,2,3...m}，为了便于描述共线段均用第一线 路表示)，共线段内至少有一个车站，且
Figure BDA0003181771160000213
在两条线路间共开行有 3种列车交路：SA1-SAn，SB1-SBn，SAx-SBy，其中前两种交路代表A、B本线列 车，最后一种是跨线列车的行车交路，每种交路对应的行车密度为为nA，nB， nC，其余条件等同于车站过轨运营。
步骤1：设Pij是由车站i至车站j的客流量，其中，i,j∈{A1,A2,A3...B1,B2,B3}。 在分析OD客流时，根据行车密度不同将线路细化为7个区间，仅考虑以下各区 间直达的客流量：
区间①：第一线路跨线方向非跨线区间，SA1-SAx；
区间②：第一线路跨线区间，SAx-SAt1；
区间③：第一线路非跨线方向区间，SAtm-SAn；
区间④：第二线路跨线方向非跨线区间：SB1-SBy；
区间⑤：第二线路跨线区间，SBy-SBtm；
区间⑥：第二线路非跨线方向区间，SAt1-SBn；
区间⑦：A、第二线路共线区间，SAt1-SAtm。
①-②-⑦-③和④-⑤-⑦-⑥是本线列车的行车交路，②-⑦-⑤是跨线列车 的行车交路，对不同OD的客流分类统计，分析其行车密度、等车时间及出行成 本。共线共轨运营的跨线列车原则上也可以有“插入式”和“替代式”两种运 行方式，但是共线段的存在原本就限制了两条线路的运能提升，若采用“替代 式”的跨线形式则本线列车的行车间隔会进一步增大，不益于非跨线段乘客的 出行，因此对于共线共轨运营只考虑跨线列车不替代本线列车运行的形式，统 计所得的不同区间OD客流和相应的行车密度如下表4所示。
表4共线共轨运营模式下直达的区间客流量、行车密度及总出行时间
Figure BDA0003181771160000221
Figure BDA0003181771160000231
Figure BDA0003181771160000241
步骤2：同车站过轨运营，对于无法一次性直达的区间OD，乘客必须通过 一次换乘才能到达目的地，且在共线段内任一车站换乘对乘客的出行成本无影 响。将无法直达的跨线客流的出行成本都转化为直达客流的出行成本，转化后 的出行时间如表5所示。
表5共线过轨运营模式下非直达的区间客流量、行车密度及转化后的总出行时间
Figure BDA0003181771160000251
Figure BDA0003181771160000261
步骤3：对于存在不唯一的路径选择，用基于Logit的选择行为模型计算 每种列车的分担率θ1和θ2，因此对于共线共轨运营的不同区间OD客流的出行总 时间如表6所示。
表6车站过轨运营模式下“插入式”和“替代式”总的时间成本公示
Figure BDA0003181771160000262
Figure BDA0003181771160000271
因此所有乘客的出行总时间和总成本为：
Figure BDA0003181771160000272
请参阅图8，图8为本申请实施例第二方面提供的一种轨道交通跨线运营 优化系统程序模块示意图，包括：
选取模块801：用于根据换乘车站的换乘客流方向设置跨线运营模式，跨 线运营模式至少包括车站过轨插入式运营、车站过轨替代式运营和共线共轨运 营；
构建模块802：用于根据跨线运营模式以及跨线运营成本构建出对应的跨 线运营模型组，跨线运营成本至少包括乘客出行成本和企业运营成本；
约束模块803：根据跨线运营模式构建对应的约束条件，约束条件至少包 括客流条件、行车密度、线路通过能力以及行车间隔；
求解模块804：用于将约束条件自适应对应的跨线运营模型组，得到对应 的跨线运营优化模型，再通过遗传算法求解对应的跨线运营优化模型，得到相 应的最优解。
应当说明的是，本申请提供的轨道交通跨线运营优化方法均可基于本实施 例提供的优化实现，所属领域的普通技术人员可以清楚的了解到，为描述的方 便和简洁，本实施例中所描述的优化的具体工作过程，可以参考前述优化方法 实施例中的对应过程，在此不再赘述。
请参阅图9，图9为本申请实施例第三方面提供的一种设备。该设备可用 于实现前述实施例中的轨道交通跨线运营优化方法。如图9所示，该设备主要 包括：
存储器901、处理器902、及存储在存储器901上并可在处理器902上运行的 计算机程序，存储器901和处理器902通过总线903连接。处理器902执行该计算 机程序时，实现前述实施例中的轨道交通跨线运营优化方法。其中，处理器的 数量可以是一个或多个。
存储器901可以是高速随机存取记忆体(RAM，Random Access Memory) 存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。 存储器901用于存储可执行程序代码，处理器902与存储器901耦合。
进一步的，本申请实施例第四方面还提供了一种存储介质，具体为一种计 算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的电 子装置中，该计算机可读存储介质可以是前述图9所示实施例中的存储器。
该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现 前述实施例中的信息推荐方法。进一步的，该计算机可存储介质还可以是U盘、 移动硬盘、只读存储器(ROM，Read-Only Memory)、RAM、磁碟或者光盘 等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可 以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例 如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方 式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可 以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通 信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性， 机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块 显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可 以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块 来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中， 也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块 中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的 形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用 时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技 术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分 可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质 中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或 者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的可读 存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储 程序代码的介质。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述 为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的 动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。 其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施 例，所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详 述的部分，可以参见其它实施例的相关描述。
以上为对本申请所提供的轨道交通跨线运营方法、系统、设备及存储介质 的描述，对于本领域的技术人员，依据本申请实施例的思想，在具体实施方式 及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限 制。

Claims (11)

1.一种轨道交通跨线运营优化方法，轨道交通线路包括第一线路和第二线路，其特征在于，所述优化方法包括：
根据换乘车站的换乘客流方向设置跨线运营模式，所述跨线运营模式至少包括车站过轨插入式运营、车站过轨替代式运营和共线共轨运营；
根据所述跨线运营模式以及跨线运营成本构建出对应的跨线运营模型的目标优化函数组，所述跨线运营成本至少包括乘客出行成本和企业运营成本；
根据所述跨线运营模式构建对应的约束条件，所述约束条件至少包括客流条件、行车密度、线路通过能力以及行车间隔；
将所述约束条件与所述跨线运营模型的目标优化函数组进行关联，得到对应的跨线运营优化模型，再通过遗传算法求解对应的所述跨线运营优化模型，得到所需的最优解。
2.根据权利要求1所述的优化方法，其特征在于，所述乘客出行成本的计算公式表示为：
Figure FDA0003181771150000011
式中，T为所有乘客总的出行时间，TAi为第一线路的本线客流第i个OD区间的乘客总出行时间，TBi为第二线路的本线客流第i个OD区间的乘客总出行时间，TKi为跨线客流的第i个OD区间的乘客总出行时间。
3.根据权利要求2所述的优化方法，其特征在于，所述企业运营成本包括固定设备成本和运营可变成本；
其中，所述固定设备成本的计算公式表示为：
Figure FDA0003181771150000012
式中，Mc为总的固定设备成本，b为每列车的购置资金平均至单位时间的费用，i＝1时，M1为第一线路大交路列车运用数，i＝2时，M2为第二线路大交路列车运用数，i＝3时，M3为跨线交路的列车运用数。
4.根据权利要求3所述的优化方法，其特征在于，所述运营可变成本包括所述跨线运营模式中所有交路的列车运行里程成本和配备的额外人工成本；
所述列车运行里程的计算公式表示为：
Lc＝cL
所述额外人工成本的计算公式表示为：
Pc＝dPeSk
式中，Lc为列车运行里程总成本，c为单位时间内每列车运行1km消耗的费用，L为所有列车行驶公里总数，Pc为配备的额外人工成本总和，d为每个人单位时间的工资费用，Pe为每个车站平均配备的额外工作人员数，Sk为跨线列车所有车站数。
5.根据权利要求1所述的优化方法，其特征在于，所述客流条件表示如下：
其中，所述第一线路最大断面客流满足如下关系：
Figure FDA0003181771150000021
Figure FDA0003181771150000022
所述第二线路最大断面客流满足如下关系：
当为所述车站过轨插入式运营模式时，跨线段和非跨线段的客流条件为：
Figure FDA0003181771150000023
Figure FDA0003181771150000024
当为所述车站过轨替代式运营模式时，跨线段和非跨线段的客流条件为：
Figure FDA0003181771150000025
Figure FDA0003181771150000026
跨线客流满足如下关系：
Figure FDA0003181771150000027
当为所述共线共轨式运营模式时，共线段最大断面客流满足如下关系：
Figure FDA0003181771150000028
式中，PAFmax为第一线路非跨线段区间内上下行的最大断面客流量，PAKmax为第一线路跨线段区间上下行最大断面客流量，PBFmax为第二线路非跨线段区间内上下行最大断面客流量；PBKmax为第二线路跨线段区间上下行最大断面客流量，PKmax为跨线客流，PGmax为共线段最大断面客流，ρmin为所述列车的最小满载率，ρmax为列车的最大满载率，GA为第一线路本线列车编组数，CA为第一线路本线列车每节车厢的定员人数；GB为第二线路本线列车编组数，CB为第二线路本线列车每节车厢的定员人数，GC为跨线列车编组数，CC为跨线列车每节车厢的定员人数，nA为第一线路本线列车对应的行车密度，nB为第二线路本线列车对应的行车密度，nC为跨线列车对应的行车密度。
6.根据权利要求1所述的优化方法，其特征在于，所述行车密度满足如下关系：
Figure FDA0003181771150000031
式中，NCmax为跨线列车交路最大通过能力，对/h；nB为第二线路本线列车交路对应的行车密度，对/h；tf为列车最小追踪间隔，h；T为插入跨线列车所需的最小行车间隔，h；
7.根据权利要求1所述的优化方法，其特征在于，所述线路通过能力满足如下关系：
当所述跨线运营模式为所述车站过轨插入式运营模式时：
Figure FDA0003181771150000032
Figure FDA0003181771150000033
当所述跨线运营模式为所述车站过轨替代式运营模式时：
Figure FDA0003181771150000034
Figure FDA0003181771150000035
当所述跨线运营模式为所述共线共轨式运营模式时：
Figure FDA0003181771150000041
式中，NAmax为第一线路的最大通过能力，NBmax为第二线路的最大通过能力，
Figure FDA0003181771150000042
为第一线路本线列车单位小时内损失的列车开行对数，
Figure FDA0003181771150000043
为第二线路本线列车单位小时内损失的列车开行对数，min{}表示取最小值。
8.根据权利要求1所述的优化方法，其特征在于，所述行车间隔满足如下关系：
Figure FDA0003181771150000044
式中，tA为所述第一线路的本线客流的乘客的总出行时间，tB为所述第二线路的本线客流的乘客的总出行时间，tC为跨线列车交路客流的乘客的总出行时间，tW为乘客于换乘站的行走时间，ΔT为列车的行车间隔时间。
9.一种轨道交通跨线运营优化系统，其特征在于，包括：
选取模块：用于根据换乘车站的换乘客流方向设置跨线运营模式，所述跨线运营模式至少包括车站过轨插入式运营、车站过轨替代式运营和共线共轨运营；
构建模块：用于根据所述跨线运营模式以及跨线运营成本构建出对应的跨线运营模型组，所述跨线运营成本至少包括乘客出行成本和企业运营成本；
约束模块：根据所述跨线运营模式构建对应的约束条件，所述约束条件至少包括客流条件、行车密度、线路通过能力以及行车间隔；
求解模块：用于将所述约束条件自适应对应的所述跨线运营模型组，得到对应的跨线运营优化模型，再通过遗传算法求解对应的所述跨线运营优化模型，得到相应的最优解。
10.一种电子设备，其特征在于，包括：存储器、处理器及总线；
所述总线用于实现所述存储器、处理器之间的连接通信；
所述处理器用于执行存储在所述存储器上的计算机程序；
所述处理器执行所述计算机程序时，实现权利要求1至9中任意一项所述方法中的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至9中的任意一项所述方法中的步骤。
CN202110849045.6A 2021-07-27 2021-07-27 一种轨道交通跨线运营优化方法、系统、设备及存储介质 Pending CN113822461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110849045.6A CN113822461A (zh) 2021-07-27 2021-07-27 一种轨道交通跨线运营优化方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110849045.6A CN113822461A (zh) 2021-07-27 2021-07-27 一种轨道交通跨线运营优化方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113822461A true CN113822461A (zh) 2021-12-21

Family

ID=78923911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110849045.6A Pending CN113822461A (zh) 2021-07-27 2021-07-27 一种轨道交通跨线运营优化方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113822461A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743718A (zh) * 2021-07-27 2021-12-03 深圳技术大学 开行跨线列车的运营方法、设备及计算机可读存储介质
CN115879797A (zh) * 2022-11-29 2023-03-31 北京城建设计发展集团股份有限公司 城市轨道交通线路设计低碳优化综合评估方法
CN116279695A (zh) * 2023-05-15 2023-06-23 卡斯柯信号(北京)有限公司 确定互联互通系统的安全性能方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10013603C1 (de) * 2000-03-18 2001-11-22 Daimler Chrysler Ag Verfahren zur Bereitstellung von Verkehrsinformationen
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
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
CN109552361A (zh) * 2018-10-31 2019-04-02 交控科技股份有限公司 一种互联互通跨线的轨旁设备模拟方法及系统
CN209795468U (zh) * 2019-04-18 2019-12-17 中铁第六勘察设计院集团有限公司 一种提高轨道交通互联互通能力的车站配线
US20200027347A1 (en) * 2016-08-19 2020-01-23 Dalian University Of Technology Collaborative optimization method for bus timetable based on big data
CN112149889A (zh) * 2020-09-15 2020-12-29 北京交通大学 考虑客流分配的轨道交通开行线路及频率协同优化方法
CN112712247A (zh) * 2020-12-28 2021-04-27 交控科技股份有限公司 一种面向跨线运营的开行方案制定方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10013603C1 (de) * 2000-03-18 2001-11-22 Daimler Chrysler Ag Verfahren zur Bereitstellung von Verkehrsinformationen
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
US20200027347A1 (en) * 2016-08-19 2020-01-23 Dalian University Of Technology Collaborative optimization method for bus timetable based on big data
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
CN109552361A (zh) * 2018-10-31 2019-04-02 交控科技股份有限公司 一种互联互通跨线的轨旁设备模拟方法及系统
CN209795468U (zh) * 2019-04-18 2019-12-17 中铁第六勘察设计院集团有限公司 一种提高轨道交通互联互通能力的车站配线
CN112149889A (zh) * 2020-09-15 2020-12-29 北京交通大学 考虑客流分配的轨道交通开行线路及频率协同优化方法
CN112712247A (zh) * 2020-12-28 2021-04-27 交控科技股份有限公司 一种面向跨线运营的开行方案制定方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘伟华 等: "《大规模定制化服务模式下物流服务供应链调度理论与方法》", 31 January 2018, 中国财富出版社, pages: 99 - 100 *
田亮 等: "城市轨道交通跨线运营组织模式分析与探讨", 《中国高新科技》, vol. 93, no. 09, pages 80 - 81 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743718A (zh) * 2021-07-27 2021-12-03 深圳技术大学 开行跨线列车的运营方法、设备及计算机可读存储介质
CN113743718B (zh) * 2021-07-27 2024-03-29 深圳技术大学 开行跨线列车的运营方法、设备及计算机可读存储介质
CN115879797A (zh) * 2022-11-29 2023-03-31 北京城建设计发展集团股份有限公司 城市轨道交通线路设计低碳优化综合评估方法
CN115879797B (zh) * 2022-11-29 2023-06-27 北京城建设计发展集团股份有限公司 城市轨道交通线路设计低碳优化综合评估方法
CN116279695A (zh) * 2023-05-15 2023-06-23 卡斯柯信号(北京)有限公司 确定互联互通系统的安全性能方法及装置
CN116279695B (zh) * 2023-05-15 2023-08-01 卡斯柯信号(北京)有限公司 确定互联互通系统的安全性能方法及装置

Similar Documents

Publication Publication Date Title
Euchi et al. Hybrid genetic-sweep algorithm to solve the vehicle routing problem with drones
Liao et al. Multi-objective green meal delivery routing problem based on a two-stage solution strategy
CN112836892B (zh) 基于改进遗传算法的多目标车辆配送路径确定方法及系统
CN113822461A (zh) 一种轨道交通跨线运营优化方法、系统、设备及存储介质
Ma et al. A model for the stop planning and timetables of customized buses
Yao et al. Hybrid operations of human driving vehicles and automated vehicles with data-driven agent-based simulation
CN111428931A (zh) 物流配送线路规划方法、装置、设备及存储介质
CN112700034B (zh) 一种联程联运路径选择方法、装置、设备及可读存储介质
Zhao et al. Dynamic path planning of emergency vehicles based on travel time prediction
Asghari et al. Environmental and social implications of incorporating carpooling service on a customized bus system
Li et al. Meal delivery routing optimization with order allocation strategy based on transfer stations for instant logistics services
Tian et al. A Long‐Term Shared Autonomous Vehicle System Design Problem considering Relocation and Pricing
Zhou et al. Dispatching design for customized bus of hybrid vehicles based on reservation data
Kim et al. Optimal Rebalancing Strategy for Shared e‐Scooter Using Genetic Algorithm
Hu et al. Reliable design of urban surface-underground integrated logistics system network with stochastic demand and social-environmental concern
Shen et al. A MultiObjective optimization approach for integrated timetabling and vehicle scheduling with uncertainty
Yue et al. Estimation markov decision process of multimodal trip chain between integrated transportation hubs in urban agglomeration based on generalized cost
Liu et al. A two-stage algorithm for vehicle routing problem with timed-path in disaster response
CN113919772B (zh) 一种含时间窗的时变车辆路径规划方法及系统
Yang et al. Optimal service design of demand responsive connector with elastic demand
Guo Internalization of transportation external costs: impact analysis of logistics company mode and route choices
Herrera et al. Combining Survival Analysis and Simheuristics to Predict the Risk of Delays in Urban Ridesharing Operations with Random Travel Times
Pekel et al. Solving capacitated location routing problem by variable neighborhood descent and GA-artificial neural network hybrid method
Davulis et al. Modelling and optimization of transportation costs
Jiang et al. Multi-Objective Optimization of Airport Baggage Transport Vehicles’ Scheduling Based on Improved Genetic Algorithm

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