CN114202101A - 一种网络化列车运行图智能编制及评估优化系统 - Google Patents
一种网络化列车运行图智能编制及评估优化系统 Download PDFInfo
- Publication number
- CN114202101A CN114202101A CN202111330063.XA CN202111330063A CN114202101A CN 114202101 A CN114202101 A CN 114202101A CN 202111330063 A CN202111330063 A CN 202111330063A CN 114202101 A CN114202101 A CN 114202101A
- Authority
- CN
- China
- Prior art keywords
- time
- passenger flow
- train
- station
- line
- 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
Links
- 238000010586 diagram Methods 0.000 title claims abstract description 120
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 title claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000012546 transfer Methods 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 66
- 238000007619 statistical method Methods 0.000 claims description 28
- 238000007726 management method Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 13
- 238000005206 flow analysis Methods 0.000 claims description 9
- 238000009472 formulation Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 20
- 230000008520 organization Effects 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000010606 normalization Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 41
- 230000018109 developmental process Effects 0.000 description 41
- 238000012827 research and development Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000013210 evaluation model Methods 0.000 description 5
- 230000008676 import Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000010425 computer drawing Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种网络化列车运行图智能编制及评估优化系统,其包括运输方案智能编制子系统、运行图自动编制子系统、运行图智能评估子系统、运行图智能优化子系统、列车运行仿真子系统、运行图统一管理子系统、数据库。本发明系统依据客流统计预测客流的动态分布状态和运力运量的匹配情况,编制运输方案,以运输方案为基础输入,以自动化列车运行图编制为目标,对列车运行图编制的主要工作进行分解;通过客流与运行线精准匹配自适应调整阶段后,按照时间顺序进行列车交路的勾画,完成列车运行图的绘制。对于精准下发运力,提高服务水平,降本增效,以及疫情防控常态化下的行车组织具有重要意义。
Description
技术领域
本发明涉及轨道交通规划与管理领域,尤其涉及一种网络化列车运行图智能编制及评估优化系统。
背景技术
随着城市轨道交通路网拓扑结构的不断扩张、客流的快速增长,以及疫情防控常态化的需求,粗放式的运行图编制方式越来越难以满足地铁运营公司成本控制以及动态化的客流需求。精细化的运力投放需求与落后的运行图生产工具之间的矛盾导致了人工调整工作量大、运行图编制周期长、运行图评估优化难、地铁运营成本高等一系列亟待解决的问题。
国内外对运行图优化的理论研究较多,为运行图编制工作奠定了理论基础,但是由于理论模型假设性强、约束条件不够具体,尚难以完全应用到运行图编制实践,特别是针对重大突发事件期间特殊目标约束前提。
现有技术中,运行图编制的自动化与评估优化的网络化存在问题和不足,主要体现在:地铁运营成本高,降本增效任务重,缺少智能化网络资源高效精准配置手段,缺乏满足服务水平的智能化的运输方案编制方法;运输方案与客流耦合度较低,平、低峰期列车开行多。智能化水平低,运行图适应差。缺少智能化线网列车运行图编制管理系统,编图效率低;运行图手动调整工作量大;单一交路的成对平行运行图造成大量的运能浪费。评估方法缺乏,运行图优化难。缺少列车运行图指标评价体系,缺少评估优化系统,难以实现对线网运行图的优化;缺乏运行仿真系统,缺乏验证运行图可行性的工具。
本发明主要对疫情期间不同阶段客流需求分布进行分析研究,进而探讨精准运力配置方案及超常超强列车运行图的编制方法,以期为常态化运输组织提供方法支撑,为后续提高运营服务水平和智慧城轨的建设运营提供借鉴。
发明内容
基于上述现状,为进一步提高工作效率加强运营服务创新,实现流程化、自动化、网络化的运行图编制与评估优化势在必行。本发明建立一种网络化列车运行图智能编制及评估优化系统,对于精准下发运力,提高服务水平,降本增效,以及疫情防控常态化下的行车组织具有重要意义。本发明具体采用如下技术方案:
一种网络化列车运行图智能编制及评估优化系统,该系统包括运输方案智能编制子系统,用于制定首末班车方案,以重点车站开站时间为基准自动推算线路各车站首班车时间,进行以最大化线网换乘站成功换乘总人数为目标的末班车方案优化;运行图自动编制子系统,用于通过运行图自动生成算法实现以运输方案为输入的列车运行图自动编制;运行图智能评估子系统,综合最大区间满载率、平均满载率、富余运能、最大设计运能,建立运力运量匹配指标;构建运力运量匹配模型对全线多区间运力匹配情况进行综合评价,实现区间和线路两个层级的运力运量匹配精细化评价;运行图智能优化子系统,用于优化运行图方案,包括面向高峰时段的运行图优化、时效和能效耦合驱动的平峰期运行图优化、以及末班车衔接优化主导的运行图优化;列车运行仿真子系统,用于以线路、信号、车辆、列车运行时间等信息为基础,构建线路列车群运行仿真平台,仿真不同情况下列车在线路上运行状态;运行图统一管理子系统,针对历史的车站时刻表、车次时刻表、车底时刻表及车底交路图,设计标准的运行图数据结构,构建运行图资源数据库并进行统一存储和管理;数据库,用于其他各子系统的数据提供,其包括车辆基础数据、客流数据、实时行车数据、运行图数据等。
优选地,所述运输方案智能编制子系统具有客流统计分析功能,其客流统计方法为:
(1)断面客流统计分析
初始化断面客流统计参数,统计参数包含各序列分时间隔长度、统计开始时刻、统计结束时刻,统计分时断面客流如下:
(2)进站客流统计分析
根据断面客流分析所得到的时段划分序列,统计固定时段划分序列下的各车站进站客流,输出分时进出站客流量统计结果并记录最早、最晚进出站时刻:
其中,qs,tt为时段车站s上的进出站客流量;as,m为以m时刻开始的5min粒度进出站客流量;
(3)换乘客流统计分析
根据断面客流分析所得到的时段划分序列,统计分时分方向的换乘客流和分时换乘站换乘客流,依据各换乘车站分时换乘客流量大小进行分时换乘站重要度排序,同时针对某一换乘站,根据换乘站各方向换乘客流量进行重要换乘方向标记:
优选地,所述运输方案智能编制子系统具有首末班车方案制定功能、交路方案制定功能、运行与停站方案制定功能、分时开行列车数方案制定功能、大站快车方案推荐与制定功能,上述功能具体实现方式包括:
(1)首末班车方案制定
以线网主要衔接线路首末班车方案为主要输入,加载本线与主要衔接线路的分方向换乘客流、换乘站进出站客流并进行统计,进行首末班车基准车站的确定:
S=argmax{IPs+TPs}#
式中,s为车站索引,IPs为车站s的进站客流量,TPs为车站s与主要衔接线路的换乘客流量;
在确定首末班车基准车站后,加载首末班车运行标尺与停站标尺,以线路车辆段最早发车、最晚收车时刻,换乘站各线路首末班车衔接情况为约束,进行首末班车时刻表推算,最终经人工确认,完成首末班车方案输出;
(2)分时分方向的交路与运行方案制定
以分时段面客流统计分析结果与线路折返站和车辆段分布位置情况为输入,结合客流特性分析结果判断该时段是否具备开行大小交路的条件,并确定时段开行交路集合,以可行交路集合为基础进行包含基础交路的排列组合,计算各交路组合形式下时段客流分布匹配情况
确定唯一的分时交路组合后,按照组合交路内容进行客流统计,依据统计结果,结合断面满载率及开行间隔约束,确定交路组合开行比例;
(3)分时段的停站方案制定
依据基础停车作业时分与上下车客流计算各时段停站时分
(4)分时开行列车数方案制定
进行断面客流时间不均衡分析,计算主要运营时段的时间不均衡系数:
式中,TC为主要运营时段的时间不均衡系数,Pmax为主要运营时段最大断面客流量,Pmax,t为t时段的最大断面客流量,N为运营时段个数;
计算分时分方向分交路列车开行间隔
计算分时列车满载率
式中,为高峰时段t内方向为d的列车开行间隔,为时段t内方向为d的最大断面客流量,C为列车定员,Lt为时段t的列车期望满载率,Imin为列车最小开行间隔,Imax为列车最大开行间隔,为时段t内方向为d的列车平均满载率;
(5)分时快车方案
以分时断面客流统计分析结果与分时分方向分交路开行列车数方案为输入,结合线路车站越行线配置情况,以时段快慢车开行比进行时段运能损失与客流的空间疏解效果利弊分析,确定是否需要制定大站快车方案,如果不需要,则完成运输方案制定;否则,依据分时断面客流不均衡行分析结果与车站越行线配置情况,确定大站快车运行方案,根据越行位置与运行与停站时间,反算大站快车开行比例和开行间隔,最终完成分时分方向分交路停站方案制定。
优选地,所述运行图自动编制子系统具有基础列车运行线铺画和客流与运行线精准匹配自适应功能,所述基础列车运行线铺画功能是根据车辆段、停车场联络线接入位置,结合各方向从出段至折返站接续的运行时间,进行过渡时段的确定,并进行过渡时段列车运行线铺画,依据高峰以及过渡时段的开始结束时间,进行平峰时段修正与平峰列车运行线的铺画,完成包括高峰时段、过渡时段、平峰时段在内的基础列车运行线的铺画;所述客流与运行线精准匹配自适应功能是以基础列车运行线铺画方案为输入,输入运行图刚性约束,借助运行图调整算法进行约束自适应下的列车运行图自动调整,计算在刚性约束下精确到列车的运行线调整范围,以断面客流为输入,在运行线刚性调整,通过客流自适应调整,完成基础列车运行方案的优化。
附图说明
图1是本发明运行图编制的总体流程图。
图2是断面客流统计分析图。
图3是进出站客流统计分析图。
图4是换乘客流统计分析图。
图5是运输方案编制流程图。
图6是首末班车方案制定流程图。
图7是分时分方向的交路与运行方案制定流程图。
图8是交路组合确定流程图。
图9是分时分方向分交路开行列车数方案制定流程图。
图10是分时分方向分交路停站方案制定流程图。
图11是运行图编制流程图。
图12是基础列车运行线铺画流程图。
图13是客流与运行线精准匹配自适应调整流程图。
图14是列车接续交路勾画及车次生成流程图。
图15是本发明的系统结构图。
具体实施方式
本发明的网络化列车运行图智能编制及评估优化系统包括运输方案智能编制子系统、运行图自动编制子系统、运行图智能评估子系统、运行图智能优化子系统、列车运行仿真子系统、运行图统一管理子系统、数据库。具体为:
(1)运输方案智能编制子系统
运输方案作为运行图编制的宏观技术文件,主要包括列车开行交路方案、大站快车方案、列车停站方案、首末班车方案和列车分时开行对数方案。线路客流的分布特征是确定列车运输方案的主要依据,基于线路客流时间和空间分布特征的列车运输方案是运行图编制的基础。随着运营服务需求的不断提升,细化运输方案编制流程,为运行图的编制提供更加具体的约束条件,从而在运输方案层面提高运行图对客流的匹配性和适应性。针对首末班车方案,实现以重点车站开站时间为基准的线路各车站首班车时间自动推算,同时支持以最大化线网换乘站成功换乘总人数为目标的末班车方案优化。本发明针对运输方案编制模块,借助信息化技术手段,实现基于客流的运输子方案智能推荐与运输方案一体化管理。主要功能如下:
·客流统计分析
·基于客流分析的运输子方案推荐算法定制
·交路方案推荐与制定功能
·大站快车方案推荐与制定功能
·运行与停站方案制定功能
·首末班车方案推荐、制定、衔接查询功能
·分时开行列车数方案推荐与制定功能
·分时动态标尺方案制定功能
·运输方案集成与管理功能
·运输方案人机交互界面设计
(2)运行图自动编制子系统
运行图自动编制子系统基于运行图自动生成算法实现以运输方案为输入的列车运行图自动编制。自动编制完成度可达95%,同时针对必要的人工调整,提供丰富的调整操作,包含但不限于:移动列车、增加列车、复制列车、删除列车、修改出段位置、修改入段位置、绘制交路。支持运行图底图结构管理、运行图查看,并支持多类型的客流加载,通过设置列车满载率颜色实现列车运行图运力运量适配性展示,支持精确到列车的断面满载率查询、运行图指标查询、运行图导入导出功能,通过自动化手段尽可能减少运营人员的工作强度。生成的初始运行图作为运行图评估子系统的输入,供运行图进行评估优化。具体功能如下:
·基础列车运行线铺画
·列车运行图自动生成
·交路自动勾画
·车次号自动生成功能与知识库
·客流与运行线精准匹配自适应
·运行图冲突检测约束
·运行图指标研发
·运行图查询功能
·运行图人机交互界面设计
·运行图集成与管理功能
(3)运行图智能评估子系统
运行图智能评估主要研究列车运行计划评估方法及指标体系构建、列车运行图实施期内运营状态评估及演变规律、以及基于多智能体的列车运行图动态仿真评估技术。综合考虑最大区间满载率、平均满载率、富余运能、最大设计运能等要素,建立运力运量匹配指标;构建运力运量匹配模型对全线多区间运力匹配情况进行综合评价,实现区间和线路两个层级的运力运量匹配精细化评价。对前期大量历史运行图在其服役期内运营状态进行分析和系统化评估,挖掘运行图生命周期内服役状态演变规律,确定运行图的最佳服役周期,从而为运行图调整提供决策依据。实现推演-评估-优化的链式系统仿真。从微观、中观和宏观三个层面对个体行为进行精细刻画,实现了客流与列车流在路网中的耦合联动推演,进而实现线网列车运行图综合精细化动态评估。主要功能如下:
·评估指标体系构建功能研发
·评估方案管理功能研发
·评估指标维护功能研发
·基础技术指标计算模型研发
·技术说明自动生成模型研发
·点线网运力运量匹配评估模型研发
·全周期匹配评估与回溯算法研发
·匹配度趋势预测预警算法研发
·换乘站列车衔接评估模型研发
·首末班车衔接评估模型研发
·平高峰过度时段衔接评估算法研发
·运行图能耗评估模型研发
·晚点传播模型研发
·运行图可调性评估模型研发
·舒适性评估模型研发
·便捷性评估模型研发
·可达性评估模型研发
(4)运行图智能优化子系统
运行图智能优化主要按运营时段分为面向高峰时段的运行图优化、时效和能效耦合驱动的平峰期运行图优化、以及末班车衔接优化主导的运行图优化,实现全天运营时段运力运量的最优匹配、降本增效。分析列车站间载客量或满载率、站台等待客流量、乘客上下车行为等因素对列车站间运行时间和停站时间的影响,建立高峰时段的列车运行图优化模型,得到更加均衡的运行图从而降低列车满载率保证运营安全。针对平峰运营时段,主要研究如何降低乘客出行时间和降低列车运行能耗成本,提出双目标双阶段混合整数规划模型并设计高效求解算法。分析末班列车运行特点,建立线路、线网列车间的衔接关系模型,设计线网层次划分方法以及末班列车发车时间算法,以确定末班车合理的发车时间,实现网络条件下城市轨道交通车流-客流的综合协调,从而最大化乘客空间可达性并降低乘客投诉率。主要功能如下:
·优化方案管理研发
·基于历史运力运量匹配的运力方案智能推荐算法研发
·运力运量匹配线网协同优化模型及算法研发
·首班车衔接优化算法研发
·末班车衔接优化算法研发
·平高峰过度衔接优化算法研发
·节能运行图优化算法研发
(5)列车运行仿真子系统
从轨道交通线网“线”的角度出发,首先以线路、信号、车辆、列车运行时间等信息为基础,构建线路列车群运行仿真平台,仿真不同情况下列车在线路上运行状态,为运行图可实施性验证、线路运输能力计算、运输能力评估提供依据。其次结合清分统计模型OD个体出行路径信息,搭建线路车流与客流联动的仿真平台,仿真不同情况下车流与客流能力适应性的情况,为线路车流与客流的适应性评估提供支撑并以图形、报表、报告等形式对仿真结果进行评估。主要功能如下:
·线路底图管理及导入导出功能研发
·车辆基础数据管理及接入功能研发
·客流数据管理及接入功能研发
·ATS实时行车数据管理及接入功能研发
·基于多约束的列车运行仿真算法设计与研发
·运行仿真模型研发
·运行仿真参数管理功能研发
·运行仿真场景管理模块
·冲突监测结果输出功能研发
·运行图调整建议输出功能研发
·实时仿真评估输出功能研发
·列车运行仿真显示界面开发
(6)运行图统一管理子系统
运行图统一管理主要针对历史的车站时刻表、车次时刻表、车底时刻表及车底交路图,设计标准的运行图数据结构,构建运行图资源数据库并进行统一存储和管理,实现“时刻表—列车运行图—时刻表”的无缝转换,为后续运力指标计算及运力运量匹配提供数据支撑。同时,对既有历史运行图(时刻表)进行维护和管理,可实现任意时间段内运行图及时刻表信息的回溯查询、分析和评估。主要功能如下:
·线路拓扑导入及管理功能研发
·信号数据导入及管理功能研发
·供电数据导入及管理功能研发
·车辆数据导入及管理功能研发
·客流数据接口开发
·客流数据查询功能研发
·客流数据多维显示功能研发
·列车运行计划导入功能研发
·异构列车运行计划资源标准化存储功能研发
·列车运行计划查询功能研发
·多阶段编图参数管理功能研发
·车站时刻表生成功能研发
·车次时刻表生成功能研发
·车底时刻表生成功能研发
·车底交路图生成功能研发
·运行图评估结果管理功能研发
·运行图优化结果管理功能研发
(7)ATS接口及数据库建设
接口服务器将与ATS系统建立数据传输专线,与ATS系统实现物理接口。实现编图系统与ATS系统数据双向传输,建议以socket方式将二进制的实现相互传输。网络化列车运行图智能编制及评估优化系统提供:列车是时刻表数据、交路数据、列车运用数据等;ATS系统提供:通过接口服务器授予的用户权限将ATS实时消息数据推送至网络化列车运行图智能编制及评估优化系统中接口服务器的socket客户端;接口服务器提供:ATS与接口服务器的专线连接,提供IP地址用户权限。
本发明的运行图编制总流程如图1所示。运输方案智能编制子系统和运行图自动编制子系统中部分功能的实现方式如下:
(一)客流时空状态精细化分析
分析预判疫情期间的客流变化特点,掌握客流分布变化规律,是城市轨道交通部分开展精准疫情防控的基础。本发明以实际的全网分时OD数据为输入,结合列车时刻表数据,采用客流-车流耦合驱动的多智能仿真分析预测模型,在对各线各站进出站客流量进行预测分析的基础上,进而预测全网OD客流分布,清分推演客流在各线各站各列车上的动态分布状态,精细化预测分析不同阶段的运力运量的匹配情况,精准把握网络客流时间和空间分布规律,为精准运力投放提供基础依据。
(1)断面客流统计分析
断面客流作为地铁运力投放的重要依据,只有对断面客流进行充分完备的分析才能实现运力的精准投放。针对不同线路的不同客流特征进行全天运营时段的精准划分,进而以精准时段划分为基础的时段最大客流断面确定(分时分方向)。
具体解决流程如图2所示,以5min断面客流为输入进行断面客流统计分析,首先进行断面客流统计参数初始化,统计参数包含各序列分时间隔长度、统计开始时刻、统计结束时刻,以公式1-1为基础进行分时断面客流统计,依据高峰断面客流量大小为时段划分最优判断条件,经过比选判断是否需要调整客流统计参数,如无需调整则输出固定时段划分下的断面客流统计结果,并输出时段内最大客流断面信息。
式中:
ae,m——从m时刻开始的5min粒度断面客流量
(2)进站客流统计分析
进站客流统计分析是在断面客流分析确定了时段划分序列后进行的线网各车站进站客流统计。
具体解决流程如图3所示,根据断面客流分析所得到的时段划分序列,以5min进出站客流数据为输入,以公式1-2为基础统计固定时段划分序列下的各车站进站客流,输出分时进出站客流量统计结果并记录最早、最晚进出站时刻,作为后续运输方案各阶段编制的基础。
式中:
qs,t——t时段车站s上的进站(出站)客流量
as,m——以m时刻开始的5min粒度进站(出站)客流量
(3)换乘客流统计分析
换乘客流统计分析是在断面客流分析确定了时段划分序列后进行的线网各换乘车站各换乘方向的换乘客流统计。
具体解决流程如图4所示,根据断面客流分析所得到的时段划分序列,以5min换乘客流数据为输入,以公式1-3为基础进行分时分方向的换乘客流统计,以公式1-4为基础进行分时换乘站换乘客流统计,依据统计结果输出分时换乘客流统计结果,依据各换乘车站分时换乘客流量大小进行分时换乘站重要度排序,同时针对某一换乘站,根据换乘站各方向换乘客流量进行重要换乘方向标记,作为后续运输方案各阶段编制的基础。
式中:
qs,t——t时段换乘车站s的换乘客流量
(二)运输方案编制
精准运用和配置网络资源的具体体现为运输方案的制定,运输方案制定包括:分时交路与运行方案、分时段停站方案制定、首末班车方案制定、分时开行列车数方案、分时快车方案,运输方案编制流程如图5所示。
运用有限的网络配线(联络线、库线、折返线、越行线)资源和车辆基地,根据网络客流时空分布特征,分时交路方案、停站方案、列车开行方案的不同组合模式可形成列车多交路运行、双向不平衡运行、低速高密度折返和大站快车、越行快车、库线出车、压缩站停时间等方式,进而实现网络资源精准高效配置。
(1)首末班车方案制定
首末班车作为线路开始与结束运营的标志,确定了线路的运营时间。合理的首末班车时间不仅可以提升路网的可达性,还可以有效降低乘客的换乘等待时间,提升服务质量。
具体解决流程如图6所示,以线网主要衔接线路首末班车方案为主要输入(北京地铁2号线),加载本线与主要衔接线路的分方向换乘客流、换乘站进出站客流并进行统计,进行首末班车基准车站的确定,主要确定原则如式2-1所示。在确定首末班车基准车站后,加载首末班车运行标尺与停站标尺,以线路车辆段最早发车、最晚收车时刻,换乘站各线路首末班车衔接情况为约束,进行首末班车时刻表推算,最终经人工确认,完成首末班车方案输出。
S=argmax{IPs+TPs}#(式2-1)
式中:
s——车站索引
IPs——车站s的进站客流量
TPs——车站s与主要衔接线路的换乘客流量
(2)分时分方向的交路与运行方案制定
当客流在空间和时间上具有明显的不均衡分布时,为了满足客流特性节约运能,需要制定非单一交路的列车交路方案。以线路设施设备能力(包含车辆段的相对位置、接入方式)为基础,以线路分时客流特性为输入,通过制定合理的列车交路计划,提升地铁运营服务水平。
①主要解决方案如图7所示,以分时段面客流统计分析结果与线路折返站和车辆段分布位置情况为输入,结合客流特性分析结果判断该时段是否具备开行大小交路的条件,并确定时段开行交路集合。
②具体确定流程如图8所示,依据线路车站折返情况进行运行交路的枚举作为备选交路集合,根据行车组织原则对备选交路集合进行筛选,得到可行交路集合。以可行交路集合为基础进行包含基础交路(大交路)的排列组合,分别计算各交路组合形式下时段客流分布匹配情况,评价参数计算公式如式2-4所示,评价计算结果越小则认为交路与客流匹配程度越高,确定最终交路组合。
式中:
e——区段索引
r——交路索引
ue——某时段断面e的断面客流量(单位:人)
umin——某时段客流最少断面的断面客流量(单位:人)
nmin——线路中被最少交路覆盖的交路数量
③确定唯一的分时交路组合后,按照组合交路内容进行客流统计,依据统计结果,结合断面满载率及开行间隔约束,确定交路组合开行比例(1:1或1:2的大小交路比)。最终交路开行方案内容如表2-1所示。
表2-1分时分方向交路方案
(3)分时段的停站方案制定
各时段停站时分依据基础停车作业时分与上下车客流进行停站时分计算,计算公式如2-3所示。基础停车作业时分为15s。乘客有效乘降时间上下限:为保证乘客有效上下车时间,下限取值3秒,上限取值为各线保证最小追踪间隔的时间。
式中:
sTs,t——时段t车站s的停站时间(单位:s)
Ps,t——时段t车站s的平均上下车人数(单位:人)
0.6——客流上下车速度(人/s)
λpeak——超高峰小时系数
(4)分时开行列车数方案制定
分时分方向分交路开行列车数方案在满足列车运行最大最小间隔时间的基础上,依据分时最大断面客流量,确定各时段上下行列车的开行间隔时间,从而做到精准的运力投放。
具体解决流程如图9所示,以分时断面客流统计分析结果为输入,进行行车参数手动设置,包含线路最小行车间隔、线路主要运营时段最大行车间隔、非主要运营时段最大行车间隔、主要运营时段断面期望满载率、非主要运营时段断面期望满载率。依据分时断面客流量,确定主要运营时段以及高峰时段。基于公式2-4进行断面客流时间不均衡分析,确定主要运营时段内早晚高峰的期望列车满载率。
式中:
TC——主要运营时段的时间不均衡系数
Pmax——主要运营时段最大断面客流量
Pmax,t——t时段的最大断面客流量
N——运营时段个数
依据公式2-5计算分时分方向分交路列车开行数量,依据公式2-6计算分时列车满载率,支持分时分方向开行间隔、分时分方向列车运行与停站标尺手动可调,最终完成分时分方向分交路开行列车数方案输出。
式中:
C——列车定员
Lt——时段t的列车期望满载率
Imin——列车最小开行间隔
Imax——列车最大开行间隔
(5)分时快车方案
由城市轨道交通的站间距相对较短、车站密集等特性,就决定了站站停的列车是城市轨道交通列车运行图中的基础列车,该模块主要以标尺的形式进行基础列车停站时分与运行时分的确定。当进站客流在某个或者某几个车站站台聚集而得不到运输造成严重的安全隐患时,或出现列车的满载率已经超过阈值而无法上客的情况,此时需要综合考虑线路车站越行线设置以及大站快车(包含直达快车)的开行对运输能力造成的影响,进行大站快车方案制定,目的是在满足客流需求下实现客流的空间疏解。
具体解决流程如图10所示,以分时断面客流统计分析结果与分时分方向分交路开行列车数方案为输入,结合线路车站越行线配置情况,以时段快慢车开行比1:n(n变化)进行时段运能损失与客流的空间疏解效果利弊分析(主要分析方法见①),确定是否需要制定大站快车方案,如果不需要,则完成运输方案制定。否则,依据分时断面客流不均衡行分析结果与车站越行线配置情况,确定大站快车运行方案(包括越行车站、以及停站方案),根据越行位置与运行与停站时间,反算大站快车开行比例和开行间隔,最终完成分时分方向分交路停站方案制定。
①确定开行大站快车(包含直达快车)方案的时段与比例
首先依据客流断面不均衡性分析确认,当时段t的列车运行至断面e时,列车满载率超过该断面后续车站的停站阈值,确认时段t是否需要开行大站快车。
根据分时分方向分交路开行列车数方案,以时段t的行车密度为输入,进行多种快慢车开行比例下,时段运输能力扣除与开行效益的进行综合比选,确认是否开行大站快车。
(三)运行图编制
如图11所示,以运输方案为基础输入,以自动化列车运行图编制为目标,对列车运行图编制的主要工作进行分解,具体分为基础列车运行线铺画、客流与运行线精准匹配自适应。
(1)基础列车运行线铺画
以运输方案为输入的列车运行线铺画,在优先保证运输方案所制定的交路方案、首末班车方案、分时开行方案实施的情况下,通过对运输方案进行一定处理,来保证列车运行图的顺利铺画。将运行图的基础列车运行线分为“平峰—出车过渡—早高峰—收车过渡—平峰—出车过渡—晚高峰—收车过渡—平峰”9大阶段,分阶段、有针对的依据算法进行自动布线选择,完成列车运行图编制的基础列车运行线铺画。此处解决区间运行线、停站、越行等精确时间点问题。
具体解决流程如图12所示,以运输方案为输入,由于高峰小时客流特征较为明显导致高峰时段行车组织方案复杂,应首先进行高峰时段基础列车运行线铺画与微调。根据车辆段、停车场联络线接入位置(为了判断各行别收发车径路),结合各方向从出段至折返站接续的运行时间,进行过渡时段的确定,并进行过渡时段列车运行线铺画。依据高峰以及过渡时段的开始结束时间,进行平峰时段修正与平峰列车运行线的铺画,完成包括高峰时段、过渡时段、平峰时段在内的基础列车运行线的铺画。
(2)客流与运行线精准匹配自适应
针对客流与运行线精准匹配自适应调整阶段,应当充分考虑线路折返站折返能力(不小于最小折返时间)、车辆段运用车数(出车数量不应大于该车辆段运用与备用车数之和)等刚性约束,以及运力运量匹配度等柔性约束,以“匹配—调整—再匹配—再调整”的思路进行列车运行图自动调整,来实现满足刚性约束下的列车运行线与客流匹配的自适应调整。
具体解决流程如图13所示,以基础列车运行线铺画方案为输入,输入运行图刚性约束,借助运行图调整算法(部分调整分析见①),进行约束自适应下的列车运行图自动调整,并计算在刚性约束下精确到列车的运行线调整范围。以断面客流为输入,在运行线刚性调整,通过客流自适应调整,完成基础列车运行方案的优化。
①调整范围以及调整条件判断分析
以移动上行列车为例(上下行列车移动效果相同),根据公式3-1,判断是否需要进行列车调整,如果需要调整,依据运行图调整算法,在可调范围内抛出调整量,再次进行列车调整判断,直至结束调整。
TIt——时段t的列车行车间隔时间
(四)列车接续交路勾画及车次生成
通过客流与运行线精准匹配自适应调整阶段后,按照时间顺序进行列车交路的人工勾画(作为备用),或者计算机自动勾画(经自适应调整后的基础列车运行线完全满足折返站折返能力以及最大允许同时折返列车数约束),根据线路对应的生成规则进列车车次的自动生成,完成列车运行图的绘制。目前北京地铁采用人工勾画方式用时间较多,推荐采用计算机自动铺画方式。
具体解决流程如图14所示,以调整后列车运行线铺画方案为输入,进行交路自动勾画,支持进行手动交路调整(可选)。进行出入段线自动生成,支持进行手动出入段线调整(可选)。进行车次号自动生成,完成列车运行图自动铺画。
Claims (4)
1.一种网络化列车运行图智能编制及评估优化系统,其特征在于,该系统包括
运输方案智能编制子系统,用于制定首末班车方案,以重点车站开站时间为基准自动推算线路各车站首班车时间,进行以最大化线网换乘站成功换乘总人数为目标的末班车方案优化;
运行图自动编制子系统,用于通过运行图自动生成算法实现以运输方案为输入的列车运行图自动编制;
运行图智能评估子系统,综合最大区间满载率、平均满载率、富余运能、最大设计运能,建立运力运量匹配指标;构建运力运量匹配模型对全线多区间运力匹配情况进行综合评价,实现区间和线路两个层级的运力运量匹配精细化评价;
运行图智能优化子系统,用于优化运行图方案,包括面向高峰时段的运行图优化、时效和能效耦合驱动的平峰期运行图优化、以及末班车衔接优化主导的运行图优化;
列车运行仿真子系统,用于以线路、信号、车辆、列车运行时间等信息为基础,构建线路列车群运行仿真平台,仿真不同情况下列车在线路上运行状态;
运行图统一管理子系统,针对历史的车站时刻表、车次时刻表、车底时刻表及车底交路图,设计标准的运行图数据结构,构建运行图资源数据库并进行统一存储和管理;
数据库,用于其他各子系统的数据提供,其包括车辆基础数据、客流数据、实时行车数据、运行图数据等。
2.如权利要求1所述的一种网络化列车运行图智能编制及评估优化系统,
其特征在于,
所述运输方案智能编制子系统具有客流统计分析功能,其客流统计方法为:
(1)断面客流统计分析
初始化断面客流统计参数,统计参数包含各序列分时间隔长度、统计开始时刻、统计结束时刻,统计分时断面客流如下:
(2)进站客流统计分析
根据断面客流分析所得到的时段划分序列,统计固定时段划分序列下的各车站进站客流,输出分时进出站客流量统计结果并记录最早、最晚进出站时刻:
其中,qs,tt为时段车站s上的进出站客流量;as,m为以m时刻开始的5min粒度进出站客流量;
(3)换乘客流统计分析
根据断面客流分析所得到的时段划分序列,统计分时分方向的换乘客流和分时换乘站换乘客流,依据各换乘车站分时换乘客流量大小进行分时换乘站重要度排序,同时针对某一换乘站,根据换乘站各方向换乘客流量进行重要换乘方向标记:
3.如权利要求1所述的一种网络化列车运行图智能编制及评估优化系统,
其特征在于,
所述运输方案智能编制子系统具有首末班车方案制定功能、交路方案制定功能、运行与停站方案制定功能、分时开行列车数方案制定功能、大站快车方案推荐与制定功能,上述功能具体实现方式包括:
(1)首末班车方案制定
以线网主要衔接线路首末班车方案为主要输入,加载本线与主要衔接线路的分方向换乘客流、换乘站进出站客流并进行统计,进行首末班车基准车站的确定:
S=argmax{IPs+TPs}#
式中,s为车站索引,IPs为车站s的进站客流量,TPs为车站s与主要衔接线路的换乘客流量;
在确定首末班车基准车站后,加载首末班车运行标尺与停站标尺,以线路车辆段最早发车、最晚收车时刻,换乘站各线路首末班车衔接情况为约束,进行首末班车时刻表推算,最终经人工确认,完成首末班车方案输出;
(2)分时分方向的交路与运行方案制定
以分时段面客流统计分析结果与线路折返站和车辆段分布位置情况为输入,结合客流特性分析结果判断该时段是否具备开行大小交路的条件,并确定时段开行交路集合,以可行交路集合为基础进行包含基础交路的排列组合,计算各交路组合形式下时段客流分布匹配情况
确定唯一的分时交路组合后,按照组合交路内容进行客流统计,依据统计结果,结合断面满载率及开行间隔约束,确定交路组合开行比例;
(3)分时段的停站方案制定
依据基础停车作业时分与上下车客流计算各时段停站时分
(4)分时开行列车数方案制定
进行断面客流时间不均衡分析,计算主要运营时段的时间不均衡系数:
式中,TC为主要运营时段的时间不均衡系数,Pmax为主要运营时段最大断面客流量,Pmax,为t时段的最大断面客流量,N为运营时段个数;
计算分时分方向分交路列车开行间隔
计算分时列车满载率
式中,为高峰时段t内方向为d的列车开行间隔,为时段t内方向为d的最大断面客流量,C为列车定员,Lt为时段t的列车期望满载率,Imin为列车最小开行间隔,Imax为列车最大开行间隔,为时段t内方向为d的列车平均满载率;
(5)分时快车方案
以分时断面客流统计分析结果与分时分方向分交路开行列车数方案为输入,结合线路车站越行线配置情况,以时段快慢车开行比进行时段运能损失与客流的空间疏解效果利弊分析,确定是否需要制定大站快车方案,如果不需要,则完成运输方案制定;否则,依据分时断面客流不均衡行分析结果与车站越行线配置情况,确定大站快车运行方案,根据越行位置与运行与停站时间,反算大站快车开行比例和开行间隔,最终完成分时分方向分交路停站方案制定。
4.如权利要求1所述的一种网络化列车运行图智能编制及评估优化系统,其特征在于,
所述运行图自动编制子系统具有基础列车运行线铺画和客流与运行线精准匹配自适应功能,
所述基础列车运行线铺画功能是根据车辆段、停车场联络线接入位置,结合各方向从出段至折返站接续的运行时间,进行过渡时段的确定,并进行过渡时段列车运行线铺画,依据高峰以及过渡时段的开始结束时间,进行平峰时段修正与平峰列车运行线的铺画,完成包括高峰时段、过渡时段、平峰时段在内的基础列车运行线的铺画;
所述客流与运行线精准匹配自适应功能是以基础列车运行线铺画方案为输入,输入运行图刚性约束,借助运行图调整算法进行约束自适应下的列车运行图自动调整,计算在刚性约束下精确到列车的运行线调整范围,以断面客流为输入,在运行线刚性调整,通过客流自适应调整,完成基础列车运行方案的优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111330063.XA CN114202101A (zh) | 2021-11-11 | 2021-11-11 | 一种网络化列车运行图智能编制及评估优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111330063.XA CN114202101A (zh) | 2021-11-11 | 2021-11-11 | 一种网络化列车运行图智能编制及评估优化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114202101A true CN114202101A (zh) | 2022-03-18 |
Family
ID=80647276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111330063.XA Pending CN114202101A (zh) | 2021-11-11 | 2021-11-11 | 一种网络化列车运行图智能编制及评估优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202101A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112722015A (zh) * | 2020-12-08 | 2021-04-30 | 中国铁路设计集团有限公司 | 通过第三线提高线路运输能力分析方法、分析系统及应用 |
CN114872767A (zh) * | 2022-03-29 | 2022-08-09 | 交控科技股份有限公司 | 基于区间单向缓行的列车运图调整方法及系统 |
CN115285179A (zh) * | 2022-08-05 | 2022-11-04 | 交控科技股份有限公司 | 基于站后折返缓行条件下的运行图调整方法、设备、介质 |
CN115402384A (zh) * | 2022-10-09 | 2022-11-29 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于多规则的列车默认到发线灵活分配方法及其应用 |
CN116777308A (zh) * | 2023-08-23 | 2023-09-19 | 中国铁路设计集团有限公司 | 一种考虑站、线、网综合作用的客专线路所能力评估方法 |
CN117151313A (zh) * | 2023-10-31 | 2023-12-01 | 杭州数知梦科技有限公司 | 综合多因素的公交车辆行车计划优化方法、系统及应用 |
CN118289064A (zh) * | 2024-05-15 | 2024-07-05 | 北京交通大学 | 一种基于灵活编组的网络化列车运行图编制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740556A (zh) * | 2016-02-02 | 2016-07-06 | 北京交通大学 | 基于客流需求的列车运行图自动编制方法 |
CN107284480A (zh) * | 2017-06-08 | 2017-10-24 | 北京交通大学 | 一种基于车底复用的列车运行图自动编制方法 |
CN109649417A (zh) * | 2019-01-10 | 2019-04-19 | 北京交通大学 | 一种城轨列车牵引能耗一体化仿真优化系统 |
CN113538905A (zh) * | 2021-06-25 | 2021-10-22 | 华录智达科技股份有限公司 | 一种城市交通运行仿真系统 |
-
2021
- 2021-11-11 CN CN202111330063.XA patent/CN114202101A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740556A (zh) * | 2016-02-02 | 2016-07-06 | 北京交通大学 | 基于客流需求的列车运行图自动编制方法 |
CN107284480A (zh) * | 2017-06-08 | 2017-10-24 | 北京交通大学 | 一种基于车底复用的列车运行图自动编制方法 |
CN109649417A (zh) * | 2019-01-10 | 2019-04-19 | 北京交通大学 | 一种城轨列车牵引能耗一体化仿真优化系统 |
CN113538905A (zh) * | 2021-06-25 | 2021-10-22 | 华录智达科技股份有限公司 | 一种城市交通运行仿真系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112722015A (zh) * | 2020-12-08 | 2021-04-30 | 中国铁路设计集团有限公司 | 通过第三线提高线路运输能力分析方法、分析系统及应用 |
CN114872767B (zh) * | 2022-03-29 | 2024-01-30 | 交控科技股份有限公司 | 基于区间单向缓行的列车运图调整方法及系统 |
CN114872767A (zh) * | 2022-03-29 | 2022-08-09 | 交控科技股份有限公司 | 基于区间单向缓行的列车运图调整方法及系统 |
CN115285179A (zh) * | 2022-08-05 | 2022-11-04 | 交控科技股份有限公司 | 基于站后折返缓行条件下的运行图调整方法、设备、介质 |
CN115285179B (zh) * | 2022-08-05 | 2024-01-30 | 交控科技股份有限公司 | 基于站后折返缓行条件下的运行图调整方法、设备、介质 |
CN115402384A (zh) * | 2022-10-09 | 2022-11-29 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于多规则的列车默认到发线灵活分配方法及其应用 |
CN115402384B (zh) * | 2022-10-09 | 2023-12-26 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于多规则的列车默认到发线灵活分配方法及其应用 |
CN116777308B (zh) * | 2023-08-23 | 2023-11-24 | 中国铁路设计集团有限公司 | 一种考虑站、线、网综合作用的客专线路所能力评估方法 |
CN116777308A (zh) * | 2023-08-23 | 2023-09-19 | 中国铁路设计集团有限公司 | 一种考虑站、线、网综合作用的客专线路所能力评估方法 |
CN117151313A (zh) * | 2023-10-31 | 2023-12-01 | 杭州数知梦科技有限公司 | 综合多因素的公交车辆行车计划优化方法、系统及应用 |
CN117151313B (zh) * | 2023-10-31 | 2024-02-02 | 杭州数知梦科技有限公司 | 综合多因素的公交车辆行车计划优化方法、系统及应用 |
CN118289064A (zh) * | 2024-05-15 | 2024-07-05 | 北京交通大学 | 一种基于灵活编组的网络化列车运行图编制方法 |
CN118289064B (zh) * | 2024-05-15 | 2024-09-20 | 北京交通大学 | 一种基于灵活编组的网络化列车运行图编制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114202101A (zh) | 一种网络化列车运行图智能编制及评估优化系统 | |
CN110245806B (zh) | 一种城市轨道交通客流管控方法与系统 | |
CN101245740B (zh) | 柴油动力系统的优化燃料效率和排放输出的系统和方法 | |
CN113415322B (zh) | 一种基于q学习的高速列车运行调整方法与系统 | |
CN114132363B (zh) | 基于客流时空状态精细化分析的列车运行图编制方法 | |
Kang et al. | A case study on the coordination of last trains for the Beijing subway network | |
Zhao et al. | An integrated approach of train scheduling and rolling stock circulation with skip-stopping pattern for urban rail transit lines | |
CN112883640B (zh) | 数字孪生车站系统、基于该系统的作业调度方法及应用 | |
CN112132551B (zh) | 一种城市轨道交通应急客流协同疏运方法 | |
CN111452669B (zh) | 公交智能充电的系统和方法及介质 | |
CN109774750A (zh) | 一种基于虚拟耦合模式的动态调度时空决策方法 | |
CN112309122A (zh) | 一种基于多系统协同的智慧公交分级决策系统 | |
Lüthi | Improving the efficiency of heavily used railway networks through integrated real-time rescheduling | |
CN114312926B (zh) | 一种城市轨道交通列车运行调整方案优化方法和系统 | |
US10311170B2 (en) | System for providing infrastructure impacts on an urban area | |
CN112465205B (zh) | 一种单线多站协同限流的轨道交通列车开行密度优化方法 | |
CN113345259B (zh) | 一种基于数据驱动的地面公交线路调整的方法 | |
Li et al. | Comprehensive optimization of a metro timetable considering passenger waiting time and energy efficiency | |
CN112465211B (zh) | 一种轨道交通列车满载率控制方法及应用 | |
RU2685368C1 (ru) | Устройство построения прогнозных энергосберегающих графиков движения поездов | |
CN118134088A (zh) | 一种高铁车站与动车运用所收发作业协同优化方法及系统 | |
CN111785015A (zh) | 公交实时调控信息系统以及基于遗传算法的调度方法 | |
CN115471002A (zh) | 一种机场综合交通枢纽交通场站布局优化方法 | |
CN115795861A (zh) | 一种应用于智能公交路阻调度的仿真系统及方法 | |
RU2501697C1 (ru) | Автоматизированная система для управления поездной работой направления железнодорожной сети в условиях проведения ремонтных работ |
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 |