CN115112139A - 一种地铁车辆出入场段的智能选路方法及系统 - Google Patents
一种地铁车辆出入场段的智能选路方法及系统 Download PDFInfo
- Publication number
- CN115112139A CN115112139A CN202210544353.2A CN202210544353A CN115112139A CN 115112139 A CN115112139 A CN 115112139A CN 202210544353 A CN202210544353 A CN 202210544353A CN 115112139 A CN115112139 A CN 115112139A
- Authority
- CN
- China
- Prior art keywords
- parameters
- information
- calculation
- route
- plan
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 53
- 238000010276 construction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 239000003016 pheromone Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 4
- 241000257303 Hymenoptera Species 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
- B61L27/16—Trackside optimisation of vehicle or vehicle train operation
-
- 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
- G06F16/29—Geographical information databases
-
- 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
Abstract
本发明涉及地铁车辆出入场段选路技术领域,公开了一种地铁车辆出入场段的智能选路方法及系统,该智能选路方法,包括以下步骤:S1,输入基础数据;S2,提取参数;S3,输入计算参数;S4,进路排列;S5,输出选路结果。本发明解决了现有技术存在的效率较低、难以实现智能选路、难以提供批量路径的最优方案等问题。
Description
技术领域
本发明涉及地铁车辆出入场段选路技术领域,具体是一种地铁车辆出入场段的智能选路方法及系统。
背景技术
为进一步规范车辆基地综合自动化管理系统建设标准,提升系统实用性和准确性,满足使用需求,地铁运营单位针对场段管理制定了车辆基地综合自动化管理系统的技术实现标准,标准中提到了“具备列车进路管理功能”,要求除了具备基本的进路选择和自动排列进路外,尽量少搬动道岔为最优。
在实现出入段进路选路时,一般地,可以选择的算法包括:Dijkstra,单源最短路径算法、Floyd算法、Star算法等。这些算法主要用于解决单节点出发的路径选择问题,很难做到集体最优。
在现有技术使用的车辆出入段进路选路方案中,通常只考虑了单条路径,没有从整体上进行考虑,存在的一些不足之处包括:效率较低、难以实现智能选路、难以提供批量路径的最优方案等。
发明内容
为克服现有技术的不足,本发明提供了一种地铁车辆出入场段的智能选路方法及系统,解决现有技术存在的效率较低、难以实现智能选路、难以提供批量路径的最优方案等问题。
本发明解决上述问题所采用的技术方案是:
一种地铁车辆出入场段的智能选路方法,包括以下步骤:
S1,输入基础数据:构建计算模型,将场段内的选路参数作为基础数据输入至计算模型;
S2,提取参数:提取计算模型相关选路参数,判断参数的有效性;
S3,输入计算参数:向计算模型输入计算参数,开始运行计算模型,在运行过程中不断迭代调整参数;
S4,进路排列:计算出每次的进路排列方案,通过迭代调整选路参数继续执行蚁群算法计算,直到结果方案满足预设的条件退出迭代;
S5,输出选路结果:将当天的与设定选路参数匹配的选路方案保存到数据库,并根据匹配方案生成当日的出入库计划。
作为一种优选的技术方案,步骤S1中,场段内的参数包括当日列车运行图、调车计划、道岔状态、轨道状态、信号机状态、列车位置、当日车辆检修计划、场段施工计划、区段供电信息、控制模式、报警信息、手动配置参数。
作为一种优选的技术方案,步骤S2中,参数无效时,生成报警提醒用户调整选路参数或查找问题。
作为一种优选的技术方案,步骤S4中,迭代调整参数终止条件为以下条件之一:
达到最大迭代次数;
已循环完所有的运行图计划,并且找到符合条件的结果集;
输入条件变更,终止算法后再重新开始计算;
或;
手动终止。
作为一种优选的技术方案,步骤S4中,蚁群算法的参数设置如下:转移概率计算公式:
其中,表示在t时刻列车k从i到j的转移概率,k表示车辆编号,t表示列车计划的时刻,i表示轨道起点,j表示轨道终点,S表示车辆下一步可以选择的其中一个轨道信息,τij(t)表示t时刻位置i与位置j之间的路径信息,τis(t)表示t时刻位置i与下一个位置s之间的路径信息,ηij(t)表示从起点i到终点位置j的路径占比信息,ηis(t)表示从起点i到下一个位置s的路径占比信息,α表示t时刻位置i与下一个位置s之间的路径信息的比重,β表示η在数据结果中的比重,Jk(i)表示当前计算的车辆在当前位置下的下一步可以选择的路径集合;
作为一种优选的技术方案,步骤S4中,蚁群算法的参数设置如下:启发式因子计算公式:
其中,ηij表示从起点i到终点位置j的路径占比信息,dij表示轨道i与轨道j之间的距离信息;
作为一种优选的技术方案,步骤S4中,蚁群算法的参数设置如下:信息素计算公式:
τij(t+n)=(1-ρ)·τij(t)+Δτij;
其中,τij(t+n)表示t+n时刻位置i与下一个位置s之间的路径信息,ρ表示起点i到终点位置j路径信息在总路径信息中的一个占比,Δτij表示位置i与下一个位置s之间的路径的变化量,τij表示位置i与下一个位置s之间的路径,表示位置i与下一个位置s之间的路径第k次经过或者第k个车经过的变化量,Q表示道岔最大允许搬动次数,Q为人为定义的一个计算常量,Q为正常数,Lk表示车辆k在本次周游中经过的长度。
作为一种优选的技术方案,步骤S5中,用户能在界面查看当日的出入库计划信息和调车计划信息。
作为一种优选的技术方案,步骤S4具备以下约束条件的一种或多种:
路径限制,只能选择进路表中包含的路径;
位置限制,根据当前列车位置和后续的计划动态计算位置作为位置条件,转换轨位置根据计划确定;
故障区域排除,根据列车、轨道、施工计划排除特定区域;
列车限制,根据报警信息和检修信息排除更换列车和位置。
一种地铁车辆出入场段的智能选路系统,基于所述的一种地铁车辆出入场段的智能选路方法,包括以下模块:
基础数据输入模块:用以,构建计算模型,将场段内的选路参数作为基础数据输入至计算模型;
提取参数模块:用以,提取计算模型相关选路参数,判断参数的有效性;
输入计算参数模块:用以,向计算模型输入计算参数,开始运行计算模型,在运行过程中不断迭代调整参数;
进路排列模块:用以,计算出每次的进路排列方案,通过迭代调整选路参数继续执行蚁群算法计算,直到结果方案满足预设的条件退出迭代;
选路结果输出模块:用以,将当天的与设定选路参数匹配的选路方案保存到数据库,并根据匹配方案生成当日的出入库计划。
本发明相比于现有技术,具有以下有益效果:
(1)本发明进路开放不需要在开放前计算路径,只需要按照方案执行进路,进路开放效率更高;
(2)本发明从整体上考虑进路选路,减少了单一道岔的扳动次数,各个道岔的动作次数较为均衡,在整体上提高道岔的使用寿命;
(3)本发明节省进路开放时间,提高道岔的使用寿命,提高调度人员工作效率,减少人为的干预,节省人力。
附图说明
图1为本发明所述一种地铁车辆出入场段的智能选路方法的实现流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步的详细说明,但本发明的实施方式不限于此。
实施例1
如图1所示,本发明具体实施时可采用以下方式:
第一步,输入基础数据。
结合实际的出入库和调车业务,需要根据场段内的各种参数作为算法的基础数据,通过基础数据的输入,运行计算模型(计算模型是指智能选路算法的整体计算方案,整个的算法实现方案就叫做计算模型)得到结果。
模型参数包括:
当日详细运行图。车次、出库时间、出库转换轨、回库时间、回库转换轨等。
调车计划。当日的所有调车,比如洗车、检修等。
道岔状态。道岔名称、道岔状态。
轨道状态。解析轨道的配置数据,判断轨道位置及关联关系,轨道的实时状态。
信号机状态。
列车位置。列车目前在哪个轨道,包括正线未回库的列车。
当日车辆检修计划。
场段施工计划。
区段供电信息。
控制模式。
报警信息。
手动配置参数
第二步,提取参数。
组织提取模型相关数据参数,判断参数的有效性(对运算必须的参数进行数据缺失校验和正确性校验,如运行图信息、道岔状态等数据是否获取到),参数有误生成报警提醒用户调整或查找问题。
第三步,输入参数。
输入计算参数,开始运行,在运行过程中不断调整参数内容,每次迭代的参数与前一次迭代参数都会有差异,考虑实际情况程序自动调整道岔、信号机、计划等参数信息。
算法关键参数:
蚂蚁数量:计划和车辆数量,设定规则为取最大数量的1.5倍,以保证搜索完整。
信息因子:经过计算调试,设置为1.8能更快的找到局部最优解。
信息常数:经过计算调试,设置为800,有助于快速收敛。
最大迭代次数:多次迭代找到最优解,算法设定的次数为300。
终止条件:
1.达到最大迭代次数;
2.已循环完所有的运行图计划,并且找到符合条件的结果集。
3.输入条件变更,终止算法后再重新开始计算。
4.手动终止。
第四步,计算流程。
蚁群算法是一种基于多主体的智能算法,不是单个蚂蚁行动,而是多个蚂蚁同时搜索,具有分布式的协同优化机制。本质上属于随机搜索算法(概率算法),具有概率搜索的特征。是一种全局搜索算法,能够有效地避免局部最优。
运用蚁群算法计算出每次的进路排列方案,通过迭代调整参数继续执行蚁群算法计算,直到结果方案满足预设的条件退出迭代,最终满足条件的方案为匹配方案。
2.启发式因子计算公式:
3.信息素计算公式:
当所有的蚂蚁在完成了一次周游后,各路径上的信息素为:
τij(t+n)=(1-ρ)·τij(t)+Δτij
其中:
Q——正常数
Lk——蚂蚁k在本次周游中经过的长度
第五步,输出选路结果。
当天的匹配方案(与设定参数匹配的方案,设定的参数包括:道岔最大搬动次数、备用进路执行次数、增加调车次数、发车时长、收车时长等)保存到数据库,并根据匹配方案生成当日的出入库计划,用户可在界面查看当日的出入库计划和调车计划等信息。
本发明因设计开发出了“基于地铁车辆出入场段智能选路的算法”来为用户提供更高效的进路排列方式。
在每天发车前和运营检查后,记录道岔的状态信息,根据当前道岔的定反位数据预判现有的路径满足收发车的情况。根据道岔和进路的预判情况与当天运行图进行匹配,不断调整匹配方案,直到完全匹配为止,最终的匹配方案作为当日的基础进路运行算法。
在执行过程中,可能会有临时检修、临时调车、临时出入库的情况,都可能会搬动道岔,系统检测到道岔搬动与计划方案不匹配后自动重新计算匹配方案。
本发明的技术效果包括:
1.本发明进路开放不需要在开放前计算路径,只需要按照方案执行进路,进路开放效率更高;
2.本发明从整体上考虑进路选路,减少了单一道岔的扳动次数,各个道岔的动作次数较为均衡,在整体上提高道岔的使用寿命。
3.本发明节省进路开放时间,提高道岔的使用寿命,提高调度人员工作效率,减少人为的干预,节省人力。
如上所述,可较好地实现本发明。
本说明书中所有实施例公开的所有特征,或隐含公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合和/或扩展、替换。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (10)
1.一种地铁车辆出入场段的智能选路方法,其特征在于,包括以下步骤:
S1,输入基础数据:构建计算模型,将场段内的选路参数作为基础数据输入至计算模型;
S2,提取参数:提取计算模型相关选路参数,判断参数的有效性;
S3,输入计算参数:向计算模型输入计算参数,开始运行计算模型,在运行过程中不断迭代调整参数;
S4,进路排列:计算出每次的进路排列方案,通过迭代调整选路参数继续执行蚁群算法计算,直到结果方案满足预设的条件退出迭代;
S5,输出选路结果:将当天的与设定选路参数匹配的选路方案保存到数据库,并根据匹配方案生成当日的出入库计划。
2.根据权利要求1所述的一种地铁车辆出入场段的智能选路方法,其特征在于,步骤S1中,场段内的参数包括当日列车运行图、调车计划、道岔状态、轨道状态、信号机状态、列车位置、当日车辆检修计划、场段施工计划、区段供电信息、控制模式、报警信息、手动配置参数。
3.根据权利要求1所述的一种地铁车辆出入场段的智能选路方法,其特征在于,步骤S2中,参数无效时,生成报警提醒用户调整选路参数或查找问题。
4.根据权利要求1所述的一种地铁车辆出入场段的智能选路方法,其特征在于,步骤S4中,迭代调整参数终止条件为以下条件之一:
达到最大迭代次数;
已循环完所有的运行图计划,并且找到符合条件的结果集;
输入条件变更,终止算法后再重新开始计算;
或;
手动终止。
5.根据权利要求1所述的一种地铁车辆出入场段的智能选路方法,其特征在于,步骤S4中,蚁群算法的参数设置如下:
转移概率计算公式:
8.根据权利要求1所述的一种地铁车辆出入场段的智能选路方法,其特征在于,步骤S5中,用户能在界面查看当日的出入库计划信息和调车计划信息。
9.根据权利要求1至8任一项所述的一种地铁车辆出入场段的智能选路方法,其特征在于,步骤S4具备以下约束条件的一种或多种:
路径限制,只能选择进路表中包含的路径;
位置限制,根据当前列车位置和后续的计划动态计算位置作为位置条件,转换轨位置根据计划确定;
故障区域排除,根据列车、轨道、施工计划排除特定区域;
列车限制,根据报警信息和检修信息排除更换列车和位置。
10.一种地铁车辆出入场段的智能选路系统,其特征在于,基于权利要求1至9任一项所述的一种地铁车辆出入场段的智能选路方法,包括以下模块:
基础数据输入模块:用以,构建计算模型,将场段内的选路参数作为基础数据输入至计算模型;
提取参数模块:用以,提取计算模型相关选路参数,判断参数的有效性;
输入计算参数模块:用以,向计算模型输入计算参数,开始运行计算模型,在运行过程中不断迭代调整参数;
进路排列模块:用以,计算出每次的进路排列方案,通过迭代调整选路参数继续执行蚁群算法计算,直到结果方案满足预设的条件退出迭代;
选路结果输出模块:用以,将当天的与设定选路参数匹配的选路方案保存到数据库,并根据匹配方案生成当日的出入库计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210544353.2A CN115112139B (zh) | 2022-05-19 | 2022-05-19 | 一种地铁车辆出入场段的智能选路方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210544353.2A CN115112139B (zh) | 2022-05-19 | 2022-05-19 | 一种地铁车辆出入场段的智能选路方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115112139A true CN115112139A (zh) | 2022-09-27 |
CN115112139B CN115112139B (zh) | 2023-08-08 |
Family
ID=83327060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210544353.2A Active CN115112139B (zh) | 2022-05-19 | 2022-05-19 | 一种地铁车辆出入场段的智能选路方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115112139B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146068A (zh) * | 2017-04-21 | 2017-09-08 | 南京理工大学 | 一种基于均衡运用的列车运营日计划编配方法 |
CN107933620A (zh) * | 2017-11-28 | 2018-04-20 | 北京交通大学 | 基于进路的列车运行控制系统数据建模方法 |
CN108528477A (zh) * | 2018-04-23 | 2018-09-14 | 西南交通大学 | 一种地铁车辆段/停车场综合自动化系统 |
CN111353645A (zh) * | 2020-02-27 | 2020-06-30 | 中铁二院工程集团有限责任公司 | 一种城市轨道交通车辆基地行车计划自动办理方法及系统 |
CN111353705A (zh) * | 2020-02-28 | 2020-06-30 | 交控科技股份有限公司 | 一种城市轨道交通多场段进路管理单元及综合管控系统 |
-
2022
- 2022-05-19 CN CN202210544353.2A patent/CN115112139B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146068A (zh) * | 2017-04-21 | 2017-09-08 | 南京理工大学 | 一种基于均衡运用的列车运营日计划编配方法 |
CN107933620A (zh) * | 2017-11-28 | 2018-04-20 | 北京交通大学 | 基于进路的列车运行控制系统数据建模方法 |
CN108528477A (zh) * | 2018-04-23 | 2018-09-14 | 西南交通大学 | 一种地铁车辆段/停车场综合自动化系统 |
CN111353645A (zh) * | 2020-02-27 | 2020-06-30 | 中铁二院工程集团有限责任公司 | 一种城市轨道交通车辆基地行车计划自动办理方法及系统 |
CN111353705A (zh) * | 2020-02-28 | 2020-06-30 | 交控科技股份有限公司 | 一种城市轨道交通多场段进路管理单元及综合管控系统 |
Non-Patent Citations (3)
Title |
---|
徐安雄,王鑫,曲正钢: "地铁车辆基地综合自动化管理系统收发车计划编制及动态调整方案", 城市轨道交通研究, vol. 23, no. 12, pages 193 - 197 * |
曹永霄: "编组站进路调度优化研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 04 * |
胡鹏: "地铁车辆段调度信息管理系统的设计与实现", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN115112139B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10639995B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
CN106683474B (zh) | 一种基于车位自控的停车预约系统及方法 | |
US11803930B2 (en) | Timetable modification device and automatic train control system | |
CN111353645B (zh) | 一种城市轨道交通车辆基地行车计划自动办理方法及系统 | |
CN205508164U (zh) | 充电站智能车位控制系统 | |
CN103426298B (zh) | 精确到秒的快速公交到站信息发布系统及方法 | |
CN112085349A (zh) | 一种基于乘客出行时间窗约束的需求响应公交调度方法 | |
CN108197760A (zh) | 一种空港地面交通旅客流量预测方法 | |
JP2012196987A (ja) | 旅客流動予測装置 | |
CN103473947A (zh) | 基于模糊识别技术的地下空间反向寻车系统和方法 | |
CN103426302B (zh) | 换乘站快速公交车厢换乘信息发布系统及发布方法 | |
CN108320558A (zh) | 基于智能导航车库的订位服务系统及其控制方法 | |
CN115527369A (zh) | 一种空港枢纽大面积延误条件下的大客流预警与疏散方法 | |
CN111003028B (zh) | 一种基于鲁棒性动态场景识别的列车报点方法及系统 | |
CN109766448A (zh) | 一种远程预防性变频管理系统 | |
CN115112139A (zh) | 一种地铁车辆出入场段的智能选路方法及系统 | |
Zhang et al. | Train rescheduling for large-scale disruptions in a large-scale railway network | |
CN116142264B (zh) | 一种城市轨道交通运行计划编制方法及系统 | |
CN115376672B (zh) | 一种医疗废弃物监控方法及系统 | |
CN115909729A (zh) | 一种基于数字孪生的地铁线网运营中断情况下的仿真预测方法及系统 | |
CN103426303B (zh) | 精确到秒的快速公交到站互联网信息发布系统及方法 | |
CN113177072A (zh) | 路径拟合算法 | |
CN113256032A (zh) | 典型场景下高速铁路乘务排班计划调整的优化方法和装置 | |
Zhan et al. | Handling uncertainty in train timetable rescheduling: A review of the literature and future research directions |
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 |