CN117035204B - 一种高铁运行图区间运行缓冲时间获取方法及装置 - Google Patents
一种高铁运行图区间运行缓冲时间获取方法及装置 Download PDFInfo
- Publication number
- CN117035204B CN117035204B CN202311306596.3A CN202311306596A CN117035204B CN 117035204 B CN117035204 B CN 117035204B CN 202311306596 A CN202311306596 A CN 202311306596A CN 117035204 B CN117035204 B CN 117035204B
- Authority
- CN
- China
- Prior art keywords
- interval
- running
- buffer time
- speed rail
- delay
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000012146 running buffer Substances 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006870 function Effects 0.000 claims abstract description 52
- 239000000872 buffer Substances 0.000 claims abstract description 29
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100390768 Neisseria gonorrhoeae (strain ATCC 700825 / FA 1090) fitA gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种高铁运行图区间运行缓冲时间获取方法及装置,根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,考虑断面客流,获取各区间乘客延误期望值,构建高铁运行图区间运行缓冲时间优化模型并求解。本发明在计算高铁运行图缓冲时间时,充分考虑了断面客流以及延误对区间运行缓冲时间的影响,构建了高速铁路列车运行图区间运行缓冲时间优化模型。
Description
技术领域
本发明属于高速铁路规划领域,特别涉及了一种高铁运行图区间运行缓冲时间获取方法及装置。
背景技术
在高速铁路运营过程中,能否给乘客提供良好的服务很大程度上取决于列车运行图编制的质量。列车区间运行时间编制列车运行图的重要依据,一般由区间最小运行时间和区间运行缓冲时间组成。对于区间最小运行时间而言,主要受列车类型、线路条件等因素的影响,就特定线路而言,其取值较为固定,而各区间缓冲时间的取值在一定程度上可以有所波动,因此深入研究列车运行图区间运行缓冲时间分配优化问题可以更好地确定合理的列车区间运行时间,进而提升高速铁路的服务质量。
既有的高速铁路列车运行图缓冲时间分配的方法中存在这以下两点不足之处:
(1)客流因素对区间运行缓冲时间的影响考虑不够;
(2)较少考虑延误对区间运行缓冲时间的影响。
发明内容
根据现有技术的不足,本发明的目的是提供一种高铁运行图区间运行缓冲时间获取方法及装置,在计算高铁运行图缓冲时间时,充分考虑了断面客流以及延误对区间运行缓冲时间的影响,构建了高速铁路列车运行图区间运行缓冲时间优化模型。
为了解决上述技术问题,本发明采用的技术方案为:
一种高铁运行图区间运行缓冲时间获取方法,包括以下步骤:
根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,其中/>表示区间数;
收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,/>表示延误时间的大小;
考虑断面客流,获取各区间乘客延误期望值,/>为各区间的区间运行缓冲时间实际取值;
根据各区间乘客延误期望值构建高铁运行图区间运行缓冲时间优化模型并求解,模型具体如下:
其中,为线路区间数量。
进一步地,各区间初始区间运行缓冲时间的计算公式为:
其中,为高铁按照最高速度在某区间/>的运行时间,/>为高铁按照正常速度在同一区间/>的运行时间。
进一步地,拟合的概率密度函数为负指数分布,即:
其中,表示区间/>的平均延误时间;
使用改进的极大似然估计方法拟合,具体步骤如下:
将样本分为组,第/>组样本数量为/>;
分别为每一组样本构建似然函数,对于区间而言,第/>组样本的似然函数为:
其中,表示第/>组样本的概率密度函数参数,即/>表示第/>组样本中区间/>的平均延误时间;/>表示第/>组样本统计到的延误时间;
对似然函数取对数
令似然函数等于0,求出参数的估计值
根据每组数据样本数量确定参数权重,得到最终的参数估计值
。
进一步地,各区间乘客延误期望值计算公式如下:
其中,表示区间/>的断面客流量,可通过历史统计数据获取,/>表示一种隶属度函数。
进一步地,隶属度函数反映乘客对延误的忍耐程度,表达式如下:
其中、/>、/>、/>和/>为隶属度函数的参数。
一种高铁运行图区间运行缓冲时间获取装置,包括:
初始区间运行缓冲时间获取模块,用于根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,其中/>表示区间数;
概率密度函数获取模块,根据收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,/>表示延误时间的大小;
各区间乘客延误期望值获取模块,用于考虑断面客流,获取各区间乘客延误期望值,/>为各区间的区间运行缓冲时间实际取值;
高铁运行图区间运行缓冲时间优化模型构建模块,用于构建高铁运行图区间运行缓冲时间优化模型并求解,模型具体如下:
其中,为线路区间数量。
一种高铁运行图区间运行缓冲时间获取设备,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现任一项所述的高铁运行图区间运行缓冲时间获取方法的步骤。
一种计算机存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时,实现任一项所述的高铁运行图区间运行缓冲时间获取方法的步骤。
与现有技术相比,本发明具有以下优点和有益效果:
本发明考虑客流的影响,在计算乘客延误的期望时,加上了客流量这一数值,即求出来的延误期望是所有乘客的总延误期望值。
本发明在使用积分计算乘客延误的时候,积分区间的确定,考虑了缓冲时间对延误的吸收,即积分区域的下限扣除了缓冲时间的大小。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分。本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明高铁运行图区间运行缓冲时间获取方法的流程图。
图2为本发明高铁运行图区间运行缓冲时间获取装置的示意图。
图3是本发明高铁运行图区间运行缓冲时间获取设备的结构示意图。
具体实施方式
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。
相关技术中,既有的高速铁路列车运行图缓冲时间分配的方法中客流因素对区间运行缓冲时间的影响考虑不够,较少考虑延误对区间运行缓冲时间的影响,本发明提出一种高铁运行图区间运行缓冲时间获取方法及装置,在计算高铁运行图缓冲时间时,充分考虑了断面客流以及延误对区间运行缓冲时间的影响,构建了高速铁路列车运行图区间运行缓冲时间优化模型。
本发明提供一种高铁运行图区间运行缓冲时间获取方法,如图1所示,包括以下步骤:
步骤1、根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,其中/>表示区间数;
步骤2、收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,/>表示延误时间的大小;
步骤3、考虑断面客流,获取各区间乘客延误期望值,/>为各区间的区间运行缓冲时间实际取值;
步骤4、
根据各区间乘客延误期望值构建高铁运行图区间运行缓冲时间优化模型并求解,模型具体如下:
其中,为线路区间数量。
本发明在步骤1中,各区间初始区间运行缓冲时间的计算公式为:
其中,为高铁按照最高速度在某区间/>的运行时间,/>为高铁按照正常速度在同一区间/>的运行时间。
本发明在步骤2中,用负指数分布描述延误发生的概率,拟合的概率密度函数为负指数分布,即:
其中,表示区间/>的平均延误时间。
使用改进的极大似然估计方法拟合,具体步骤如下:
将样本分为组,第/>组样本数量为/>;
分别为每一组样本构建似然函数,对于区间而言,第/>组样本的似然函数为:
其中,表示第/>组样本的概率密度函数参数,即/>表示第/>组样本中区间/>的平均延误时间;/>表示第/>组样本的观测值,即统计到的延误时间。
对似然函数取对数
令似然函数等于0,求出参数的估计值
根据每组数据样本数量确定参数权重,得到最终的参数估计值
本发明在步骤3中,各区间乘客延误期望值计算公式如下:
其中,为各区间的区间运行缓冲时间实际取值,为决策变量,/>表示区间/>的断面客流量,可通过历史统计数据获取,/>表示一种隶属度函数。
具体地,隶属度函数反映乘客对延误的忍耐程度,表达式如下:
其中、/>、/>、/>和/>为隶属度函数的参数。
本发明在步骤4中,优化目标函数是各区间延误期望值的求和,就是在上述任意区间延误的期望值的基础上,对所有区间累计相加(从第1个区间到第n个区间),则构建的高铁运行图区间运行缓冲时间优化模型如下:
约束函数为:
其中为线路区间数量。
综上所述,本发明考虑客流的影响,在计算乘客延误的期望时,加上了客流量这一数值,即求出来的延误期望是所有乘客的总延误期望值。
本发明在使用积分计算乘客延误的时候,积分区间的确定,考虑了缓冲时间对延误的吸收,即积分区域的下限扣除了缓冲时间俺的大小。
在本发明的一个实施例中,以某条高速铁路线路为例,对本发明的技术方案做进一步的详细说明:
步骤1:根据列车牵引计算得到高速铁路列车在各区间的初始区间运行缓冲时间大小。
各区间初始区间运行缓冲时间的大小是根据列车牵引计算得出,具体为先计算列车按照最高速度在某区间/>的运行时间/>,再计算列车按照正常速度在同一区间/>的运行时间/>,则列车在该区间的初始区间运行缓冲时间即为/>的计算公式如下:
具体如下表:
步骤2:根据收集的高速铁路在各区间运行的历史延误数据,将其拟合为某一种概率密度函数。
根据选取高速铁路历史延误数据得出其区间平均延误如下表:
将各区间延误拟合和概率密度函数为:
其中表示延误时间的大小,/>表示区间/>的平均延误时间。
步骤3:考虑断面客流,获取各区间乘客延误期望值。
各区间乘客延误期望值计算公式如下:
其中为各区间的区间运行缓冲时间实际取值,为决策变量,/>表示区间/>的断面客流量,可通过历史统计数据获取,/>表示一种隶属度函数。
其中隶属度函数采用的是高斯型隶属度函数,反映乘客对延误的忍耐程度,表达式如下:
其中、/>、/>、/>和/>为隶属度函数的参数。
步骤4:构建高速铁路列车运行图区间运行缓冲时间优化模型并求解。
构建的高速铁路列车运行图区间运行缓冲时间优化模型如下:
约束函数为:
其中为线路区间数量。
采用商业求解器求解优化模型,得出最优的区间缓冲时间,结果如下:
本发明还提供高铁运行图区间运行缓冲时间获取装置,如图2所示,包括:
初始区间运行缓冲时间获取模块,用于根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,其中/>表示区间数;
概率密度函数获取模块,根据收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,/>表示延误时间的大小;
各区间乘客延误期望值获取模块,用于考虑断面客流,获取各区间乘客延误期望值,/>为各区间的区间运行缓冲时间实际取值;
高铁运行图区间运行缓冲时间优化模型构建模块,用于
构建高铁运行图区间运行缓冲时间优化模型并求解,模型具体如下:
其中,为线路区间数量。
本发明还提供一种高铁运行图区间运行缓冲时间获取设备,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现任一项所述的高铁运行图区间运行缓冲时间获取方法的步骤。
如图3所示,该设备可以包括:处理器(processor)、通信接口(CommunicationsInterface)、存储器(memory)和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令,以执行高铁运行图区间运行缓冲时间获取方法。
本发明实施例中的存储器用于存储各种类型的数据以支持高铁运行图区间运行缓冲时间获取设备的操作。这些数据的示例包括:用于在高铁运行图区间运行缓冲时间获取设备上操作的任何计算机程序。
本发明实施例揭示的一种高铁运行图区间运行缓冲时间获取方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,一种高铁运行图区间运行缓冲时间获取方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP,Digital SignalProcessor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤,可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中,该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成本发明实施例提供的一种高铁运行图区间运行缓冲时间获取方法的步骤。
在示例性实施例中,高铁运行图区间运行缓冲时间获取设备可以被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,ComplexProgrammable LogicDevice)、FPGA、通用处理器、控制器、微控制器(MCU,MicroController Unit)、微处理器(Microprocessor)、或者其他电子元件实现,用于执行前述方法。
可以理解,存储器可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM,Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM,ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM,Compact Disc Read-Only Memory);磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM,RandomAccessMemory),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM,Static Random Access Memory)、同步静态随机存取存储器(SSRAM,Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM,Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM,SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM,Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM,Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM,SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器(DRRAM,Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本发明还提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如任一项所述的一种高铁运行图区间运行缓冲时间获取方法的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (5)
1.一种高铁运行图区间运行缓冲时间获取方法,其特征在于,包括以下步骤:
根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,其中/>表示区间数;
收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,/>表示延误时间的大小;
拟合的概率密度函数为负指数分布,即:
其中,表示区间/>的平均延误时间;
使用改进的极大似然估计方法拟合,具体步骤如下:
将样本分为组,第/>组样本数量为/>;
分别为每一组样本构建似然函数,对于区间而言,第/>组样本的似然函数为:
其中,表示第/>组样本的概率密度函数参数,即/>表示第/>组样本中区间/>的平均延误时间;/>表示第/>组样本统计到的延误时间;
对似然函数取对数
令似然函数等于0,求出参数的估计值
根据每组数据样本数量确定参数权重,得到最终的参数估计值
考虑断面客流,获取各区间乘客延误期望值,/>为各区间的区间运行缓冲时间实际取值;
根据各区间乘客延误期望值构建高铁运行图区间运行缓冲时间优化模型并求解,模型具体如下:
其中,为线路区间数量;
各区间乘客延误期望值计算公式如下:
其中,表示区间/>的断面客流量,通过历史统计数据获取,/>表示一种隶属度函数;
隶属度函数反映乘客对延误的忍耐程度,表达式如下:
其中、/>、/>、/>和/>为隶属度函数的参数。
2.根据权利要求1所述的一种高铁运行图区间运行缓冲时间获取方法,其特征在于:
各区间初始区间运行缓冲时间的计算公式为:
其中,为高铁按照最高速度在某区间/>的运行时间,/>为高铁按照正常速度在同一区间/>的运行时间。
3.一种高铁运行图区间运行缓冲时间获取装置,其特征在于,包括:
初始区间运行缓冲时间获取模块,用于根据列车牵引计算得到高铁在各区间的初始区间运行缓冲时间大小,其中/>表示区间数;
概率密度函数获取模块,根据收集的高铁在各区间运行的历史延误数据,拟合为概率密度函数,/>表示延误时间的大小;
拟合的概率密度函数为负指数分布,即:
其中,表示区间/>的平均延误时间;
使用改进的极大似然估计方法拟合,具体步骤如下:
将样本分为组,第/>组样本数量为/>;
分别为每一组样本构建似然函数,对于区间而言,第/>组样本的似然函数为:
其中,表示第/>组样本的概率密度函数参数,即/>表示第/>组样本中区间/>的平均延误时间;/>表示第/>组样本统计到的延误时间;
对似然函数取对数
令似然函数等于0,求出参数的估计值
根据每组数据样本数量确定参数权重,得到最终的参数估计值
各区间乘客延误期望值获取模块,用于考虑断面客流,获取各区间乘客延误期望值,/>为各区间的区间运行缓冲时间实际取值;
高铁运行图区间运行缓冲时间优化模型构建模块,用于构建高铁运行图区间运行缓冲时间优化模型并求解,模型具体如下:
其中,为线路区间数量;
各区间乘客延误期望值计算公式如下:
其中,表示区间/>的断面客流量,通过历史统计数据获取,/>表示一种隶属度函数;
隶属度函数反映乘客对延误的忍耐程度,表达式如下:
其中、/>、/>、/>和/>为隶属度函数的参数。
4.一种高铁运行图区间运行缓冲时间获取设备,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-2任一项所述的高铁运行图区间运行缓冲时间获取方法的步骤。
5.一种计算机存储介质,所述存储介质中存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-2任一项所述的高铁运行图区间运行缓冲时间获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311306596.3A CN117035204B (zh) | 2023-10-10 | 2023-10-10 | 一种高铁运行图区间运行缓冲时间获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311306596.3A CN117035204B (zh) | 2023-10-10 | 2023-10-10 | 一种高铁运行图区间运行缓冲时间获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035204A CN117035204A (zh) | 2023-11-10 |
CN117035204B true CN117035204B (zh) | 2024-01-12 |
Family
ID=88643516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311306596.3A Active CN117035204B (zh) | 2023-10-10 | 2023-10-10 | 一种高铁运行图区间运行缓冲时间获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035204B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014041439A1 (en) * | 2012-09-17 | 2014-03-20 | ZHANG, Jiarui | Calculation and evaluation of station capacity for high speed railway |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN108399468A (zh) * | 2018-01-31 | 2018-08-14 | 华南理工大学 | 一种基于车时成本优化的运营时段划分方法 |
CN109146758A (zh) * | 2018-08-29 | 2019-01-04 | 山东交通职业学院 | 一种基于客流的列车运行延误调整方法及系统 |
CN110920700A (zh) * | 2019-12-17 | 2020-03-27 | 中南大学 | 一种高铁调度优化方法、系统、及存储介质 |
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 |
CN115527369A (zh) * | 2022-09-29 | 2022-12-27 | 北京交通大学 | 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 |
EP4134887A1 (en) * | 2021-08-11 | 2023-02-15 | Hitachi, Ltd. | Control apparatus for a public transportation system, public transportation system, method for determining departure times of a public transportation system and computer program product |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210407300A1 (en) * | 2020-06-24 | 2021-12-30 | Tata Consultancy Services Limited | System and method for minimizing passenger misconnects in airline operations |
CN112874589B (zh) * | 2021-02-18 | 2022-07-15 | 卡斯柯信号有限公司 | 一种列车计划运行图自动调整系统及方法 |
-
2023
- 2023-10-10 CN CN202311306596.3A patent/CN117035204B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014041439A1 (en) * | 2012-09-17 | 2014-03-20 | ZHANG, Jiarui | Calculation and evaluation of station capacity for high speed railway |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN108399468A (zh) * | 2018-01-31 | 2018-08-14 | 华南理工大学 | 一种基于车时成本优化的运营时段划分方法 |
CN109146758A (zh) * | 2018-08-29 | 2019-01-04 | 山东交通职业学院 | 一种基于客流的列车运行延误调整方法及系统 |
CN110920700A (zh) * | 2019-12-17 | 2020-03-27 | 中南大学 | 一种高铁调度优化方法、系统、及存储介质 |
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 |
EP4134887A1 (en) * | 2021-08-11 | 2023-02-15 | Hitachi, Ltd. | Control apparatus for a public transportation system, public transportation system, method for determining departure times of a public transportation system and computer program product |
CN115527369A (zh) * | 2022-09-29 | 2022-12-27 | 北京交通大学 | 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 |
Non-Patent Citations (3)
Title |
---|
动态随机客流下城轨列车运行调整策略;许红;陈楠;;北京交通大学学报(第06期);第55-60页 * |
城市轨道交通列车运行图缓冲时间分配方案优化研究;李清;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;第23-24,27-28,30-37,55-57页 * |
王光锐等.概率论与数理统计.西安电子科技大学出版社,1996,第156页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117035204A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108335694B (zh) | 远场环境噪声处理方法、装置、设备和存储介质 | |
CN110399499B (zh) | 一种语料生成方法、装置、电子设备及可读存储介质 | |
WO2021042748A1 (zh) | 一种基于概率分布的轴承工况稳定性评估方法及装置 | |
CN117035204B (zh) | 一种高铁运行图区间运行缓冲时间获取方法及装置 | |
EP4287061A1 (en) | Soil body state data calculation method and device based on boundary surface plasticity model | |
CN114757950A (zh) | 超声图像处理方法、装置以及计算机可读存储介质 | |
CN115533059A (zh) | 铸坯切割长度优化方法 | |
CN114187303A (zh) | 口腔图像处理方法、装置、电子设备及计算机存储介质 | |
CN116991334B (zh) | 数据存储方法、系统、装置、电子设备及可读存储介质 | |
CN116128887A (zh) | 目标器官组织感兴趣区域定位方法、电子设备和存储介质 | |
CN111552652B (zh) | 基于人工智能芯片的数据处理方法、装置和存储介质 | |
CN106777870A (zh) | 一种针对单细胞转录组数据的降噪声算法 | |
WO2023005681A1 (zh) | 纵向跟车控制方法、装置、电子设备及存储介质 | |
CN115563908A (zh) | 一种水库洪峰预测方法及装置 | |
TW202023856A (zh) | 剎車控制方法、剎車系統及車輛 | |
US20210405909A1 (en) | Data management system, data management method, and recording medium having data management program recorded thereon | |
CN111768047B (zh) | 一种基于多特征数据、多模型的水流速度预测方法 | |
CN114996264A (zh) | 一种面向数字孪生的数据处理方法、装置及设备 | |
CN115907192A (zh) | 风电功率波动区间预测模型的生成方法、装置及电子设备 | |
CN111830830B (zh) | 一种列车自动运行停车精度控制方法、系统以及计算机可读介质 | |
CN113624234A (zh) | 线路平滑处理方法、装置、电子设备和计算机存储介质 | |
CN112509556B (zh) | 一种语音唤醒方法及装置 | |
CN106651466A (zh) | 一种基于网站用户的信息预测方法 | |
CN111934647A (zh) | 一种emd-lms混合滤波方法及滤波器 | |
CN115345003B (zh) | 一种偏航风力机尾流速度亏损剖面预测方法 |
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 |