基于均衡性和可达性的高速铁路列车停站方案优化

为了兼顾高速铁路的速度优势和旅客出行的方便,从列车停站数量的均衡性和区间的可达性出发,建立高速铁路列车停站方案的非线性多目标优化模型。结合模型的特点,设计了具有自适应性的遗传退火算法。自适应遗传算法控制全局的寻优方向,模拟退火的Metropolis邻域搜索策略提高算法的邻域搜索能力,可以快速搜索高质量的解。最后用2015年京沪高速铁路数据进行验证,并用得到的停站方案与原停站方案进行对比。结果表明：优化方案中开行列车的停站数量更加集中,停9站和停10站列车占开行列车总数的71.8%,显著提高了停站方案的均衡性;可达性提高约2.32%。     

基于人工蜂群算法的轨道交通列车行车间隔优化

轨道交通运营组织作为轨道交通运营企业管理的核心,在降低企业运营成本、提升服务水平和旅客出行效率方面起着非常重要的作用。提出一种基于人工蜂群（ABC）优化算法的列车行车间隔优化策略,在考虑运营企业和旅客各自利益的基础上,以列车发车间隔为决策变量,建立旅客平均候车时间最小和列车等候时间最大的双目标非线性规划模型。采用ABC算法对模型进行优化求解,结合京津城际铁路某日不同时段客流基础数据进行仿真,实例验证了所提算法和模型的有效性。     

面向负载均衡的高铁路网列车开行方案优化方法

针对当前高速铁路运营过程中存在的运输需求与运力资源不匹配现象,面向负载均衡原理研究了路网条件下运能可适配的高速铁路旅客列车开行方案优化与评估方法.首先,针对路网条件下列车开行方案优化,构建以提升经济效益、社会效益和网络负载均衡为目标的非线性混合整数规划模型,并设计基于遗传算法和粒子群算法的两阶段混合搜索求解算法.在此基础上,考虑开行列车在高速铁路网中的抗干扰能力,建立了面向网络化运营场景的开行方案综合评估指标体系,揭示了故障场景下高速铁路网络性能的演化规律.最后,以实际高速铁路线路数据和运营数据为场景进行仿真实验,本文提出方法在保证运输需求和路局收益的同时能够有效地提升8.66%网络整体负载均衡性,增强发生故障时网络的抗干扰能力.     

面向负载均衡的高铁路网列车开行方案优化方法

针对当前高速铁路运营过程中存在的运输需求与运力资源不匹配现象,面向负载均衡原理研究了路网条件下运能可适配的高速铁路旅客列车开行方案优化与评估方法.首先,针对路网条件下列车开行方案优化,构建以提升经济效益、社会效益和网络负载均衡为目标的非线性混合整数规划模型,并设计基于遗传算法和粒子群算法的两阶段混合搜索求解算法.在此基础上,考虑开行列车在高速铁路网中的抗干扰能力,建立了面向网络化运营场景的开行方案综合评估指标体系,揭示了故障场景下高速铁路网络性能的演化规律.最后,以实际高速铁路线路数据和运营数据为场景进行仿真实验,本文提出方法在保证运输需求和路局收益的同时能够有效地提升8.66%网络整体负载均衡性,增强发生故障时网络的抗干扰能力.     

铁路旅客列车运行图始发方案优化设计北大核心CSCD

为了提高铁路运输部门编制列车运行图始发方案的可实施性,可优化列车运行图的整体布局。以客运站到发列车的到达、始发时间域最方便为目标,车站到发线能力为约柬,建立旅客列车始发方案数学优化模型。针对传统智能算法在求解上述问题易陷入局部最优的缺陷,采用动态启发式信息策略的改进蚁群算法进行求解。以列车发到时间域方便旅客程度为优化的准则确定蚂蚁转移概率,并在信息素更新策略中引入最大最小蚂蚁系统,改善算法的正负反馈机制,避免陷入局部最优。仿真结果表明,改进算法在优化性能上有较大改进,可为旅客列车运行方案编制问题提供有效解决方案。     

基于换乘导向的大型客运枢纽高铁列车接续优化

针对高速铁路成网条件下的客运枢纽高铁列车接续优化问题,分析了枢纽内的旅客换乘过程,提出了中长途客流的换乘满意度概念;以平均换乘满意度和枢纽车站列车到发均衡性为优化目标,以大站合理发车时间、合理终到时间、车站作业间隔时间、旅客换乘时间、车站到发线能力等为约束条件,建立了基于换乘协同的大型客运枢纽高速列车接续优化模型。设计了改进染色体编码方式和选择策略的遗传算法对算例进行了求解。改进后的遗传算法同基本遗传算法、基本模拟退火算法相比,目标函数中所求的平均换乘满意度分别增加了5.10%、2.93%,枢纽车站列车到发均衡性分别提高了0.27%、2.31%,算例结果验证了改进遗传算法的有效性和稳定性,表明所提方法可以有效地提高大型枢纽高铁列车的接续质量。     

考虑个体偏好的高铁旅客出行选择仿真研究

针对高铁旅客出行时的乘车选择行为问题,定量描述和分析了高速铁路旅客乘车选择的行为及特征.考虑旅客的主体偏好、出行偏好和承受偏好等,基于非集计离散模型构建个体偏好与列车特性因子的关联关系,并进一步构建一种考虑个体偏好的多变量旅客乘车选择效用模型,以旅客在京沪高铁北京-上海区间的乘车选择作为实例进行分析.运用SPSS结合2018年京沪高铁RP调查数据进行模型参数的标定,结果表明,年龄-票价、出行距离-票价、月收入-票价、费用来源-整点出发时刻是4组具有强关联性的个体偏好-列车特性组合,且旅客个体承受偏好中的月收入对乘车选择的影响最为明显,同时验证了上述模型可以更准确地评价旅客的个性化乘车选择行为,可为高速列车开行的优化设计提供理论基础.     

基于两阶段分布鲁棒优化的列车停站方案与时刻表协同研究

列车停站方案与列车时刻表协同优化能够克服两者单独优化难以实现系统最优的弊端,从而可以得到旅客满意和企业期望的运营方案.首先,针对多场景不确定旅客需求概率分布信息已知的情形,综合考虑轨道与车站站线占用等约束,以极小化列车总行程时间、各场景未被满足旅客需求以及列车冗余之和为目标,构建列车停站方案与时刻表两阶段随机规划模型.在此基础上,进一步考虑旅客需求场景概率分布信息部分已知的情形,构建与之相对应的两阶段分布鲁棒优化模型.其次,借助L∞范数非精确集,将所构建的列车停站方案与时刻表两阶段分布鲁棒协同优化模型转换为等价的混合整数线性规划模型,并利用Visual C++平台调用GUROBI进行求解.最后,将所构建模型应用到武汉-广州高速铁路走廊上验证其有效性,结果表明,相比于随机优化模型,分布鲁棒优化模型只需付出较小的代价,即可抵御旅客需求概率分布不确定性带来的影响,且可以改善最坏情形下解的质量,为得到鲁棒性较强的铁路列车停站方案与时刻表提供一定的理论依据.     

考虑驾乘人员公平性的网约出租车合乘路径优化模型

为了充分发挥合乘出租车承载率高、运营效益高及交通资源省等优点, 缓解城市打车难问题, 对网约出租 车合乘路径优化问题开展研究. 首先针对路网中网约出租车的供需情况, 以系统路径最短为优化目标建立目标函 数, 其次考虑网约出租车额定载客量、路径合理性、乘客利益及驾驶员收益与时间窗因素, 构建优化模型的约束条 件, 并结合绕行距离与乘客公平性原则进行费用约束, 使得绕行距离长的合乘子路径获得更多的费用补偿, 然后基 于遗传算法思想, 针对合乘路径中乘客需求起终点的次序问题, 设计了改进的交叉与变异算子. 最后依据大连市区 局部路网高峰时段内的出租车供需数据, 利用合乘路径优化模型及算法进行求解. 研究表明, 优化模型及算法可以 短时间寻求到系统近似最优解, 所得合乘方案较非合乘出行模式有效减少了出租车空驶率与乘客的出行成本, 提高 了驾驶员的平均收益.     

基于混合粒子群算法的列车停站方案优化

列车停站方案影响着旅客服务质量和运行效率,是列车开行方案的重要环节.本文建立了旅客列车停站方案的多目标规划模型以最大化区段可达性从而减少旅客旅行时间.针对传统的粒子群优化算法在处理复杂多维问题时,算法效率不高,易陷进局部最优,且无法有效处理离散问题等缺点,提出了一种将量子遗传算法引入到MPSO中的方法.算法整体采用粒子群算法,结合量子遗传算法的概率幅编码,并使用粒子群的速度更新公式来更新量子旋转门.算法引入量子遗传算法的全局探索和粒子群算法的种群智能体系,不仅提高了算法的收敛速度,同时增加了粒子多样性.最后,将改进的量子遗传粒子群算法（QGA_PSO）应用于ZDT函数优化和停站方案模型优化,证明了算法的有效性.     

基于两阶段算法的列车调度问题

考虑突发铁路损坏对列车运行的影响, 在列车运行调度理论的基础上, 建立了单线铁路调度模型, 设计了一种带有突发事件处理能力的两阶段列车调度算法, 第1阶段对列车区间运行速度进行调整, 第2阶段对列车的停站时间进行调整. 将3种有效的搜索算子、一种自适应更新规则与粒子群算法相结合, 以列车延迟率作为优化目标, 求解单线铁路列车调度问题. 通过将所提算法与其他算法在相同实验条件下进行测试对比, 并进行突发事件测试, 验证了所提算法的有效性.     

列车运行调度的现状及展望

分析列车运行计划制定和速度调整的实际情况,研究列车运行调度的建模及求解技术。针对目前相对静态的列车运行调度模型,建立车站-闭塞分区一体化及考虑列车动态运行状况的优化模型,并提出一种具有预测控制、滚动优化、实时反馈的列车运行调度与控制框架,该框架可以提高行车密度、抵抗随机扰动、优化铁路网络的运营性能。     

基于硬时间窗的技术站解编方案综合协调优化

针对现有制定的解编方案无法有效地满足铁路技术站阶段计划配流工作,基于牵引质量和换长的不同硬时间窗满轴约束,并综合考虑车流接续和编组去向约束,以总车流量、满轴出发列车最多为目标,建立了技术站多目标动态配流模型。为实现解编方案综合协调优化,依据解体和编组顺序调整规则,并通过定义可解集合和改进蚁群算法的状态转移规律及信息素更新策略,设计了一种基于蚁群算法的辅助决策支持系统。算例表明该辅助决策支持系统可以缩小配流问题规模,帮助决策者选择满意的解编配流方案,同时可以考虑解编顺序的改变对配流结果带来的影响,做到解体照顾编组,从而为实现铁路技术站调度系统的综合协调优化提供理论支持。     

基于改进蚁群算法的铁路乘务排班计划编制

为了提升铁路乘务排班计划编制的质量和效率,将乘务排班计划编制问题抽象为单基地、考虑中途休息的多旅行商问题（MTSP）,建立以排班周期最小、乘务交路间冗余接续时间分布最均衡为优化目标的单一循环乘务排班计划数学模型,并针对该模型提出了一种启发式修正蚁群算法。首先,构建满足时空约束的解空间,分别对乘务交路节点和接续路径设置信息素浓度;然后,确定基于修正的启发式信息,规定蚂蚁按乘务交路顺序依次出发,使蚂蚁遍历所有乘务交路;最后,从不同的乘务排班方案中选择最优的排班计划。以广深城际铁路为例对所提模型及算法进行验证,并与粒子群算法进行对比。实验结果表明：在相同的模型条件下,采用启发式修正蚁群算法编制的乘务排班计划平均月工时降低了8.5%,排班周期降低了9.4%,乘务人员超劳率为0。所提模型和算法能够压缩乘务排班周期,降低乘务成本,均衡工作量,避免乘务人员超劳。     

考虑资源闲置成本的多项目调度问题研究

针对资源受限多项目整体进度优化问题,考虑资源分配过程中的资源闲置成本,提出了一种集成工期延迟和资源闲置成本的多目标调度协同优化模型。通过该模型提高了资源的利用效率,理论上实现了多项目在目标成本最小情况下的整体进度方案。综合利用模拟退火算法和遗传算法的优点,设计退火遗传算法对该模型进行求解,通过算例验证了算法和模型的有效性。