限速区段列车流特性及运行延误研究

通过分析列车在限速区段的运行特征,提出了四显示固定闭塞系统下限速区段列车流的元胞自动机模型,重点研究了混合列车流在限速区段的运行特性以及列车在限速区段的延误规律,并分析了造成列车延误的原因。结果表明：当客货车在具有限速区段的线路混行时,造成列车延误的原因分为限速区段限速和货车对客车的抑制作用,且列车延误时间随着限速区段长度的增加而增加;货车对客车的抑制作用随着发车间隔的增大而减弱,当发车间隔超过临界值时,造成列车延误的主要原因是限速区段的限速。当发车间隔固定时,列车的平均延误时间会随着客货车比例的增大呈现出“拱形”,客货车比例在0.55~0.65之间时,列车的平均延误达到了峰值。     

基于编队技术的地铁列车运行控制研究

首先分析了移动闭塞条件下地铁列车的运行规律,建立了地铁列车的动力学模型,研究移动闭塞条件下地铁列车车组间的控制,采用基于事件的控制理论和编队技术降低列车间的最小追踪允许间隔,在保证不撞车以及尽量减少站外停车的前提下,提高地铁线路的通过能力,并且能够方便地实现系统的重新配置以及各子系统间的协调协作。以相邻的三列列车运行为例,研究在移动闭塞条件下后续列车的控制策略,根据列车的走行距离以及前后列车间所要求保留的安全距离,动态调整列车的运行速度、加速度。     

移动闭塞列车自动防护系统仿真平台研究

研究列车防护系统优化问题,列车自动防护系统应在移动闭塞列控系统中保证行车安全,对列车运行的速度和时间间隔应进行优化控制,提高线路运力。为此提出建立移动闭塞列车自动防护系统仿真平台,实现对移动闭塞列车的运行进行追踪,预测列车下一阶段的运行策略,并对列车的安全追踪间隔进行实时控制。通过建立列车最小安全追踪间隔模型,使仿真平台实现了列车运行安全监控功能。经过对不同条件下列车的运行进行仿真分析,结果表明,仿真平台的防护系统能够保证列车的运行安全。     

结合眼电和脑电的人机交互系统设计与实现

针对CTCS-4下列车运行的特点,研究了移动闭塞条件下列车追踪运行问题。以多智能体(Multi-Agent)理论为基础,建立了一种移动闭塞条件下的多列车追踪运行多智能体系统(MAS)模型,提出了列车与无线闭塞中心(RBC)之间的MAS交互机制,实现了实时车地通信及多列车追踪运行的安全距离控制。仿真研究了列车追踪运行过程中速度变化关系、不同线路初始化密度对线路交通的影响,得到了相应的定量分析结论。仿真结果表明,该MAS模型能够较好地实现列车控制系统中静态环境与动态环境的复杂系统形式化描述,可以准确地描述CTCS-4列车追踪运行机理,所提方法具有较强的适用性和应用性。     

超限货物列车对单线区段通过能力的影响分析*

以单线自动闭塞区段的列车追踪运行过程为研究对象,结合列车在单线区段的运行特征,采用元胞自动机理论,引入列车当量、停靠和越行元胞等概念;提出多种变换规则,分析超限列车越行前、后的元胞状态,构建基于CA的单线列车运行仿真模型及单线铁路运能损失评估通用模型;设计了相应的启发式算法求解模型,通过计算机模拟单线区段列车运行过程,评估铁路运能损失.仿真结果表明:所提出的模型与算法能有效评估超限货物列车运行所引起的运能损失,合理分析列车混跑、速度传递效应对单线铁路运能所造成的不利影响.     

高速列车在移动闭塞条件下的运行仿真

本文构造了移动闭塞条件下的高速列车计算机运行仿真系统,介绍了系统总体结构,对列车实际运行间隔进行了分析,对各功能模块进行了描述。该系统为进一步分析研究移动闭塞条件下高速列车追踪运行间隔模型、列车的优化控制方法和列车的运行延误影响等提供了仿真平台,对系统实际运用起到了指导的作用。     

基于元胞自动机的列车站前折返仿真模型

在对城市轨道交通中列车站前折返过程准确描述的基础上，建立了2种典型站前折返模式的元胞自动机模型，即站前单渡线折返仿真模型和站前双渡线折返仿真模型。为准确模拟列车的折返过程，模型设定了列车在不同轨道部分的元胞更新规则，在此基础上还添加了线路标识、方向标识和信号标识等来实现列车的换道、转向和防止进路冲突等问题。采用计算机编程，运用已建立的模型来模拟列车的运行过程，对列车运行过程的速度一位置图和时间一位置图的分析发现，模型的模拟结果与实际列车的折返过程完全相同，同时采用仿真方法计算的折返站折返能力与传统图解法计算的结果误差仅为2．4％，由此说明所建立的模型能够准确模拟实际列车的站前折返过程，可以应用于对列车的折返仿真。     

基于GSM-R/CTCS的列车控制系统形式化描述和建模

GSM-R/CTCS的CTCS4级标准是一种基于移动闭塞系统和无线通信的列车控制系统,该标准的实施能够缩短列车之间的追踪间隔距离,提高区间通过能力,适合各种类型、各种速度的列车使用,其中无线通信是关键技术。考虑GSM-R出现的通信问题,给出Petri网表示的列车与地面设备无线通信模型和系统行为描述。     

利用SLEUTH模型进行北京城市扩展模拟研究

元胞自动机模型具有较强的模拟空间复杂系统时空演变的能力,可以进行有效的城市增长和土地利用演化方面的模拟,现已成为城市地理学研究的重要工具。SLEUTH模型是元胞自动机模型的一种具体实现,它包含了四种城市增长方式和五个增长系数,再加上两个控制因素层一起作用于输入数据,能够较好地模拟城市的扩展。本文详细介绍了SLEUTH模型的校正和运行过程,并修改控制参数将其应用于北京城市扩展的模拟和预测中,通过分析模型的运行结果,深入地研究了北京城市发展的模式和成因,同时也指出了模型存在的问题。     

机会网络舆情传播的MCA模型及仿真研究

为了研究舆情主体的流动性和记忆能力对舆情在机会网络中传播的影响,提出移动实体、元胞容量和元胞吸引力新概念,扩展经典元胞自动机模型,并结合现代心理学的记忆理论,建立移动元胞自动机舆情传播模型。在此基础上,考虑舆情主体对新鲜观点存在抵触情绪,提出了舆情主体情感态度倾向性和态度转变阈值的概念,制定实体状态转换规则和移动规则,从而分析影响舆情在机会网络中传播的主要因素。结果表明:舆情主体流动性的提高、记忆时间阈值的增大可以促进舆情传播;不同情感态度的主体比例相差越大,舆情同质化率就越高;舆情主体的空间密度越高,舆情传播速度越快;舆情主体自身情感态度倾向性越大,舆情传播速度越慢。     

横风下桥梁高度对高速列车交会性能的影响

为研究横风下桥梁高度对高速列车会车性能的影响,基于空气动力学和列车系统动力学,分析指数风分布下不同高度桥梁周围的流场,建立高速列车多体系统动力学模型,模拟横风下列车在不同高度桥梁上会车时的表面压力特性和气动载荷特性.将得到的气动力作为外加载荷作用于列车上,分析桥梁高度对高速列车会车安全性能的影响.结果表明:当列车在环境风下交会时,背风侧列车的气动力波动大于迎风侧列车的气动力波动;当监测点风速固定且桥梁高度小于15 m时,随着桥梁高度的增加,列车的气动载荷最大幅值和安全指标最大幅值均有所减小;当桥梁高度为15～30 m时,随着桥梁高度的增加,列车的气动性能和动力学性能基本保持不变.     

列车底部结构对交会高速列车气动性能的影响

用CFD法对具有复杂底部结构(带有转向架或带有转向架和裙板)的高速列车以200 km/h等速交会的情况进行数值模拟和分析,研究其压力波、气动力和气动力矩以及车体周围的流场结构的变化.结果表明:与简化模型相比,带有复杂底部结构的列车交会时的压力波的头波和尾波都有所减小且尾波减小的程度更高,带有转向架的车体的横向力、横摆力矩和侧翻力矩的峰值明显减小,但变化更复杂;带有复杂底部结构的列车在车体底部会形成涡结构,有明显的能量耗散.     

An improved equation model for the train movement

In this paper, a new term is introduced into the equation of train movement, which is about the influences of the safety stopping distance and stations on the motion of train, when there are many trains on the line. The aim is that the improved equation can well describe the motion of train under the moving block condition. In order to test the improved model, we use a simulation analysis approach to solve a simplified form of the improved equation model. In the simulations, we investigate the space–time diagram for the railway traffic flow and the trajectories of the train movement. The numerical simulation results demonstrate that the improved model can well describe the dynamic behaviour of the train movement under the moving block condition. Some complex phenomena of train movement can be well reproduced but more work is required for a full simulation of the general model.     

超限车运行对双线铁路运能损失影响分析

以双线自动闭塞区段列车追踪运行为对象,充分考虑超限车运行特征,采用元胞自动机理论,提出列车运能换算、站元胞等概念;设计双线铁路列车运行的各种变换规则,分析超限车越行和禁会前后的元胞状态,构建基于CA的双线铁路列车运行仿真模型和运能损失评估模型,模拟双线区段列车运行过程,刻画超限车运行所引起的耗能特征。仿真结果表明,双线区段减少一个禁会区间时,上行方向通过能力可以少浪费15.2%,下行方向通过能力可以少浪费6.3%;综合考虑双线区段通过能力及其输送能力时,上行方向运能可以少浪费18.5%,下行方向运能可以少浪费8.8%;提出的方法能全面分析超限车运行对双线铁路运能的影响,评估超限车运行对双线铁路运能损失,为合理铺化双线铁路区段的列车运行图提供决策支持。     

基于蚁群优化算法的高速列车运行调整研究

高速列车在运行过程中不可避免地会受到各种各样因素的影响,导致大量的高速列车出现晚点状况,影响高速列车的运行效率。为了保证所有的高速列车能够按照正点运行,对蚁群算法进行改进,引入混沌序列,优化蚂蚁的选路策略,建立以加权后列车总晚点时间最少为目标的高速列车运行调整模型,并且按照相应的约束条件对高速列车运行调整模型进行求解,实现对晚点高速列车运行图的快速调整。最后,通过比较算例得出,该算法能够有效解决高速列车运行调整问题。     

A fuzzy Petri net model to estimate train delays

Even with the most accurate timetable, trains often operate with delays. The running and waiting times for trains can increase unexpectedly, creating primary delays that cause knock-on delays and delays for other trains. The accurate estimation of train delays is important for creating timetables, dispatching trains, and planning infrastructures. In this work, we proposed a fuzzy Petri net (FPN) model for estimating train delays. The FPN model with characteristics of hierarchy, colour, time, and fuzzy reasoning was used to simulate traffic processes and train movements in a railway system. The trains were coloured tokens, the track sections were termed places, and discrete events of train movement were termed transitions. The train primary delays were simulated by a fuzzy Petri net module in the model. The fuzzy logic system was incorporated in the FPN module in two ways. First, when there were no historical data on train delays, expert knowledge was used to define fuzzy sets and rules, transforming the expertise into a model to calculate train delays. Second, a model based on the Adaptive Network Fuzzy Inference System (ANFIS) was used for systems where the historical data on train delays were available (from detection systems or from the train dispatcher’s logs). The delay data were used to train the neuro-fuzzy ANFIS model. After the results of the fuzzy logic system were verified, the ANFIS model was replicated by a fuzzy Petri net. The simulation was validated by animating the train movement and plotting the time-distance graph of the trains. Results of the simulation were exported to a database for additional data mining and comparative analysis. The FPN model was tested on a part of the Belgrade railway node.     

基于改进的LeNet-5轨道交通障碍物识别方法

我国的轨道交通线路里程长,途径环境的复杂多样化,由自然灾害、人为因素、随机异物等造成轨道出现障碍物,严重影响行车安全。在客流量大,列车班次间隔时差短的今天,通过人为检测、固定安装监控点的方式随着运营线路的加长成本愈加高昂,因此,通过结合行驶的列车记录的单目实时图像,提出了一种改进的LeNet-5卷积神经网络的轨道交通障碍物检测方法,可实时识别出列车前方铁轨是否存在障碍物,为列车控制系统提供智能预警信息,避免列车与障碍物发生碰撞,保障列车行车的安全性和可靠性。     

基于改进遗传算法的赶流列车运行调整研究

开展技术站车流组织与区段列车运行调整的协同优化研究,利用在途列车的运行可调性实现运输区域的"线流配合",可优化运输生产指标。将前方技术站的车流接续需求作为列车运行调整的目标之一,并定义为赶流调整。在分析赶流调整策略及应用场景的基础上,建立了赶流调整模型,设计了基于遗传算法的模型求解算法。算法设计充分结合列车运行调整特点,有效避免了"早熟"及收敛速度慢等现象,适应性好,求解时间能很好地满足列车运行调整需求。可快速验证"线流配合"研究思路中调整目标的可行性,并给出具体的调整措施,为技术站车流组织与列车运行调整协同优化研究的深入奠定基础。