论文部分内容阅读
随着我国城市的快速发展,城市轨道交通已成为人们出行的重要方式。而城市轨道交通系统规模的不断扩大,也使地铁运行的效率和乘客的出行体验受到了考验。在城市轨道交通系统中,列车时刻表是列车运行的基础,所以列车时刻表的优化和列车的运行调整是提高城市轨道交通列车服务水平的关键。然而,由于城市轨道交通线路和列车的规模庞大,以及客流的随机性和动态变化的特点,尤其是在乘客乘车高峰期,能较好满足乘客需求的列车时刻表的设计和优化还是目前研究的重点和难点。并且在随机事件干扰造成列车延误的情况下,目前集中式的列车运行调整研究方法对大规模下的列车运行调整效果也不乐观。所以为了进一步提高大规模地铁网络和动态客流的情况下列车的运行效率和乘客的满意率,本文做了以下研究工作:其一,为了提高乘客的候车体验,本文提出了一种基于整数规划的时刻表优化模型。提出的时刻表优化模型综合考虑了高峰时期的大客流需求(即客流超过列车最大载客量)和非高峰时期的一般客流需求。并且,本文以最小化乘客总候车时间为优化目标,采用遗传算法对优化目标进行求解。基于北京地铁亦庄线路的历史客流数据,本文还设计了仿真对比实验对提出的时刻表优化模型的有效性进行验证。相比现行时刻表,采用本文的时刻表优化模型使乘客总候车时间缩短了56.89%。其二,为了提高在延误情况下地铁列车的运行效率,使列车尽快恢复正常的运行状态,本文提出了基于多模态转换的分布式列车运行调整模型和分布式模型预测控制(DMPC)算法对列车进行运行调整。其中提出的基于多模态转换的分布式列车运行调整模型不仅考虑了不同时段下客流的动态变化,而且以列车的准时性和安全可靠性为综合的优化目标。本文利用提出的DMPC算法对多模态多目标的列车运行调整问题进行求解。基于北京地铁亦庄线路的历史客流数据和运行数据,本文还设计了仿真对比实验对提出算法的运行调整效果进行了验证。相比集中式模型预测控制(CMPC)算法,DMPC算法不仅对于列车运行调整有很积极的效果,且计算速度快,效率高,更适合于大规模的城市轨道交通系统。