论文部分内容阅读
近年来,有轨电车凭借其较低投资、安全舒适、节能环保等优势得到了迅速发展。由于普遍采用半独立路权,有轨电车在信号交叉口可能遇红灯停车造成牵引能耗和旅行时分的增加。因此,如何优化有轨电车沿线信号控制和时刻表以尽可能地降低有轨电车在交叉口处的停车,从而降低牵引能耗具有重要的现实意义和研究价值。本文以半独立路权下的有轨电车为对象,首先研究了有轨电车信号被动优先控制,优化沿线交叉口的信号参数。随后,基于信号被动优先控制方案,建立了有轨电车时刻表和操纵节能优化双层模型,上层优化分配运行时分,下层计算给定运行时分下的最优操纵方案及相应的牵引能耗。在此基础上,考虑停站时分扰动可能导致有轨电车在交叉口遇红灯被迫停车的情形,建立了有轨电车时刻表随机优化模型,并设计了混沌遗传算法求解。主要内容包括:(1)在固定有轨电车绿波带宽度保证其不停车通过交叉口的前提下,建立了以社会车辆绿波带宽度最大为优化目标的有轨电车信号被动优先控制模型。模型考虑了社会车辆运行速度在不同路段的一致性要求、社会车辆有效带宽和有轨电车启停附加时分等现实约束。采用LINGO和VISSIM软件分别对模型进行求解和仿真评估。与既有TRAMBADN模型相比,本文模型的有轨电车延误减少13.14s/pcu,社会车辆延误下降2.22%。进一步分析表明,本文模型在不同的有轨电车发车间隔、停站时分和交叉口流量下的结果均优于TRAMBAND模型。(2)在信号被动优先的基础上,将有轨电车线路按车站和交叉口划分为若干子区间,以有轨电车牵引能耗最小为目标建立了有轨电车时刻表与操纵双层优化模型。上层在信号绿灯时间内优化分配有轨电车在各子区间的运行时分;下层在给定的运行时分分配方案下,采用传统的最大牵引-巡航-惰行-最大制动四阶段节能控制策略,搜索不同操纵工况的转换点使牵引能耗最小。与既有方法(按绿波带中心线确定时刻表),本文模型减少37.31%的牵引能耗,并使实际总旅行时分缩短28.06%。(3)车站上下车乘客数量变化会导致有轨电车停站时分波动,进而影响有轨电车绿波通行。为此,本文考虑有轨电车在车站停站时分的波动,以期望牵引能耗和期望旅行时分的加权和最小为目标建立了有轨电车时刻表和操纵双层随机优化模型,并设计了融合混沌搜索的双层遗传算法。采用随机优化模型后,有轨电车交叉口平均停车次数比时刻表与操纵协同优化模型(不考虑停站时分波动)和既有方法(按绿波带中心线确定时刻表)分别下降5.63%和8.45%,从而使牵引能耗和旅行时分均得到下降。