版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、軌道交通具有安全高效、便捷可靠等優(yōu)點,已成為居民出行的重要交通方式。軌道交通在運營過程中易受到多種因素干擾產(chǎn)生延誤,影響列車運輸效率和服務質(zhì)量。列車運行過程中的干擾不同,其調(diào)整方法也不相同,合理的調(diào)整方案能夠較快的使列車恢復正常運行,減少干擾造成的影響,因此,對不同干擾下的列車運行調(diào)整問題進行研究具有重要意義。本文選取若干典型場景的列車運行延誤調(diào)整進行研究,運用改進的粒子群算法對調(diào)整模型求解,主要研究內(nèi)容如下:
首先,對突發(fā)情
2、況下城市軌道交通列車故障運行調(diào)整進行研究,建立小交路調(diào)整模型。根據(jù)列車故障處理過程建立列車延誤時間模型,分析上下車人數(shù)、車內(nèi)乘客與故障處理時間的關(guān)系,得到受影響車站乘客滯留人數(shù)模型。同時,考慮清客作業(yè)對列車停站時間的影響,建立宏觀停站時間模型。將乘客疏散效率和折返線路的延誤時間作為優(yōu)化目標,并運用粒子群算法進行求解。通過仿真驗證了小交路調(diào)整策略在維持線路運輸能力和緩解乘客滯留問題的有效性。
其次,對鐵路單線區(qū)段內(nèi)列車運行調(diào)整進
3、行研究,建立上下行列車運行調(diào)整模型。根據(jù)單線區(qū)段列車運行特點,將列車運行調(diào)整轉(zhuǎn)化為解決上下行列車區(qū)間沖突優(yōu)化問題。考慮列車等級的影響,當調(diào)整時間內(nèi)的列車運行等級相同時,以列車總延誤時間最小建立優(yōu)化調(diào)整目標;當列車運行等級不同時,將不同等級列車延誤影響轉(zhuǎn)化為乘客滿意度函數(shù),建立滿意度優(yōu)化模型。運用粒子群算法求解調(diào)整方案,使列車盡快回復正常運行。
最后,根據(jù)列車運行過程及延遲調(diào)整,設計包括列車運行圖編制、列車動態(tài)仿真及運行調(diào)整功能
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 城市軌道交通列車運行調(diào)整的粒子群算法實現(xiàn).pdf
- 基于混合粒子群算法的列車開行方案優(yōu)化研究.pdf
- 粒子群算法的慣性權(quán)重調(diào)整策略
- 粒子群算法的慣性權(quán)重調(diào)整策略
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 粒子群算法(1)----粒子群算法簡介
- 自然災害條件下列車運行徑路調(diào)整優(yōu)化.pdf
- 非線性動態(tài)調(diào)整慣性權(quán)重的粒子群算法.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 基于蟻群算法的CBTC系統(tǒng)列車運行調(diào)整的研究.pdf
- 基于粒子群算法的數(shù)據(jù)挖掘.pdf
- 移動閉塞條件下列車運行.pdf
- 基于蝙蝠算法的列車運行自動調(diào)整建模與驗證.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 基于免疫蟻群算法的列車運行調(diào)整模型的優(yōu)化研究.pdf
- 基于改進粒子群算法的微電網(wǎng)多目標優(yōu)化運行研究.pdf
- 基于粒子群算法的水電站廠內(nèi)經(jīng)濟運行分析.pdf
- 基于指標的粒子群算法.pdf
評論
0/150
提交評論