预约出行模式下地铁列车运行图与需求管理协同优化方法

    公开(公告)号:CN119671513A

    公开(公告)日:2025-03-21

    申请号:CN202411732102.2

    申请日:2024-11-29

    Abstract: 本发明提供一种预约出行模式下地铁列车运行图与需求管理协同优化方法,包括:获取地铁线路数据和客流数据,建立决策变量;根据地铁系统中预约乘客和未预约乘客之间的耦合关系,列车在各车站服务的乘客数量与等待的乘客数量之间的公平性,运力与运量之间的耦合关系,构建约束条件;结合地铁线路数据、客流数据、决策变量及约束条件,构建初始地铁列车运行图与需求管理协同优化非线性规划模型;根据大M约束将非线性规划模型等价转化为线性形式,得到需求管理协同优化线性规划模型;根据线性规划模型的数学特性,设计求解算法进行求解,直至得到标准地铁列车运行图、预约名额分配方案和客流控制方案。本发明的方法提高了服务效率、降低了运营成本。

    面向不确定需求的列车时刻表与客流控制鲁棒优化方法

    公开(公告)号:CN112784204B

    公开(公告)日:2024-06-25

    申请号:CN202011577170.8

    申请日:2020-12-28

    Abstract: 本发明属于城市轨道交通运营管理技术领域,涉及一种面向不确定需求的列车时刻表与客流控制鲁棒优化方法,包含如下步骤:采用基于场景的随机动态数据描述客流特征,并将客流需求划分为确定性需求和额外需求;根据额外需求,确定各车站动态鲁棒性保护水平;基于上述客流数据表示,引入时间、列车和车站相关的决策变量;根据决策变量,构建场景耦合约束、鲁棒客流控制变量和列车运行决策变量间的关联约束;根据约束,以极小化加入鲁棒性保护水平所需额外列车容量为目标,构建鲁棒优化模型;求解鲁棒优化模型,得到适用于大城市轨道交通客流控制的鲁棒控制策略,为实际轨道交通安全、高效运营提供理论支撑。

    结合需求引导的交通列车运行图与客流控制协同优化方法

    公开(公告)号:CN119809903A

    公开(公告)日:2025-04-11

    申请号:CN202411839040.5

    申请日:2024-12-13

    Abstract: 本发明提供一种结合需求引导的交通列车运行图与客流控制协同优化方法,包括:获取列车运行过程中的物理特征和空间特征,表示为数学模型;构建决策变量及约束条件;根据物理特征、空间特征、决策变量及约束条件,构建初始轨道交通列车运行图与客流控制协同优化非线性整数规划模型;引入0‑1变量和大M约束将非线性模型进行线性化,并推导大M的最小取值,得到具有更紧致上界的客流控制协同优化线性规划模型;根据优化目标原问题的结构特征和客流控制协同优化模型的数学特性,设计基于Benders分解的精确求解算法,得到标准轨道交通列车运行图、需求引导计划和客流控制策略。本发明的方法提升了城市轨道交通系统服务质量和运营效率,同时降低了资源浪费。

    多模式交通时刻表与模块化车辆调度协同优化方法及装置

    公开(公告)号:CN118195203A

    公开(公告)日:2024-06-14

    申请号:CN202410195508.5

    申请日:2024-02-22

    Abstract: 本申请涉及公共交通运营管理技术领域,公开了一种多模式交通时刻表与模块化车辆调度协同优化方法及装置,所述方法将规划时域离散化,并基于固定线路车辆服务和需求响应型车辆服务的多模式交通系统,构建随机场景集;确定构建模型的决策变量;基于随机场景集和决策变量,构建多模式交通系统的线性约束;基于公共交通运营线性约束,构建以极小化运营商成本与乘客出行成本加权和的期望值为目标的多模式交通时刻表与模块化车辆调度协同优化模型;利用求解算法对模型进行求解,获得多模式交通时刻表与模块化车辆调度方案。能提高服务质量、提升服务可靠性、降低运营成本。

    面向不确定需求的列车时刻表与客流控制鲁棒优化方法

    公开(公告)号:CN112784204A

    公开(公告)日:2021-05-11

    申请号:CN202011577170.8

    申请日:2020-12-28

    Abstract: 本发明属于城市轨道交通运营管理技术领域,涉及一种面向不确定需求的列车时刻表与客流控制鲁棒优化方法,包含如下步骤:采用基于场景的随机动态数据描述客流特征,并将客流需求划分为确定性需求和额外需求;根据额外需求,确定各车站动态鲁棒性保护水平;基于上述客流数据表示,引入时间、列车和车站相关的决策变量;根据决策变量,构建场景耦合约束、鲁棒客流控制变量和列车运行决策变量间的关联约束;根据约束,以极小化加入鲁棒性保护水平所需额外列车容量为目标,构建鲁棒优化模型;求解鲁棒优化模型,得到适用于大城市轨道交通客流控制的鲁棒控制策略,为实际轨道交通安全、高效运营提供理论支撑。

Patent Agency Ranking