-
公开(公告)号：CN113112055B
公开(公告)日：2024-06-25
申请号：CN202110300229.7
申请日：2021-03-22
Applicant: 北京交通大学 , 北京玖琏科技有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/083 , G06Q50/40
Abstract: 本发明以单条城市轨道交通线路为研究对象，公开了地铁客货共享车厢动态分配与运行计划一体化优化方法。本申请综合考虑了乘客和货物的到达时间、乘客和货物的OD、列车的到发时间、列车的容量、客货共享车厢使用权限分配等因素，能够根据客货需求，协同优化列车运行计划，并实现运营时段内列车资源的动态分配，以达到运输的时效性和高效性。具体地，采用0‑1辅助变量表示客货共享车厢的使用状态，搭建客货共享车厢实际装载对象与辅助变量的关系，将原问题转换为客货共享车厢使用状态与时刻表协同优化问题，并以最小化等待乘客数量和货物运输延误惩罚为目标，构建列车时刻表、乘客运输、货物运输和客货共享车厢使用权限分配的混合整数规划模型。
-
公开(公告)号：CN116050640B
公开(公告)日：2023-10-13
申请号：CN202310108449.9
申请日：2023-02-01
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/042 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于自适应多图卷积的多模式交通系统短时客流预测方法。该方法包括：针对多模式交通系统，获取历史客流序列、自相关图和互相关图；以历史客流序列、自相关图和互相关图作为输入，利用经训练的短时客流预测模型输出预测的每种交通模式的未来客流。本发明能够协同考虑城市多模式交通系统范围内多个不同区域对于多种交通模式的未来客流，解决了多模式交通客流异质性问题，并且实现了不同交通模式的信息交互，提升了计算效率。
-
公开(公告)号：CN113177295A
公开(公告)日：2021-07-27
申请号：CN202110370870.8
申请日：2021-04-07
Applicant: 北京交通大学 , 北京玖琏科技有限公司
IPC: G06F30/20 , G06Q10/04 , G06Q50/30 , G06F111/02 , G06F111/04
Abstract: 本发明属于城市轨道交通控制技术领域，涉及一种地铁网络列车时刻表快速编制方法，包括：S1：设置目标地铁网络的基础参数；S2：设置各线路区间的运行时间、停站时间、发车间隔和旅行时间的范围；采集现实数据，设置各换乘车站站台间的换乘走行时间；S3：采集地铁网络的客流信息；S4：采用广义Benders分解算法进行编制；S5：获得大型地铁网络的协同优化列车时刻表和线路间列车接续情况。本发明采用广义Benders分解算法将原问题分解为更易求解的子问题和主问题，具有较好的求解效率，且能够最大程度减少乘客等待时间，提高地铁系统的换乘效率和服务水平。
-
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
Applicant: 北京交通大学
IPC: G06F17/11 , G06Q10/0631 , G06Q50/40
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。
-
公开(公告)号：CN113177295B
公开(公告)日：2024-02-27
申请号：CN202110370870.8
申请日：2021-04-07
Applicant: 北京交通大学 , 北京玖琏科技有限公司
IPC: G06F30/20 , G06Q50/40 , G06F111/02 , G06F111/04
Abstract: 本发明属于城市轨道交通控制技术领域，涉及一种地铁网络列车时刻表快速编制方法，包括：S1：设置目标地铁网络的基础参数；S2：设置各线路区间的运行时间、停站时间、发车间隔和旅行时间的范围；采集现实数据，设置各换乘车站站台间的换乘走行时间；S3：采集地铁网络的客流信息；S4：采用广义Benders分解算法进行编制；S5：获得大型地铁网络的协同优化列车时刻表和线路间列车接续情况。本发明采用广义Benders分解算法将原问题分解为更易求解的子问题和主问题，具有较好的求解效率，且能够最大程度减少乘客等待时间，提高地铁系统的换乘效率和服务水平。
-
Patent Agency Ranking
公开(公告)号：CN116070422A
公开(公告)日：2023-05-05
申请号：CN202211727528.X
申请日：2022-12-27
Applicant: 北京交通大学
IPC: G06F30/20 , G06Q50/30 , G06Q10/063 , G06Q10/047 , G06F111/04
Abstract: 本发明公开了一种基于时空网络的灵活编组列车周转计划分解优化方法，以城市轨道交通动态不均衡客流为基础，结合灵活编组的新兴运输组织模式，从系统优化的角度出发，建立基于时空网络的灵活编组列车周转计划优化模型，协同优化列车运行图与车底交路两个轨道交通核心计划。基于构建的协同优化模型，设计相应的定价子模型用于生成新的列车单元备选路径。根据列生成算法原理及相应的限制性主模型和定价子模型，设计了一种分支定价算法。本发明可通过灵活编组运行模式，进一步挖掘轨道交通系统运输能力，克服了现有固定列车编组方案对动态不均衡客流适应差的问题，缓解乘客拥堵，提高城市轨道交通系统的服务水平。
-
公开(公告)号：CN114394135A
公开(公告)日：2022-04-26
申请号：CN202111312514.7
申请日：2021-11-08
Applicant: 北京交通大学
IPC: B61L27/16
Abstract: 本发明公开了一种基于多粒度时空网的列车运行图与路径选择优化方法，属于铁路运输组织技术领域。本发明以列车开行方案为基础，从系统优化的角度出发，将列车运行图与路径选择问题建模为不同网络粒度的时空路径求解问题，并提出相应的数学优化模型。根据提出的优化模型，基于拉格朗日分解技术求解宏观列车运行图，并根据宏观方案求解微观路径。微观不可行方案通过分支定界及约束更新方法反馈宏观问题，直至得到可行协同优化方案。本发明提出的方法克服了现有方案独立编制产生的不协调问题，提高了列车运行图编制在微观进路的可落实性，避免两者之间的多次重复调整。本发明可在保证微观路径可行性的条件下，进一步挖掘铁路运输能力。
-
公开(公告)号：CN118014125A
公开(公告)日：2024-05-10
申请号：CN202410094705.8
申请日：2024-01-23
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/40 , G06Q10/0631
Abstract: 为提高城市轨道交通网络化列车运行效率与乘客服务水平，本发明公开了一种基于跨线策略的城市轨道交通列车调整优化方法。本发明从系统优化的角度出发，基于列车跨线开行方案构建列车路径模式时空网络，结合滚动时域框架建立混合整数非线性规划模型。进一步，基于自适应大邻域搜索算法，对所提出的模型分别在预测时域和执行时域进行迭代求解，直至得到近似最优的网络化列车运行图与车底周转协同调整计划。本发明提出的方法克服了现有单线列车运营调整方法不适应网络化列车运营条件的问题，提高了城市轨道网络系统应对实时干扰的能力，可以进一步提高城市轨道交通运营管理水平和服务质量。
-
公开(公告)号：CN114394135B
公开(公告)日：2023-01-17
申请号：CN202111312514.7
申请日：2021-11-08
Applicant: 北京交通大学
IPC: B61L27/16
Abstract: 本发明公开了一种基于多粒度时空网的列车运行图与路径选择优化方法，属于铁路运输组织技术领域。本发明以列车开行方案为基础，从系统优化的角度出发，将列车运行图与路径选择问题建模为不同网络粒度的时空路径求解问题，并提出相应的数学优化模型。根据提出的优化模型，基于拉格朗日分解技术求解宏观列车运行图，并根据宏观方案求解微观路径。微观不可行方案通过分支定界及约束更新方法反馈宏观问题，直至得到可行协同优化方案。本发明提出的方法克服了现有方案独立编制产生的不协调问题，提高了列车运行图编制在微观进路的可落实性，避免两者之间的多次重复调整。本发明可在保证微观路径可行性的条件下，进一步挖掘铁路运输能力。
-
公开(公告)号：CN114626585A
公开(公告)日：2022-06-14
申请号：CN202210188660.1
申请日：2022-02-28
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于生成对抗网络的城市轨道交通短时客流预测方法。该方法包括：针对城市轨道交通网络构建图结构，并将客流量作为车站的属性特征；基于所述图结构获取多个模式下反映历史客流信息的时间序列数据，所述多个模式根据与客流预测时刻的不同时间间隔进行划分；将所述多个模式下的时间序列数据输入至图卷积神经网络获取各模式下客流的时空相关性；将所述图卷积神经网络输出的不同模式数据进行合并后输入到生成器，以生成城市轨道交通网络中目标车站在后续时刻的交通客流信息，其中所述生成器利用设定的目标函数通过训练生成对抗网络获得。本发明提高了客流预测精度，并降低了模型的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
