-
公开(公告)号：CN113158325B
公开(公告)日：2023-12-19
申请号：CN202110125711.1
申请日：2021-01-29
Applicant: 北京交通大学 , 株洲中车时代电气股份有限公司
IPC: G06F30/15 , B61L27/60 , G06F119/14
Abstract: 本发明提供了一种基于仿真的列车能耗‑时间Pareto曲线生成方法。包括：对列车运行的线路中满足化简条件的坡段的坡度进行合并，将曲线转化为等效坡度，得到线路加算坡度，基于加算坡度和线路限速划分计算区段；根据相邻计算区段目标速度的大小关系给出操纵策略，采用变步长实现仿真过程；结合DE算法和新的拥挤距离算子，得到改进的INSGA‑II算法；随机生成一组计算区段的目标速度的初始解，以该目标速度为所述改进的INSGA‑II算法中染色体上基因，以能耗‑时间为优化目标，计算出列车在线路上的能耗‑时间Pareto曲线。本发明通过简化线路条件并划分计算区段，结合DE算法和新的拥挤距离算子，利用INSGA‑II分计算区段、变步长仿真得到列车在线路上的能耗‑时间Pareto曲线。
-
公开(公告)号：CN113158325A
公开(公告)日：2021-07-23
申请号：CN202110125711.1
申请日：2021-01-29
Applicant: 北京交通大学 , 株洲中车时代电气股份有限公司
IPC: G06F30/15 , B61L27/00 , G06F119/14
Abstract: 本发明提供了一种基于仿真的列车能耗‑时间Pareto曲线生成方法。包括：对列车运行的线路中满足化简条件的坡段的坡度进行合并，将曲线转化为等效坡度，得到线路加算坡度，基于加算坡度和线路限速划分计算区段；根据相邻计算区段目标速度的大小关系给出操纵策略，采用变步长实现仿真过程；结合DE算法和新的拥挤距离算子，得到改进的INSGA‑II算法；随机生成一组计算区段的目标速度的初始解，以该目标速度为所述改进的INSGA‑II算法中染色体上基因，以能耗‑时间为优化目标，计算出列车在线路上的能耗‑时间Pareto曲线。本发明通过简化线路条件并划分计算区段，结合DE算法和新的拥挤距离算子，利用INSGA‑II分计算区段、变步长仿真得到列车在线路上的能耗‑时间Pareto曲线。
-
公开(公告)号：CN112950011B
公开(公告)日：2024-06-25
申请号：CN202110191465.X
申请日：2021-02-20
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q50/40 , G06F18/23213
Abstract: 本发明提供了一种轨道交通系统风险链分析方法和装置。该方法包括：S1，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；S2，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；S3，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；S4，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；S5，输出所述高风险预警的风险链库。
-
公开(公告)号：CN112950011A
公开(公告)日：2021-06-11
申请号：CN202110191465.X
申请日：2021-02-20
Applicant: 北京交通大学
Abstract: 本发明提供了一种轨道交通系统风险链分析方法和装置。该方法包括：S1，从轨道交通系统的实际运营数据中提取出风险层、处置层和后果层风险因素，建立轨道交通系统的风险因素集；S2，针对所述风险因素集，建立网络模型；计算所述网络模型中节点强度；通过对所述风险因素集中的风险因素进行相关性分析，得到不同风险因素间的耦合关系和风险传递因子；S3，根据所述风险因素间的耦合关系，形成风险链集合；基于所述节点强度与所述风险传递因子，计算所述风险链集合中的各条风险链的风险程度系数；S4，根据所述各条风险链的风险程度系数，选择出高风险预警的风险链，构建轨道交通系统的高风险预警的风险链库；S5，输出所述高风险预警的风险链库。
-
公开(公告)号：CN109508734B
公开(公告)日：2022-03-11
申请号：CN201811257830.7
申请日：2018-10-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于谱聚类的路网能力瓶颈识别方法。该方法包括：根据铁路网的物理拓扑结构，构建铁路服务网络；生成所述铁路服务网络的邻接矩阵，根据所述邻接矩阵计算出所述铁路服务网络的拉普拉斯矩阵；对所述拉普拉斯矩阵进行标准化，计算出标准化后的拉普拉斯矩阵的特征值和特征向量，根据所述特征值和特征向量划分所述铁路服务网络的群落，将不同铁路服务网络的群落之间的边集识别为所述铁路服务网络的能力瓶颈路段。本发明从路网拓扑理论角度，辨识路网能力瓶颈，避免OD需求矩阵数据缺失不准确和多次交通分配的问题，同时能够适应突发事件发生和新建线路接入路网情况下的路网能力瓶颈辨识，实用性好，具有重大的使用价值与推广意义。
-
Patent Agency Ranking
公开(公告)号：CN109508734A
公开(公告)日：2019-03-22
申请号：CN201811257830.7
申请日：2018-10-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于谱聚类的路网能力瓶颈识别方法。该方法包括：根据铁路网的物理拓扑结构，构建铁路服务网络；生成所述铁路服务网络的邻接矩阵，根据所述邻接矩阵计算出所述铁路服务网络的拉普拉斯矩阵；对所述拉普拉斯矩阵进行标准化，计算出标准化后的拉普拉斯矩阵的特征值和特征向量，根据所述特征值和特征向量划分所述铁路服务网络的群落，将不同铁路服务网络的群落之间的边集识别为所述铁路服务网络的能力瓶颈路段。本发明从路网拓扑理论角度，辨识路网能力瓶颈，避免OD需求矩阵数据缺失不准确和多次交通分配的问题，同时能够适应突发事件发生和新建线路接入路网情况下的路网能力瓶颈辨识，实用性好，具有重大的使用价值与推广意义。
-
公开(公告)号：CN109242209A
公开(公告)日：2019-01-18
申请号：CN201811191236.2
申请日：2018-10-12
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/30 , G06F16/28 , G06F16/215
Abstract: 本发明提供了一种基于K-means聚类的铁路突发事件分级预警方法。该方法包括：对历史铁路突发事件影响数据进行特征分析与数据清洗，获取训练数据集；确定聚类中心数，基于K-means算法对所述训练数据集进行聚类，根据聚类结果获取各级铁路突发事件的样本数据特征；将当前铁路突发事件的数据特征与所述各级铁路突发事件的样本数据特征进行比较，根据比较结果确定所述当前铁路突发事件的突发事件等级。本发明的方法采用数据挖掘机器学习理论，避免主观决策，对铁路突发事件影响动态定量评估分级。实验结果表明该方法能够合理有效解决突发事件影响分级预警，实用性好。
-
公开(公告)号：CN109522633B
公开(公告)日：2023-06-20
申请号：CN201811326237.3
申请日：2018-11-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法。该方法包括如下步骤：从高速铁路装备‑环境‑人‑管理四个系统出发，根据系统的物理、电气和信息组成关系，构建高速铁路系统多重多粒度网络模型；基于所述多重多粒度网络模型计算出各节点的功能维度指标，基于所述多重多粒度网络模型，计算出各节点的风险维度指标，综合各个节点的功能维度指标和风险维度指标的重要度排序结果，得到高速铁路系统的关键环节集。本发明结合高速铁路系统拓扑结构、功能重要度、风险概率以及失效后影响运营的严重程度，突破了以往高速铁路系统关键环节辨识过程中，依赖专家经验、关注局部设备或子系统、缺少系统间作用关系等局限。
-
公开(公告)号：CN109522633A
公开(公告)日：2019-03-26
申请号：CN201811326237.3
申请日：2018-11-08
Applicant: 北京交通大学
IPC: G06F17/50
Abstract: 本发明提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法。该方法包括如下步骤：从高速铁路装备-环境-人-管理四个系统出发，根据系统的物理、电气和信息组成关系，构建高速铁路系统多重多粒度网络模型；基于所述多重多粒度网络模型计算出各节点的功能维度指标，基于所述多重多粒度网络模型，计算出各节点的风险维度指标，综合各个节点的功能维度指标和风险维度指标的重要度排序结果，得到高速铁路系统的关键环节集。本发明结合高速铁路系统拓扑结构、功能重要度、风险概率以及失效后影响运营的严重程度，突破了以往高速铁路系统关键环节辨识过程中，依赖专家经验、关注局部设备或子系统、缺少系统间作用关系等局限。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.04 seconds)
