基于GA-LSTM网络的铁路枢纽运能瓶颈识别框架研究

作     者：王攸妙 宋瑞 李光晔 薛守强 WANG Youmiao;SONG Rui;LI Guangye;XUE Shouqiang

作者机构：北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044 

基　　金：国家自然科学基金(62076023) 中国国家铁路集团有限公司科技研究开发计划(N2021X025) 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2023年第45卷第4期

页      码：16-24页

摘      要：铁路枢纽运能瓶颈是导致车流积压、网络运输效率降低的主要因素之一。在分析运能瓶颈特点及产生机理的基础上,从拥堵强度、拥堵时长和拥堵趋势三个模块总结瓶颈影响因素,进而提炼可获取的数据指标及各指标的重要性标准。基于以上指标,利用遗传算法对长短时记忆网络的超参数进行优化,设计基于GA-LSTM网络的瓶颈识别模型。最后,基于某铁路枢纽的实际数据进行案例分析,对比各项深度学习方法,证明GA-LSTM网络的识别效果更佳;给出模型框架的应用范围:包括实时识别瓶颈情况和模拟不同指标数据的变化情况以提前开展瓶颈疏解工作。

主 题 词：货运市场 铁路枢纽 瓶颈识别 长短时记忆网络 遗传算法 

学科分类：08[工学] 082303[082303] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.3969/j.issn.1001-8360.2023.04.003

馆 藏 号：203121373...