摘要：针对由人工驾驶车辆(human-driven vehicle,HDV)、网联人工驾驶车辆(connected human-driven vehicle,CHV)、自动驾驶车辆(autonomous vehicle,AV)和网联自动驾驶车辆(connected autonomous vehicle,CAV)四种类型车辆构成的复杂混合交通流,同时考虑驾驶员反应时延、车辆通讯时延以及传感器量测时延对复杂混合交通流稳定性的影响,构建了考虑多类时延的复杂混合交通流基本图与稳定性模型。对复杂混合交通流中不同跟驰类型的比例与其时延的取值进行了分析,同时对同质流与复杂混合交通流基本图模型分别进行了推导与解析。理论推导出了考虑多类时延的复杂混合交通流稳定性条件,并详细解析了不同CHV与CAV渗透率下复杂混合交通流的稳定性。设计了Matlab数值仿真实验,详细分析了驾驶员反应时延、车辆通讯时延以及传感器量测时延对复杂混合交通流稳定性的影响。结果表明:(1)智能网联车辆渗透率的提高能够有效提高复杂混合交通流的通行能力与稳定性,同比网联人工驾驶车辆提升幅度要大;(2)在CAV渗透率高于0.6的情况下,复杂混合交通流迅速达到稳定状态;(3)各类时延对复杂混合交通流的稳定性均具有消极影响,其中驾驶员反应时延对复杂混合交通流的稳定性影响最大,而传感器量测时延对其稳定性的影响最小,车辆通讯时延对其稳定性的影响处于二者之间。

摘要：针对多OD需求响应型公交线路优化问题,综合考虑服务时间窗、运营费用、乘客选择,构建线路优化双层规划模型;上层模型以运营总成本最小为目标,下层采用用户均衡交通分配模型;设计贪心算法求解模型可行解,采用混合粒子群算法针对可行解求出相对最优解。用小型案例证明,求解方法能够求出更加符合公交实际运营的方案,求解算法质量方面,与遗传算法求出的结果相比,总运营里程数减少了3公里,总运营费用减少了146.9元,运算时间减少了17 s,能有效优化公交线路方案。

摘要：在城市轨道交通乘务计划中,限定乘务人员便乘位置可以减少乘务班次使用数量,增加计划灵活性。首先,以乘务班次数量最少、非必要劳动时间及便乘时间最短为优化目标,考虑值乘区段覆盖、间休接续、工作时长限制、出退勤时间窗和就餐接续等约束,构建限定便乘位置的乘务排班计划0-1整数规划模型;其次,设计列生成算法求解模型,分解模型为集合覆盖线性松弛主问题和受资源约束最短路的定价子问题,通过构建基于列车时刻表的时空轴线网络,设计求解定价子问题的双向标签算法;最后,以某城市轨道交通1号线为背景验证模型和算法的有效性。结果表明:该案例生成早班、白班和夜班的数量分别为47、53和48;限定便乘位置后,各乘务班次的工作时长呈下降趋势,有效提高了乘务班次工作效率;与标签算法相比,双向标签算法的求解效率提升了40%。

摘要：高铁列车差异化定价是调节客流量,优化运输资源供需匹配的有效手段,能够提高列车上座率,增加高速铁路客票收益.针对高速铁路客票定价中存在的问题,引入收益管理的思想,分析不同经济水平旅客对票价的敏感度,提出考虑旅客分类的票价和票额联合优化方法,将旅行时间和票价作为衡量旅客出行费用的指标,构建弹性需求函数描述客流量与票价之间的变化关系,并通过logit模型测算各列车的客流分担率.在此基础上,以各起讫点(origin destination,OD)间不同列车的票额和票价为决策变量,同时考虑列车票价上下限约束和列车能力约束等,以高铁收益最大化为目标建立票价和票额联合优化模型,设计模拟退火算法与杉数求解器COPT(cardinal optimizer)相结合的算法将模型分解为两阶段进行求解.以京沪高铁列车为例对票价制定进行计算分析,结果显示,与现有的单一定价方案以及未考虑旅客类型的综合优化方案相比,引入旅客类型的票价和票额联合优化方案的客票期望收益分别提高了5.03%和1.02%,表明在票价票额联合优化的同时,考虑旅客分类能有效提高高铁列车上座率与客票收益.

摘要：为解决传统人工经验模式划分高速综合检测列车(CIT)检测区域,难以保证合理性和公平性的不足,本文提出以任务均衡性和结构紧凑性为双目标的混合整数线性规划模型为核心的检测区域划分方法。该模型综合考虑覆盖完整性、达速检测、线-车特殊属性匹配及检测区域连通等关键约束;基于多商品流模型,构建适用于具有复杂异质性和向下兼容且非唯一匹配关系的连通性判定约束;以各目标单独求解对应最优解的倒数作为目标权重,将原模型转为与各目标总实现程度最大化的单目标混合整数线性规划模型;最后,设计不同场景的计算实验,得出影响分区方案质量的关键因素,并将所提方法运用于实际规模的线网进行测试。实验结果表明:CIT异质性对划分方案的质量与求解速度影响最为显著;本文提出的检测区域划分方法可有效解决人工编制模式无法兼顾均衡检测负荷与减少异地出差的局限;使用10列CIT时,划分方案与理想解总偏差仅为2.84%,显著优于人工方案。本文可为指导检测资源配置提供决策依据。

摘要：铁路工程绿色设计,是实现其绿色发展的重要手段。目前,铁路工程各专业大多从某个工程应用角度出发,主要集中于绿化和污染防治案例研究,很少从系统角度出发研究铁路工程绿色设计。铁路工程要实现某一绿色指标,须从系统角度,各专业协同设计。因此,需要对铁路工程绿色设计目标进行特征分析,明确铁路工程绿色设计目标实现的主要途径。为此,首先从铁路绿色设计概念出发,采用目标层次分解、问卷调查等方法,对铁路工程绿色设计的目标进行逐层分解,将资源节约划分为土地节约、能源节约、材料节约及水资源节约等,将环境保护分解为生态环境保护、水土环境保护、大气环境保护、人文景观提升及其他环境保护等方面,并进一步细化第3层次的属性特征,明晰了铁路工程绿色设计的目标特征及内涵。通过对铁路工程各专业的设计流程进行分析,依据相关设计规范和标准,梳理各专业在不同设计阶段的主要绿色设计要点。基于jieba分词工具将绿色设计目标特征及各专业的绿色设计要点划分为多个词向量,采用主观赋权的方法确定特征分词的权重,并定义语义信息匹配度,将铁路工程绿色设计目标与铁路工程设计的各专业进行匹配,明确铁路工程各绿色设计目标得以实现的主要途径,为铁路工程各专业系统实现总体绿色设计提供依据。

摘要：为构建可持续绿色城市轨道交通运输系统,降低城市轨道交通运营阶段碳排放量,本文提出结合碳交易的城市轨道交通快慢车时刻表与停站方案优化方法。首先,刻画不同乘客类型的乘车路径选择机理,提出乘客旅行时间计算方法;其次,通过计算列车的牵引、通风空调、照明、信号系统碳排量,并将快慢车停站方案的碳排放量与碳交易相结合,反馈至企业运营成本中;然后,构建最小化乘客出行成本和企业运营成本的双目标非线性优化模型,设计越行站确定和基于Gurobi分区计算的两阶段求解算法;最后,给出算例,以验证模型和算法的有效性。通过算例分析可知,不同的越行站位置会产生不同的结果,相较于站站停模式,考虑碳交易的城市轨道交通快慢车开行模式使得乘客旅行时间降低5.8%,碳排放量降低17.4%,企业运营成本缩减5.3%。研究结果表明:考虑碳交易的快慢车组织在降低乘客旅行时间、碳排放量和企业运营成本方面效果显著,随着碳达峰的临近碳价格逐步上涨,碳交易机制将有效降低企业运营成本,激励企业积极地减少碳排放,从而推动城市轨道交通的可持续发展。

摘要：已有应急车辆路径规划的研究中,专用车道布设方案通常被视为已知条件,因此,本文提出一种同时优化应急车路径及专用车道的双层规划模型。在规划应急车路径时,将是否设置应急专用车道定义为模型的决策变量,并引入前景理论来衡量设置专用车道对交通流的影响。上层模型目标函数包含应急车行程时间和顺畅通行前景值两部分,其中前景值作为部署应急专用车道的决策依据;下层模型基于Wardrop均衡原理进行交通分配。结合遗传算法和禁忌搜索算法,提出GA-TS(Genetic Algorithm-Tabu Search)算法求解模型。通过在Nguyen-Dupuis仿真网络上进行数值实验,验证了模型和算法的有效性。实验结果表明:与不部署应急专用车道相比,在不增加路径交通饱和度的情况下,本文模型能将应急车辆的行程时间缩短10.69%。敏感性分析结果表明,在不同交通需求下,本文模型均能有效缩短应急车辆行程时间,并且随着交通需求增大,应急车辆行程时间缩短越明显。此外,相比于暴力搜索算法,本文设计的算法在求解模型时的平均耗时降低了87.02%,显著提高了模型的求解效率。

摘要：[目的]重联运营模式能有效提升城市轨道交通客流与运量的匹配度,同时也为车底运用计划的编制带来挑战,因此需对该模式下车底与不同编组车次的接续问题进行研究。[方法]通过分析重联运营模式下城市轨道交通列车车底运用的特点,以及客流高峰向非高峰转化阶段车底的接续情况,以车底运用数量最小、车底接续时间费用最小及车底运用均衡性为目标,综合考虑车次接续唯一性、车底一致性、检修计划、节点常规接续、重联车次节点接续等相关约束,引入MTSP(多旅行商问题),构建城市轨道交通客流高峰向非高峰转化阶段的车底运用优化模型,并设计了一种MOFA-MCS(多策略协同多目标萤火虫算法)。以某条客流时段不均衡性较大的城市轨道交通线路为例,对该优化模型的可行性和合理性进行了验证。[结果及结论]重联运营模式下城市轨道交通车底运用优化方案能合理优化不同编组车次间的接续,降低企业运营成本。

摘要：随着自动驾驶技术的发展,精确的目标检测与识别成为确保行车安全的关键。现有的基于贝叶斯网络的目标检测方法大多局限于单一传感器数据,未能充分利用多传感器数据的互补性。该文提出了一种基于贝叶斯网络的雷视融合目标检测和识别方法,旨在通过融合雷达和视觉传感器数据提高检测的准确性和鲁棒性。该文构建了一个多层次贝叶斯网络模型,用于表示两种传感器数据间的依赖关系,并设计了一种新的参数学习算法来优化网络参数。此外,提出了一个基于网络推理的检测流程,实现了对目标的快速且准确检测。在标准数据集上的实验结果表明,与现有技术相比,该方法在多个评估指标上均有显著提升,包括准确率、召回率和F1分数,同时保持了较低的计算复杂度,能够实现实时的目标检测,适合实时处理需求。该研究还探讨了模型的泛化能力和潜在的应用场景,为自动驾驶车辆的感知系统提供了一种有效的解决方案。