摘要：文章首先说明了轨道交通专业设置与培养目标,然后阐述了虚拟仿真技术在轨道交通专业学生应急处理能力培养方面的积极作用,接着提出了基于学生应急处理能力培养的轨道交通专业虚拟仿真教学资源建设策略,包括需求分析、内容开发、系统设计、教学资源应用,最后论述了基于学生应急处理能力培养的轨道交通专业虚拟仿真教学资源建设效果。

摘要：为了优化城市轨道交通直通运营的开行方案,分析了城市轨道交通直通运营的运营组织方法,划分了直通运营条件下乘客OD类型,提出了直通运营条件下的列车满载率不均衡系数的计算方法;加入了对列车多编组以及满载率不均衡性的考虑,以直通运营区间范围、不同列车发车频率、不同列车编组为决策变量,以最小化乘客出行成本、企业运营成本以及满载率不均衡系数为目标,构建了直通运营条件下城市轨道交通列车开行方案优化模型,设计了混合编码的遗传算法进行求解;以北京地铁房山线与9号线为例,研究了高峰时段和平峰时段最优的城市轨道交通直通运营开行方案,对比分析了直通运营与独立运营模式下的区间满载率等运营指标,探究了不同目标权重对最优解及优化结果的影响。结果表明:在高峰时段,与独立运营模式相比,直通运营模式在不改变列车编组的条件下,优化效果达到了12.85%;在平峰时段,开行多编组的列车可以有效地提高全线的满载率均衡性;最后通过权重分析发现随着乘客服务水平权重下降、运营企业成本权重上升,直通列车的发车频率下降,直通运营区段逐渐变小,开通直通运营列车的效果逐渐变差。

摘要：轨道交通成网运行背景下,简单的线路形态和交路组织已难以满足多样化的乘客出行需求;为应对复杂方向上客流出行带来的交通供给与需求不匹配问题,文中借鉴既有对Y型线的研究,提出了一般树型线的轨道交通线路形式,并参照实际运营的线路案例将其分为直径型和半径型两种类型。首先,设计了一般树型线的线路拓扑形态,并以发车频率为决策变量,以乘客出行时间与企业运营成本最小为目标函数,考虑乘客在不同交路列车之间的分配问题,构建了一般树型线条件下的列车开行方案优化模型;然后设计了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行求解,并以巴黎RERA线为例对模型与算法进行了验证;最后,将优化方案与分线运营的方案进行了对比。结果表明:算法可求得开行方案的帕累托前沿解,乘客出行时间与企业运营成本呈现明显的负相关性;得到的优化方案与分线方案相比,在乘客出行时间和企业运营成本方面都有显著的减少,可使乘客候车时间减少1.76%~12.90%、乘客换乘时间减少33.63%~34.98%,列车总走行里程减少7.69%~21.67%,上线车底数减少9~19列。

摘要：交通流的物理本质是能量驱动的物质位移。为挖掘交通流和能量的关系,基于交通流功率分布模型探索建立了流量、速度、密度和能量四要素图谱。其中,能量(kJ·km^(-1)·h^(-1))在数学上描述为能耗因子(kJ·km^(-1)·veh^(-1))和交通流量(veh·h^(-1))的乘积。首先,基于均衡态交通流不同空间平均速度下的功率分布,建立随平均速度变化的能耗因子曲线;其次,基于4个经典交通流基本图模型(Greenshields、Greenberg、Underwood和Van Aerde)建立速度与流量关系;最后,结合流量和能耗因子得到流量-速度-密度-能量图谱。当能量转换效率为100%时:在速度-能量方面,流量对能量的变化起到主导作用,因此,随着速度上升能量呈现先上升后下降趋势;在密度-能量方面,随着密度上升能量同样先上升后下降,但由于密度和速度呈负相关,其变化原理与速度-能量相反;在流量-能量方面,同一流量可对应低速/高速下的拥堵/非拥堵状态,能耗因子随着流量上升呈现2种状态,能耗因子上升或能耗因子下降,但下降速率低于流量上升速率。该研究是面向能量网络制定精细化政策和优化能源网络设施设计的先行工作。

摘要：分析了城市轨道交通的大小交路列车开行比例关系,划分了2种典型的大小交路列车开行比例;基于跨交路乘客对直达列车的选择偏好与换乘行为,提出了2种开行比例模式下乘客的广义出行费用计算方法;考虑共线区段列车运行间隔的匹配关系,计算了运营车底数量;以乘客出行费用和企业运营费用最小化为目标,构建了适用于多编组的大小交路列车开行方案优化模型,并针对开行方案编制流程和模型特点,设计了开行时段优化算法和遗传算法对模型进行求解;以上海地铁8号线为例,研究了全日列车开行时段划分及其最优开行方案;考虑固定编组和多编组与大小交路的组合运营模式,分析了单一交路运营与组合运营模式下的最优方案及其运营指标;研究了乘客选择偏好和时间价值对开行方案和小交路折返站的影响。研究结果表明:与单一交路运营模式相比,大小交路运营模式下的乘客候车时间成本增幅超过11%;固定列车编组条件下,开行比例1∶1模式下的小交路长度比开行比例2∶1模式下的小交路长4个区间;多编组运营的早高峰系统总成本降幅超过1.87%,比固定编组运营更具优势;乘客对直达列车的选择偏好对多编组开行方案的影响较固定编组更大,当选择偏好概率大于0.3时,多编组开行方案的小交路折返站位置向外围延伸;当时间价值增至原来的1.8倍及以上时,固定编组的运营模式由大小交路变为单一交路。

摘要：以L型步行通道内的单向行人流为研究对象,基于可控实验与微观仿真研究行人转弯行为.首先,构建转弯区无障碍物、障碍物沿转弯区对角线布局、以及障碍物垂直转弯区对角线布局三种实验场景,通过行人可控实验分析行人移动轨迹、速度分布等行为特征;然后,基于L型通道内的行人微观行为,改进基于Voronoi图的速度修正仿真模型,制定并嵌入行人通过L型通道的转弯规则;最后,分别对有/无障碍物以及非对称L型通道场景进行仿真研究,模拟再现行人的转弯行为,分析研究不同阶段行人速度与个体密度的分布情况.研究发现:基于行人的移动行为,L型通道可分为垂直直行区域、过渡区域、转弯区域和水平直行区域;行人在通过转弯区域时会形成“隐形瓶颈”和“弯道三角形闲置区域”,产生一定的流线压缩;改进的仿真模型,可以模拟再现行人通过弯道区域时呈现光滑弧线的移动轨迹,并能观察到“隐形瓶颈”和“弯道三角形闲置区域”现象;同时,行人流依次通过L型通道的四个区域时,其速度分布情况与行人实验数据相吻合,呈现先增后减再增“波浪式”变化的特点.该仿真模型也模拟再现了由于转弯行为导致行人局部密度变化的情况,彼此印证了行人速度与局部密度变化的统一性.对“隐形瓶颈”的认知,有助于合理利用和设计L型通道转弯区域.

摘要：为提高电动公交系统运营效率,降低运营成本,本文提出一种考虑机会充电和行程时间可靠性的电动公交调度优化方法。首先,基于区域调度场景,提出在线路始末站配备快速充电桩,利用车次接续时间进行机会充电的策略;然后,考虑行程时间的随机波动,以表征特定可靠性的预留行程时间作为模型输入生成调度方案,同时,将发车延误成本纳入目标函数中,综合考虑公交企业从规划到运营阶段的整体效益,构建以总成本最小为目标的区域多车型电动公交调度优化模型,针对模型特点,设计自适应大邻域搜索算法进行求解;最后,以北京市大兴区4条公交线路为例,验证模型和算法的有效性。结果表明:基于本文方法得到的最优调度方案相较于传统单线路单车型调度方案,能使企业日均总成本下降37.93%,平均每辆车的发车延误时长减少5.63 min,说明本文所提方法能有效降低企业成本,提升公交系统可靠性。相较于不考虑机会充电和行程时间可靠性的区域多车型运营模式,本文最优方案能使总成本下降28.67%。此外,通过灵敏度分析,建议公交企业以240 kW的充电功率进行快速充电资源的配置,以90%的行程时间可靠性进行电动公交调度方案的编制。

摘要：为解决既有静态无线充电(Static Wireless Charging,SWC)设施布局方案容易忽略电池老化成本的问题,提出了计及电池老化特征的电动公交车SWC设施布局优化方法。首先考虑机会充电模式下电动公交车的运行特征,建立兼顾充电设施布设成本与电池老化成本的SWC设施布局优化模型,将电池荷电状态变化区间对电池老化速率的作用机理融入模型,同时引入累积能耗约束以确保SWC设施布局方案满足公交线路运营需求;然后针对模型的计算复杂性,提出一种改进禁忌搜索(Tabu Search,TS)算法对模型进行求解,依据模型特点构造算法的初始解及邻域结构;最后设计数值算例对模型和算法进行验证。研究结果表明:SWC设施布局对电池老化具有显著影响,相比不考虑电池老化特征的常规模型,文中提出的模型可以使年均总成本降低3.8%;在现阶段电池技术与成本条件下,电池老化成本占年均总成本的比例高达72.3%;文中提出的改进TS算法较原始TS算法在求解效率上有显著提升。文中还通过灵敏度分析探讨了模型的多个关键参数对优化结果的影响,发现电池荷电状态值上界、SWC设施充电功率与年均总成本呈显著的负相关,而电池单位容量成本、SWC设施布设成本、车辆单位行驶能耗与年均总成本呈不同程度的正相关。

摘要：为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA)与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能,同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明:TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。

摘要：针对当前城市交通拥堵问题,对轨道交通票价的合理设定进行研究,以提升公共交通吸引力和缓解财政压力.首先,基于正交设计法设计问卷并开展意向调查(Stated Preference,SP),构建基于巢式Logit(Nested Logit,NL)模型的通勤者出行方式选择模型;其次,通过分析通勤通道内地面公交、地铁接驳公交以及地铁等公交票价对小汽车和出租车的分担率的交叉弹性,选用地铁票价作为优惠对象;再次,基于Pareto最优理论,以公共交通分担率和公共交通票务收入的双提升为目标,构建变动需求下的通勤地铁票价折扣模型;最后,以天通苑-北京五环内市辖区通勤通道为例,采用非支配排序算法(Non-dominated Sorting Algorithms,NSA)确定地铁票价的合理折扣范围.研究结果表明:当地铁票价的优惠幅度介于7%~13%之间时,可实现Pareto最优态,当地铁票价的优惠幅度为13%时,通勤通道地铁及地面公交分担率的最大涨幅为6.1%.