检索结果-内蒙古大学图书馆

铁道科学与工程学报 2023年第3期20卷 846-855页

作者：李星宇宋瑞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

技术站是铁路网的重要组成部分,其作业组织水平直接决定了铁路运输生产效率。传统的技术站配流问题通常考虑车站内部作业优化,如解编顺序、分类线运用等,以减少车辆在站停留时间。为加强站间互联互通,促进车流有序流动,提出基于货物列... 详细信息

技术站是铁路网的重要组成部分,其作业组织水平直接决定了铁路运输生产效率。传统的技术站配流问题通常考虑车站内部作业优化,如解编顺序、分类线运用等,以减少车辆在站停留时间。为加强站间互联互通,促进车流有序流动,提出基于货物列车编组计划的多站协同概念。建立以车辆在站停留时间最小为目标的考虑多台调机的单技术站动态配流模型M1和以协同后减少的停留时间之和最大、新增列车走行费用最小为目标的多站协同优化模型M2。考虑到模型M1属于NP-hard问题,设计拉格朗日松弛算法将模型分解为3个子问题求解。模型M2根据模型M1求得结果并结合多站协同概念,调用GUROBI求解器求解验证。通过案例分析可知:在计划时限内,给定的路网中共有6个技术站进行协同配流,通过改变欠轴停运列车的编组去向,实现相邻车站车流供给,车辆在站停留时间减少645.1 h,较协同前降低6.57%,增加6列正点出发列车。研究结果表明,提出的模型及算法能够压缩多站车辆在站停留时间,提高计划兑现率,增强铁路货物运输生产效率。

关键词：铁路运输技术站多站协同配流拉格朗日松弛算法

来源：评论

学校读者我要写书评

暂无评论

城市轨道交通网络跨线列车开行方案优化模型研究

引用

交通运输系统工程与信息 2024年第5期24卷 116-127页

作者：茧敏陈绍宽王卓李昊北京交通大学交通运输部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 北京交通大学中国综合交通研究中心北京100044

通过开行跨线列车减少乘客换乘次数可有效提升城市轨道交通运输服务水平,本文结合线网客流特征提出跨线方案备选方法,构建跨线列车开行方案优化模型。首先,根据研制的出行路径推算系统分析线网全日各类客流量及比例,确定线网跨线列车的... 详细信息

通过开行跨线列车减少乘客换乘次数可有效提升城市轨道交通运输服务水平,本文结合线网客流特征提出跨线方案备选方法,构建跨线列车开行方案优化模型。首先,根据研制的出行路径推算系统分析线网全日各类客流量及比例,确定线网跨线列车的跨线次数,获得备选跨线长交路集;其次,以乘客换乘次数最小化为目标构建满足运营基本条件和跨线能力约束的跨线列车开行方案模型,并嵌套基于发车频率客流分配的改进遗传算法求解,获得本线交路和跨线交路的开行频率;最后,以某城市轨道交通线网为例,研究跨线列车开行方案的优化效果。结果表明:在换乘站开行跨线长交路,全网换乘乘客总换乘次数减少了2.02%~5.97%,降低乘客换乘时间和线网换乘系数,同时直达客流增加了1.58%~4.58%;跨线长交路在衔接线路上承担小交路以补充断面运力,减少本线交路列车的开行频率,可减少线网的上线列车总数和列车正线走行公里数;此外,当换乘站的换乘客流量较高时,跨线长交路因衔接线路上本线交路列车开行频率较高而无法实施,且随着跨线交路开行频率接近跨线能力上限,运营服务水平的提升效果呈逐渐降低趋势。

关键词：城市交通跨线运营遗传算法开行方案路径—乘车交路集推算配流

来源：评论

学校读者我要写书评

暂无评论

基于信息传输时变时延的车辆队列纵向稳定性控制算法

引用

北京理工大学学报 2024年第8期44卷 828-837页

作者：王江锋齐崇楷罗冬宇王鹤楠丁卫东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 北京交通大学北京交通大学唐山研究院河北唐山063000

智能网联车辆队列行驶面临复杂的交通环境,所引发的时延、丢包等信息传输问题将导致队列车辆行驶稳定性降低而亟待解决.针对复杂交通环境,引入信息新鲜度(age of information, AoI)并提出了一种适应时变时延的智能网联车辆队列行驶稳定... 详细信息

智能网联车辆队列行驶面临复杂的交通环境,所引发的时延、丢包等信息传输问题将导致队列车辆行驶稳定性降低而亟待解决.针对复杂交通环境,引入信息新鲜度(age of information, AoI)并提出了一种适应时变时延的智能网联车辆队列行驶稳定性控制算法.该控制算法根据队列中多前车信息新鲜度来调整其对队列车辆车头间距影响的权重,同时依据时变时延信息预测队列中跟驰车辆与前车的车头间距,队列车辆按照请求周期向路侧单元(road side unit, RSU)实时发送请求,RSU依据车辆间距从小到大依次回应请求队列中的各个车辆,以控制其因时变时延可能造成的碰撞.数值仿真结果显示,相对智能驾驶员模型(intelligent driver model, IDM)而言,所提出的队列纵向稳定性控制算法具有更好的控制效果.针对时变时延发生概率20%的车车通信,队列车辆车头间距偏差的降低比例达6.4%,平均峰值信息新鲜度的降低比例达8.7%.同时,分析了队列车辆请求周期和回应请求车辆数量对队列纵向稳定性的影响,随着两者数值增加,控制算法给出的队列纵向稳定性分别呈现降低和增加的趋势.最后,实车测试了队列切出场景下车辆行驶数据和车辆接收信息的时延数据,将其引入数值仿真实验中.结果表明,车头间距偏差降低比例达15%.

关键词：智能交通时变时延车辆队列控制算法信息新鲜度

来源：评论

学校读者我要写书评

暂无评论

城市公共交通常乘客通勤出行提取方法

引用

交通运输系统工程与信息 2021年第2期21卷 158-165,172页

作者：彭飞宋国华朱珊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 北京交通发展研究院北京100073

为挖掘公共交通通勤出行精准化特征,从追踪出行链的角度出发,利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合,提出公共交通常乘客职住地识别算法,结合出行链起讫站点与职住地空间信息匹配提... 详细信息

为挖掘公共交通通勤出行精准化特征,从追踪出行链的角度出发,利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合,提出公共交通常乘客职住地识别算法,结合出行链起讫站点与职住地空间信息匹配提取通勤出行链,并将常乘客出行分为home-work通勤、work-home通勤和非通勤出行。以北京市“回天地区”公交与轨道出行链数据为例,提取常乘客通勤出行。结果表明:常乘客职住地识别率达到85.9%,常乘客通勤出行和非通勤出行在出行时空分布和出行方式上存在明显差异,通勤出行提取可为北京市面向常乘客开展“预约出行”并分析其出行需求动态特征变化提供依据。

关键词：城市交通公共交通职住地识别常乘客通勤出行

来源：评论

学校读者我要写书评

暂无评论

都市圈通勤出行行为特性分析与建模

引用

交通运输系统工程与信息 2019年第5期19卷 35-41页

作者：王晟由王倩邵春福董春娇袁毓杰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 北京交通发展研究院北京100071

为研究都市圈范围内通勤出行的交通方式选择行为,分析出行特性,揭示个体属性、家庭属性及出行属性对方式选择的影响,本文建立都市圈通勤出行Nested Logit模型,对北京都市圈内廊坊市"北三县"的4385个进京通勤者的出行方式选择... 详细信息

为研究都市圈范围内通勤出行的交通方式选择行为,分析出行特性,揭示个体属性、家庭属性及出行属性对方式选择的影响,本文建立都市圈通勤出行Nested Logit模型,对北京都市圈内廊坊市"北三县"的4385个进京通勤者的出行方式选择机理进行研究.结果表明,出行方式的费用、出行时间及换乘次数均对通勤者出行方式选择产生显著影响.为验证模型的有效性,提出两种政策改善方案,分析各方案下出行方式划分率变化情况,数据显示综合改善效果下小汽车的出行方式比例下降2.46%,公交与地铁的出行比例分别提高1.73%和0.75%,表明方案对交通方式分担率改善效果明显.

关键词：交通工程出行行为 Nested Logit模型都市圈通勤方式选择

来源：评论

学校读者我要写书评

暂无评论

轨迹数据驱动的车辆换道意图识别研究

引用

交通运输系统工程与信息 2022年第4期22卷 63-71页

作者：赵建东赵志敏屈云超谢东繁孙会君北京交通大学交通运输学院北京100044 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 北京交通大学轨道交通控制与安全国家重点实验室北京100044

为实现准确识别车辆换道意图,提高车辆行驶安全性,综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度,提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先,筛选和平滑处理车... 详细信息

为实现准确识别车辆换道意图,提高车辆行驶安全性,综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度,提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先,筛选和平滑处理车辆轨迹数据,将车辆轨迹数据分为向左换道、向右换道及直线行驶3类,构建换道意图样本集。其次,构建融合注意力机制的CNN_GRU模型,识别换道意图样本集,考虑到行驶过程中车辆之间的交互性,将被预测车辆和周围车辆的位置和速度信息作为模型的输入,经过CNN层特征提取的特征作为GRU层的输入,经过注意力机制层对不同的特征增加不同的权重系数,利用Softmax层识别换道意图。最后,选用NGSIM中US-101数据集的轨迹数据验证融合注意力机制的CNN_GRU模型性能,同时,与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明,所提模型车辆换道意图识别整体准确率达到97.37%,迭代时间为6.66 s,相比于其他模型准确率最多提高9.89%,最少提高2.1%。分析不同预判时间下的意图识别,模型可在车辆换道前2 s内均能识别换道意图,准确率在89%以上,表现出良好的识别性能。

关键词：智能交通换道意图识别数据驱动门控神经单元网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

共享单车对通勤走廊出行结构的影响

引用

华南理工大学学报（自然科学版） 2020年第7期48卷 85-92,142页

作者：姚恩建李翠萍郇宁杨扬李斌斌北京交通大学交通运输学院北京100044 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 交通运输部公路科学研究所智能交通技术交通运输行业重点实验室北京100088

为深入分析共享单车导入对通勤走廊出行结构的影响,文中将通勤方式选择行为解析为面向主要出行方式和末端接驳方式的联合选择行为,并构建双层NL(Nested Logit)模型以描述通勤者的分层决策过程;在此基础上,选取不同通勤距离下的实际案例... 详细信息

为深入分析共享单车导入对通勤走廊出行结构的影响,文中将通勤方式选择行为解析为面向主要出行方式和末端接驳方式的联合选择行为,并构建双层NL(Nested Logit)模型以描述通勤者的分层决策过程;在此基础上,选取不同通勤距离下的实际案例,计算共享单车出现前后通勤走廊内各主要出行方式及公共交通末端接驳方式的分担率。结果表明:在短距离通勤中,共享单车的分担率达到13.2%,对于地面公交、私人自行车存在显著的替代效应,但对地铁的分担率影响较小;在中长距离通勤中,共享单车更多被作为地铁的接驳方式,在促使地铁分担率上升3.6个百分点的同时,也造成地面公交、私家车及出租车分担率下降。总之,共享单车的出现在便捷传统公共交通方式接驳的同时,可减少早高峰期间地面公交来自短距离出行的客流压力,提升地铁对长距离出行客流的吸引力,并可在一定程度上减少小汽车和出租车出行。

关键词：共享单车通勤走廊出行结构选择行为分析 NL模型通勤距离

来源：评论

学校读者我要写书评

暂无评论

基于实测数据的地铁列车能耗特征分析

引用

交通运输系统工程与信息 2021年第6期21卷 264-271页

作者：郑晓彬柏赟周姗姗北京交通发展研究院北京100161 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

基于车载装置实时采集的北京地铁6、8、13号线列车牵引能耗、辅助能耗及再生能等分项能耗和牵引变电所电表记录的统计能耗,探析了地铁牵引系统能耗构成及影响因素特征。得到如下结论:列车运行能耗中38%~60%用于克服阻力和电机效率损失,9... 详细信息

基于车载装置实时采集的北京地铁6、8、13号线列车牵引能耗、辅助能耗及再生能等分项能耗和牵引变电所电表记录的统计能耗,探析了地铁牵引系统能耗构成及影响因素特征。得到如下结论:列车运行能耗中38%~60%用于克服阻力和电机效率损失,9%~20%用于辅助设备,再生能占比约20%~49%。影响车公里牵引单耗的因素包括站间距、纵断面、列车性能、技术速度及满载率等。随站间距减小,牵引单耗呈幂级增长;纵断面设计为“高站位、低区间”的节能坡形式有利于减少单耗;质量轻、阻力小、电机效率的列车更节能,不同车型能耗差异可达10%;技术速度增加引起牵引单耗增长,平峰时段可适当降低技术速度。满载率每降低10%,可减少牵引单耗2%。影响再生能的因素主要包括站间距与制动初速度,站间距越小则再生能产生量越多,但摩擦制动产生的动能损失也越大,总体不利于车公里单耗的降低。影响辅助能耗的主要包括气温与客流,辅助能耗随气温或客流增长而增高,地下线辅助能耗随气温增长变化幅度较地上线更小。

关键词：城市交通列车能耗特征实测数据分析地铁列车分项能耗

来源：评论

学校读者我要写书评

暂无评论

考虑效率与公平的城轨网络客流协同控制优化模型

引用

东南大学学报（自然科学版） 2020年第6期50卷 1148-1155页

作者：郇宁张金萌姚恩建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 交通运输部规划研究院北京100028

为了解决城市轨道交通高峰期供需不匹配与延误不均衡问题,从效率与公平层面优化网络客流协同控制方案.在考虑乘客到达分布及满载率上限的基础上,提出了涵盖候车、乘车、换乘等出行环节的流量守恒约束,以全网列车平均运能利用率最大化和... 详细信息

为了解决城市轨道交通高峰期供需不匹配与延误不均衡问题,从效率与公平层面优化网络客流协同控制方案.在考虑乘客到达分布及满载率上限的基础上,提出了涵盖候车、乘车、换乘等出行环节的流量守恒约束,以全网列车平均运能利用率最大化和站台乘客滞留比差异最小化为目标函数,构建了网络客流协同控制多目标优化模型.以适宜上车人数为决策变量,生成最优客流控制方案.结果表明,在广州地铁的最优控制实例中,最高断面满载率由126.6%降至98.6%,满载率的Gini系数由0.301降至0.292.该模型通过调节客流分布,实现了对有限运能的充分利用,缓解了瓶颈区间高负载和部分乘客超长滞留的问题,为成网条件下的客流控制提供方法指导.

关键词：城市轨道交通客流控制网络协同多目标优化运营管理

来源：评论

学校读者我要写书评

暂无评论

考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型

引用

华南理工大学学报（自然科学版） 2023年第6期51卷 10-19页

作者：赵建东焦岚馨赵志敏屈云超孙会君北京交通大学交通运输学院北京100044 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 北京交通大学轨道交通控制与安全国家重点实验室北京100044

为分析受侧向车辆换道影响下的目标车辆跟驰行为,结合多速度差理论跟驰模型和深度学习方法,提出了一种理论-数据组合驱动跟驰模型。首先考虑了跟驰车辆对于前向车辆和侧向车辆保持安全车距和受车辆速度差影响的特性,提出了双车道多速度... 详细信息

为分析受侧向车辆换道影响下的目标车辆跟驰行为,结合多速度差理论跟驰模型和深度学习方法,提出了一种理论-数据组合驱动跟驰模型。首先考虑了跟驰车辆对于前向车辆和侧向车辆保持安全车距和受车辆速度差影响的特性,提出了双车道多速度差跟驰模型(FS-MAVD模型),并利用差分进化算法进行模型参数标定。构建了CNN-Bi-LSTM-Attention数据驱动车辆跟驰模型,利用卷积神经网络层(CNN)充分提取前向和侧向车辆交通特征,双向长短期记忆网络层(Bi-LSTM)考虑驾驶员记忆效应,注意力机制层(Attention)用于分配模型权重,并基于数据进行驾驶员记忆时长、模型训练批次和训练轮数参数的训练。考虑理论模型广泛适用性和数据驱动模型接近真实值且平滑的特点,采用最优加权法将两种模型进行组合预测。利用无人机拍摄的快速路车辆轨迹数据,建立跟驰行为样本集,对所建模型进行训练和测试,并与LSTM模型、Bi-LSTM模型、CNN-Bi-LSTM-Attention模型、FS-MAVD理论模型的预测效果进行对比,并分别比对不同模型对不同车辆的预测精度和误差。结果表明,本研究构建的组合模型在加速度预测精度达到97.64%,预测均方根误差低至0.027,相比其他模型能更好地预测车辆受侧方车辆换道影响时的加减速情况,更好地分析目标车辆跟驰行为。

关键词：交通流车辆跟驰数据驱动模型组合模型预测深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：