基于改进遗传算法的客运站到发线运用优化研究

发布时间：2021-12-31 15:54

　　合理安排客运站到发线运用是编制客运站阶段计划的关键,运用客运站到发线时充分考虑列车到发时刻不确定性,可以提高车站的工作效率和服务水平。利用数理统计的方法,确定列车到发时刻的波动分布,采用假设检验方法验证分布。基于列车到发时刻波动,以列车占用到发线时间最小和到发线运用最均衡为优化目标,建立客运站到发线运用优化模型,设计改进遗传算法求解,以加快收敛速度。以某客运站的到发线运用为例,利用8:00—12:00的数据,验证优化模型及改进遗传算法的有效性。算例结果表明,优化方案可以使到发线运用的均衡性提高82.42%,使波动误差减小33%,改进遗传算法优化效果明显,能够满足车站编制计划实时性的要求,可以为车站作业智能化提供支持。 

【文章来源】：铁道运输与经济. 2020,42(06)北大核心

【文章页数】：8 页

【部分图文】：

列车到达时刻波动直方图

4所示。由表4可知，列车在波动范围内占用到发线的估计最早到达时刻或最晚到达时刻与实际到达时刻的误差ΔT1=41min；而不考虑列车到达时刻波动的列车到达时刻误差ΔT2=61min。比较考实测值/min预期的正态值/min-20.00-10.000.0010.0020.00151050-5-10-15运用单样本柯尔莫哥诺夫-斯米尔诺夫检验(K-S检验)对文中的假设进行验证，得到列车到达时刻波动的正态Q-Q图如图4所示；列车到达时刻波动的假设检验摘要如表1所示。图4列车到达时刻波动的正态Q-Q图Fig.4NormalQ-Qgraphoftrainarrivaltimefluctuation图5改进遗传算法优化收敛趋势Fig.5Improvedgeneticalgorithmoptimizestheconvergencetrend表2到发线运用方案Tab.2Schemeforarrival-departuretracksutilization到发线接发列车车次7G1383，G1417，G1341，G1667，G7643，G1337，G7349，G1655，G76915G7333，G1403，G1651，G1371，G1379，G1503，G7325，G13773G1421，G2365，G7625，G1505，G1661，G7467，G7635，G7627，G7379I——II——4G7386，G46，G7632，G1690，G7332，G1492，G38，G7346，G1346，G76166G7382，G7472，G7330，G7364，G1228，G1672，G7368，G1384，G1632，G1496基于改进遗传算法的客运站到发线运用优化研究李涛等表1列车到达时刻波动的假设检验摘要Tab.1Summaryofhypothesistestforthetrainarrivaltimefluctuation原假设检验显著性决策列车到达时刻波动的分布为正态分布

【参考文献】：
期刊论文
[1]铁路客运站到发线运用优化研究[J]. 李涛,韩建鹏.  铁道运输与经济. 2020(02)
[2]改进遗传算法在移动机器人路径规划中的应用[J]. 孙波,姜平,周根荣,卢易天.  计算机工程与应用. 2019(17)
[3]基于安全约束的客站晚点列车到发线分配优化[J]. 刘伟,朱晓宁.  中国安全生产科学技术. 2017(04)
[4]列车到发不确定的客站咽喉利用与股道分配[J]. 刘伟,朱晓宁,李燕晶.  北京交通大学学报. 2017(01)
[5]基于分支定界法的客运站到发线运用优化研究[J]. 吴鹏,寇玮华,许木南.  交通运输工程与信息学报. 2016(04)
[6]高速铁路车站到发线运用优化研究[J]. 何林,吕红霞.  铁道运输与经济. 2012(08)
[7]基于模拟退火算法的客运站到发线占用优化研究[J]. 高建.  交通科技与经济. 2011(04)
[8]铁路客运站到发线分配问题研究[J]. 林志安,潘玲巧.  铁道运输与经济. 2010(10)
[9]铁路车站股道运用排序模型与算法[J]. 张英贵,雷定猷,刘明翔.  中国铁道科学. 2010(02)
[10]改进的退火遗传优化策略应用研究[J]. 李政伟,谭国俊.  计算机工程与应用. 2010(04)

博士论文
[1]铁路大型客运站作业计划智能编制的优化技术和方法研究[D]. 吕红霞.西南交通大学 2008



本文编号：3560541