成都地铁网络的关键节点识别方法及性能分析

为提高地铁网络性能分析的精度,基于复杂网络理论分析成都地铁网络的拓扑特性,构建节点重要度评价指标体系,应用灰色关联和逼近理想解法(TOPSIS)综合评价排序136个节点,完成关键节点的识别;采用网络效率等4个参数作为网络性能衡量指标,观察30个关键节点被蓄意攻击、106个普通节点被随机攻击后的网络性能变化趋势。结果表明:成都地铁网络在Space L模型下平均度为2.147,平均路径长度为13.146 5,网络介数、连通度、效率等指标较低,并识别出以成都东客站为首的30个关键节点;蓄意、随机攻击下网络效率与自然连通度下降趋势较慢,网络连通度与最大连通子图的下降趋势较快。

地铁网络节点的聚类分析与关键节点识别

为克服传统评价模型在寻找网络关键节点时主观因素的干扰,使用聚类思想来进行网络关键节点识别.结合聚类分析的思想,提出了识别网络关键节点的数学模型.将蚁群聚类算法和遗传算法进行融合,对成都市地铁网络的136个节点进行聚类分析,完成了关键节点的识别.采用网络效率和最大连通子图来衡量网络鲁棒性,观察关键节点类被随机攻击后网络指标的变化趋势.结果表明:改进后的蚁群聚类算法聚类性能和效率有了较大提升,并且准确识别出了26个关键节点;关键节点类被随机攻击后,网络效率和最大连通子图下降80%以上,远高于其他节点类,验证了通过聚类进行关键节点识别的可行性.

基于云模型的区域物流与经济耦合度研究

区域物流与区域经济的协调对两者的健康有序发展均存在较大的影响。选取适当指标体系,结合耦合理论、云模型理论与方法,得到区域物流子系统与区域经济子系统耦合度综合云参数的计算方法及步骤,并结合四川省物流与经济系统相应数据进行分析。实例结果表明,在研究期内,四川省区域物流与经济子系统各自的效用呈现增长趋势,区域物流子系统效用年均增长率为24.50%,区域经济子系统效用的年均增长率为32.93%,耦合度综合云的期望在0.4974到0.5001之间,表明区域物流与区域经济系统处于中等耦合阶段。

考虑到发线能力利用率的重载列车开行比例研究

重载铁路装车端组合站工作组织中存在重车场到发线能力利用率高,重载列车开行比例不合理等问题,有必要从微观层面上对此进行研究。本文分析了影响重载列车开行比例的各种因素,包括线路计划年运量、线路通过能力、机车供应台次、车流平衡等。以减少重载列车在装车端组合站到发线的停留时间为目标,建立了考虑车站到发线能力利用率的重载列车开行比例优化问题的整数线性规划模型,并以朔黄线神池南站为例,利用LINGO编程对模型进行求解。计算结果表明,经过优化的神池南站重车场的到发线能力利用率和朔黄线通过能力利用率均有所下降,验证了模型的有效性和实用性。

多式轨道交通网络的耦合协调度

为研究多式轨道交通子网络系统之间的耦合关系,基于复杂网络理论计算其拓扑指标值及耦合协调度,构建了多式复合网络拓扑模型。分析了复合网络的拓扑指标值变化,提出了结合网络规模、拓扑结构、鲁棒性、运输能力、换乘比例和功能造价等因素的多式轨道交通网络耦合协调度计算方法,并运用重庆2019年10月的轨道交通网络进行了实例分析。结果表明:复合后的网络具有更大的平均度、更小的最短路径长度,这一时期复合网络的耦合度为0.988,协调度为0.678,耦合程度较高,协调程度一般;4个子系统各指标下的耦合度和协调度数值上差异较大,但都随着系统数量的增多,整体的耦合性和协调性大多呈下降趋势。

基于AHP-DEMATEL的高铁枢纽换乘效率关键因素研究

为了找出影响高铁枢纽换乘效率关键因素,科学合理高铁枢纽布局,提出一种基于AHPDEMATEL组合评价方法。以高铁枢纽为评价对象,通过构建具有层次结构的评价指标体系,采用层次分析法(AHP)确定指标初始权重,决策与试验评价实验室法(DEMATEL)求得各评价指标影响度、被影响度、中心度,从而确定各指标综合影响度。研究结果表明:其他交通衔接性、通道便捷性、设施供给度、枢纽组织有序度、停车场供需比、平均换乘时间、平均换乘距离、单位时间换乘量、绕行系数是影响高铁枢纽换乘效率的关键因素。

高铁枢纽建设与城市功能空间协同发展效率评价

随着我国高铁迅速发展,高铁建设如何与城市功能空间协同发展的问题引起广泛关注。为了评价高铁与城市协同发展的效率,本文从城市协同性、高铁枢纽建设、站城距离等角度,构建高铁枢纽建设与城市功能空间协同发展效率评价指标体系。并引入DEA模型进行分析计算其效率匹配度,为城市既有高铁站与城市协同发展程度提供依据。最后以京沪高铁为案例分析了24个车站与所在城市的协同关系效率值,结果表明,北京南站、上海虹桥站等高铁枢纽发展较好,常州北站、苏州北站、天津南站等较差,尤其是天津南站的通过能力、客流量等产出指标还需要进一步加强。