地铁潮汐客流下变编组列车不成对运行图优化

方向不均衡分布的潮汐客流在大城市的地铁系统中较为常见,新兴的变编组技术为应对潮汐客流提供了新方法。为解决潮汐客流下客流需求与运力难以匹配的问题,针对布置双端车辆段的双向线路,考虑车底在线路两端折返线进行在线解编联挂作业,协调列车时刻表、编组方案与车底周转计划,编制变编组下列车不成对运行图。从列车到发时刻、客流、车底周转和折返线占用4个方面设置约束,以最小化乘客和企业总成本与出入段作业接续占比加权和为目标,构建变编组下的不成对运行图优化模型。综合运用变邻域搜索算法和贪心算法对模型进行求解,前者更新运行图中的车次到发时刻和车底编组,后者求解对应的车底周转计划。为验证模型有效性,对具有潮汐客流特征的北京地铁八通线一期工程线路进行案例分析。研究结果表明:早高峰时段列车解编、联挂作业分别主要发生在大、小客流方向终点站;变编组较单一大编组和多编组分别降低了8.28%和4.82%的乘客和企业双方总成本,在保证服务质量的同时节约了走行车公里和运用车数;变编组较多编组减少了26.02%的出入段作业接续占比和20.51%的车底出入段作业次数,通过在线解编联挂作业有效减少了编组类型对车底接续的影响,提高了车辆利用率。研究成果可为列车编组方案的选择和变编组的运营组织提供依据。

潮汐客流下地铁列车不成对运行图优化模型

针对具有潮汐客流需求的双车场地铁线路的高峰时段,研究列车不成对运输组织模式在不增加上线车底数的情况下,合理调配双方向运能的方法,提出结合单向车、快慢车模式的不成对运输组织方案。以乘客总出行成本和列车运营成本为目标函数,以行车间隔和列车容量等为约束条件,构建考虑车底周转计划的不成对列车运行图混合整数非线性优化模型;运用改进的遗传算法对模型进行求解,并以某条地铁线路为例验证模型及算法的有效性。结果表明:优化模型求解的不成对方案使乘客总出行成本降低7.1%,列车运营成本下降17.8%,高峰时段上线车底减少6列;与全慢车方案相比,结合快慢车模式的不成对方案使得总目标函数值减少4.2%;灵敏度分析得出不成对运输组织模式适用于客流方向不均衡系数较大、运营高峰时段较短的地铁线路。