期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于深度强化学习DDDQN的高速列车智能调度调整方法 被引量:1
1
作者 吴卫 阴佳腾 +1 位作者 陈照森 唐涛 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第4期1298-1308,共11页
在高速铁路系统的日常运营中,列车经常受到各种突发事件的干扰而导致晚点,严重影响旅客出行体验。为在短时间内制定出列车运行调整方案并尽可能缩短列车晚点时间,提出一种将深度强化学习与整数规划模型相结合的列车智能调度调整方法(DDD... 在高速铁路系统的日常运营中,列车经常受到各种突发事件的干扰而导致晚点,严重影响旅客出行体验。为在短时间内制定出列车运行调整方案并尽可能缩短列车晚点时间,提出一种将深度强化学习与整数规划模型相结合的列车智能调度调整方法(DDDQN)。首先,将线路划分为多个轨道区段相连接的形式,并基于车间作业调度问题,以最小化所有列车总晚点时间为目标,构建描述列车运行过程的整数规划模型。之后,将各列车视为智能体,根据实际运营需求定义了多智能体的状态、动作以及回报函数,并构造了2个深度神经网络以近似值函数。最后,结合上述整数规划模型设计了DDDQN的训练方法,先利用智能体在仿真环境中探索求出问题可行解,并通过2个神经网络之间的“互馈”机制,实现神经网络参数的更新。在此基础上求解整数规划模型,即可在短时间内得到问题最优解。利用京张高铁实际线路数据和运营数据进行仿真实验,通过比较3种不同求解方法在10个不同突发事件场景下得到的列车总晚点时间和求解时间,验证了所提出的DDDQN模型可以在短时间内得到问题的最优解,可降低至多30.43%的列车晚点时间以及至多68.33%的求解时间。DDDQN为提升高速铁路系统在突发事件下的应急处置能力以及运输组织效率提供了一种智能化的方法与参考。 展开更多
关键词 列车智能调度调整 列车晚点时间 深度强化学习 整数规划模型 神经网络
下载PDF
基于改进灰色马尔科夫模型的列车晚点预测 被引量:4
2
作者 孙延浩 张琦 +1 位作者 任禹谋 张芸鹏 《计算机仿真》 北大核心 2020年第6期117-121,135,共6页
限速条件下的列车难以用既定速度按图运行进而导致列车晚点,因此需对其晚点时间进行预测,以便调度人员制定和实施相应的调度指挥策略。由于突发事件的随机性,导致限速条件下列车晚点时间难于预测,针对上述问题,结合灰色理论和马尔科夫... 限速条件下的列车难以用既定速度按图运行进而导致列车晚点,因此需对其晚点时间进行预测,以便调度人员制定和实施相应的调度指挥策略。由于突发事件的随机性,导致限速条件下列车晚点时间难于预测,针对上述问题,结合灰色理论和马尔科夫过程的特点,同时利用新信息优先的原理,构建了一种改进的灰色马尔科夫模型,该模型克服了灰色模型对拟合度差和预测精度低的缺点,将构建的模型应用于列车晚点时间的预测,结果表明其预测平均误差相较于粒子群优化灰色模型GM(1,1)的9.68%降到3.91%,验证了模型的可用性和准确性。 展开更多
关键词 铁路运输 列车晚点时间预测 灰色模型 马尔科夫
下载PDF
A simulation model for estimating train and passenger delays in large-scale rail transit networks 被引量:5
3
作者 江志彬 李锋 +1 位作者 徐瑞华 高鹏 《Journal of Central South University》 SCIE EI CAS 2012年第12期3603-3613,共11页
A simulation model was proposed to investigate the relationship between train delays and passenger delays and to predict the dynamic passenger distribution in a large-scale rail transit network. It was assumed that th... A simulation model was proposed to investigate the relationship between train delays and passenger delays and to predict the dynamic passenger distribution in a large-scale rail transit network. It was assumed that the time varying original-destination demand and passenger path choice probability were given. Passengers were assumed not to change their destinations and travel paths after delay occurs. CapaciW constraints of train and queue rules of alighting and boarding were taken into account. By using the time-driven simulation, the states of passengers, trains and other facilities in the network were updated every time step. The proposed methodology was also tested in a real network, for demonstration. The results reveal that short train delay does not necessarily result in passenger delays, while, on the contrary, some passengers may get benefits from the short delay. However, large initial train delay may result in not only knock-on train and passenger delays along the same line, but also the passenger delays across the entire rail transit network. 展开更多
关键词 delay simulation passenger delay train delay rail transit network TIMETABLE
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部