地铁列车冲突不确定性的预测模型及验证方法

地铁运营中,精准高效的列车间冲突预测是调度员行车调整的依据和基础。因此,精准高效地预测列车之间对行车资源请求的冲突一直是行业内持续研究的问题。列车实际运行状态的动态性导致列车间冲突的不确定性。针对目前普遍对于列车间冲突确定性的预测方式,引入地铁列车间冲突不确定性的预测方式,利用样本平均近似法(SAA)对列车运行状态的不确定性进行描述,继而表述列车之间对行车资源请求冲突的不确定性,然后提出一种列车间冲突不确定性的预测模型,并针对模型的预测结果设计验证其预测精度的方案。最后,利用南京地铁3号线列车运行实绩数据进行算例验证,验证结果表明模型预测结果具有较高的准确性。

随机充电需求下城市电动汽车充电站选址优化

针对电动汽车充电需求和用户充电行为的随机性进行充电站合理规划,对于减少驾驶员里程焦虑,提高出行满意度及促进电动汽车推广具有重要作用。利用网络Voronoi图能模拟设施沿道路网传播的特性划分备选充电站覆盖范围,考虑用户目的地停留时间和荷电状态的随机分布特性,以出行链上充电站捕获的总充电需求流量最大化为目标,建立基于情景的充电站选址两阶段随机规划模型,以确定充电站选址位置和充电需求流量捕获情况,并应用样本平均近似法求解模型。基于厦门市岛内充电站选址为例进行仿真,结果表明仅使用少数几个充电站和有限数量的充电桩即可满足大部分电动汽车充电需求,而随着充电可用性提高,充电站的利用率就会降低。

双重不确定条件下危险品运输的多目标优化

针对危险品运输路径优化问题,考虑危险品终端需求量和人口中心的不确定性影响,构建了双重不确定条件下以运输成本和风险系数的期望值最低为目标的随机优化模型。设计了基于优先权的多目标粒子群遗传混合算法结合样本平均近似法对随机模型进行求解,并进一步采用基于动态拥挤距离的精英解集更新。通过算例分析和算法对比验证了模型的可行性和算法的有效性,并进一步对不同样本规模下的结果进行了稳定性分析,对需求量和人口数量两个不确定条件进行灵敏度分析。实验结果表明改进的多目标粒子群算法可有效解决该问题,且具有很好的收敛性和多样性,不同样本规模和不确定性条件均会对路径规划产生影响,所得结果可以为决策者提供参考。

绿色多式联运随机优化策略

针对速度服从随机分布时绿色多式联运路径特点,探索路径优化策略问题,使用随机优化方法,建立绿色多式联运随机路径优化模型,设计了一种将样本平均近似法和基于优先权的粒子群算法相结合的混合算法求解该模型.结合多式联运实际情况设计数值算例验证模型的有效性,对模型中速度的正态分布与均匀分布和碳排放因子进行较为完整的情景分析,结合实际情况得出当样本规模为600,速度服从均匀分布时,情景3-2运输成本为501.11、碳排放成本为649.07是稳定性较高的理想决策,碳排放因子增为0.8有利于成本的降低.实验结果表明,本文建立的随机优化模型能够较好解决速度服从随机分布时多式联运路径优化问题,为实际多式联运运营提供决策支持.