考虑列车随机延误的铁路网络客流均衡分配方法

铁路客流均衡分配是旅客出行选择的集中体现,对旅客列车开行方案和列车运行图等的评价和优化十分重要。实际运营中列车的随机延误会导致铁路旅客的出行时间发生变化,影响旅客的出行,尤其是换乘选择。考虑旅客在路径选择决策过程中的出行时间可靠性和不可靠性2个方面因素,提出一种考虑列车随机延误的铁路网络客流均衡分配方法。首先,构建旅客换乘网络,基于提出的期望−超额出行成本(METC)概念,考虑换乘过程中列车的延误概率,计算旅客的换乘成功概率和换乘周期选择;然后,进一步计算旅客出行路径的期望−超额成本,基于用户均衡条件,构建考虑列车随机延误的期望−超额客流均衡分配模型;最后,考虑到期望−超额出行成本的不可加性,结合相继平均法和k-最短路算法设计基于路径的客流分配算法,并对均衡模型进行求解。通过对一个简单算例和广珠铁路实例进行分析,结果表明:同时考虑出行时间的可靠性和不可靠性时,旅客的出行路径选择和换乘选择与仅考虑出行时间可靠性有较大差异,基于期望−超额的铁路网络客流分配模型可以更加准确地描述考虑列车随机延误的旅客的出行选择行为,证实了均衡分配方法的有效性。因此提出的客流分配方法可以为铁路网络旅客列车开行方案等的制定和优化提供理论依据。

基于随机延误情景的城轨网络末班车时刻表调整模型

在网络化运营条件下,末班车延误将严重影响乘坐末班车换乘乘客的正常出行。本文考虑乘客和运营两方面,以换乘成功乘客数量最大化和调整时刻表与计划时刻表偏离程度最小化为目标构建网络末班车时刻表调整模型,并采用ε-constraint法将模型转换为单目标混合整数线性规划模型,从而可使用Cplex软件编程求解近似Pareto最优解。以北京地铁网络为研究对象的案例分析表明,在随机延误情景下,本文提出的方法均能有效的提高换乘成功乘客数量。对近似Pareto最优解的进一步分析表明:随着调整时刻表与计划时刻表偏离程度的增加,换乘成功乘客数量会明显提高,但并不会导致末班车运行时间有明显变化。

直线式公交车停靠站对交通流随机延误的影响

为改善城市交通拥堵状况,研究直线式公交车停靠站对后续交通流延误的影响。分析公交车在直线式站台停靠的运行状态,以及在停靠运行期间后续交通流到达率和疏散率之间的关系,分别建立折线式交通流随机延误模型和斜线式交通流随机延误模型,并通过实例对模型进行验证。结果表明:公交车停靠运行期间后续交通流的到达率和疏散率对交通流随机延误会产生较大影响,公交车停靠对交通流的影响具有滞后性和时空分布不均匀性。

人行横道设置对T型信号交叉口延误的影响

通过对育才路—翠华路T型交叉口、翠华路—兴善寺东街T型交叉口进行实际路段数据和交通量数据的调查与采集,运用稳态延误模型对其进行车辆延误的计算,最终通过均衡相位延误与随机延误的对比,分析两交叉口车辆的延误情况。同时基于调查的数据,运用VISSIM对两个交叉口进行联动控制仿真,分析两个交叉口平峰与高峰时段车辆的排队情况及冲突区域。在延误计算和仿真分析的层面上,进一步分析两个交叉口通行能力影响的因素,提出相关优化建议。

信号交叉口随机控制延误模型研究

信号交叉口延误是评价城市道路运行效率和服务水平的重要度量.通过推导首次提出城市平面信号交叉路口另一类随机控制延误模型.与文献相比,从形式来看该模型计算起来更简便,且计算出的延误时间与文献延误模型计算时间比较相差甚微,实例与仿真证明该模型操作性强可用度高.

Stability Analysis for Stochastic Delayed High-order Neural Networks

In this paper, the global asymptotic stability analysis problem is considered for a class of stochastic high-order neural networks with tin.delays. Based on a Lyapunov-Krasovskii functional and the stochastic stability analysis theory, several sufficient conditions are derived in order to guarantee the global asymptotic convergence of the equilibtium paint in the mean square. Investigation shows that the addressed stochastic highorder delayed neural networks are globally asymptotically stable in the mean square if there are solutions to some linear matrix inequalities （LMIs）. Hence, the global asymptotic stability of the studied stochastic high-order delayed neural networks can be easily checked by the Matlab LMI toolbox. A numerical example is given to demonstrate the usefulness of the proposed global stability criteria.