-
公开(公告)号：CN103963805A
公开(公告)日：2014-08-06
申请号：CN201410172427.X
申请日：2014-04-25
Applicant: 北京交通大学
Abstract: 本发明属于城市轨道交通技术领域，尤其是涉及一种城市轨道交通列车运行的节能方法，包括：1、分析相邻列车的运行匹配规则，计算利用的再生能量的大小；2、以利用的再生能量为目标，建立列车运行的优化模型；3、求解优化模型，得到城市轨道交通列车运行的节能时刻表。本发明实现列车运行能耗的减少和接触网安全性的提高，并具有如下优点：(1)采用整数规划的方法，运行速度快，因而适合于大规模的计算机模拟；(2)该方法考虑因素全面建模精度较高，制定出的运行时刻表适用性较强；(3)可离线嵌入列车节能驾驶辅助系统硬件中，易实现，费用低，应用范围广。
-
公开(公告)号：CN115374855B
公开(公告)日：2024-05-14
申请号：CN202211010989.5
申请日：2022-08-23
Applicant: 北京交通大学
IPC: G06F18/23213
Abstract: 本发明提供了一种基于聚类的对铁路突发事件进行分级的方法。该方法包括：获取铁路突发事件分级指标，从铁路突发事件分级指标中提取铁路突发事件情景要素；构建基于k近邻与拐点优化的密度峰值聚类铁路事故分级算法IDPC‑KNN‑TP，将所述铁路突发事件情景要素输入到IDPC‑KNN‑TP算法中，得到铁路突发事件的分级结果信息。本发明方法通过提取铁路突发事件的情景要素信息作为分级指标，采用基于k近邻与拐点优化的密度峰值聚类分级算法求得事故的严重等级，能有效地划分铁路日常事故的严重等级。
-
公开(公告)号：CN117408737A
公开(公告)日：2024-01-16
申请号：CN202311391093.0
申请日：2023-10-25
Applicant: 北京交通大学
IPC: G06Q30/0202 , G06Q30/0204 , G06Q50/40 , G06F16/9537 , G06F18/2321 , G06F18/2431 , G06N3/088
Abstract: 本发明提供一种城市轨道交通新开线路精细化客流预测方法及系统，属于基于机器学习的城轨交通客流预测技术领域，构建既有线站点周边精细化土地利用数据库，构建新线客流预测匹配模型为新站进行特征匹配，并训练客流养成后的新站进出站量、换乘量及客运量，基于基于密度的聚类算法，结合既有车站点性质差异对既有线客流量进行调整；利用考虑土地利用性质匹配度的既有线OD客流矩阵调整模型对既有线OD客流矩阵进行调整。本发明训练地铁乘客出行行为，掌握既有轨道交通线网、线路、车站运营客流规律；将新线接入下城市轨道交通既有车站点客流解构为自然变化客流、诱增客流及转移客流；实现了针对自然变化客流进行精细化预测，提高了预测精度。
-
公开(公告)号：CN112381260B
公开(公告)日：2023-11-17
申请号：CN202010916429.0
申请日：2020-09-03
Applicant: 北京交通大学
IPC: G06Q10/0637 , G06Q50/30 , G06Q50/26 , G06Q10/067
Abstract: 本发明提供了一种基于进站比例的城市轨道交通客流管控优化方法。该方法包括：获取城市轨道交通线网数据，根据列车的最小发车间隔设计平行直线列车时刻表；根据平行直线列车时刻表和城市轨道交通线网数据，基于设定的约束条件和目标函数建立基于进站比例的客流管控策略优化模型；采用基于启发式分解的近似动态规划算法求解所述基于进站比例的客流管控策略优化模型，得出最优客流控制策略下每辆列车在每个车站的进站量。本发明从乘客进站公平性的角度，提出考虑等比例进站条件下的城市轨道交通站点进站流量优化方法，实现对早晚高峰拥挤情况下的客流精细化管控。
-
公开(公告)号：CN111882241B
公开(公告)日：2023-11-07
申请号：CN202010778694.7
申请日：2020-08-05
Applicant: 北京交通大学
IPC: G06Q10/0631 , G06Q50/26
Abstract: 本发明提供了一种城市轨道交通网络韧性的评估方法，包括：计算城市轨道交通网络的脆弱性指标；计算城市轨道交通网络的鲁棒性指标；计算城市轨道交通网络的恢复力指标；根据计算得到的城市轨道交通网络的脆弱性指标、城市轨道交通网络的鲁棒性指标和城市轨道交通网络的恢复力指标确定各个指标的得分；根据各个指标在城市轨道交通网络中的权重和对应的得分，计算城市轨道交通网络韧性总指数；根据得到的城市轨道交通网络韧性总指数对城市轨道交通网络韧性进行评估。本方法可以识别出交通网络中影响网络保持连通、维持高效功能的薄弱节点，对于交通网络的规划设计具有一定的指导意义。
-
Patent Agency Ranking
公开(公告)号：CN116229733A
公开(公告)日：2023-06-06
申请号：CN202310211221.2
申请日：2023-03-07
Applicant: 北京交通大学
Abstract: 本发明提供了一种考虑乘客出行选择的时间表优化方法。该方法包括：构建包括在车时间、等待时间、步行时间和出行费用参数的乘客出行广义费用函数，对乘客在多模式交通方式中的出行选择行为进行刻画；以乘客广义费用函数为输入，构建乘客出行方式的离散选择模型，利用离散选择模型得到各路径的客流数据；基于各路径的客流数据构建多目标混合规划模型；采用基于多目标非支配排序进化算法对多目标混合规划模型迭代求解，得到非支配的最优解集，通过多准则决策方法根据运营者决策偏好，得到最满足乘客需求的时间表优化结果。本发明方法解决了城市间交通服务频率较低且多方式频率不一导致的多种交通方式协同性欠缺、乘客出行效率低问题。
-
公开(公告)号：CN111353639B
公开(公告)日：2022-04-12
申请号：CN202010119503.6
申请日：2020-02-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种协调列车时刻表的城市轨道交通高峰期限流优化方法。该方法包括：收集城市轨道交通AFC数据和列车计划运行时刻表数据，并对收集的数据进行处理，获得高峰时期时变乘客到站率、下车率和列车区间运行时间；基于设定的假设条件，建立协调列车时刻表的城市轨道交通高峰期限流措施优化模型，限流措施协同优化模型的目标函数为最小化等待的乘客数量；对所提出的列车时刻表和限流措施协同优化模型进行求解，得到城市轨道交通高峰期限流优化方案。本发明法可以用来协同优化城市轨道交通列车时刻表和限流措施，合理设置客流管理措施和时刻表开行方案，提高城市轨道交通系统内部的运营安全性和乘客安全性，降低部分车站乘客的长时间滞留。
-
公开(公告)号：CN109002625B
公开(公告)日：2021-02-26
申请号：CN201810835623.9
申请日：2018-07-26
Applicant: 北京交通大学
IPC: G06F30/18 , G06F111/02 , G06F111/04
Abstract: 本发明实施例提供了一种基于鲁棒优化的接驳公交网络模型及设计方法，包括构建城市综合交通系统的虚拟网络模型；虚拟网络模型估计城市轨道交通突发故障前提下的客流以及公交运行时间参数数据；根据城市轨道交通突发故障前提下的客流以及公交运行时间参数数据，建立确定性公交运行时间下的公交接驳网络设计模型；对确定性公交运行时间下的公交接驳网络设计模型进行鲁棒变换，应用列生成算法对鲁棒变换后的公交接驳网络设计模型进行求解，得到最优的公交接驳网络设计方案。本发明提供的方法通过考虑公交运行时间不确定性以及现有公交运力，可以及时的疏散城市轨道交通突发事件情况下的滞留乘客，降低突发事件带来的不利影响。
-
公开(公告)号：CN111882216A
公开(公告)日：2020-11-03
申请号：CN202010737183.0
申请日：2020-07-28
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于平均最小间隔时间的城际铁路运输能力计算方法，包括：确定按停站次数划分的运行列车组；根据划分的运行列车组，确定额外占用区段时间，并进一步确定列车占用运行图总时间；根据列车占用运行图总时间和基于平均最小间隔时间的城际铁路运输能力计算模型，计算出城际铁路的运输能力。本发明能够实现任意一个特定时间段和客流区段的运输能力计算，尤其适用于时段性明显的城际铁路中高峰小时运输能力的计算，更有利于运营者分析与调整实际运营需求，大大简化了计算步骤，形式简单，易于求解。
-
公开(公告)号：CN111597971A
公开(公告)日：2020-08-28
申请号：CN202010407459.9
申请日：2020-05-14
Applicant: 北京交通大学
Abstract: 本发明提供了一种城市轨道交通短期进站客流量预测方法。该方法包括：构建Wave-LSTM预测模型，利用训练数据集对Wave-LSTM预测模型进行训练，获取待预测站点的历史进站量数据序列；利用选取的小波函数和分解次数对所述历史进站量数据序列进行分解，得到重构进站量数据序列；将重构进站量数据序列输入到训练好的Wave-LSTM预测模型，Wave-LSTM预测模型输出对应的预测进站量数据序列，将所有的预测进站量数据序列相加，得到预测出的待预测站点的所有时间段内的进站量客流数据。本发明充分利用了小波变换的数学显微镜的优点和LSTM可学习长序列依赖的特点，将具有趋势的低频信号与包含噪声信息的高频信号分开，从而提取到各站点进站客流的关键特征，提高客流预测精度。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.026 seconds)
