省域铁路成网条件下列车开行方案涉及线路制式、等级以及列车种类等多因素影响,叠加客流选择的多样性,使优化问题更加复杂化。为刻画网络条件下客流和列车流的耦合,利用深度优先搜索(Depth First Search,DFS)算法构建客流径路备选集;基...省域铁路成网条件下列车开行方案涉及线路制式、等级以及列车种类等多因素影响,叠加客流选择的多样性,使优化问题更加复杂化。为刻画网络条件下客流和列车流的耦合,利用深度优先搜索(Depth First Search,DFS)算法构建客流径路备选集;基于列车开行方案的编制原则建立列车径路备选集,以列车运行成本和旅客出行总时间最小为优化目标,构建双目标非线性优化模型,设计NSGA-II(Non-dominated Sorting Genetic Algorithm-II)算法进行求解;从列车运行、旅客出行和企业运营这3个维度建立多准则评价指标体系,利用熵权-TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法比选Pareto前沿面上的典型解,选取相对接近度最高的解作为建议方案。依托Z省铁路网进行大规模实例研究,结果表明:模型求解得到的Pareto前沿面收敛性和分布性较好,具有较强鲁棒性,与多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)相比取得的结果更佳。通过熵权-TOPSIS方法多准则评价比选,得到方案II为该省推荐列车开行方案,省域范围内开行列车660对·d-1,相较优化前,旅客出行时间成本和列车运行成本显著降低,线路利用率过低或过高区段比例大幅减少,运能紧张区段得到有效疏解。展开更多
文摘省域铁路成网条件下列车开行方案涉及线路制式、等级以及列车种类等多因素影响,叠加客流选择的多样性,使优化问题更加复杂化。为刻画网络条件下客流和列车流的耦合,利用深度优先搜索(Depth First Search,DFS)算法构建客流径路备选集;基于列车开行方案的编制原则建立列车径路备选集,以列车运行成本和旅客出行总时间最小为优化目标,构建双目标非线性优化模型,设计NSGA-II(Non-dominated Sorting Genetic Algorithm-II)算法进行求解;从列车运行、旅客出行和企业运营这3个维度建立多准则评价指标体系,利用熵权-TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法比选Pareto前沿面上的典型解,选取相对接近度最高的解作为建议方案。依托Z省铁路网进行大规模实例研究,结果表明:模型求解得到的Pareto前沿面收敛性和分布性较好,具有较强鲁棒性,与多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)相比取得的结果更佳。通过熵权-TOPSIS方法多准则评价比选,得到方案II为该省推荐列车开行方案,省域范围内开行列车660对·d-1,相较优化前,旅客出行时间成本和列车运行成本显著降低,线路利用率过低或过高区段比例大幅减少,运能紧张区段得到有效疏解。
