考虑客流空间分布的地铁列车节能时刻表优化方法

交通运输系统工程与信息 ›› 2020, Vol. 20 ›› Issue (3): 103-110.

考虑客流空间分布的地铁列车节能时刻表优化方法

冉昕晨¹，陈绍宽^{* 1}，陈磊¹，贾文峥²

1. 北京交通大学交通运输部综合交通运输大数据应用技术交通运输行业重点实验室，北京 100044； 2. 交通运输部科学研究院城市交通研究中心，北京 100029

收稿日期:2020-01-06 修回日期:2020-03-06 出版日期:2020-06-25 发布日期:2020-06-28
作者简介:冉昕晨(1994-)，女，重庆合川人，博士生.
基金资助:
国家自然科学基金/National Natural Science Foundation of China(71571015，71621001).

An Energy-efficient Timetable Optimization Method for Metro Operation Considering Spatial Distribution of Passenger Flow

RAN Xin-chen¹, CHEN Shao-kuan¹, CHEN Lei¹, JIAWen-zheng²

1. MOT Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport, Beijing Jiaotong University, Beijing 100044, China; 2. China Urban Sustainable Transport Research Center, China Academy of Transportation Sciences, Beijing 100029, China

Received:2020-01-06 Revised:2020-03-06 Online:2020-06-25 Published:2020-06-28

摘要/Abstract

摘要：

客流变化引起的列车质量变化是影响地铁列车能耗与节能运行的重要因素之一. 本文考虑地铁线路客流空间分布差异，研究耗散型再生制动能利用方式下的列车节能时刻表优化方法. 结合各区间载荷差异和列车运动方程，建立以净能耗最小为目标的时刻表优化模型，通过适度优化计划停站时间、区间运行时间和折返时间协同多列车牵引、巡航、惰行和制动过程的时空分布，设计二分法和粒子群算法对模型求解. 以北京地铁某线路进行实例研究，结果表明，优化模型能有效协同多列车的节能运行，考虑客流空间分布差异比假定列车载荷为常数能进一步提升节能效果.

关键词: 城市交通, 列车节能协同, 粒子群算法, 时刻表, 客流

Abstract:

Section passenger variation is a key factor to change the weight of metro trains which can affect their energy consumption and energy-efficient operation. An energy-efficient timetable optimization method incorporated with an unbalance spatial distribution of passenger flow is proposed for metro train operation under the dissipative regenerative braking mode. Based on the load variation and train motion equation, a timetable optimization model aiming at minimizing the net energy consumption is established to coordinate the temporal and spatial distribution of traction, cruising, coasting, and braking trains by adjusting their planned running times, dwell times, and turnaround times in a modest range. The dichotomy and particle swarm optimization algorithms are designed to solve the proposed model. The results from a case study based on one metro lines in Beijing show that the proposed method could effectively coordinate the energy-efficient operation of multiple trains. Besides, by considering the variation of section passenger flow, the timetable optimization model can further improve the energy-saving performance compared with the scheme that assumes the train load is constant.

Key words: urban traffic, energy-efficient train coordination, particle swarm algorithm, timetable, passenger flow

中图分类号:

U268.6

冉昕晨，陈绍宽，陈磊，贾文峥. 考虑客流空间分布的地铁列车节能时刻表优化方法[J]. 交通运输系统工程与信息, 2020, 20(3): 103-110.

RAN Xin-chen, CHEN Shao-kuan, CHEN Lei, JIAWen-zheng. An Energy-efficient Timetable Optimization Method for Metro Operation Considering Spatial Distribution of Passenger Flow[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(3): 103-110.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract20052.shtml

http://www.tseit.org.cn/CN/Y2020/V20/I3/103

参考文献

[1] 谢汉生, 满朝翰, 商一帆. 地铁主要能耗影响因素及节能措施分析研究[J]. 现代城市轨道交通, 2013(4): 65- 67, 71. [XIE H S, MAN C H, SHANG Y F. Analysis on main influencing factors of metro energy consumption and energy saving measures[J]. Modern Urban Transit, 2013(4): 65-67, 71.]

[2] HOWLETT P G. An optimal strategy for the control of a train[J]. The Journal of the Australian Mathematical Society Series B: Applied Mathematics, 1990, 31(4): 454-471.

[3] LI Z, CHEN L, ROBERTS C, et al. Dynamic trajectory optimization design for railway driver advisory system [J]. IEEE Intelligent Transportation Systems Magazine, 2018, 10(1): 121-132.

[4] 丁勇, 刘海东, 柏赟, 等. 地铁列车节能运行的两阶段优化模型算法研究[J]. 交通运输系统工程与信息, 2011, 11(1): 96-101. [DING Y, LIU H D, BAI Y, et al. A two-level optimization model and algorithm for energy-efficient urban train operation[J]. Journal of Transportation Systems Engineering and Information Technology, 2011, 11(1): 96-101.]

[5] 冯瑜, 陈绍宽, 冉昕晨, 等. 考虑再生制动能利用的城市轨道交通列车节能运行优化方法研究[J]. 铁道学报, 2018, 40(2): 15-22. [FENG Y, CHEN S K, RAN X C, et al. Energy saving operation of urban rail transit trains through the use of regenerative braking energy[J]. Journal of the China Railway Society, 2018, 40(2): 15- 22.]

[6] ZHAO N, ROBERTS C, HILLMANSEN S, et al. An integrated metro operation optimization to minimize energy consumption[J]. Transportation Research Part C: Emerging Technologies, 2017(75): 168-182.

[7] GAO Z Y, YANG L X. Energy-saving operation approaches for urban rail transit systems[J]. Frontiers of Engineering Management, 2019, 6(2): 139-151.

[8] SHI Y H, EBERHART R C. A modified particle swarm optimizer[C]// Institute of Electrical and Electronics Engineers. 1998 IEEE International Conference on Evolutionary Computation Proceedings. Anchorage: IEEE, 1998: 69-73.

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[4]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[5]	王宁, 张佳蕊, 赵姣. 城际零担货运平台车辆路径问题研究[J]. 交通运输系统工程与信息, 2022, 22(2): 163-177.
[6]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[7]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[8]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[9]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[10]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[11]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[12]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[13]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[14]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[15]	贾斌, 朱凌, 李树凯, 刘家林. 城市轨道交通小交路计划与客流控制协同优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 124-132.