改进粒子群算法在城市轨道交通列车调整中的应用

摘要

随着我国经济的高速发展，城市化进程加快，城市人口激增，随之而来的是城市交通拥堵、环境污染等一系列问题，此类问题已经成为制约城市经济发展的瓶颈。城市轨道交通有运量大、运行速度快、安全舒适等特点，成为解决城市交通拥堵的有效途径。但是列车晚点现象很难避免。为了解决列车晚点的问题，采用科学有效的运行调整方法至关重要。针对城市轨道交通列车晚点的问题，采用合适的算法对列车运行进行调整从而最大限度的发挥城市交通网络的通行能力，成为当前城市轨道交通运营环节中关注的重点。
　　首先，本文介绍了城市轨道交通ATS的系统构成，并着重对ATS系统的列车运行调整功能进行了叙述。针对城市轨道交通运营中列车晚点的情况进行了说明，包括列车晚点分类、列车晚点帽子曲线、列车运行调整方法以及列车调整的实现过程。
　　其次，本文针对粒子群算法存在局部最优的不足，将遗传算法的交叉和变异过程引入粒子群算法对其进行改进，详细阐述了改进粒子群算法的改进方法和技术实现流程。同时，对改进后的GA-PSO算法中的惯性权重和学习因子进行自适应改进，以实现精细调整寻优和平衡局部搜索与全局探索能力，力求使改进后的GA-PSO算法在收敛速度和稳定性方面均得到提升。为建立符合城市轨道交通列车运行特点的运行调整模型，调整系统把减少列车晚点总时间作为优化目标，把列车区间运行时间、列车追踪间隔时间、站台停留时间、车站作业时间作为约束条件。调整系统采用改进的粒子群算法，即遗传算法跟粒子群算法相结合的GA-PSO算法，对算法的编码、初始种群、适应度函数等操作进行详细的设计，给出算法实现的技术过程。
　　最后，为了验证算法的有效性和可行性，通过查询西安地铁2号线的运营数据并将其中的6辆列车的运营时刻表数据作为系统的基础数据，采用面向对象编程语言VC++开发的列车运行调整仿真系统对单车晚点和列车群晚点两种情况进行仿真。仿真结果表明，本文所提出的基于改进粒子群算法的列车运行调整方案是可行的，仿真的结果证实了该应用算法的调整系统能够减少列车晚点总时间，缩小列车实际运行图和计划运行图的偏差，验证了该算法在列车运行调整模型中具有可行性和良好的实用性。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 研究内容与技术路线

1．3．1 研究内容

1．3．2 技术路线

1．4 本论文的主要内容与结构安排

2 城市轨道交通列车运行调整概述

2．1 城市轨道交通ATS系统

2．1．1 ATS系统功能

2．1．2 ATS的列车运行调整

2．2 列车晚点分析

2．2．1 列车晚点分类

2．2．2 列车晚点帽子曲线

2．3 列车运行调整分析

2．3．1 列车运行调整方法

2．3．2 列车调整的实现过程

2．4 本章小结

3 列车运行调整相关算法研究与分析

3．1 遗传算法原理

3．2 粒子群算法原理

3．3 改进的粒子群算法研究

3．3．1 二维PSO及GA-PSO搜索原理

3．3．2 GA-PSO混合优化算法的思路

3．3．3 GA-PSO算法的实现

3．4 GA-PSO算法性能测试

3．4．1 仿真软件介绍

3．4．2 GA、PSO及GA-PSO算法仿真分析

3．5 本章小结

4 列车运行调整的建模分析

4．1 列车运行图要素

4．2 列车运行图数学描述

4．3 车站重要度评价体系

4．4 列车运行调整数学模型

4．4．1 目标函数

4．4．2 约束条件

4．5 本章小结

5 列车运行调整仿真实例

5．1 仿真系统基础数据

5．2 仿真系统设计

5．2．1 列车运行图绘制单元

5．2．2 列车运行调整单元

5．3 列车运行调整仿真

5．4 本章小结

结论

致谢

参考文献