衔接铁路客运站的地铁列车运行图优化

摘要

地铁具备输送能力大、可靠性高等优点，在铁路客运站客流的集疏散过程中发挥了重要作用。地铁列车的运行图与干线铁路列车到达时刻的衔接质量直接影响乘客的候车时间和车站内的聚集人数，对运输服务水平有着重要的影响。
　　对于衔接铁路客运站的地铁线路，进站客流时间分布与干线铁路列车到达时刻密切相关。在铁路列车密集到达后，衔接的地铁车站短时内将涌入大量客流。当铁路列车到达较为稀疏时，衔接的地铁车站进站客流将减少。常规的等间隔运行图难以适应这种脉冲形式的客流，会导致衔接车站的换乘乘客候车时间较长，同时增加站台高负荷的风险。为此，本文构建了基于铁路列车到达时刻的地铁进站客流分布模型，并以全线乘客等待时间最小为目标，优化了该地铁线路的列车运行图。主要研究内容与结论如下:
　　1、衔接铁路客运站的地铁车站进站客流分布推导与验证。不同于一般车站进站客流在一定时段内呈现近似均匀到达的情形，衔接干线铁路的地铁车站进站客流往往在时间上呈现出较强的不均衡性（脉冲性），受干线铁路的列车到达影响较大。本文分析了乘客由铁路换乘至地铁的全过程，以铁路列车到达信息（到达时刻、定员、满载率、换乘距离等）作为输入，构建数学模型描述了换乘客流到达地铁车站站台的时间分布规律。调研数据表明，上述模型的预测精度达到了90％以上，可以较好地刻画换乘乘客进站规律。
　　2、基于客流到达规律的地铁列车运行图优化模型。以衔接干线铁路的地铁车站客流分布作为输入，假设其他车站进站客流呈均匀分布，构建了以全线乘客总等待时间最小为目标的地铁列车运行图优化模型，求解地铁列车在各车站的最优发车时刻。为了提高求解效率，将模型部分线性化，同时设计了融合内点法的双层遗传算法进行求解。以北京地铁7号线为例进行了分析，验证了上述模型的有效性。在地铁的平峰时段(15:30-16:30)和早高峰时段(7:30-8:30)，乘客等待时间减少幅度分别为7.34％和3.62％，地铁站台的最高聚集人数也显著下降，下降幅度分别为29.1％和15.1％。平峰时段优化效果更好的原因是干线铁路换乘地铁的客流占全线比重更大、列车间隔较大使得发车时间调整空间更大。
　　3、考虑干线铁路列车到达时刻波动性的运行图优化。实际运营中，干线铁路列车可能早点或晚点到达。为此，本文通过统计北京西站铁路列车到达时刻的变化，用列车到达时刻的概率分布替代原有正点到达时刻，并以乘客等待时间的期望值最小为目标，构建了考虑干线铁路到达时刻波动性的地铁列车运行图优化模型。北京地铁7号线平峰时段的分析结果表明，上述模型得到的运行图北京西站乘客平均等待时间比现行运行图和基于正点到达时刻优化的运行图分别减少23.3％和6.9％，全线乘客平均等待时间的优化幅度分别为6.4％和1.5％，能够更好地适应铁路客流到达的波动性。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状综述

1．2．1 运行图编制与优化研究综述

1．2．2 客流规律描述研究综述

1．3 研究内容及技术路线

2 衔接铁路客运站的地铁线路客流分析与建模

2．1 衔接铁路客运站地铁线进站客流分析

2．2 铁路换乘客流的产生

2．3 铁路换乘客流走行过程

2．4 节点服务设施的客流修正

2．4．1 分流类设施

2．4．2 能力约束类设施

2．5 客流验证

2．6 本章小结

3 基于铁路列车正点到达时刻的地铁运行图优化

3．1 问题描述

3．2 模型建立

3．2．1 参变量定义

3．2．2 约束条件

3．2．3 目标函数

3．3 模型改进

3．4 算法设计

3．4．1 编码与初始化

3．4．2 适应度计算

3．4．3 遗传算子

3．4．4 终止条件

3．5 案例分析

3．5．1 算例分析

3．5．2 参数灵敏度分析

3．5．3 实际案例—北京地铁7号线

5．3．3 结果分析

3．6 本章小结

4 考虑铁路列车到达时刻波动性的地铁运行图优化

4．1 铁路列车到达时刻波动性分析

4．2 问题描述

4．3 模型建立

4．4 案例设计

4．4．1 算例分析

4．4．2 实际案例一北京地铁7号线

4．5 本章小结

5 结论

5．1 研究工作与结论

5．2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集