《交通运输系统工程与信息》第四届编委会
北大中文核心期刊目录(2012年版)
U（除U2/U6） 交通运输（除 1.交通运输工程学报2.交通运输系统工程与信息3.重庆交通大学学报．自然科学版 铁路运输/水路 运输） 1.中国铁道科学2.铁道学报3.铁道科学与工程学报4.铁道标准设计5.铁道工程学报6.铁道车 U2铁路运输 辆7.铁道建筑8.机车电传动9.都市快轨交通10.城市轨道交通研究11.铁道运输与经济 1.中国公路学报2.长安大学学报.自然科学版3.公路交通科技4.汽车工程5.公路6.桥梁建设 U4公路运输 7.汽车技术8.现代隧道技术9.中外公路10.公路工程11.世界桥梁 1.中国造船2.中国航海3.船舶力学4.大连海事大学学报5.船舶工程6.上海海事大学学报7.水 U6水路运输 运工程8.舰船科学技术9.航海技术 1.航空学报2.推进技术3.航空动力学报4.宇航学报5.固体火箭技术6.空气动力学学报7.北京 航空航天大学学报8.中国空间科学技术9.南京航空航天大学学报10.飞行力学11.航天控制 V航空、航天 12.空间科学学报13.实验流体力学14.中国惯性技术学报15.导弹与航天运载技术16.宇航材 料工艺17.燃气涡轮试验与研究18.电光与控制19.航空制造技术 1.环境科学2.环境科学学报3.中国环境科学4.环境科学研究5.农业环境科学学报6.环境工程 X（除X9)环境 学报7.环境化学8.环境科学与技术9.生态环境（改名为:生态环境学报）10.环境污染与防治 科学 11.化工环保12.生态与农村环境学报13.生态毒理学报14.工业水处理15.环境工程16.自然灾 害学报17.灾害学18.水处理技术19.环境保护20.中国环境监测
TQ（除 TQ11/TQ9）化 学工业（除基 本无机化学工 业/其它化学工 TQ11/TQ17 基 本无机化学工 业/硅酸盐工业 TQ2/TQ3 基本 有机化学工业/ 精细与专用化 学品工业 TQ41/TQ9其他 化学工业 TS（除TS1， TS2）轻工业、 手工业、生活 服务业（除纺 织工业、染整 工业，食品工 TS1 纺织工业 、染整工业 TS2 食品工业
城市轨道交通列车追踪间隔与牵引能耗优化
第20卷第6期2020年12月交通运输系统工程与信息Journal of Transportation Systems Engineering and Information TechnologyV ol.20No.6December 2020文章编号：1009-6744(2020)06-0170-08中图分类号：U268.6文献标志码：ADOI:10.16097/ki.1009-6744.2020.06.022城市轨道交通列车追踪间隔与牵引能耗优化高豪，郭进*，张亚东(西南交通大学信息科学与技术学院，成都611756)摘要：针对城市轨道交通高峰小时列车密集追踪运行的特点，将降低列车牵引能耗和提升线路通过能力同时作为优化目标，研究列车运行操纵优化问题.给出移动闭塞条件下列车牵引能耗和最小追踪间隔的计算方式，考虑列车安全、正点运行约束，构建双目标优化模型.结合ε-约束法，提出一种基于动态规划的搜索算法求解模型.以亦庄线为优化算例，求解得到一组列车最优操纵Pareto 解，体现两优化目标之间的均衡关系：列车进站过程采用两次制动操纵策略可有效压缩最小追踪间隔，为弥补两次制动过程额外消耗的运行时间，列车需付出更多的牵引能耗提升进站以前的运行速度以满足正点运行约束.关键词：铁路运输；列车最优操纵；动态规划；列车；最小追踪间隔；节能Optimization of Train Headway and Traction EnergyConsumption in UrbanRail TransitGAO Hao,GUO Jin,ZHANG Ya-dong(School of Information Science and Technology,Southwest Jiaotong University,Chengdu 611756,China)Abstract:Focusing on the characteristics of dense train tracking operation during the peak hour in urban rail transit,this paper takes both reducing traction energy consumption and improving line capacity as objectives in the train driving strategy optimization.The calculation method of traction energy consumption and minimum headway is given under the moving block system.Considering the constraint of safe running and punctual arriving,the two-objective optimization model is constructed.A dynamic programming based approach combined with ε-constraint method is proposed to solve the model.A case study of Yizhuang urban rail line was executed and a set of Pareto solutions were achieved which reflecting the trade-off between those two objectives.The results showed that the multi-step braking strategy during the phase of entering a station can compress the minimum headway effectively.To reduce the increased running time because of the multi-step braking strategy,trains need to improve their velocity before the phase of entering a station to satisfy the constraint of punctual arriving,which consumes more traction energy.Keywords:railway transportation;optimum driving strategy;dynamic programming;train;minimum headway;energy saving0引言随着城市轨道交通大量新建线路投入网络化运营，我国轨道交通客运量增长明显，北京、上海两市日均客运量均已超过1000万人.为满足日益增长的客运需求，以基于通信的列车运行控制(Communication Based Train Control,CBTC)为代表的移动闭塞系统取代了传统固定闭塞系统，并得到广泛应用.利用高精度列车定位、双向大容量车地无线通信等新兴技术，CBTC 系统可以进一步提升高峰小时线路通过能力.据资料统计，2019年收稿日期：2020-07-15修回日期：2020-09-16录用日期：2020-09-17基金项目：国家自然科学基金青年科学基金/Young Scientists Fund of the National Natural Science Foundation of China(61703349).作者简介：高豪(1989-)，男，江苏苏州人，博士生.*通信作者：*******************.cn第20卷第6期城市轨道交通列车追踪间隔与牵引能耗优化全国城市轨道交通高峰小时最小发车间隔平均为290s，进入120s以内的线路共12条.同线路能力一样，列车牵引能耗是制约城市轨道交通可持续发展的关键因素.面向高峰小时多列车密集追踪的运行场景，能耗问题尤为突出.在保证列车安全、正点运行前提下，通过调整列车操纵策略，进一步压缩行车间隔并减少牵引能耗，可有效提升城市轨道交通服务水平和经济效益.针对多列车运行操纵优化问题，国内外学者开展了广泛讨论.Wang[1]面向固定闭塞和移动闭塞系统下的列车追踪运行场景，以最小追踪间隔为约束条件，研究列车运行受扰后的多列车节能操纵优化问题.Ye[2]考虑快慢车越行场景下的列车安全追踪及正点运行约束，通过构建多阶段优化控制模型求解多列车节能操纵最优策略.进一步地，柏赟[3]考虑追踪间隔要求和再生制动能利用，研究以列车净能耗最少为目标的快慢车线路列车协同操纵优化问题.Wang[4]在确保列车运行满足最小追踪间隔的前提下，通过调整各列车的站间运行时间来最大化多列车追踪优化的节能效果.以上文献将最小追踪间隔作为约束条件，研究不同场景下多列车节能驾驶优化问题.优化后的列车运行间隔发生改变，但线路能力并未得到本质提升.Takeuchi[5]将最小追踪间隔作为衡量线路能力的性能指标，分析列车运行速度对最小追踪间隔的影响.陈荣武[6]通过调整车站限速区域及限速值压缩了近6.3%的列车最小追踪间隔.Nakamura[7]指出列车采用多级制动的进站操纵策略可有效压缩最小追踪间隔，并利用遗传算法优化列车进站操纵策略.上述文献将最小追踪间隔作为优化目标，通过调整列车操纵策略提升线路通过能力，却忽略了操纵策略改变带来的牵引能耗增加问题.针对高峰小时地铁列车密集追踪运行的特点，本文同时将降低列车牵引能耗和缩短最小追踪间隔作为优化目标，通过优化列车操纵策略实现列车节能驾驶并提升线路通过能力.首先给出移动闭塞条件下列车牵引能耗和最小追踪间隔的计算方式，在此基础上考虑列车正点运行和线路限速约束，构建双目标优化模型；引入ε-约束法将模型转为单目标形式，并利用动态规划方法作进一步求解.1列车运行性能指标1.1列车牵引能耗对运行过程中的列车进行受力分析，构建基于单质点的列车运动学计算模型，即d v()xd x=u()x-r()xM⋅()1+α⋅v()x(1)r()x=r b()x+r1()x(2) r b()x=M⋅[]a+b⋅v()x+c⋅v2()x(3)r1()x=r g()x+r c()x+r t()x(4)式中：M为列车质量；x为列车位置；v()x为列车速度；α为回转系数；u()x为列车牵引制动力；r()x为列车运行阻力，包括基本阻力r b()x和和附加阻力r1()x；r b()x由戴维斯方程来表示，其系数a、b及c根据列车型号而定；r1()x包括坡道附加阻力r g()x、曲线附加阻力r c()x和隧道附加阻力r t()x.列车以操纵策略U={u()x|u min()x≤u()x≤}u max()x,x∈[0,X]在线路上追踪运行，其中，u max()x 和u min()x分别为列车保证乘客安全、舒适条件下的最大牵引力和最大制动力，X为列车站间运行距离.列车执行U后的牵引能耗E()U和运行时间T()U为E()U=∫0X max[]0,u()x⋅d x(5)T()U=∫0X1v()x⋅d x(6) 1.2最小追踪间隔线路通过能力体现为列车追踪运行过程中最小追踪间隔的倒数[5]，取决于列车在线路最受限制点处的最小安全追踪距离及通过该距离的运行速度[6].移动闭塞系统中，相邻列车的间隔距离必须始终大于最小安全追踪距离.现有CBTC系统均采用不考虑先行列车速度的“硬撞墙”模型来计算最小安全追踪距离，即S min()x a=L react()x a+L eb()x a+L sm+L train(7)L react()x a=T react⋅v()x a(8)L eb()x a=v2()x a2a eb(9)式中：S min()x a为列车在位置x a处的最小安全追踪171交通运输系统工程与信息2020年12月距离；L react()x a为列车在反应时间T react内的走行距离；L eb()x a为列车紧急制动距离；a eb为紧急制动率；L sm为安全余量；L train为列车车长.为简化计算，假设T react、a eb、L sm和L train为固定值.根据列车在通过最小安全追踪距离期间是否停靠站台，将最小追踪间隔的计算分为区间和车站两种模式.图1为区间最小追踪间隔示意，相邻两车以最小安全追踪距离为间隔分别运行至x a和x a+S min()x a处，其中，x a+S min()x a<x S，x S为站台位置.相邻列车沿图中实线所示的运行轨迹连续经过x a的最小时间间隔H min()x a为H min()x a=∫x a x a+S min()x a1v()x⋅d x(10)图1区间最小追踪间隔Fig.1Minimum headway of interstation地铁车站一般不设配线，列车到达车站后需在正线上完成停站作业，且同一时间只允许1列列车进行停站作业.车站最小追踪间隔的计算不考虑存在多配线条件下的列车到达、到通、出发、发通等间隔，如图2所示.相邻两车分别运行至x a和x a+S min()x a处，其中，x a+S min()x a≥x S，列车通过S min()x a期间需经历减速进站、停车和加速出站过程.因此，相邻列车连续经过x a的最小时间间隔H min()x a为H min()x a=T in()x a+T dwell+T out()x a(11)T in()x a=∫x a x S1v()x⋅d x(12)T out()x a=∫x S x a+S min()x a1v()x⋅d x(13)式中：T in()x a、T out()x a分别为列车进站、出站运行时间；T dwell为停站时间.图2车站区域最小追踪间隔Fig.2Minimum headway of station area对于任意位置x a，H min()x a取决于S min()x a和通过S min()x a的列车运行速度.由式(7)~式(9)可知，S min()x a取决于v()x a和x a以前的列车操纵策略有关，通过S min()x a的列车运行速度和x a以后的列车操纵策略有关.因此，操纵策略决定了列车追踪运行过程中可实现的最小追踪间隔.全线列车执行相同U在线路上追踪运行，可实现的最小追踪间隔H()U为列车连续通过最受限制点的最小时间间隔，即H()U=maxx∈[]0,XH min()x(14) 2列车运行性能优化2.1问题描述列车站间运行时间由运行图预先给定，理论上存在无数种操纵策略保证列车安全、正点运行.面向高峰小时地铁列车密集追踪的运行场景，将其中可实现追踪间隔最小且牵引能耗最小的操纵策略作为最优操纵策略.Takeuchi[5]对最小追踪间隔计算进行了灵敏度分析，结果表明，增大列车牵引/制动加速度可有效压缩最小追踪间隔.Liu[8]利用极大值原理推导出连续控制条件下的列车节能驾驶最优控制应包括最大牵引、巡航、惰行和最大制动.上述文献表明，列车最大牵引和最大制动是实现节能驾驶和高效追踪的必要控制条件.因此，本文选择最大牵引、巡航、惰行和最大制动组成列车最优操纵策略的4种控制变量，目标问题转化为寻找这些控制变量之间的组合顺序及其对应的转换点.本文假设列车装备自动驾驶系统，能够在线172第20卷第6期城市轨道交通列车追踪间隔与牵引能耗优化路任意位置实现巡航控制.因现有地铁系统并未完全装备再生制动设备，为不失一般性，再生制动能不在本文考虑范围内.2.2优化模型将U 作为决策变量，将min E ()U 和min H ()U 作为优化目标，设置列车安全、正点运行约束条件，构建双目标优化模型为ìíîïïïïmin E ()U min H ()U s.t.T ()U =T setv ()x <V limit ()x ,x ∈[0,X ](15)式中：V limit ()x 为线路限速条件；T set 为指定站间运行时间.2.3模型求解构建双目标优化模型旨在降低列车牵引能耗的同时压缩列车最小追踪间隔，期望得到一组准确的Pareto 最优解以体现两目标之间的均衡，采用基于动态规划方法的精确算法求解式(15).由于最小追踪间隔指标在动态规划逐段递推过程中并不严格单调，不具备动态规划方法所需的“无后效性”，引入ε-约束法将其转化为约束条件，并将式(15)转化为单目标优化模型，并以Δε为间隔由小到大调整ε参数值后多次利用动态规划方法进行求解.ìíîïïïïmin E ()U s.t .H ()U ≤εT ()U =T setv ()x <V limit ()x ,x ∈[0,X ](16)对式(16)的状态空间进行离散，将列车运行过程在空间域上划分K 个阶段，保证各阶段线路条件不变且各阶段长度不大于Δx .在k 阶段开始位置x k 处，按间隔Δv 划分k 阶段的开始状态集{}s k,i|sk,i=()x k ,i ⋅Δv ,0≤i ⋅Δv ≤Vˉ()x ,i ∈Ν，其中，Vˉ()x 为列车在最速策略下运行至x 处的速度.如图3所示，实线为列车最速运行轨迹，圆点为各阶段开始状态，亦为上一阶段的结束状态.列车运行过程的起点和终点分别记为s 1,0和s K +1,0.动态规划始终运行在基于上述离散划分规则的状态空间内，其优化结果一定能够满足安全运行约束v ()x <V limit ()x.图3模型阶段状态划分示意图Fig.3Stages and vertices of optimization model列车在k 阶段运行时固定采用最大牵引、巡航、惰行和最大制动中的一种工况，将其简记为u k ，列车在相邻阶段的最优控制工况切换还应满足图4所示的接续条件.图4列车控制接续约束Fig.4Train regime switching constraint列车在k 阶段s k,i 处施加u k 后运行至k +1阶段()x k +1,v ′处，()x k +1,v ′有可能不属于已划分的开始状态集，需要对其进行近似处理并修正至s k +1,j 处，其中j =round ()v ′Δv ，将上述状态转移过程简写为s k +1,j =F ()s k,i ,u k (17)列车在s k,i 处施加u k 阶段牵引能耗e ()s k,i ,u k 和运行时间t ()s k,i ,u k 计算为e ()s k,i ,u k =∫x kx k +1max []0,u ()x ⋅d x(18)t ()s k,i ,u k =∫xkx k +11v ()x ⋅d x(19)为获取式(16)在ε参数下的最优操纵策略U *ε，采用后向动态规划的求解方式，从s K +1,0开始逐段向前推进寻找列车在各阶段的最优控制决策173交通运输系统工程与信息2020年12月直至s 1,0.对于阶段k ，将列车从s k,i 运行至s K +1,0的操纵子策略记为U ()s k,i ，其对应的牵引能耗和运行时间分别为E []U () s k,i 和T []U ()s k,i ，下面建立评价U ()s k,i 最优性的过程指标函数.将列车从s 1,0运行至s k,i 处的操纵子策略记为U ()s k,i ，其对应的牵引能耗及运行时间分别记为E []U () s k,i 和T []U ()s k,i .因此，式(16)的优化目标min E ()U 可拆解为min E []U () s k,i 和min E []U ()s k,i .在后向动态规划求解过程中，E []U ()s k,i 无法直接求解得到.列车牵引能耗与运行时间在节能操纵条件下呈反比关系，故min E []U ()s k,i 等效于max T []U () s k,i .因T []U () s k,i +T []U ()s k,i =T set ，故min E []U () s k,i 等效于min T []U ()s k,i .因此，评价U ()s k,i 最优性的过程指标函数为E []U *() s k,i =min u k{}e ()s k,i ,u k +E {}U *éëùû F ()s k,i ,u k (20)T []U *() s k,i =min u k{}t ()s k,i ,u k +T {}U *éëùûF ()s k,i ,u k (21)U ()s k,i 对应的最小追踪间隔H []U () s k,i 应满足ε约束，即H []U ()s k,i ≤ε(22)U ()s k,i 应满足准点运行约束为T min []U () s k,i ≤T []U () s k,i ≤T max []U () s k,i (23)式中：T min []U () s k,i 、T max []U ()s k,i 分别为列车从s k,i 到s K +1,0的最短、最长运行时间.特别的，列车在s 1,0和s K +1,0的准点约束条件为T []U () s 1,0=T min []U () s 1,0=T max []U ()s 1,0=T set (24)T []U () s K +1,0=T min []U () s K +1,0=T max []U ()s K +1,0=0(25)T min []U () s k,i 和T max []U ()s k,i 的计算方法如图5所示.点划线为列车从s k,i 到s K +1,0的最速运行轨迹，其对应的运行时间为T min []U ()s k,i .虚线为列车从s 1,0到s k,i 的最速运行轨迹，其对应的运行时间为T min []U () s k,i ，则T max []U () s k,i =T set -T min []U () s k,i .图5T min []U () s k,i 和T max []U ()s k,i 计算原理Fig.5Calculation principle of T min []U () s k,i and T max []U ()s k,i由于存在2个冲突的过程指标，即式(20)和式(21)，列车从s k,i 处运行至s K +1,0的最优操纵子策略应为一组Pareto 解，记为{}U *w () s k,i ，其中，U *w ()s k,i 为s k,i 处的第w 个最优子策略.动态规划方法从s K +1,0开始逐段向前推进，求解各阶段各状态点的Pareto 最优子操纵策略集直至起点s 1,0.由于准点运行式(24)的限制，s 1,0处的最优操纵策略有且只有一个，为式(16)在ε参数下的最优解，即U *ε=U *1()s 1，0.式(16)的具体求解步骤描述如下：Step 1读入线路数据及列车参数并计算V ˉ()x ，设定模型参数Δx 、Δv 和ε，划分离散状态集合{}s k,i ，设定边界条件E []U *1()s K +1,0=0，T []U *1()s K +1,0=0，令k =K ，完成模型求解初始化.Step 2对于k 阶段所有的s k,i ，遍历4种最优控制工况u k ，获取k +1阶段F ()s k,i ,u k 处的最优子策略集{}U *w éëùûF ()s k,i ,u k .在满足式(22)和式(23)的条件下，将u k 加入{}U *w éëùûF ()s k,i ,u k 生成s k,i 处的可行子策略集{}U ()s k,i .Step 3根据过程指标式(20)和式(21)，对{}U ()s k,i 进行Pareto 占优操作，得到s k,i 的Pareto 最优子策略集{}U *w () s k,i .若k ≠1，则令k =k -1，跳转174第20卷第6期城市轨道交通列车追踪间隔与牵引能耗优化至Step 2；若k =1，输出式(16)的最优解U *ε.3算例分析基于C++开发优化程序，以北京地铁亦庄线为算例，选择文献[2]中线路数据和车辆参数，在此基础上进一步设定，a eb =-1.0m/s 2、L sm =30m 、L train =90m 、T react =0.5s 和T dwell =30s .根据“计算时间—优化效益可接受原则”设置模型参数如下：Δx =10m 、Δv =1km/h 和Δε=0.1，模型参数决定模型的求解精度和求解效率，间隔越小，模型求解精度越高且求解效率越低.以第7区间“万源街—荣京东”为例：首先，令ε=0，不断迭代计算ε=ε+Δε后的式(16)直至获取第1个有效解，该解即为能够实现理论最小追踪间隔的操纵策略U *headway ，令εmin =H ()U *headway ；其次，将ε设置为一个较大的正值后对式(16)进行求解，所得解即为只考虑节能目标的最优操纵策略U *energy ，令εmax =H ()U *energy ；最后，以Δε为间隔在[]εmin ,εmax 内由小到大调整ε参数值，多次求解式(16)，获得一组Pareto 最优解，如图6所示.图6列车最优操纵Pareto 解Fig.6Pareto solution of optimum driving strategy选取ε=70条件下的最优操纵策略U *70，对比U*energy、U *70和U*headway这3种策略下的v ()x 及其对应的H min ()x ，如图7所示.U*energy条件下列车从起点开始最大牵引至A 1，然后以惰行和巡航的组合方式运行至B 1，最后施加最大制动至终点；列车从C 1开始进入车站追踪模式，H min ()x 发生跃变；U *energy的性能指标分别为E ()U*energy=9.8kW ⋅h ，H ()U *energy =77.2s .U *70条件下列车最大牵引至A 2，惰行并巡航至B -2后开始施加第1次最大制动至C 2，然后惰行至B 2后施加第2次最大制动至终点；由于提前制动，列车在C 2处才进入车站追踪模式，其性能指标为E ()U *70=10.7kW∙h，H ()U *70=70.0s .同U *70一样，U *headway 在B -3处提前制动，采用两次制动的进站模式分别经过了A 3-B -3-C 3-B 3点，列车自C 3开始进入车站追踪模式，性能指标为E ()U *headway =13.0kW∙h ，H ()U *headway =67.1s .相较于U *energy，U *70和U *headway 在进站过程中执行两次制动策略，压缩了列车最小追踪间隔，为弥补两次制动进站过程中额外消耗的运行时间，U *70和U *headway 提升了进站以前的运行速度，额外增加了牵引能耗.图7U *energy 、U *70和U *headway 的列车运行轨迹及最小时间间隔Fig.7Train trajectory and minimum time separation ofU *energy ,U *70and U *headway列车进站操纵策略变化本质上影响的是车站追踪模式下T in ()x 和T out ()x ，从而改变H min ()x .U *energy 、U *70和U *headway 策略下的T in ()x 和T out ()x 随v ()x 的变化趋势如图8所示.上述操纵策略在车站追踪模式下的运行过程均包含1次惰行和1次最大制动.随着列车向终点运行，3种操纵策略对应的175交通运输系统工程与信息2020年12月T out()x从0开始递增并分别在列车进站的制动初始点B1、B2和B3处达到极大值，T in()x呈递减趋势并在终点处减为0.由于不同操纵策略下T in()x和T out()x存在差异，U*energy条件下的H min()x呈先增后减趋势，在B1处达到极大值；U*70和U*headway条件下，H min()x分别在C2和C3处达到极大值.图8车站追踪模式下列车运行轨迹及相关时间间隔Fig.8Train trajectory and related time separation under station tracking mode 计算全线13个站间的最优操纵Pareto解，选取各站间的U*headway与U*energy进行比较，如表1所示.与U*energy相比，列车在U*headway下的全线通行能力提升了17.0%，牵引总能耗增加了19.3%.各站间的U*headway均采用两次制动的进站策略且第2次制动的进站初速度都为23.0km/h，各站间U*headway的最小追踪间隔均达到约67s的极小值.各站间的U*energy都采用一次制动进站策略，其最小追踪间隔的大小与列车进站制动初速度正相关.不失一般性，图9以第2区间和第4区间为例，描绘U*headway和U*energy策略下v(x)和H min(x)来进一步印证上述结论.表1列车操纵策略优化结果Table1Optimaziton results of drivingstrategy176第20卷第6期城市轨道交通列车追踪间隔与牵引能耗优化图9U *headway 和U *energy 的列车运行轨迹及最小时间间隔Fig.9Train trajectory and minimu time separation of U *headway 和U *energy4结论列车操纵策略决定了列车在线路上运行的牵引能耗和可实现的最小追踪间隔.列车采用两次制动的进站策略可以有效压缩最小追踪间隔，但需要消耗更多的牵引能耗.列车最小追踪间隔和进站制动初速度正相关且存在极小值.相较于只考虑节能目标的最优操纵策略，追踪间隔压缩后的最优操纵策略最多可提升17.0%的线路通过能力，同时也增加了19.3%的牵引能耗.运营商可权衡地铁高峰小时服务水平和运营成本的实际需求，利用本文方法获得列车追踪运行最优操纵策略，具有一定实际意义.随着再生制动设备在城市轨道交通系统的应用普及，考虑再生制动能利用的列车运行能耗和追踪间隔多目标优化问题有待进一步讨论.参考文献：[1]WANG Y,DE SCHUTTER B,VAN DEN BOOM T J J,et al.Optimal trajectory planning for trains under fixed and moving signaling systems using mixed integer linear programming[J].Control Engineering Practice,2014,22:44-56.[2]YE H,LIU R.A multiphase optimal control method for multi-train control and scheduling on railway lines[J].Transportation Research Part B:Methodological,2016,93:377-393.[3]柏赟,于昭,贾文峥,等.考虑追踪安全的地铁快慢车协同操纵节能优化[J].交通运输系统工程与信息,2019,19(3):126-133.[BAI Y,YU Z,JIA W Z,et al.Cooperative control of express/local metro trains for energy saving considering the safe headway[J].Journal of Transportation Systems Engineering and Information Technology,2019,19(3):126-133.][4]WANG P,GOVERDE R M P.Multi-train trajectory optimization for energy-efficient timetabling[J].European Journal of Operational Research,2019,272(2):621-635.[5]TAKEUCHI H,GOODMAN C J,SONE S.Moving block signalling dynamics:Performance measures and re-starting queued electric trains[J].IEE Proceedings-electric Power Applications,2003,150(4):483-492.[6]陈荣武,诸昌钤,刘莉.CBTC 系统列车追踪间隔计算及优化[J].西南交通大学学报,2011,46(4):579-585.[CHEN R W,ZHU C Q,LIU L.Calculation and optimization of train headway in CBTC system[J].Journal of Southwest Jiaotong University,2011,46(4):579-585.]下转第204页177交通运输系统工程与信息2020年12月Influences of traffic flow characteristics on accidentseverity on secondary roads[J].China Journal ofHighway and Transport,2020,33(2):135-145.] [9]吴琴,施欣,陶学宗.海事事故严重性影响因素及影响程度识别[J].交通运输系统工程与信息,2019,19(1):189-195.[WU Q,SHI X,TAO X Z.Identifying the factors and their impact levels on severity of maritime traffic accidents[J].Journal of Transportation Systems Engineering and Information Technology,2019,19(1): 189-195.]上接第177页[7]NAKAMURA H.Analysis of minimum train headway ona moving block system by genetic algorithm[J].WITTransactions on the Built Environment,1998,37:1013-1022.[8]LIU R R,GOLOVITCHER I M.Energy-efficientoperation of rail vehicles[J].Transportation ResearchPart A:Policy and Practice,2003,37(10):917-932.上接第183页[2]李军,邓红平.基于公交IC卡数据的乘客出行分类研究[J].重庆交通大学学报(自然科学版),2016,35(6):109-114.[LI J,DENG H P.Classification ofpassenger's travel behavior based on IC card data[J].Journal of Chongqing Jiaotong University(NaturalSciences),2016,35(6):109-114.][3]何兆成,余畅,许敏行.考虑出行模式和周期性的公交出行特征分析[J].交通运输系统工程与信息,2016,16(6):135-141.[HE Z C,YU C,XU M X.Analyzingmethods of residents'travel characteristics consideringtravel patterns and periodicity[J].Journal ofTransportation Systems Engineering and InformationTechnology,2016,16(6):135-141.][4]GOULET-LANGLOIS G,KOUTSOPOULOS H N,ZHAO Z,et al.Measuring regularity of individual travelpatterns[J].IEEE Transactions on IntelligentTransportation Systems,2017,19(5):1583-1592. [5]翁剑成,王昌,王月玥,等.基于个体出行数据的公共交通出行链提取方法[J].交通运输系统工程与信息,2017,17(3):67-73.[WENG J C,WANG C,WANG YY,et al.Extraction method of public transit trip chainsbased on the individual riders'data[J].Journal ofTransportation Systems Engineering and InformationTechnology,2017,17(3):67-73.][6]ZOU Q,YAO X,ZHAO P,et al.Detecting home locationand trip purposes for cardholders by mining smart cardtransaction data in Beijing subway[J].Transportation,2018,45(3):919-944.[7]PEI J,HAN J,MORTAZAVI-ASL B,et al.Miningsequential patterns by pattern-growth:The prefixspanapproach[J].IEEE Transactions on Knowledge and DataEngineering,2004,16(11):1424-1440.204。
基于Pearson相关系数的货运车辆能耗模型研究
第18卷第5期2018年10月交通运输系统工程与信息Journal of Transportation Systems Engineering and Information TechnologyV ol.18No.5October 2018文章编号：1009-6744(2018)05-0241-06中图分类号：U492.3+11文献标志码：ADOI:10.16097/ki.1009-6744.2018.05.035基于Pearson 相关系数的货运车辆能耗模型研究蔡静*1,2，张明辉2，朱宇婷2，刘宇环2(1.北京工业大学，北京100124；2.北京交通发展研究院，北京100073)摘要：根据若干年货运车辆的调查数据，运用Pearson 相关系数进行货运车辆单车百公里能耗的多元回归分析，通过相关程度确定了货运车辆百公里油耗的关键影响因子并量化了影响关系，借助二次回归结果构建单车百公里油耗模型，实现了货运车辆复杂因素下离散型油耗的高精度拟合.同时通过对北京市货运统计能耗对比和典型政策影响的案例分析，验证了对政策影响下各要素变量的响应，明确了车队能耗量化核算的准确度，并得到污染物减排政策下的货运能耗变化特征分析.本文研究为货运行业开展精细化能耗测算提供支撑.关键词：公路运输；能耗模型；Pearson 相关系数；货运车辆；关键因子Model of Freight Vehicle Energy Consumption Based onPearsonCorrelation CoefficientCAI Jing 1,2,ZHANG Ming-hui 2,ZHU Yu-ting 2,LIU Yu-huan 2(1.Beijing University of Technology,Beijing 100124,China;2.Beijing Transport Institute,Beijing 100073,China)Abstract:Based on the survey data of freight vehicles for several years,this paper carries out the multiple regression analysis on 100km energy consumption of single-vehicles by Pearson correlation coefficient and determines three key influence factors of the fuel consumption per hundred kilometers of freight vehicles by related degree,and quantify every factor ’s ing the results of the quadratic regression to establish 100km fuel consumption model for single vehicle,the high-precision fitting of discrete fuel consumption of freight vehicles is achieved under the complex factors.Meanwhile,after compared with Beijing ’s freight statistics on energy consumption and analyzed the typical cases under the impact of policies,the response to each factor variable under the influence of policies is verified,the accuracy of quantitative calculation of fleet energy consumption is defined,and the analysis on the variation characteristics of freight energy consumption under pollutant emission reduction policy is obtained,which provides the support for the refined energy consumption measurement and calculation in freight industry.Keywords:highway transportation;energy consumption model;Pearson correlation coefficient;freight vehicles;key factor0引言“十二五”期间，交通行业处于大规模运输与建设阶段，交通运输能源消费总量与强度是决定未来能源安全与温室气体排放控制成败的关键要素.因此，在“十三五”时期国家要求对能源消费总量、能源消费强度及碳排放强度进行约束控制的背景下[1]，控制货运行业燃油消耗已成为节能减排工作的一个重要突破口.为了配合货运行业的工作顺利开展，需要对行业的燃油消耗进行分析与预测，以辅助制定车辆发展思路.国际上已有一些国家的相关部门对机动车能耗进行了调查与研究，但大多都聚焦于机动车的单车燃耗与节能，Tseng 等[2]介绍并比较了单车能耗预测方法，包括识别驾驶员/车辆/环境相关因素的黑匣子框架，以及基于矩阵分解的协作过滤方法；Guensler 等[3]通过分析高性能车辆排放建模系收稿日期：2018-06-12修回日期：2018-08-08录用日期：2018-08-21作者简介：蔡静(1986-)，女，山东蓬莱人，中级工程师，博士生.*通信作者：409514345@交通运输系统工程与信息2018年10月统，即机动车排放模拟器，得出基于车辆运行模拟单车二次燃料消耗与排放的方法；Lorf等[4]通过分析皇家汽车俱乐部的2011年RAC未来汽车挑战赛的结果发现，该车型的动力传动系统对能耗与排放影响最大，牵引比率及再生制动量对单车能耗有显着影响，平均车速对25~70km/h范围内的车辆能耗没有太大的影响；Jovicic等[5]通过优化公共交通工具路线来估计减少燃料消耗的潜力，预计可减少20%的成本与相关排放量.国内则大多聚焦于货物运输宏观能耗影响研究，刘艳楠[6]通过基于能源消耗的货物运输结构优化模型，提出影响货物运输能源消耗的因素主要有社会经济发展水平、货物运输能源强度、货物运输结构及货物运输服务量；张雪青等[7]运用完全分解模型对浙江省货物运输分别进行了关键能耗影响因素分析，包括运输周转量、运输结构与能耗强度等三因素；马超云等[8]对我国铁路能耗影响因素开展了分析；高有景[9]认为公路条件、车辆特性、交通流条件、驾驶员的操作水平、交通管制等都会对公路运输能耗产生重要影响；刘广海[10]系统地建立了冷藏运输能耗分析模型，对货物品类、运输季节等众多因素对能耗的影响逐一进行了分析，但这些研究无法反映车型变化和车辆结构调整对能耗的影响.在车型众多、结构调整政策频出的情况下，难以评估和预测对于能耗的影响.目前针对不同货运车型燃料消耗分析，主要依托实测法和非线性回归分析开展研究.Odhams 等[11]利用实际测试研究影响某种重型货车能耗的关键因素，包括车辆配置(车辆数量)、交通拥堵、速度等，但无法抽象建立涵盖不同车型的核算分析.陈建华等[12]通过应用面板门限回归模型，分析平均运距、里程利用率、工作率与吨位利用率等因素对车辆单耗的影响，但对于平均运距等因素引起显著门限效应和部分分段区间变量点机理无法做出合理解释.本文在对货运车辆运行调查数据处理的基础上，利用Pearson回归方法对能耗和各影响因素两者间正态连续变量开展等变量间的线性相关性分析，根据客观机理和特点，解决了车辆能耗分段突变点和相关性合理解释，实现了对车辆百公里能耗的关键影响因素进行判断，建立了基于单车的车队能耗核算模型.1基础数据本文主要利用2013—2015年年度规模相近、总计约24000份的不同车型货运车辆百公里能耗等运行调查数据，对单车能耗影响因素进行了回归分析.根据北京市货运车辆结构特点和政策性管理及调控要求，车型结构主要考察罐车、牵引车、挂车、栏板货车、厢式货车和自卸车共6类；燃油类型涵盖柴油、汽油与天然气；标记吨位主要分析载重量在3.5t以下到8t以上的货车；车龄主要考察15年以内的货车，按照上述关键要素对北京市营运货车开展分层等比例抽样.所有数据样本调查均在4月和9月2个时段内获得，避免因在冬季、夏季开空调引起的数据偏差.通过各层调查样本中，部分安装的车载油耗仪或定位系统结合累计油耗，对平均百公里油耗进行校验，调查数据与监测数据相差10%以上需更换该层调查样本.得到有效样本数据如表1所示.表1共有统计量基本情况Table1Basic statistics of common statistics统计量变量名标记吨位百公里油耗车龄数据规模7970759582312研究方法关键影响因素分析一般包括统计与计量两种递进的分析方法，在统计分析中，研究变量间相互关系常用的分析方法包括画散点图、计算Pearson 相关系数、进行简单的双变量单因素方差分析或进行非参数分析[13].由于现有关于Pearson相关系数适用于两个正态分布的连续变量开展等变量间的线性相关性分析，广泛应用于度量生物物种的亲缘关系[14]、股票间相关性[15]、期刊引用关系[16]等方面，本文将采用Pearson相关系数度量货运车辆能耗与影响因素之间的相互关系.Pearson相关系数用来度量两个变量X与Y之242第18卷第5期基于Pearson 相关系数的货运车辆能耗模型研究间的相互关系，被广泛应用度量两个变量线性相关的强弱，总体相关系数用ρ表示，样本相关系数用r 表示.(1)计算公式.总体相关系数为ρ=cov(X ,Y )σX σY =E (X -μX )(Y -μY )σX σY(1)式中：μX =E ()X ；μY =E ()Y ；σX 表示总体标准差.式(1)对于样本的Pearson 相关系数同样可用.样本相关系数为r =niˉˉ(2)或r =1n -1∑i =1n (X i -X ˉS X )(Y i -Y ˉS Y )(3)或r =n ∑x i y i -∑x i y in ∑x 2i -(∑x i )2n ∑y 2i -(∑y i )2(4)式中：X i -X ˉS X 、Y i -Y ˉS Y 表示标准化变量；X ˉ、Y ˉ表示样本均值；S X 、S Y 表示样本标准差.(2)相关系数的假设检验.首先，提出假设.H 0：ρ=0无关H 1：ρ≠0相关其次，确定显著性水平：α=0.05.如果从相关系数ρ=0的总体中取得某r 值的概率P >0.05时接受假设，此r 值很可能是从总体中取得，两变量间无显著关系；如果取得r 值的概率P ≤0.05或P ≤0.01时，在α=0.05或α=0.01水准上拒绝检验假设，认为该r 值不是来自ρ=0的总体，而是来自ρ≠0的另一个总体，因此判断两变量间有显著关系.最后，计算检验统计量，查表得到P 值，如果拒绝H 0，则两变量相关；否则，两变量无关.其中，由于来自总体的所有样本相关系数呈对称分布，所以通过t 检验法计算检验统计量t r ，查t 界值表，得到P 值，t r 的计算公式为t r =r -0v =n -2(5)计量分析是研究变量在数据上的因果关系，通过实际经验与回归结果，判定变量间的因果关系，以及不同变量对目标变量的边际影响效应的大小.计量分析方法的本质是通过回归方程的设置来构建1个模拟的控制实验环境，在此环境中研究兴趣变量之间的关系.本文将采用计量分析方法来分析车辆特征数据与百公里油耗数据之间的因果关系[14].3货运车辆单车能耗3.1单车百公里油耗模型由于模型中加入交叉项会导致其他解释变量的系数不显著，在权衡模型拟合度与模型简便性后，选择考虑全部样本的共同变量且便于计算的模型作为最优方案，即C =φ+αA +βB +γD +δE +εF +μ(6)式中：C 表示百公里油耗；φ表示回归方程的常数项；A 表示车龄的高次项；B 表示标记吨位的高次项；D 表示行驶里程的高次项；E 为考察燃油类型的虚拟变量，主要区分柴油货车与汽油货车的燃油消耗差异；F 为考察货车结构的虚拟变量，用以区分不同车辆类型的差异；μ则表示回归结果的方差.为初步明确百公里能耗的可能影响因素，判断因素间的关系，本文对吨位、车龄与车型结构3个因素，分别采用Pearson 相关系数方法与计量分析方法进行分析，具体分析如下.(1)吨位.将标记吨位划分为：载重量3.5t 以下的为轻型载货汽车，4~8t 的为中型载货汽车，8t 以上的为重型载货汽车.对其进行分析，结果显示，吨位对于单车百公里油耗有显著性影响，具体结果如表2所示.表2吨位的计量回归结果Table 2Tonnage of the metrological regression results吨位标记吨位吨位（二次项）吨位（三次项）全样本1.9343***(25.37)-0.0330***(-5.25)-0.0001(-0.39)注：t statistics in parentheses ；*为p <0.1，**为p <0.05，***为p <0.01.243交通运输系统工程与信息2018年10月(2)车龄.将车龄分为(0,3]、(3,6]、(6,10]与(10,15]共4个区间范围.对其进行分析，结果显示，车龄对于单车百公里油耗有显著性影响，具体结果如表3所示.表3车龄的计量回归结果Table3Vehicle age of the metrologicalregression results车龄车龄车龄（二次项）车龄（三次项）全样本0.6647***(3.14) -0.0271(-0.78) -0.0010(-0.62)注：t statistics in parentheses；*为p<0.1，**为p<0.05，***为p<0.01.(3)车型结构.对6类车型结构进行分析，结果显示，车型结构显著影响百公里油耗，且边际效果很大，具体结果如表4所示.表4车型结构的计量回归结果Table4Vehicle structure of the metrologicalregression results车型罐车牵引车挂车栏板货车/厢式货车自卸车全样本0.0000(.) 12.0171***(13.49) -7.6822***(-9.52) -9.3728***(-31.92) -5.9460***(-11.91)注：t statistics in parentheses；*为p<0.1，**为p<0.05，***为p<0.01.(4)对所有样本分析的常数项拟合度进行分析，最优结果如表5所示.表5常数项与拟合度结果Table5Constant term and fittingdegree results常数项常数项样本量拟合度R2全样本16.9191***(31.96)68130.688注：t statistics in parentheses；*为p<0.1，**为p<0.05，***为p<0.01.根据上述对吨位、车龄与车型结构变量的分析，结果显示吨位的三次项变量在回归模型中边际影响效果很小，车龄的二次与三次项都没有显著影响，所以舍弃以上变量.因此在最终预测模型中，只选择车龄一次项、吨位一次项、吨位二次项与车型结构作为解释变量，重新对全样本数据回归得到系数.C=16.9191+0.6647A+()1.9343B1-0.0271B2+ε(7)式中：A代表车龄一次项，B1表示标记吨位一次项；B2表示标记吨位二次项；ε代表车型结构，ε取值如表6所示.表6ε取值Table6Value ofε车型结构ε牵引车12.0171挂车-7.6882栏板货车厢式货车-9.3728自卸车-5.9460罐车0对模型预测结果进行检验，结果发现由回归模型推出的预测模型对车辆的百公里油耗的拟合结果约有95%的准确度，拟合度为0.6756，实现了北京车辆结构特点下多维要素单车百公里能耗量化输出，具体如图1所示.图1百公里油耗真实值与拟合值的对应分布图Fig.1Corresponding distribution diagram of the true value and fitting value of per hundred kilometers oil consumption 除车辆技术指标外，实际能耗另一重要因素为人为操作性影响，该因素并未纳入本研究范围.已有研究表明其影响程度一般在10%以内[17].但随着车辆绝对能耗的增加，实际能耗数据分布范围会逐步扩大.因此该模型拟合度预计将呈现随绝对能耗增加逐渐趋于离散趋势.实际拟合结果也基本符合这一趋势，该预测模型对百公里油耗低于20L/(100⋅km)的数值拟合结果很好，大于20 L/(100⋅km)的数值拟合结果一般，离散程度略大. 3.2车队能耗模型基于以上分析确定单车的年度燃油消耗量模244第18卷第5期基于Pearson相关系数的货运车辆能耗模型研究型，对辅助考察将来相关工作具有一定的指导意义，具体模型为Ct=C∙G=(16.9191+0.6647A+()1.9343B1-0.0271B2+ε)⋅∑εG∑(8)式中：Ct表示单车的年度燃油消耗量；G表示单车的年均行驶里程.4案例分析近年来以环保为目标的车辆结构更新进度不断加快，货车作为主要污染源，淘汰老旧车辆是一项核心工作，同时对货车的限行措施和范围也逐步扩大.北京市货车平均车龄由2014年的8.3年降至2016年的7.2年，货车总量由2014年的30.8万辆上升至2016年的35.1万辆，年均行驶里程不同车型呈现差异化变化，但年均行驶里程增速逐步降低.利用本研究建立的模型，结合车辆定位监测数据，对2016年相比2014年的能耗变化情况开展了分析.模型拟合结果显示，尽管车辆总量增长明显，但由于车辆结构优化调整和限行措施影响，柴油消耗量均呈现下降趋势.车龄优化、吨位变化、车型变化、分车型车辆数和行驶强度变化带入全市车队能耗模型，基于各因素对能耗贡献率影响分析情况如图7所示.表7柴油能耗变化情况Table7Change of energy consumption ofdiesel oil影响因素车龄吨位车型分车型车辆数行驶强度柴油能耗变化情况/%-101-315-1对比统计局公布能耗数据，柴油总量核算偏差均小于5%，模型核算准确度较高，如表8所示.表8能耗下降率Table8Drop rate of the energy consumption数据2016年/万t 2014年/万t 能耗下降率/%模型核算数据(柴油)49.355.611.33统计局公布数据(柴油)51.157.010.375结论将Pearson相关系数创新地应用到货运车辆能耗问题中，把影响货运车辆能耗的各种因素进行精细量化，得到货运车辆能耗的关键影响因素有吨位、车龄与车型结构，构建基于Pearson相关系数的单车能耗模型来测算货运车辆能耗，以精确核算年度货运行业能耗总量与行业季度能耗总量为目标，研究不同情景下的行业能耗核算方案，得出相应的核算方法，为货运行业节能减排工作开展效果的精准核算和考核提供了技术与理论支撑，具有重要的实际应用价值.通过北京市货运政策对模型各种参数影响的案例分析，验证模型能有效减少货运燃油消耗，实现节能减排的效果.参考文献:[1]肖宏伟.“十三五”时期北京市能源消费总量及结构变化趋势预测[J].中国能源,2015,37(7):38-42.[XIAOH W.Total energy consumption and structural changestendency prediction in Beijing during the13th Five-Year Plan period[J].China Energy,2015,37(7):38-42.][2]TSENG CM,CHAU CK.Personalized prediction ofvehicle energy consumption based on participatorysensing[J].IEEE Transactions on IntelligentTransportation Systems,2017,18(11):3103-3113.[3]GUENSLER R,LIU HB,XU YZ,et al.Energyconsumption and emissions modeling of individualvehicles[J].Transportation Research Record,2017(2627):93-102.[4]LORF C,MARTINEZ-BOTAS RF,HOWEY DA,et al.Comparative analysis of the energy consumption andCO2emissions of40electric,plug-in hybrid electric,hybrid electric and internal combustion enginevehicles[J].Transportation Research Part D-Transportand Environment,2013(23):12-19.[5]JOVICIC NM,BOSKOVIC GB,VUJIC GV,et al.Routeoptimization to increase energy efficiency and reducefuel consumption of communal vehicles[J].ThermalScience,2010(14):S67-S78.[6]刘艳楠.基于能源消耗的货物运输结构优化研究[D].北京:北京交通大学,2014.[LIU Y N.Research onoptimization of freight transportation structure based onenergy consumption[D].Beijing:Beijing JiaotongUniversity,2014.][7]张雪青,朱敏杰.基于关键能耗影响因素分析的浙江交通运输结构优化[J].物流技术,2014,33(15):199-202.[ZHANG X Q,ZHU M J.Optimization of245交通运输系统工程与信息2018年10月transportation structure based on analysis of key energyinfluencing factors in Zhejiang province[J].LogisticsTechnology,2014,33(15):199-202.][8]马超云,梁肖,毛保华,等.铁路运输能源消耗现状分析[J].中国铁路,2010(11):51-55.[MA C Y,LIANG X,MAO B H,et al.Current status analysis of energyconsumption in railway transportation[J].ChinaRailway,2010(11):51-55.][9]高有景.影响公路运输能耗的因素和节能途径[J].平原大学学报,2007(4):11-12.[GAO Y J.Factors and ofinfluencing highway transportation energy consumptionand approaches of energy-saving[J].Journal ofPingyuan University,2007(4):11-12.] [10]刘广海.冷藏运输能耗分析与装备优化研究[D].长沙:中南大学,2007.[LIU G H.Analysis of energyconsumption and equipment optimization of refrigeratedtransportation[D].Changsha:Central South University,2007.][11]ODHAMS AMC,ROEBUCK RL,LEE YJ,et al.Factorsinfluencing the energy consumption of road freighttransport[J].Proceedings of the Institution ofMechanical Engineers Part C:Journal of MechanicalEngineering Science,2010,224(C9):1995-2010. [12]陈建华,刘学勇,梁小翠.公路货运车辆能耗影响因素的实证分析[J].公路,2017,62(5):144-149.[CHEN JH,LIU X Y,LIANG X C.Empirical analysis on theinfluencing factors of energy consumption of highwayfreight vehicles[J].Highway,2017,62(5):144-149.] [13]胡莹,邵春福,王书灵,等.基于经济计量回归模型的车辆能耗分层抽样方法研究[J].交通运输系统工程与信息,2017,17(6):70-76.[HU Y,SHAO C F,WANG SL,et al.Research on vehicle energy consumptionstratified sampling method based on econometricregression model[J].Transportation SystemsEngineering&Information,2017,17(6):70-76.] [14]张宇镭,党琰,贺平安.利用Pearson相关系数定量分析生物亲缘关系[J].计算机工程与应用,2005(33):83-86,103.[ZHANG Y L,DANG Y,HE P A.Quantitative analysis of biological relationships byusing Pearson correlation coefficients[J].ComputerEngineering and Applications,2005(33):83-86,103.] [15]张筱梅,朱家明.基于Pearson相关系数模型对股票间相关性研究[J].赤峰学院学报(自然科学版),2015,31(10):32-33.[ZHANG X M,ZHU J M.Correlationresearch on stocks based on Pearson correlationcoefficient model[J].Journal of Chifeng College(NaturalScience Edition),2015,31(10):32-33.] [16]杜秀英.基于Pearson相关分析的期刊引用关系研究[J].科技文献信息管理,2012,26(2):18-23.[DU XY.Research on journal citation relationship based onPearson correlation analysis[J].Science and TechnologyInformation Management,2012,26(2):18-23.] [17]伍毅平,赵晓华,荣建,等.基于驾驶模拟实验的生态驾驶行为节能减排潜力[J].北京工业大学学报,2015,41(8):1212-1218.[WU Y P,ZHAO X H,RONG J,et al.Potential of Eco-driving reducing fuelconsumption and emissions based on a drivingsimulator[J].Journal of Beijing University ofTechnology,2015,41(8):1212-1218.]246。
轨道交通延误条件下列车跳站与客流控制协同优化模型
第21卷第2期2021年4月交通运输系统工程与信息Journal of Transportation Systems Engineering and Information TechnologyV ol.21No.2April2021文章编号：1009-6744(2021)02-0105-06中图分类号：U239.5文献标志码：A DOI:10.16097/ki.1009-6744.2021.02.015轨道交通延误条件下列车跳站与客流控制协同优化模型杨陶源，赵鹏*，姚向明，张璞(北京交通大学，交通运输学院，北京100044)摘要：针对城市轨道交通突发列车延误问题，统筹考虑行车秩序的恢复和乘客出行体验，提出列车调整与客流控制协同优化方法。
首先分析延误条件下城轨列车调整和客流控制的措施及效果，构建以跳站停车和多车站客流控制为手段的双层线性规划模型。
上层模型以列车总延误最小为目标，以列车载客能力为约束；下层模型以上车客流量最大为目标，以列车载客能力和控流率均衡为约束。
采用灵敏度分析算法求解模型，并以北京地铁亦庄线故障延误事件为例，验证模型和算法的有效性。
结果表明：采用跳站停车与进站客流协同控制可使延误列车行程时间缩短5.2%，使各车站进站率方差降低97.8%，在保障乘客公平性的条件下提高列车运行和乘客集散效率。
关键词：城市交通；协同优化；跳站停车；客流控制；列车延误Coordinated Optimization Model of Rail Transit Delayed Train Stop-skip Pattern and Passenger Flow ControlYANG Tao-yuan,ZHAO Peng*,YAO Xiang-ming,ZHANG Pu(School of Traffic and Transportation,Beijing Jiaotong University,Beijing100044,China) Abstract:To respond to the train delay in the urban rail transit,a train rescheduling and passenger flow coordinated control method is proposed with collaborative consideration of the restoration of train traffic order and passenger travel experience.Firstly,this paper analyzes the measures and effects of train rescheduling and passenger flow control,and a linear bi-level programming model is constructed by stop-skip rescheduling and multi-station passenger flow coordinated control.The upper-level model aims at minimizing the total train delay,and takes train capacity as the constraint;the lower-level model aims at maximizing the number of riding passengers,and takes train capacity and passenger flow control rate equalization as the constraint.A sensitivity analysis based algorithm is used to solve the bi-level model,and the effectiveness of the model and algorithm is verified by taking a delay event of the Beijing Subway Yizhuang Line as a case study.The case results show that by adopting the stop-skip rescheduling and multi-station passenger flow coordinated control method,the travel time of rescheduled trains can be shortened by5.2%and the variance of entrance rate of each station can be reduced by97.8%.The method proposed in this paper increases the efficiency of train traffic and passenger travel under the condition of ensuring the fairness of passengers.Keywords:urban traffic;coordinated optimization;stop-skip;passenger flow control;train delay0引言城市轨道交通延误事件给乘客出行带来诸多不便，如何科学合理地制定突发事件下的运输组织方案，对城轨系统的运营安全和乘客出行的高效稳定有着重要现实意义。
公路交通类期刊介绍和投稿信息
综合类交通期刊1 西南交通大学学报2 交通运输工程学报返回分类目录铁路运输类核心期刊表1 铁道学报2 铁道车辆3 中国铁道科学4 铁道运输与经济5 内燃机车6 中国铁路7 铁道建筑8 长沙铁道学院学报（改名为：铁道科学与工程学报）9 铁道工程学报10 路基工程公路运输类核心期刊表1 汽车工程2 中国公路学报3 汽车技术4 公路5 桥梁建设6 公路交通科技7 现代隧道技术8 西安公路交通大学学报（与西安工程学院学报的一部分合并为：长安大学学报.自然科学版）9 国外桥梁（改名为：世界桥梁）10 世界汽车11 筑路机械与施工机械化12 中外公路水路运输类核心期刊表1 中国造船2 船舶工程3 船舶力学4 水运工程5 大连海事大学学报6 造船技术7 船海工程8 舰船科学技术9 中国港湾建设10 港工技术11 中国航海12 哈尔滨工程大学学报13 华东船舶工业学院学报.自然科学版14 上海海运学院学报.文理综合版航空、航天类核心期刊表1 航空学报2 空气动力学学报3 推进技术4 宇航学报5 航空动力学报6 北京航空航天大学学报7 南京航空航天大学学报8 中国空间科学技术9 固体火箭技术10 复合材料学报11 飞航导弹12 国际航空13 飞行力学14 宇航材料工艺15 中国航天16 流体力学实验与测量17 航天控制18 导弹与航天运载技术19 上海航天20 航空工程与维修（改名为：航空维修与工程）21 电光与控制2008版核心期刊目录——U 交通运输U 交通运输综合类核心期刊1.交通运输工程学报2.长安大学学报.自然科学版3.重庆交通大学学报.自然科学版U2 铁路运输类核心期刊1.铁道学报2.中国铁道科学3.铁道车辆4.铁道标准设计5.铁道工程学报6.铁道运输与经济7.铁道建筑8.铁道机车车辆9.机车电传动10.中国铁路11.城市轨道交通研究U4 公路运输类核心期刊1.中国公路学报2.汽车工程3.公路交通科技4.公路5.桥梁建筑6.汽车技术7.中外公路8.现代隧道技术9.世界桥梁10.筑路机械与施工机械化交通运输类核心期刊表交通运输工程学报长安大学学报.自然科学版重庆交通学院学报（改名为：重庆交通大学学报.自然科学版）铁道学报中国铁道科学铁道车辆铁道标准设计铁道工程学报铁道运输与经济铁道建筑铁道机车车辆机车电传动中国铁路城市轨道交通研究中国公路学报汽车工程公路交通科技公路桥梁建设汽车技术中外公路现代隧道技术世界桥梁筑路机械与施工机械化中国造船大连海事大学学报中国航海船舶力学船舶工程水运工程中国港湾建设上海海事大学学报航海技术《公路交通科技》是中央一级学术性期刊，由中华人民共和国交通部主管，交通部公路科学研究所主办，国内外公开发行。
编委会人员简介
编委会人员简介苏辉，1960年10月出生，达斡尔族人，中共党员，学士学位,正高级工程师,现任内蒙古交通运输管理局党委书记、局长，《内蒙古公路与运输》杂志社编委。
1983年清华大学汽车工程系毕业后，先后在内蒙古交通运输厅、内蒙古交通运输管理局工作。
1997年被评为汽车运用高级工程师，2008年被内蒙古大学聘为客座教授，并在武汉理T大学等院校承担了硕士研究生导师工作：先后主持编制了《内蒙古道路运输“十二五”发展规划》等7部发展规划纲要；主持编制了2007年~ 2018年12个年度的《内蒙古道路水路运输发展报告》；主持编制了《内蒙古道路运输站场建设管理办法》等一系列有关运输与管理的规章制度和标准规范；主持编制了《内蒙古交通物流公共信息系统建设可行性研究报告》等多项可行性研究报告;主持参与了交通行业标准《汽车客运站建设标准和级别划分》（J'"r200-2004）的编制：2002年被交通运输部公路科学研究院聘请为西部交通科技项目《西部地区公路运输服务体系研究》课题咨询号家,2009年被中国道路运输协会聘请为全国道路运输企业等级评定专家库专家，2013年被中华人民共和国交通运输部评为全国道路运输工作先进个人主持参与了交通运输部2003年《内蒙古自治区地市级营运货车信息管理系统研究》、2004年《一体化联运关键技术研究》和2006年《内蒙古综合运输体系配套技术与运作模式研究》三项重大科技项目；主持了《驾培行业网络管理信息系统》等5项交通运输厅科技项目；主持参与了有关交通运输方面厅科技项目10多项，其中1991年参与编制的《内蒙古自治区汽车油耗标准》项目，被授予自治区科技进步二等奖。
出版发行了《内蒙古自治区交通物流信息化标准》一书。
撰文发表了《西部地区一体化联运发展运作模式研究》、《内蒙古自治区综合运输通道的规划研究》（该论文获得第八届中国西部道路运输新概念论坛论文一等奖）、《内蒙古自治区道路运输业转变发方式的思考》（该论文获得第七届中国西部道路运输新概念论坛论文一等奖）、《发展国际运输服务一方经济》（该论文获得第四届中国西部道路运输新概念论坛论文三等奖）等多篇具有针对性和指导性的论文。
《交通运输系统工程与信息》投稿须知
投稿须知《交通运输系统工程与信息》是中国科学技术协会主管、中国系统工程学会主办、交通运输系统工程专业委员会承办、中国科学出版社出版的一级科技学术期刊，国内外公开发行的双月刊。
2004年被国家科技部评定为“中国科技核心期刊”。
目前，本刊已被“EI Compendex美国《工程索引》”、“中国科学引文数据库（CSCD）”、“《中文核心期刊要目总览》（2011年版）（北京大学图书馆）”、“中国科技论文与引文数据库（CSTPCD）”收录，是“中国学术期刊综合评价数据库”来源期刊，同时已被《中国学术期刊文摘（CSAC）》、“中国核心期刊(遴选)数据库”、“中国知识资源总库（CNKI）”全文、“万方数据－数字化期刊群”全文、“中文科技期刊数据库”全文、“SCOPUS文摘引文数据库”收录。
本刊是面向交通运输系统、综合交通工程、智能交通工程、信息工程等学科、以传播新理论、新技术，探讨重大交通工程中的理论与实践问题、促进学术交流、推动学科发展为宗旨，坚持理论与实践、引进与创新相结合的方针，努力反映交通运输系统工程、智能交通与信息等领域的最新成就与世界交通运输科技的前沿动向，鼓励不同观点的争鸣。
本刊设有决策论坛、综合交通运输体系论坛、智能交通系统与信息技术、系统工程理论与方法、案例分析等栏目。
本刊不接收纸质稿和Email投稿，作者来搞请直接通过本刊主页(; ) 提交。
投稿要求：(1) 思想新颖、观点明确、数据真实可靠。
文章全文字数（包括摘要和参考文献）应控制在6 000字以内，对有价值的综述性文章，可8 000字左右.(2) 附中英文标题（20字以内），中英文标题下分别列出所有作者中英文姓名及工作单位（名称、所在省市及邮编）.(3) 首页脚注须分别列出：①基金项目名称（中英文）及项目编号（若有基金资助）；②第一作者简介，包括姓名、出生年、性别、籍贯、职称（职务）、学位；③通讯作者的E-mail地址（第一作者为在校学生须由其导师担任）.(4) 文章最后列出全部作者的姓名、单位、职称、学位、E-mail地址、手机号码、通信地址等.(5) 摘要是介绍文章主要内容和特色的概括性文字，包括：研究目的、研究方法、研究结果和研究结论等要素.中文摘要控制在250~300字.英文摘要与中文摘要一一对应，英文摘要时态:用一般现在时说明研究目的、叙述研究内容、描述结果、得出结论等；用一般过去时描述已做的工作。
国内国际交通类重要期刊,SCI,EI英文期刊汇总
29
交通信息与安全
30
城市交通
31
公路与汽运
双月 双月 双月
武汉理工大学;交通计算机应用信息网 建设部城市交通工程技术中心;中国城市规
划设计研究院 长沙理工大学
32
交通企业管理
月刊 武汉理工大学;中国交通企业管理协会
33
交通与运输
双月
上海市交通工程学会
34
交通标准化
半月
交通部科学研究院
Public roads/公路
序号
期刊名称
级别 周期
主办
1 交通运输系统工程与信息 核心 双月
中国系统工程协会
2
中国公路学报
EI 双月
中国公路学会
3
公路交通科技
核心 月刊
交通部公路科学研究院
4
中外公路
核心 双月
长沙交通学院
5
公路
核心 月刊
中交公路规划设计院
6
都市快轨交通
核心 双月
北京交通大学
7
铁道运输与经济
核心 月刊
中国铁道科学研究院
Automotive Engineering Computer Science Applications Automotive Engineering Civil and Structural Engineering Computer Science Applications Civil and Structural Engineering Information Systems Automotive Engineering Civil and Structural Engineering Civil and Structural Engineering Civil and Structural Engineering Geography, Planning and Development Management Science and Operations Research Management Science and Operations Research Computer Science Applications Environmental Science (all) Automotive Engineering Transportation
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
( ) T
ia
n
z
，
．
U n iv e r s ity o f N e v a da R e n o ． U S A
Yan舀IL (HongKong 咖 删 哆0 f s cience & Te汛 10g)l ㈤
( ) Z h a n g , J ． H ir o s h im a U n i v e r s it y , J a p a n
名 誉 主 编 ： 张 国伍
主
编 ： 毛 保华
常务副主编 ： 贾顺平
责 任 编 辑 ： 傅立 谚
助理 编辑 ： 郭 薇
彭宏勤 马爱莲
副 主 编 ： 关积 珍 高 自友 朱广 田 英文编辑 ： 杨玲玲
张 国伍
邓寿鹏 郭小碚 靳文 舟 刘 军+ 朴爱华 史峰 王刚 王 笑京+ 杨 东援 张 建平 邹迎
赵文芝
董焰 贺 国光 兰荣 刘虎兴 齐彤 岩 史其信 王 长君 王喜富 杨浩 张文尝
段里仁+ 黄海 军 + 李建 国 刘小明 全永粲t 史天 运 + 王 殿海 武平 杨晓光 张西武
B e r t i n i ， R (P o n l a n d S t a t e U n i v e r s i t y , U Sir a ， L
u e e n s la n d U n iv e r s ity o f Te c hn o lo gy , A u s tr a lia
( H o ， T ．1( ． H o n g K o n g P o l y t e c h n i c U n i v e r s i t y , r m )
( ) C
he
n
H
，
．
U n i v e r s ity o f L e e d s ， u g
( ) G a l l a m
，M
C ．
．
Pars o n s
B 血 c k e r ho 正 Chin a
( ) L a in
W H K ．
．
．
H o n g K o n g P o ly te c hn ic U n iv e r s ity , H K
陈治亚 耿志修 贾利 民+ 梁玉 庆 马 林+ 邵春福+ 孙 国庆 王 军利 谢如鹤 张殿业 周里捷
程琳 关 伟+ 贾元华+ 梁 中宇 吕永 波 申金 升 + 汪 秉宏 王 浣尘 严 新平 张毅 周伟
注 ： 标 者及 副主编为 常务编委 。
境外特约编委 ：
汪寿阳
戴世 强+ 郭继孚+ 荆便顺 刘 秉镰 牛惠 民+ 沈志工 王 富章+ 王 炜+ 杨 东凯 张剑飞 朱军
编委会执行主 席： 王 庆云
副主 席 ：(按拼音排序 ， 下 同)
简水 生 李学伟 刘源 张 毛保 华 宁 滨
编 委：
安实 范精 明 黄民 李清泉 陆化普 荣朝和 ‘ 史忠 科 王 飞跃 吴清松 杨兆升’ 张香平
蔡文 沁 方然 黄全利 李少明 陆键 荣建 孙全欣‘ 王 稼琼 吴晓 于春全 真 虹+
陈禹 富斌 黄勇 李夏苗 罗俊仪 沙洪江 + 隋亚 刚 王 江 燕+ 夏 国平 查建中 周钧
主管： 中国科学技术协会 主办 中国系统工程学会
协扒
北京交通大学 北京四通智能交通系统集成有限公 司 北京交通发展研究中心
国家铁路智能运输系统工 程技术研究中心 柏诚中国 ( 华北区) 大城市交通拥堵防治研究中心
《交通 运 输系统 工 程 与信息 》 第 四届 编委会
编委会名誉主席： 成 思危 徐冠华 周干 峙 编 委 会 主 席： 石定寰
) ( M
cD on
a
ld M ，
U n iv e r s ity
of
S o u th a m
p to n
OK
，
W o n gl s ．c (Un iv e r s ity o f H0 n g ㈣ K0 n g，
) Y u ， L (T e x a s S o u ~ e m U n i v e r s i t y , U S A