Optimization of the Shunting Operation Plan at Electric Multiple Units Depots
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The number of standard electric multiple units (EMUs) in China has increased from 1003 in 2013 to 3256 in 2018. For maintaining all EMUs in time, the high-speed rail system with the fast-developing number of EMUs is facing growing pressure. The maintenance and cleaning capacity of an EMU depot can be improved by a better shunting operation planning (SOP). This paper considers an SOP problem at EMU depots, which may have two types of yards, namely, stub-end and through. Every track at an EMU depot has two sections and can accommodate two short standard EMUs of 8 railcars or one long EMU of 16 railcars. As the SOP is currently handled manually by dispatchers, this paper proposes two integer linear programming models for two types of yards for daily planning and dispatching, which aim at minimizing the total delay time of all EMUs during the planning horizon. A Reduced Variable Neighborhood Search (RVNS) algorithm is designed to improve the solution efficiency. The results of the numerical experiment show that the RVNS algorithm can yield an optimal maintenance plan in a few seconds for depots of different layout types and can be applied to a computer-aided planning system. The track utilization rate of the maintenance yard with the stub-end type is higher than that of the through type. The stub-end type may be more suitable for the current schedule, as its total track utilization rate is much lower than the through type.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle