Integrated Optimization on Energy Saving and Quality of Service of Urban Rail Transit System
Notice bibliographique
Résumé
Optimizing to increase the utilization ratio of regenerative braking energy reduces energy consumption, and can be done without increasing the deviation of train running time in one circle. The latter entails that the train timetable is upheld, which guarantees that the demand for passenger transport services is met and the quality of services in the urban rail transit system is maintained. This study proposes a multi-objective optimization model for urban railways with timetable optimization to minimize the total energy consumption of trains while maximizing the quality of service. To this end, we apply the principles and ideas of calculus to reduce the power of the velocity in the train energy consumption model. This greatly simplifies the complexity of the optimization model. Then, considering the conflicting requirements of decision-makers, weight factors are added to the objective functions to reflect decision-makers’ preferences for energy-saving and the quality of service. We adopt the nondominated sorting genetic algorithm-II (NSGA-II) to solve the proposed model. A practical case study of the Yizhuang urban railway line in Beijing is conducted to verify the effectiveness of the proposed model and evaluate the advantages of the optimal energy saving timetable (OEST) in comparison to the optimal quality of service timetable (OQOST). The results showed that the OEST reduced total energy consumption by 8.72% but increased the deviation of trains running time in one circle by 728 s. The total energy consumption was reduced by 6.09%, but there was no increase in the deviation of train running time in one circle with the OQOST.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».