MétaCan
Menu
Retour à la cohorte
Enregistrement W3156703450 · doi:10.1155/2021/6652531

Integrated Train Rescheduling and Rerouting during Multidisturbances under a Quasi-Moving Block System

2021· article· en· W3156703450 sur OpenAlexvenueno aff
Peijuan Xu, Dawei Zhang, Jingwei Guo, Dan Liu, Hui Peng

Notice bibliographique

RevueJournal of Advanced Transportation · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Systems and Energy Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesState Key Laboratory of Traction PowerNational Natural Science Foundation of China
Mots-clésRetimingTrainComputer scienceScheduling (production processes)Block (permutation group theory)Mathematical optimizationInteger programmingSet (abstract data type)ScheduleLexicographical orderBlocking (statistics)Real-time computingAlgorithmMathematicsComputer network

Résumé

récupéré en direct d'OpenAlex

It is known that it is critical for train rescheduling problem to address some uncertain disturbances to keep the normal condition of railway traffic. This paper is keen on a mathematical model to reschedule high-speed trains controlled by the quasi-moving blocking signalling system impacted by multidisturbances (i.e., primary delay, speed limitation, and siding line blockage). To be specific, a mixed-integer linear programming is formulated based on an improved alternative graph theory, by the means of rerouting, reordering, retiming, and train control. In order to adjust the train speed and find the best routes for trains, the set of alternative arcs and alternative arrival/departure paths are considered in the constraints, respectively. Due to this complex NP-hard problem, a two-step algorithm with three scheduling rules based on a commercial optimizer is applied to solve the problem efficiently in a real-word case, and the efficiency, validity, and feasibility of this method are demonstrated by a series of experimental tests. Finally, the graphical timetables rescheduled are analysed in terms of free conflicts of the solution. Consequently, the proposed mathematical model enriches the existing theory about train rescheduling, and it can also assist train dispatchers to figure out disturbances efficiently.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetRailway Systems and Energy EfficiencyTravaux en français237 207