Headway Optimisation for Metro Lines Based on Timetable Simulation and Simulated Annealing
Notice bibliographique
Résumé
To improve the capacity of metro systems, it is important to evaluate and minimise headway, which is defined as the time interval calculated from “head to head” between two successive trains in this paper. With existing approaches for headway optimisation, the headway for moving block systems is often calculated based on the safe braking distance. However, the blocking time at movable elements (e.g., switches and crossings) and stops has special characteristics. Since train separation is dominated by a signalling system, the distance between two successive trains at movable elements and stops exceeds the safe braking distance. In this work, the theory for building a blocking time model and calculating line headway for moving block systems is investigated. A workflow to minimise line headway is designed to derive an optimised velocity profile before the identified bottlenecks. Several different optimisation algorithms, including grid search, Monte Carlo, and simulated annealing, are developed and compared. Among them, simulated annealing shows the best optimisation capability with the least computational effort. The designed algorithm has been tested for Hefei-Metro Line 1, and the line headway can be reduced from 116.776 seconds to 105.806 seconds. If the acceptable rate of the increased transport is set at 1%, the line capacity will increase by 6.5%.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».