Propagation‐Based Train Rescheduling under Recoverable Delay Disturbances
Notice bibliographique
Résumé
Real‐time train rescheduling for high‐speed railway (HSR) is a pivotal technique in HSR transportation to efficiently recover train operation under disturbance scenarios. This paper aims to put forward an integrated resolving and rescheduling method considering network delay propagation. A tree‐based conflict resolution mechanism is first established, with delicate considerations on the strategy’s adaptability under different conflict scenarios. By inputting the scheduled arrival and departure time under different conflict resolution strategies, the timetable optimizing model aims to look for an optimal solution with minimal weighted train delay and average train adjustments under necessary technical and empirical constraints solved by a combined algorithm of Pareto optimality and Nash equilibrium, where the feasible solution space is narrowed in advance by a depth‐first pruning algorithm. The performance of this coordinated train rescheduling approach is validated by a typical section disturbance in a regional HSR network administrated by the Shanghai Bureau. The results show that the proposed method can well utilizes timetable buffers and organizes train avoidance. The delay propagation characteristics are also simultaneously estimated based on the indicators of cumulative delay and instantaneous delay, which are established considering the spatio‐temporal difference between the scheduled and planned timetables, in order to verify the coordination between resolution strategies and train running delays.
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 | 0,001 |
| 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 ».