An Extended Space‐Time Network With Explicit Incompatibility Modelling for High‐Speed Railway Timetabling
Notice bibliographique
Résumé
High‐speed railway systems face increasing operational challenges due to rising passenger demand and complex infrastructure constraints. However, traditional space‐time network models for train timetabling may lack detailed representation of real‐world incompatibility constraints, limiting their practical applicability. This study proposes an extended space‐time network that explicitly incorporates train headway constraints through enhanced incompatibility modelling. The model classifies section arcs into eight operation‐specific types based on train movements at adjacent stations, enabling precise representation of distinct headway constraints. To address the limitations in existing arc incompatibility descriptions, two novel concepts are introduced: N‐incompatible arc sets and pairwise N‐incompatible arc sets. A 0‐1 integer programming formulation is developed to maximize train timetabling profits while strictly enforcing all headway and station capacity constraints. For large‐scale problems, a Lagrangian relaxation algorithm with model reformulation techniques is proposed to efficiently solve real‐world instances. Computational experiments on the Beijing–Shanghai high‐speed railway line demonstrate the model’s ability to generate conflict‐free timetables within acceptable computation time. This work enhances the conceptual framework of incompatibility modelling and bridges the gap between theoretical models and practical timetable generation by explicitly capturing heterogeneous train operations and intricate incompatibility relationships.
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 ».