新运营环境下的北京市轨道交通网络智慧岀行与能耗管理

交通运输、仓储和邮政业

基于预约奖励策略，通过引入多目标混合整数规划模型优化轨道交通的能源消耗和服务水平，采用的算法具有良好的收敛性。性能指标包括能源消耗峰值降低比例以及乘客服务满意度的提升。该技术目前处于算例验证阶段，已在模拟环境和部分真实运营场景中测试，表现出较好的可靠性。该成果还未进入试点应用阶段，正在特定城市的轨道交通系统中进行小规模测试。依托该成果已经申请到国家级项目：国家自然科学基金面上项目。

需要轨道交通运营线路作为试点场地，对城市无要求，但要求具有典型的高峰与非高峰客流特点，线路长度10公里以上。需要支持乘客预约功能的智能售票系统，以及客流检测和能耗监测设备。需要合作方提供5名专业技术人员协助实施，包括算法调试、设备安装及数据分析。希望合作方协调当地相关部门，提供政策支持以及数据资源共享，以提升试点实施的效率。

仅限国内转让

通过减少轨道交通高峰期的能源峰值消耗，预计单线每年可降低能源成本约30万元。通过优化客流分布，预计高峰期拥挤度下降15%，整体服务满意度提高30%。通过平衡客流，减少能源消耗峰值，可显著减少碳排放，有助于实现绿色交通目标。该技术适用于不同规模的城市轨道交通系统，具备大范围推广的潜力。若成果推广应用将为轨道交通能源管理领域提供新方法，并促进多目标优化模型在实际运营中的广泛使用。

北京市自然科学基金青年项目

北京市科学技术委员会;中关村科技园区管理委员会

随着城市轨道交通系统的快速发展，本文提出了一种基于预约奖励的策略来减少能耗峰值，从而降低轨道交通运营对自然环境影响。该方法鼓励乘客从高峰时段转向非高峰时段，从而减少能源消耗并提高服务质量。本文提出了一个多目标混合整数规划模型，该模型采用了“提前出行”思想，以评估能源消耗峰值，同时保持高水平的乘客服务。为实现这一目标，首先引入了提前出行预约策略，鼓励乘客将出发时间从高峰时段调整到非高峰时段。其次，设计了一种基于分层排序的启发式多目标优化算法来求解该模型，所有结果均显示出良好的收敛性。最后，计算结果证实了该方法的有效性，并为影响可持续性的关键参数提供了有价值的见解。这项研究通过降低能源峰值、提高运营效率和减少对自然环境的影响，为可持续城市交通提供支持。