导读：

在汉斯出版社《交通技术》期刊上，有文章提出一种计划层面的协同优化方法，通过在列车运行图编制阶段动态调整各区间缓冲时间，以提升运行图鲁棒性。

作者信息：

李紫郡, 倪少权*：西南交通大学交通运输与物流学院，四川 成都；西南交通大学综合交通大数据应用技术国家工程实验室，四川 成都；西南交通大学综合交通运输智能化国家地方联合工程实验室，四川 成都

论文详情

问题描述

本研究聚焦于换乘场景下运行图的协同优化，其核心在于：在计划编制阶段，合理配置各区间缓冲时间，以增强系统对外部扰动的吸收能力。

然而，缓冲时间的设定面临显著权衡：过长的缓冲虽可提升抗干扰性，但会增加乘客在途时间、降低服务频率与整体效率；而过短的缓冲则难以有效抑制扰动传播，削弱运行图的韧性。

因此，如何在保障鲁棒性的同时最小化乘客换乘等待时间，成为协同优化的关键难点。为降低问题的难度，更方便合理地描述换乘协同过程及求解，对考虑鲁棒性的换乘运输模式下多制式运行图动态优化模型做出以下假设：

1) 研究对象为独立的城市轨道交通线路，且采用站站停的运营模式；

2) 允许在合理范围内对列车的区间运行时间及车站停站时长进行微调；

3) 线路按双线设计，上行与下行方向列车独立运行，且两个方向之间不存在换乘客流交互；

4) 在与高速铁路衔接的换乘站，仅考虑由高铁到达列车产生的换乘客流，忽略其他来源的常规客流影响；

5) 所有列车采用统一编组，具有相同的载客能力C (单位：人/列)，其中C由座位数与允许站立人数之和确定；

6) 当列车未达到满载状态时，站台候车乘客均可顺利登乘，不发生滞留；

7) 各车站同一时刻仅能容纳一列列车停靠，全线不支持越行操作；

8) 高铁换乘乘客至多等待一班后续城市轨道交通列车，即不会连续错过两班及以上列车。

模型构建

列车运行图扰动时间如图1所示：

求解算法

本文采用带精英策略的非支配排序遗传算法(NSGA-II)对模型进行求解。

算例分析

选取城市轨道交通换乘站S站为研究对象，线路图如图2所示，S站为L1线路中的铁路换乘站，铁路乘客经由此站换乘城市轨道交通L1线抵达各自出行点，选取L1线中的19个车站作为研究区段，铁路换乘站为研究区段中的第9站。

确定研究时段为17:30~19:00，为便于建模和计算，将起始时刻17:30作为0时刻。研究时段内，在换乘站到达的铁路列车具体数据如下表1所示。

本研究设定列车平均客座率为85%；同时，假定高铁到站旅客中有90%的比例换乘城市轨道交通，且该换乘客流在分析时间窗内以正态分布的形式到达换乘站。地铁列车技术参数如表2所示。

通过具体案例验证模型的有效性，本文采用NSGA-II算法对L1线进行了仿真优化。如图3所示，优化后缓冲时间的平均值为0.48分钟，且主要集中在0.2~0.6分钟范围内。

如表3所示，优化方案将系统总扰动时间减少了36.04%，表明合理分配缓冲时间能够有效吸收高铁换乘客流引发的运行扰动，显著增强运行图的鲁棒性。

结语

本文针对多制式换乘环境下城市轨道交通运行图编制问题，构建了一个双目标优化模型，旨在同步降低系统总运行扰动时间和乘客总换乘等待时间。模型通过在计划阶段合理配置区间缓冲时间，兼顾运行鲁棒性与换乘效率，并采用改进的遗传算法进行求解。仿真实验显示，优化方案在两项指标上均取得明显改善，证实了该方法在协调抗干扰能力与服务水平方面的有效性，可为高密度城轨网络的韧性运行图设计提供参考。

基金项目：

国家重点研发计划课题：轨道交通复杂路网多模式耦合需求的列车运行图动态智能编制技术 (2022YFB4300502)

原文链接：

https://doi.org/10.12677/ojtt.2026.152027