Resumen

El problema de la optimización de la eficiencia energética del perfil de velocidad de los trenes en los sistemas de transporte ferroviario urbano ha atraído mucha atención en los últimos años debido a la necesidad de reducir los costes de explotación y proteger el medio ambiente. Los métodos tradicionales sobre este problema se centraban principalmente en la formulación de ecuaciones cinemáticas para derivar el perfil de velocidad y calcular el consumo de energía, lo que provocaba los posibles errores debidos a algunas suposiciones utilizadas en las ecuaciones empíricas. Para llenar este vacío, de acuerdo con los datos reales de velocidad y energía recogidos del sistema ferroviario urbano del mundo real, este trabajo propone un modelo basado en datos y un algoritmo heurístico integrado basado en aprendizaje automático para determinar el perfil de velocidad óptimo con el mínimo consumo de energía. En primer lugar, se propone un modelo de optimización basado en datos (DDOM) para describir la relación entre el consumo de energía y el perfil de velocidad discreto procesado a partir de datos reales. A continuación, se utilizan dos algoritmos típicos de aprendizaje automático, el algoritmo de regresión de bosque aleatorio (RFR) y el algoritmo de regresión de máquina de vectores de soporte (SVR), para identificar el grado de importancia de la velocidad en las diferentes posiciones del perfil y calcular el consumo de energía de tracción. Los resultados muestran que el error medio de cálculo es inferior a 0,1 kwh, y que el consumo de energía puede reducirse en torno a un 2,84% en un estudio de caso de la línea Beijing Changping.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:consumo de energía, problema de optimización del perfil de velocidad del tren eficiente, regresión de máquina de vectores soporte, sistemas de tránsito ferroviario urbano, línea changping de pekín, error medio de cálculo, perfil de velocidad discreto, consumo mínimo de energía, perfil de velocidad óptimo, regresión de bosque aleatorio
• Keywords:energy consumption, efficient train speed profile optimization problem, support vector machine regression, urban rail transit systems, beijing changping line, calculation average error, discrete speed profile, minimum energy consumption, optimal speed profile, random forest regression