5、可恢复鲁棒时刻表与加权最长公共子序列研究

可恢复鲁棒时刻表与加权最长公共子序列研究

可恢复鲁棒时刻表实验研究

在铁路运输系统中，列车时刻表的规划至关重要，尤其是在面对可能出现的延误情况时，需要制定具有鲁棒性的时刻表。这里将通过对真实世界数据和随机生成数据的实验，来评估 SAΔ 算法在规划可恢复鲁棒时刻表方面的性能。

真实世界数据实验

• 单线路走廊模型 ：单线路走廊由一系列车站组成，车站之间通过多条轨道相连，每个车站有多种不同类型的列车服务。不同类型的列车服务于不同的地点，且具有不同的最大速度。在这个系统中，慢车通常会等待快车，以便为小站的乘客提供服务。这里做了一个假设，即乘客在车站换乘列车的条件是第二列列车从当前车站始发。
• 实验数据 ：实验选取了 Trenitalia 提供的四条走廊数据，具体信息如下表所示：
  | 走廊线路 | 车站数量 | 列车数量 |
  | — | — | — |
  | BrBo（Brennero–Bologna） | 48 | 68 |
  | MdMi（Modane–Milano） | 54 | 291 |
  | BzVr（Bolzano–Verona） | 27 | 65 |
  | PzBo（Piacenza–Bologna） | 17 | 25 |

根据这些数据，构建了具有树拓扑结构的事件活动网络，其大小如下表：
| 走廊 | 节点数量 | 最大行驶时间 | 平均活动时间 |
| — | — | — | — |
| BrBo | 1103 | 516 | 9 |