本节将分别从轨道交通的研究现状、案例推理的研究现状、相似度的研究现状和研究中 存在的问题及研究趋势来阐述文章研究的现状。

1 轨道交通的研究现状

国外学者 Danziger(1975)[2]、Hoyt  和 Levay(1990)[3]、Lukaszewicz(2001)[4]、Yeh(2003)[5]

和 Anderson 等(2006)[6]都分别在能耗影响因素方面做了大量的研究。75325

Hoc 等(1975)[7]以减少能量消耗为实际需求，构思出一个相似度算法，通过将这个相似度 算法应用在轨道交通的线路中，在列车运行结果后观察相关的指标，得出再使用了新的方法 后，整辆列车消耗的能源减少了 7。73%。Kraaay 等(1991)[8]认为不同列车的型号和不同轨道的 编号对最后的结果会产生影响，决定使用不同的参数来表达型号和编号。Chang 和 Sim(1997)[9] 在保证列车的运营达到平稳性、准时性和能耗低实际要求上做出了大量的研究，最终的成果 也满足了相关的要求。Thompson(2006)[10]基于轨道交通的空调系统，认为降低城市轨道交通

空调系统的功率对减少整体能量消耗的帮助十分显著，提出了相应的使用方法和控制策略。 国内学者伍勇等(2004)[11]认为以小编组的经营方式可以减少运营的支出并同时提高服务 的水平。史茂（2004）[12]和薛艳冰等(2007)[13]提出了列车的属性、线路、编组、运营以及其

他可能因素，如驾驶方式、气候条件等都是影响能耗的属性。 另一方面，朱江(2002)[14]、刘宝林(2007)[15]、李鲲鹏等(2008)[16]都对城市轨道交通节能措

施方面做出了大量的研究。张燕燕(2008)[17]结合北京和上海的地铁运营状况，提出了最终运 行的线路和车辆选择等都会对能耗的多少造成很大的影响。王玉明(2011)[18]面向广州地铁的 实际需求，提出了一种同时考虑能耗和运营时刻的列车最佳运行速度的方法。论文网

2 案例推理的研究现状

案例推理（Case-based Reasoning 简称 CBR）由耶鲁大学的 Roger Schank 于 1982 年期间 在《dynamic memory》一书中提出来的[19,20]。案例推理的实现并不复杂，以历史案例库为基 础，找到历史案例库中与当前问题类似的问题，从而获得当前问题的解决办法的一种解决实 际问题的实用方法 [21,22]。

在国内，华中科技大学的陈琦（2006）[24]提出了将 CBR 应用于知识管理中，可以为长途 传输线路故障这一问题找到更加合适的预案。详细描述了故障信息和故障信息详细说明内容 在系统中的表示，同时也提出了基于剪枝策略来进行故障案例匹配和用数据挖掘的原理对案 例库和预案库进行知识的挖掘。杨文继（2010）[25]将 CBR 技术运用于交通信号的控制中，提 出了在分析交通信号的控制基础上，将案例推理应用于交通信号的实际需求中。

3 相似度的研究现状

杨健等[26]   从案例相似度计算的需求出发，对基于案例检索系统的案例相似度计算方法—

—最近邻法（K-NN）作了改进，提出了基于时序的多阶特征权重改进算法。 邹鹏等[27]遗传算法（Genetic Algorithm）应用在构建案例库的过程中，对案例相似度进行

了计算，最后根据计算出的相似度结果，从而决定相应的案例是否适合添加到案例库中。 秦玉平等[28]通过研究发现，传统的案例检索方法已经不足以满足实际的需求，通过大量

的实验分析后提出了以长度（l）/面积（s）的重合的比例来计算有上下限的属性相似度算法。

汪晓睿等[29]认为关键字是计算相似度的关键，并将其应用在有实际需求的案例检索系统 上，最终达到了检索结果的精确度有所提高的成果。