In subway systems, the energy put into accelerating trains can be reconverted into electric energy by using the motors as generators during the braking phase. In general, except for a small part that is used for onboard purposes, most of the recovery energy is transmitted backward along the conversion chain and fed back into the overhead contact line. To improve the utilization of recovery energy, this paper proposes a cooperative scheduling approach to optimize the timetable so that the recovery energy that is generated by the braking train can directly be used by the accelerating train. The recovery that is generated by the braking train is less than the required energy for the accelerating train; therefore, only the synchronization between successive trains is considered. First, we propose the cooperative scheduling rules and define the overlapping time between the accelerating and braking trains for a peak-hours scenario and an off-peak-hours scenario, respectively. Second, we formulate an integer programming model to maximize the overlapping time with the headway time and dwell time control. Furthermore, we design a genetic algorithm with binary encoding to solve the optimal timetable. Last, we present six numerical examples based on the operation data from the Beijing Yizhuang subway line in China. The results illustrate that the proposed model can significantly improve the overlapping time by 22.06% at peak hours and 15.19% at off-peak hours.

With the increasing passenger of High-Speed Railway (HSR), the Line Passing Capacity (LPC) can not meet the transportation demand. The Train Tracking Interval (TTI) is an important parameter for evaluating LPC. The traditional Train Control System (TCS) considers the transmission latency as a fixed constant measured in the worst environment, which limits the performance of TTI. In this paper, a TTI optimization method is proposed to increase the LPC based on Stochastic Network Calculus (SNC). Different with the existing TCS, SNC can calculate the transmission latency as a dynamic value to reflect the complexity of operation environment and speed. Therefore, a smaller and proper transmission latency can be obtained while guaranteeing the operation safety. In addition, the train operation mode adopts the moving block system to further decrease the TTI which is realized by train-to-train communication. The simulation results illustrate the changing trend of transmission latency depending on the dynamic operation speed and environment. The LPC can be increased by 2% to 9%. Meantime, the control algorithm can prove the efficiency and availability of the TTI adjustment method.