SelTrac~ CBTC信号系统中自动列车调整功能设计

CBTC（基于通信的列车控制）系统中,ATS（列车自 动监控）子系统提供的自动控制功能包括列车自动调整和列 车进路自动排列.介绍了 SelTrac CBTC系统中, ATS自 动列车调整列车运行计划编制的内容,着重阐述了列车死锁 预防的几种类型,分别描述了列车时刻表调整的工作原理及 调整方法.

基于可预知大客流的城市轨道交通列车加开计划调整模型与算法

[目的]节假日、大型文体活动等事件会导致城市轨道交通线路产生可预知大客流,需在确保列车运行安全的前提下,根据客流预测情况在已有列车运行图中加开列车,以期在运营成本、运营组织复杂度和乘客服务水平之间取得平衡。[方法]采用事件-活动网络,对列车运行过程进行了形式化描述,建立了3个目标函数及相关的约束条件,进而构建了独立运用策略下列车加开计划调整模型、套跑混合运用策略下列车加开计划调整模型。在此基础上,提出了基于混合遗传禁忌的搜索算法。结合深圳地铁11号线的实际运营数据,在高峰时段和非高峰时段分别建立了不同的算例场景,以验证所建模型和算法的有效性。[结果及结论]所建模型支持不同运营时段、不同运行交路、不同车底接续策略下列车加开需求,在可预知大客流的运营调整上具有适用性。在车辆资源相对有限的情况下,为有效缓解高峰时段的客流压力,可灵活采用大小交路套跑混合运用策略,使线路的运输能力最大化。

基于深度强化学习DDDQN的高速列车智能调度调整方法

在高速铁路系统的日常运营中,列车经常受到各种突发事件的干扰而导致晚点,严重影响旅客出行体验。为在短时间内制定出列车运行调整方案并尽可能缩短列车晚点时间,提出一种将深度强化学习与整数规划模型相结合的列车智能调度调整方法(DDDQN)。首先,将线路划分为多个轨道区段相连接的形式,并基于车间作业调度问题,以最小化所有列车总晚点时间为目标,构建描述列车运行过程的整数规划模型。之后,将各列车视为智能体,根据实际运营需求定义了多智能体的状态、动作以及回报函数,并构造了2个深度神经网络以近似值函数。最后,结合上述整数规划模型设计了DDDQN的训练方法,先利用智能体在仿真环境中探索求出问题可行解,并通过2个神经网络之间的“互馈”机制,实现神经网络参数的更新。在此基础上求解整数规划模型,即可在短时间内得到问题最优解。利用京张高铁实际线路数据和运营数据进行仿真实验,通过比较3种不同求解方法在10个不同突发事件场景下得到的列车总晚点时间和求解时间,验证了所提出的DDDQN模型可以在短时间内得到问题的最优解,可降低至多30.43%的列车晚点时间以及至多68.33%的求解时间。DDDQN为提升高速铁路系统在突发事件下的应急处置能力以及运输组织效率提供了一种智能化的方法与参考。

考虑晚点传播的重载铁路列车运行仿真与调整研究

为提高重载铁路列车运行质量,降低晚点传播对列车运行的干扰,准确掌握列车晚点状态,快速恢复列车运行秩序,开展考虑晚点传播的重载铁路列车运行仿真与调整研究。通过充分考虑晚点传播规律,引入时间步长的概念,构建一种改进的时间离散化的连续型元胞自动机仿真模型,选取某重载铁路2个区段2022年计划运行图中的上行列车为案例,其中,区段A共设有11个车站,上行列车90列,区段B共设有23个车站,上行列车111列。首先对正常运行情况下模型的准确性进行验证,以此为基础设计了2种贴合实际的晚点情况,对区间限速、列车出发晚点进行仿真与运行调整,并详细记录列车运行全过程的运行速度、距离始发站距离、工况信息等指标。通过绘制列车运行图、计算运行图缓冲时间,详细分析列车在晚点状况下的运行规律。案例结果表明,在正常运行情况下,模型仿真结果与计划运行时间误差在4 min以内,模型准确性较高,参数设置较为合理。在晚点情况下,选择区段A中的61210次列车与区段B的61102次列车,分别进行区间限速晚点仿真与列车出发晚点仿真。当晚点程度相同时,区段A中所受影响的列车数小于区段B内所影响的列车数,且区段A内的列车需要花费更少时间以恢复行车秩序。研究结果可为调度人员在晚点情况下进行调度指挥提供参考。

基于烟花优化算法的列车运行调整研究

为保障列车运行的质量,针对受干扰的列车,对其及后续车辆进行调整。以总晚点时间最小为目标,并结合列车实际运行情况,综合考虑列车停站、区间运行及追踪间隔等约束,在此基础上设计列车运行调整模型。在传统烟花算法(FWA)的基础上,采用效率更高的锦标赛选择策略进行优化,设计适用于此类问题的求解算法,并与其他3种算法进行对比。算例结果表明,烟花优化算法(IFWA)具有较好的性能,可以为铁路部门提供现实性参考。

城市轨道交通列车运行调整的粒子群算法研究

依据列车行车组织的特点,对列车运行调整策略进行研究,建立了列车运行调整模型。模型中涉及的约束条件较多,对实时性和延迟传播有着严格的限制,从而使问题的求解成为难题。在模型的求解过程中,粒子群算法有计算速度快、收敛性强的特点,满足模型实时性的要求。因此在列车运行调整中采用了粒子群算法,实现了列车运行调整的高效求解。

基于强化学习的高速铁路列车运行调整方法研究

我国高速铁路发展迅速,路网规模扩大、列车数量增加以及列车速度提升使得列车间运行关系耦合性强,运行调整难度大。为解决上述问题,本文构建了以调整后的列车时刻表与计划时刻表偏差最小为目标的列车运行调整模型,设计了交互环境、智能体、状态、动作、奖励函数等要素,采用强化学习方法中经典的Q-learning算法进行求解,最后通过算例对本文所提出的模型和算法的有效性进行验证。结果表明,该算法的求解质量比先到先发(FCFS)减少了43.87%的总偏差时间。

城市轨道交通列车运行调整方法研究

城市轨道交通列车一旦发生延误,如果处理不及时,容易导致连带传播,对整个运营系统造成影响。对城市轨道交通列车运行调整问题的研究理论进行归纳总结,介绍列车运行计划的相关内容,并对不同的延误场景进行划分,分析列车延误及运营中断的影响,提出相应的列车运行调整方法。

高寒高速铁路列车运行调整方法研究

随着我国高速铁路网建设的逐步推进,近年来已先后开通哈大、盘营、哈齐3条时速300 km的高寒高铁。分析高寒高铁列车运行特点,剖析当前列车运行调整中存在的问题,结合哈大高寒高铁开通运营3年来调度指挥的经验积累和实践摸索,提出了符合高寒高铁特点的"按秒指挥"列车调整方法。通过完善列车运行图参数和动车组限速影响计算程序,使调度员能够准确掌握列车运行情况及时做出合理调整,确保高寒高铁列车运行安全,研究成果可为其他高寒高铁的开通运行提供参考。

高速铁路列车运行调整策略的研究

设置合理的调整策略是保证高速铁路列车运行调整质量的重要条件。本文介绍综合评价不同调整策略的关键技术 ,并利用列车运行组织模拟实验系统 ,对多种运营条件下的列车运行调整策略进行模拟分析 。

复线列车运行调整满意优化模型研究

基于列车运行调整模型建立的复杂性与求解的困难性,以及满意优化理论在求解大规模组合问题的优越性,将满意优化理论用于复线列车运行调整中,建立了完善的复线列车运行调整满意优化模型,为我国铁路复线列车运行调整优化提供一条新的思路。

单线列车运行调整的最早冲突优化方法

针对单线铁路列车运行调整问题的特点,建立单线列车运行调整的数学模型,提出最早冲突优化方法。该方法首先生成松弛运行调整计划,再对松弛计划中的冲突逐一选择最早冲突优先化解,松弛计划中的全部冲突得以序列化化解后获得阶段计划。最早冲突优化方法克服了组合化解冲突产生的巨大方案数,具有较高的运行效率。实例证明最早冲突优化方法生成的阶段计划质量高、运算快,完全能满足行车调度的实时性要求。

面向列车运行调整问题的粒子群算法研究

列车运行调整问题是一种特殊的NP完全问题,不仅具有众多约束,并且有着列车等级要求和延迟传播限制,使得该问题搜索空间庞大,可行解范围狭小,往往难以获得较优解。为求解列车运行调整问题,针对此特殊性,将捕食搜索策略思想引入到粒子群算法中,并在此基础上提出一种速度限制的调整方式,同时辅以自适应控制,使得算法在大范围搜索时更易跳出局部最小解,而在小范围搜索时粒子飞行速度更慢,搜索更精确。将该算法用于列车运行调整问题,所得调整方案比遗传算法和普通粒子群算法结果更逼近原开行方案。

在移动闭塞条件下列车运行调整的仿真研究

针对我国铁路运能运量矛盾日益突出的现状,提出了采用移动闭塞制式加大行车密度以缓解上述矛盾的方案。首先在对移动闭塞与固定闭塞差异进行简要分析的基础上,建立了移动闭塞条件下列车的运行调整模型。其次基于专家系统技术建立了移动闭塞条件下的列车运行调整仿真系统。最后对仿真结果进行了细致分析。该仿真系统的建立将为移动闭塞条件下的列车运行提供了仿真平台。

双线铁路列车运行调整的禁忌搜索算法

关于列车运行调整(TOA)的优化模型和算法,国内外专家学者提出的具有代表性的主要算法可分为仿真方法、运筹学方法和人工智能方法。TOA问题具有约束性强、优化指标众多、动态性、实时性、组合优化特性等特点。因此结合目前铁路运输工作组织实际,以列车晚点率最小为优化目标,通过在可行解空间内部搜索待调整列车最优铺画顺序的方法求解TOA问题。建立了基于混合0-1线性规划模型的双线铁路列车运行调整的优化模型,提出了采用禁忌搜索算法搜索列车优化铺画顺序的方法。经在京广线、京沪线部分区段投入实际应用,验证了模型及算法的有效性和可靠性。

基于转换极大代数和序优化的高速列车运行调整方法

针对因高速铁路列车延误而需要进行列车运行调整的问题,采用转换极大代数方法建立高速列车运行过程模型。以模型中的参数为输入,采用基于列车最小运行间隔时间将列车依次向后顺延、在图定停车站增加越行、在不停站车站停车并被越行这3种运行调整方法,对列车延误后的运行图进行调整,并通过更新列车运行过程模型中的状态矩阵,形成不同的调整方案。将所有调整方案输入基于序优化方法的列车运行调整方案优化模型中,通过仿真计算得到总延误时间最少的列车运行调整方案。以武广高速铁路下行列车运行图调整为例进行仿真实验,验证了该方法的有效性及可行性。

基于多代理机制的列车运行调整模型及算法动态集成研究

分析列车运行调整问题研究的现状与进展,主要集中在模型研究和算法研究两个方面。分析传统求解模型及算法研究的局限性,提出对现有模型及算法进行动态集成的研究思路。采用基于多代理机制的动态集成方法,将模型对象和算法对象转化成多个代理,定义多代理之间的交互策略,实现调整方法的动态集成。提出基于多代理机制的列车运行调整问题模型及算法的动态集成系统。

基于遗传算法的单线列车运行调整体系

针对单线列车运行的特点,提出了“相邻列车”的概念,根据此概念建立了单线列车运行调整模型,并推导了列车运行图偏差函数作为模型调整目标.鉴于列车运行调整问题的解空间太大,用一般的运筹学方法难以有效地求解,提出了基于遗传算法的优化求解算法.该算法根据被调整列车的等级将原问题分解成若干子问题,并在对每个子问题求解的过程中,运用遗传算法在解空间中寻优.仿真结果显示了该模型和算法在应用于实际运行调整时的有效性和实时性.

以客运为主繁忙干线区段列车运行调整计划的优化

通过对以客运为主繁忙干线区段上列车运行调整的过程、目标、方法进行分析，构造了相应问题的优化模型，提出求解策略与算法；并以株洲至衡阳北区段为背景进行计算机模拟，３ ｍ ｉｎ 左右能得到一个较满意方案。

基于多智能体的地铁列车运行调整方法

针对移动闭塞条件下地铁列车运行的特点,将降低列车群的总晚点时间和提高相邻列车对客流的吸纳水平作为性能指标,建立地铁列车运行调整模型。应用Agent、多Agent协作技术,构建地铁列车Agent,设计地铁列车运行调整算法,给出基于规则的地铁列车运行调整控制策略。根据列车群晚点程度的不同,列车运行调整分为全局调整和局部调整。全局调整采用偏移计划运行图方法,局部调整采用滚动优化方法,通过多次调整达到恢复计划运行图的目的,并分别给出相应的调整方法和调整步骤。以北京1号线为背景进行仿真测试,仿真结果表明:基于多Agent协作技术的地铁列车运行调整方法是合理的,并具有动态的扩展性。