机器学习在铁路列车调度调整中的应用综述

随着铁路信息化进程的加快,铁路大数据与人工智能技术有力地支撑了我国铁路的高质量发展。本文回顾了近10年机器学习方法在铁路列车调度调整领域的主要研究成果,将列车调度调整问题分为列车晚点状态分析与评估、列车晚点传播预测和列车运行调整智能化决策三个方面,分别总结和分析了机器学习方法在上述三方面的应用情况。在列车晚点状态分析与评估方面,既有研究主要集中于传统统计分析,其描述和预测性能往往有限。在列车晚点传播预测方面,传统机器学习和深度学习方法被应用于晚点致因、晚点持续时长、列车晚点状态演化及晚点恢复预测问题的建模。在列车运行调整智能化决策方面,既有研究主要侧重于运用强化学习、模糊神经网络方法建模,机器学习方法应用于列车调度辅助决策系统仍是研究的主要难点和关键。在归纳了既有研究特征的基础上,展望了机器学习方法在铁路调度调整研究方面的最新动向。以深度学习为代表的高级机器学习应用于列车调度调整智能决策将是未来的发展重点。

青藏铁路特种货物运输的发展

青藏铁路格拉段特殊的运营环境决定了特种货物运输的组织环境,尽管存有颇多运输限制,但从国防安全、电力发展等方面看,需要在青藏铁路开办超限、冷藏等特种货物运输。探讨青藏铁路格拉段的自然地理环境和运营环境特点,分析青藏铁路开办特种货物的运输情况,提出青藏铁路开办特种货物运输应关注的问题及建议。

动车组异地故障处置及运输调整办法研究

为提高动车组异地故障处置效率、减少运输成本,在阐述目前动车组异地故障影响情况的基础上,针对现有调整方案存在的不足,充分利用调度调整手段,合理采取交路换乘恢编、近距离空送、加开临客、变更重联运行、与少定员图定车换编开行、担当快运任务等运输调整策略,以供不同场景下选择最优方案,同时提出特殊场景下相关运输组织办法,以不断减少动车组空车底走行公里数,提高运输效率,降低对高速铁路运输秩序的影响,提升客运服务质量。

高速铁路接触网跳闸后故障排查优化方案

接触网跳闸是高速铁路运营中较常见的故障,调度指挥中处置不当会对运输秩序造成较大影响。为提高接触网跳闸后故障排查效率、压缩故障对运输的影响时间,通过分析接触网跳闸后可能造成的影响范围,结合近年来典型案例和原因分析,特别是遇有动车组高压设备故障,人工送电成功后盲目升弓极易因接触网拉弧导致接触网断线,提出采取冷升弓、动车组加装设备、合理分工况进行应急处置的优化方案,针对不同工况选择合理的排查方案,实现既不扩大故障影响范围,又不增加处置难度,快速甄别故障原因是接触网端还是动车组端,实现快速高效应急处置,从而降低接触网跳闸故障对高速铁路运输的影响,对实现高速铁路安全运营、提高客运服务质量具有重要意义。