基于深度强化学习的列车运行图冗余时间布局优化研究

为精细化布局冗余时间,提升运行图抗干扰能力,本文考虑多种列车最小间隔时间约束,提出了基于深度强化学习的列车运行图停站-区间冗余时间联合优化模型。首先,基于武广高速铁路列车运行实绩,研究冗余时间作用特点及布局影响因素。其次,基于决策树回归算法构建环境模型,预测不同冗余时间下的列车晚点恢复效率;基于马尔可夫决策过程中的循环反馈结构,构建后验晚点时空分布学习闭环;基于Proximal Policy Optimization算法构建智能体。最后,进行实例验证,结果表明:(1)相比于线性优化结构,基于循环反馈优化结构的模型具有更准确的后验晚点时长估计精度,平均提升约11.8%;(2)本文模型收敛稳定,平均提升列车晚点恢复效率约14.87%,最高约45.17%。

城际铁路列车运行图稳定性仿真分析

以广深城际铁路为背景,以终到列车正点率、列车在中间站平均晚点时间、终到列车平均晚点时间和晚点列车恢复率为评价指标,运用MATLAB软件仿真分析列车运行干扰和冗余时间设置对列车运行图稳定性的影响。结果表明:纵向布局的冗余时间总量宜取列车干扰时间总量的最大值,且拆分为区间运行冗余时间和停站冗余时间两部分,而区间运行冗余时间按逐渐增加方案设置最佳,停站冗余时间宜拆分设置在2个不相邻的车站上;在纵向布局的冗余时间按最优方案设置以及横向布局的冗余时间采用均匀设置的条件下,冗余时间横向布局的最优方案为在相邻两列车间均设置1min的冗余时间;当横向布局的冗余时间采用分组方式设置时,站站停方案对横向布局的冗余时间的需求远高于按比例停站方案和规格化停站方案。