区段强干扰下的列车运行调整研究

铁路日常运输中不可避免地会受到各类干扰因素影响,当发生强干扰时可能会造成线路不满足行车条件而中断。考虑双线铁路某方向线路受强干扰影响无法行车,上下行列车共用该区段一条线路的情景,以事件-活动网络抽象列车在区间内的运行及站内停站,考虑各类运输组织条件,构建混合整数规划模型进行列车运行调整。根据模型特点采用CPLEX进行求解,以郑西高速铁路实际列车运行数据为例进行验证,给出8种不同场景下的运行调整方案。结果表明,该模型能够在短时间内得到高质量的解,是解决强干扰条件下的列车运行调整问题的一种有效方法。

城际铁路列车运行图缓冲时间设置仿真与优化

列车区间运行和车站作业缓冲时间的设置在提高列车准时性的同时会降低时效性,本文兼顾旅客对时效性和准时性的要求,建立缓冲时间设置评价指标体系,提出均衡分布、逐渐增加和最后集中三种设置方案。以广深城际为例,对三种方案的仿真结果进行评价分析,得出每列车总缓冲时间取6 min,采用逐渐增加设置方案最优的结论。

运行干扰条件下的列车追踪运行仿真

我国铁路长期处于运输能力供需矛盾紧张的局面,优化列车运行、充分利用我国铁路能力,是我国铁路运输组织优化需要重点解决的难题。研究当列车运行受到干扰后,对后行追踪列车运行建立运行模型和算法,并对列车的运行进行仿真,为路网列车在非正常情况下的列车运行控制提供指导。

基于强化学习的干扰条件下高速铁路时刻表调整研究

研究干扰条件下列车时刻表调整对提高高速铁路实时调度指挥决策水平和行车组织效率具有重要意义。本文基于数据驱动的优化方法研究干扰条件下列车时刻表调整,旨在提升时刻表调整模型实时应用效果。考虑列车运行约束,以列车晚点时间最小为目标,基于强化学习近端策略优化(Proximal Policy Optimization,PPO)模型提出列车时刻表实时调整方法。建立列车运行仿真环境,PPO智能体与环境不断交互贪婪搜索使目标函数最优的策略。分别使用随机干扰案例和我国武广高速铁路实际数据中干扰案例测试PPO模型的性能及效率。结果表明:PPO模型优于其他常见的强化学习模型,以及调度员现场决策方案(由历史数据获得),PPO模型至少可减少13%的列车晚点时间;PPO模型收敛速度明显优于其他常用强化学习模型;PPO得到解的质量与最优解仅相差约2%,且相比于得到最优解的速度具有明显提升,使其能更好地应用于实时决策。

路网中的列车节能操纵优化方法研究

在铁路网络中,列车运行通过车站时可能会受到其他运行线列车运行的干扰,本文对列车运行受干扰时的节能操纵优化进行了研究.根据问题的数学描述和列车运行动力学方程,建立了最优化模型,并采用变长度染色体遗传算法,结合工况序列表,对问题进行了求解.通过仿真计算,给出了受干扰时列车运行的速度距离曲线,与无干扰时的速度距离曲线进行了比较,分析了速度、时间之间的相互变化,并结合能耗距离曲线,揭示了列车节能操纵的一些原则,最后将运算结果与其他方法计算出的结果进行了比较.比较结果表明,变长度染色体遗传算法是一个有效的算法,可以很好地应用在列车节能操纵优化的研究中.

行车间隔对高速铁路运行图可靠性影响仿真研究

高速铁路列车高峰时段行车间隔时间是决定列车运行图抗干扰能力和运输能力的主要因素。以晚点列车数、晚点总时间、冗余时间利用率和正点率作为评价指标,运用高速铁路调度指挥仿真系统研究列车行车间隔时间对运行图可靠性的影响。结果表明:在无系统干扰下,列车运行图保持高可靠性;在5min和10min行车干扰下,采用5min的行车间隔可保证运行图的可靠性;行车间隔5min实验方案受干扰大于10min时,晚点纵向传播程度大幅增大,为保证运行图可靠性前提下,宜采取8min行车间隔运行图。