一种智能调度集中系统列车运行实时调整方法

智能调度集中系统中的列车运行调整业务，要求实时优化列车运行计划晚点时长。以此为目标，提出一种高实时性的列车运行调整业务数据处理方法，并基于不同的运输场景和调度操作，建立了约束规划模型；通过约束规划算法执行可递归检查流程，当列车运行计划状态变量不满足约束条件时，对调度操作进行调整，从而实现模型数据的更新。结合某调度区段的数据，计算采用约束规划模型的列车运行计划晚点时长，并与同等条件下采用整数规划模型的计算结果进行对比，验证了本方法对列车运行计划晚点时长具有较好的实时优化效果。     

天津集中台列车运行阶段计划自动调整

针对列车调度指挥系统在开通天津集中台的过程中，出现的列车运行阶段计划调整方案不能满足调度指挥要求的问题，研究天津集中台列车运行阶段计划自动调整方案。天津集中台管辖车站多，车站间环状相连，连接方向多，列车走行径路有300多条。为此，建立以列车优先级别、列车追踪间隔时间、列车区间运行时分、列车起停车附加时分、车站股道接车能力、旅客列车最早发车时间和列车固定停站时间为约束条件，以列车加权晚点总时间最小为目标函数的调整模型。采用动态规化算法进行求解，设计相应的算法步骤，并以天津集中台天津（临时）至下直通场间的车站为例进行验证。计算结果表明：采用上述模型和求解算法进行列车阶段计划调整，能够快速给出列车运行阶段计划的调整方案。该方法在天津集中台已经得到了应用。     

高速铁路车站股道运用与列车运行调整综合优化方法

股道运用是高速铁路车站作业组织的核心,车站股道运用与列车运行相互影响、相互制约。为缓解晚点对列车正常运行秩序的影响,以相邻若干高铁车站股道运用与列车运行调整综合优化为对象,统筹考虑各站股道、进路占用的唯一性及其最小安全间隔时间、车底周转计划等约束,以最小化列车到发时刻波动性和车站股道运用方案波动性为优化目标函数,构建综合优化模型;以列车在站到发时刻为纽带,设计基于模拟退火算法思想的综合优化算法,制订高速铁路车站股道运用与列车运行调整综合优化方案。算例表明：所提方法能快速解决线路级高速铁路车站股道运用与列车运行调整综合优化问题,有效降低股道运用站间影响及晚点对后续车站的影响;合理设置初始Markov链长有利于提高算法效率;立折旅客列车晚点对方案的波动性影响最大,终到、经停旅客列车的影响最小,在调整过程中应优先保证立折旅客列车的正点运行;若调度员决策偏好到发时刻稳定性,可优先调整终到旅客列车的方案,若决策偏好股道运用稳定性,优先考虑经停旅客列车;所提方法能够为高速铁路列车运行计划实时调整提供决策支持。     

铁路车站进路选择优化模型及求解算法的研究

铁路车站进路选择是车站运输组织的基础,合理地安排车站内各项作业的运行进路及其排列时机有利于提高运输生产效率,节约生产成本。本文以一般技术站为背景,从数学规划的角度研究车站进路的自动选择方法。通过定义衔接点和承载点,建立了车站网络的描述方法。以作业晚点时间最短以及各进路的总走行时间最短为目标,以避免车站作业的时空交叉、满足作业计划要求为约束构建了车站进路选择的数学规划模型。利用进路选择和进路排列时间的映射关系,把进路选择模型转化成一个等价的0-1整数规划模型。针对模型的非线性特点,以模拟退火算法为基础,提出了适合求解进路选择模型的复合优化算法。通过算例验证了模型的正确性以及求解算法的有效性。     

高速列车运行调整策略的晚点恢复聚类

列车运行策略能够具有不同的晚点恢复效果,研究高速列车不同运行调整策略的晚点恢复特性将能为智能调度决策提供依据,通过对不同列车运行调整策略的晚点恢复聚类,分析调整策略的晚点恢复分布特征,运用Pearson相关系数研究晚点恢复、影响晚点恢复效果的晚点时长变量、计划冗余时间变量的相关性,选用K-Means算法研究不同调整策略...     

多类干扰下的高铁列车运行调整优化模型

高速铁路列车运行实时调整一直是行车调度指挥工作中的重要核心任务之一.为解决有多种行车干扰事件(初始晚点、限速和到发线不可用)影响下的列车运行调整问题,针对准移动闭塞行车方式,基于替代图理论,兼顾车站进路调整约束,建立混合整数线性优化模型,设计两阶段近似求解算法,在600 s内可以实现列车变更到发线次数最少和列车晚点延误时间最短的列车调整方案的快速求解.研究结果表明:模型可以同时实现列车运行调整和列车径路优化,相比时间间隔法行车方式,该模型可以有效避免列车在闭塞区间的冲突;有初始晚点的干扰会加剧列车的二次晚点;列车限速值越低会指数型加剧晚点时间.     

地铁列车运行与车底周转计划同步实时调整方法

地铁区间线路双线中断干扰事件的发生,会造成列车偏离原列车运行计划,进而扰乱原车底周转计划的实施,调度员要面临停开列车、调整交路和车底周转计划等问题。针对此类问题的干扰,基于事件活动网络理论建立混合整数线性优化数学模型,综合考虑列车在车站及区间运行约束、车底与列车的匹配约束、车底周转约束、终止列车运行路径等约束,同步实现了双向列车运行的实时调整、列车运行小交路的变更以及车底的周转使用计划的调整。针对该复杂的数学优化模型,通过精简模型中的决策变量和紧约束条件,利用商业求解软件实现了对最优解值的短时高效的求解。最后,以西安地铁2号线为例,对取消列车惩罚系数、列车区间运行时间延长等变量进行了对比分析,结果表明：针对不同算例参数,在600 s的计算时长内均能得到最优解,当取消1列列车的惩罚系数取值在150～500之间,优化方案效果最佳;被取消的列车多发生在故障发生后紧邻时间域内;首列被影响的列车在中断区间的上游毗邻区间的运行时间的长短对线路后续通过能力的影响最大。因此,在故障干扰时间和范围一定的情况下,系统决策制定的时间和反应速度会直接影响取消列车数量及区间晚点时间。最后,绘制了调整后的列车运行...     

一种调度区段晚点时长的神经网络预测模型

晚点是区段内列车运行受到扰动后出现的时刻表偏移现象,为分析和预测晚点的发生,相关研究通常采用晚点传播分析、实绩数据统计的方法改善模型输出结果。在现有分析方法的基础上,设计了初始晚点和连带晚点的分类方法,将列车在调度区段的开行转化为有向图表示,并通过分析有向弧内的计划时间饱和度,实现了晚点的分类与传播路径的确定。在分类方法提供的数据基础上,提出了晚点预测模型,采用反向传播神经网络预测晚点时长。组合模型使用北京铁路局某调度区段的实际运行数据进行验证,结果表明允许误差为5 min时,神经网络的晚点时长预测准确率为85.5%,网络受突发事件影响较大,模型拟合复杂数据关系的能力需要进一步改善。     

编组站调度计划随机机会约束规划模型及算法研究

运用随机规划方法,研究列车解编时间随机变动情况下编组站阶段计划的优化编制问题,建立了以压缩车辆中时和减少出发列车晚点时间为目标的随机机会约束规划模型。将模型中的随机机会约束转化为相应等价形式,从而将随机规划模型转化为确定性模型,并提出了一种改进遗传算法对之进行求解。该算法基于列车解编顺序对染色体进行编码,并针对问题的特殊性设计了相应的交叉和变异操作。算例表明,设计的改进遗传算法能够在较短时间内收敛至最优解,编组站阶段计划的随机机会约束规划模型能取得可靠性更高的调度计划,为改进编组站的决策质量提供了一条解决的途径与方法。     

基于改进差分算法的高速列车运行调整研究

为了压缩高速铁路列车运行的总晚点时间、编制高质量的列车运行调整计划,建立高速铁路列车运行调整模型,运用矩阵描述高速列车运行调整中的相关概念,以列车到发线数量、列车追踪时间间隔、列车停站时分等作为高速列车运行调整的约束,以列车在各站的到达的总晚点时间最少为优化目标,构建高速铁路列车运行调整模型。在分析基本差分算法差分策略的基础上,提出基于三角差分策略的高速铁路运行调整差分算法,给出详细的计算步骤。以京广高速铁路实际列车运行数据进行计算,验证了模型的有效性和算法的高效性、精确性。本文提出的基于新的改进的差分策略的高速铁路列车运行调整方法是合理可行的。     

编组站阶段计划与动态车流的耦合及调整研究

编组站的阶段计划在执行过程中,会受到车流波动的影响,衡量阶段计划与动态车流之间的耦合关系,并将车流波动控制在一定的范围,对车站调度工作具有重要意义。在车站阶段计划执行资源已确定的条件下,分析列车晚点时间、解体作业时间、编组作业时间的容许变动范围,给出车站阶段计划与动态车流耦合度的计算方法。当车流的变化超出容许范围时,在不改变原有解编顺序的基础上,对车流进行一定幅度的调配,以减小对车站整体作业的影响,并以此为目标建立优化模型。算例表明,车站阶段作业计划易受到达列车晚点、列车编组内容改变、解编作业晚点等因素的影响,进行适当的车流调配可在一定程度上提高阶段计划与动态车流的耦合度。     

考虑动车组接续的列车运行图智能调整方法

为提高列车晚点情况下高速铁路调度指挥系统应急处置的效率,实现列车运行图智能调整,本文结合具有大量始发终到作业车站所在的调度区段动车组接续的特点,建立考虑动车组接续的高速铁路列车运行图智能调整模型,采用基于改进的和声搜索算法对所建立的模型进行求解。以京津城际延伸线(天津站至于家堡站)实际应用情况构造仿真实例,对4种模拟运行干扰场景下的列车运行图实时调整方案进行求解。仿真结果表明考虑动车组接续的高速铁路列车运行图智能调整模型及所采用的求解算法,能够减小晚点时间并抑制晚点传播,具有可行性和有效性。     

高速铁路车站列车进路分配方案的优化与调整

考虑高速铁路车站咽喉区和到发线的相互制约关系,以及车站接发各种类型列车的作业过程与列车进路的关系,结合道岔分组的方法,建立咽喉区和到发线一体化运用的列车进路分配方案优化模型。在此基础上,考虑列车晚点的情况,以车站作业过程占用车站设备的不均衡性最小和列车进站延误时间最短为目标,建立后续列车进路分配方案的动态调整模型。2个模型均采用运筹学软件LINGO中内置的分支定界算法求解。通过算例验证模型的合理性和求解方法的可行性。结果表明:当列车按照图定时刻正点运行时,采用优化模型得到的列车进路分配方案可以保证列车按照图定时刻进出站;当某列车晚点时,该列车的进路可能与后续列车的进路有交叉干扰,此时则应采用动态调整模型对后续列车的进路分配方案进行调整,在后续列车允许有延误时间的约束下,生成新的后续列车进路分配方案,有效保证列车进路的畅通,并使车站设备运用的均衡性更优。     

基于航迹运行模式的航空器航迹优化模型

针对密集航空器流量与有限空域资源间的矛盾,为应对空域扇区内的容流冲突,研究航空器四维航迹规划问题。以基于航迹运行模式为背景,以航迹规划为核心,以总延误时长最小和总燃油消耗量最少为目标,在满足容流限制、安全间隔等约束条件的基础上,构建基于航迹运行模式下巡航阶段的航空器四维航迹的双目标规划模型。为求解模型,使用更加符合二倍体生物特性的双链染色体结构和指导种群进化的先验知识来改进标准快速非支配遗传算法。以华北地区05扇区为基础,结合航空器飞行计划数据进行实例验证与算法对比。研究结果表明：在优化效果方面,总延误时长与燃油消耗较对比算法分别减少了54.79%和23.65%;在计算效率方面,较对比算法提升了56.58%。模型可在有限的时间内提供兼顾时效性与经济性并满足管制规则的航迹规划策略,具有明显优势。通过航迹规划,优化了航空器流过关键航路点的时间,在保障运行的同时提高了效益,减少了拥堵及冲突的概率,提高了空域资源的利用率。     

京沪高铁列车运行晚点预测方法研究

为快速、准确地掌握列车的运行状态及未来的运行趋势，需要对列车运行晚点预测方法进行深入研究。文章根据对北京—上海高速铁路（简称：京沪高铁）2020年列车运行数据的分析，包括停站时长对于晚点的影响及不同初始晚点时长下的传播车站数，提出了基于循环神经网络（RNN,Recurrent Neural Network）的全段预测方法，使用同步多对多模式的RNN模型作为基础模型结构，建立列车运行晚点预测模型。在特征值的选择上，采用集成梯度打分法，从多个特征值中选择12个最显著的变量作为模型自变量。采用该模型对京沪高铁2020年晚点数据进行验证，结果表明，该模型在验证集上5 min的误差范围内可以达到89%的准确率，该预测方法可以满足实际生产的需要，有助于调度部门进行科学决策，有利于提升铁路旅客服务质量。     

地铁列车追踪运行的节能控制与分析

为了研究地铁列车再生能量利用,分析给定运行图的节能潜力,以牵引变电所处总能耗最小为目标,依据再生制动等效电路和牵引计算模型,获得地铁列车两车追踪运行约束。在假设前行列车运行状态已知的条件下,采用二次规划算法,优化追踪列车操纵序列,提高再生制动能量的吸收利用,降低系统总能耗。仿真算例与仅考虑单车优化运行策略的方案对比结果表明:给出的算法能够在保证追踪列车正点、准确停站的前提下,节约3.8%的系统总能耗。通过该算法获得的节能效率与列车追踪间隔密切相关,同时调整追踪间隔和采用该优化算法可获得更好的节能效果。     

单线铁路列车运行调整计算机辅助决策系统研究

列车运行调整计算机辅助决策系统，是铁路行车调度指挥自动化系统的关键环节。本文构造了单线铁路列车运行调整的混合０－１线性优化模型，该模型较好地体现了列车运行计划调整、机车交路调整和车站到发线利用的协调与配合。鉴于列车运行计划调整为ＮＰＣ问题，结合问题的实际背景，提出了一种有效的大系统分解算法－动态区域局部优化算法。该算法应用分枝定界法实现局部问题的优化。讨论了同向列车越行优化问题，并给出了同向列车越     

城市轨道交通列车运行图鲁棒性优化模型

针对高密度行车因受运输干扰而导致城市轨道交通列车晚点的问题,按照在计划层的列车运行时段内调整列车缓冲时间以优化列车运行图鲁棒性的思路,考虑列车载客能力约束,基于历史客流数据和通过候车乘客与列车的交互关系确定列车的实际停站时间,然后基于列车运行图扰动时间的递推关系,建立以列车运行图扰动时间之和最小为目标的列车运行图鲁棒性优化模型;运用改进的遗传算法对属于非线性混合整数规划模型的该优化模型进行求解;另外还对只要求大型枢纽站等重要车站准点发车的实际运输需求,用时间控制点法对该优化模型进行扩展。以北京市城市轨道交通房山线为例验证了该优化模型和改进遗传算法的有效性。     

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...     

基于双重启发式动态规划算法的列车运行调整研究

通过对列车行车组织特点及运行调整策略的研究,采用自适应动态规划体系中的双重启发式动态规划算法,建立了列车运行调整模型.双重启发式动态规划算法适合处理具有实时性、约束性、非线性、随机性等特点的列车运行调整复杂动态系统的优化控制问题,通过仿真验证,该算法求解速度快、精度高,对列车晚点的调整起到了良好的控制作用.为列车运行调整的深入研究提供了一定的参考价值.