CN103310118A - 高速铁路列车运行冲突预测方法 - Google Patents

高速铁路列车运行冲突预测方法 Download PDF

Info

Publication number
CN103310118A
CN103310118A CN2013102792585A CN201310279258A CN103310118A CN 103310118 A CN103310118 A CN 103310118A CN 2013102792585 A CN2013102792585 A CN 2013102792585A CN 201310279258 A CN201310279258 A CN 201310279258A CN 103310118 A CN103310118 A CN 103310118A
Authority
CN
China
Prior art keywords
train
conflict
time
possibility
fuzzy number
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013102792585A
Other languages
English (en)
Other versions
CN103310118B (zh
Inventor
文超
彭其渊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
China State Railway Group Co Ltd
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201310279258.5A priority Critical patent/CN103310118B/zh
Publication of CN103310118A publication Critical patent/CN103310118A/zh
Application granted granted Critical
Publication of CN103310118B publication Critical patent/CN103310118B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Train Traffic Observation, Control, And Security (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种高速铁路列车运行冲突预测方法,为冲突消解提供支撑,使列车运行调整方案向减小未来列车运行冲突可能性的方向发展,实现高速铁路列车运行的冲突预测。本发明首先获取一个区段的两列相邻的列车的相应信息,再确定列车的三角模糊数时间的各元素,并据此构建每一列列车的三角模糊数列车工作流网,并验证两列列车的三角模糊数列车工作流网时间一致性,计算每一列列车冲突发生的可能性,接着计算两列列车冲突发生的可能性之和和/或加权和,最后用得到的数据更新列车运行状态数据,并检查是否运行至调度区终点站重复上述步骤。本发明反复验证列车冲突发生的可能性,从而为冲突的消解和列车运行调整提供依据,减少事故发生。

Description

高速铁路列车运行冲突预测方法
技术领域
本发明涉及高速铁路领域一种通过算法实现的冲突预测方法,具体来讲,是涉及一种高速铁路列车运行冲突预测方法。 
背景技术
高速铁路是我国近几年来快速发展的一个大项目,为了满足高速铁路的行车组织需要,根据列车当前的运行状态以及未来的列车运行计划、可能的列车运行干扰等随机因素预测列车运行冲突发生的时间、地点和类型,实现对高速铁路列车运行冲突的实时预测,为高速铁路列车运行调整提供技术支持是十分必要的。 
高速铁路列车运行冲突的发生具有偶然性和随机性,也具有一定的必然性和因果性。它的潜伏、发展和发生均具有连贯性、类推性和相关性,是列车运行的一个状态向另一个状态演变的过程。据此,我们能在一定程度上认识和把握高速铁路列车运行冲突的发展规律和趋势,并利用一定的数学方法和仿真方法构建预测模型。通过模型化来寻求高速铁路列车运行冲突的发展演变规律,从而做出列车运行冲突预报。各行车指挥人员重视列车运行冲突管理工作可大大提高铁路的行车指挥效率和行车安全性,因此,研究高速铁路列车运行冲突预测问题具有重要的现实意义。 
高速铁路列车运行冲突预测的关键问题是如何实现对未来列车运行状态的推导和预测。从列车运行冲突的形成机理可以看出,高速铁路未来列车运行状态由列车运行现状和未来列车运行计划、可能受到的列车运行干扰以及运行图冗余时间决定。 
现有阶段,在列车运行过程中,时间是一个关键因素。高速铁路列车运行冲突之所以发生,是因为列车作业过程对资源时间占用的竞争或相应的时间间隔满足不了相关作业要求等,归根结底是一个对列车事件运行时间轨迹进行推导并发现时间冲突的问题。 
因此本发明通过建立三角模糊数工作流网,并依赖该工作流网对列车未来运行状态进行推导,反复验证列车运行冲突发生的可能性,为冲突消解提供支撑,使列车运行更为安全。 
发明内容
本发明的目的在于反复验证列车运行冲突发生的可能性,为冲突消解提供支撑,使列车运行调整方案向减小未来列车运行冲突可能性的方向发展,实现高速铁路列车运行的冲突预测。 
为了实现上述目的,本发明采用的技术方案如下: 
高速铁路列车运行冲突预测方法,包括以下步骤: 
(1)获取一个区段的两列相邻的列车在区段起始站的列车等级、列车次序以及列车到发时刻; 
(2)确定列车的三角模糊数时间的各元素,并据此构建每一列列车的三角模糊数列车工作流网; 
(3)根据已建立的列车活动三角模糊数时间验证两列列车的三角模糊数列车工作流网时间一致性,并计算每一列列车冲突发生的可能性; 
(4)计算两列列车冲突发生的可能性之和和/或加权和; 
(5)用步骤(4)中得到的数据更新列车运行状态数据,并检查是否运行至调度区终点站,若是,则结束本次冲突预测,反之则重新执行步骤(2)~(4)。 
为成功构建工作流网,所述步骤(1)中两列相邻的列车分别为T1和T2,因此步骤(2)中构建每一列列车的三角模糊数列车工作流网的具体实现步骤如下: 
(2a)分别确定T1和T2的列车活动,建立T1和T2的列车运行工作流网; 
(2b)根据T1和T2的列车运行工作流网,建立列车活动三角模糊函数; 
(2c)通过列车活动三角模糊函数建立三角模糊数Petri网模型,并得到三角模糊数时间的各元素; 
(2d)在得到三角模糊数时间的各元素后,以三角模糊数Petri网构建三角模糊数列车工作流网。 
为实现顺序运行模式下的一致性验证,所述步骤(3)验证两列列车的三角模糊数列车工作流网时间一致性包括验证其顺序运行模式下工作流网时间的一致性,并计算其验证过程如下: 
(A)分别计算每一列列车的列车活动截止期限; 
(B)分别将每一列列车的列车活动截止期限与该列车相关作业最晚允许完成时间相对比,若前者不大于后者,则该列车顺序运行模式工作流网时间一致,反之则不一致。 
为实现顺序运行模式下冲突发生的可能性的计算,用工作流网的顺序运行模式来计算每一列列车冲突发生的可能性包括计算以下四点: 
第一点,计算列车组接续冲突的可能性; 
第二点,计算列车运行于旅客换乘时间冲突的可能性; 
第三点,计算行车作业与维修作业冲突的可能性; 
第四点,计算跨线列车与跨线时间冲突的可能性。 
为实现选择运行模式下的一致性验证,所述步骤(3)验证两列列车的三 角模糊数列车工作流网时间一致性包括验证其选择运行模式下工作流网时间的一致性,其验证方法如下: 
(I)在分别建立了两列列车的工作流网后计算每列列车在其中一个活动的开始时间; 
(II)将两列列车的开始时间进行三角模糊数比较,若有交集则不一致,反之则一致。 
为实现选择运行模式下冲突发生的可能性的计算,用工作流网的选择顺序运行模式来计算每一列列车冲突发生的可能性还包括计算以下两点: 
第五点,计算车站间隔时间冲突的可能性; 
第六点,计算到发线运用冲突的可能性。 
与现有技术相比,本发明具有以下有益效果: 
本发明通过反复验证列车冲突发生的可能性,分别通过顺序模式和选择模式来验证工作流网的一致性,以达到双重保证,更精确地预计发生冲突的可能性。 
同时在验证一致性后,计算其各类冲突,从而为冲突的消解和列车运行调整提供依据。 
附图说明
图1为该三角模糊数的隶属三角函数图。 
图2为本发明中三角模糊函数的Petri模型图。 
图3为本发明中列车T1的三角模糊数工作流网图。 
图4为活动Pi的实际执行结束时间用三角模糊数表示出来的工作流网图。 
图5为本发明中P1(C)的函数图。 
具体实施方式
下面结合附图与实施例对本发明作进一步说明,本发明的实施方式包括但不限于下列实施例。 
实施例 
在说明本发明的实现方法前,先讲一下所谓工作流网的基础理论,即Petri网。 
Petri网理论由德国Carl A.Petri博士于1962年在他的博士论文中提出,用于描述计算机系统事件之间的因果关系,其后的研究人员将Petri网理论发展应用于与资源利用相关的学科,如柔性制造系统、通信、交通运输、电力电子以及服务等领域。该理论作为一个重要的工具,可描述系统异步、同步、并行逻辑关系,既能分析系统运行性能,又能用于检查系统的死锁、堆栈以及资源冲突等。 
Petri网(PN)是一个过程模型,能够描述和反应系统的演变和发展,库所、变迁、有向弧以及托肯等元素是传统Petri网的基本组成元素。 
Petri网的元素: 
库所(Place):用于描述可能的系统局部状态,用圆圈“○”表示; 
变迁(Transition):用于描述修改系统状态的事件,用矩形或竖线“|”表示; 
有向弧(Connection):库所和变迁之间的有向弧,通过其指向来规定局部状态和事件之间的关系; 
托肯,也叫令牌(Token):是库所中的动态对象,可以从一个库所移动到另一个库所,托肯包含在库所中,它们在库所中的动态的变化表示系统局部状态的实现情况,用黑点“·”表示,托肯在所有库所中的分布情况称为Petri网的标识。 
基本Petri网用五元组PN=(P,T,I,O,M0)表示,其中P为库所集,T 为变迁集,I是P到T的有限弧集,O是T到P的有限弧集,M0为初始标记。(2)工作流网(WF-net) 
工作流是一种反映业务流程的计算机化的模型,是为了在先进计算机环境下实现经营过程集中化与经营过程自动化而建立的可由工作流管理系统执行的业务模型。工作流是一系列相互衔接的业务活动或任务,如果将整个业务流程看作是一条河,则流过的就是工作流。简单地说,工作流就是业务过程。通过将一个具体的工作分解成多个任务、工作环节,按照一定的运行规则和过程,执行和监控这些任务,对整个工作流进行优化。 
Aalst将Petri网应用于工作流建模,提出了工作流网: 
一个Petri网PN=(P,T,I,O,M0)是工作流网,当且仅当: 
①PN包括两个特殊库所:起始库所i和终止库所o; 
Figure DEST_PATH_GDA00003548613700061
使得·i=φ; 
Figure DEST_PATH_GDA00003548613700062
使得o·=φ; 
④pi,ti∈P∪T都在从i到o的一条径路上。 
活动(Activity)是描述流程运转的最小单元,描述的是工作流中的一个逻辑步骤。工作流网中,变迁与工作流过程中的条件对应,库所与工作流过程中的相应作业(任务)相对应,两个变迁节点和一个库所节点串联在一起就形成了一个活动。 
下面来说明本发明的实现方法: 
(1)首先我们设定两列相邻的列车分别为T1和T2,并获取一个区段的T1和T2在区段起始站的列车等级、列车次序以及列车到发时刻,该区段是一个模糊的时间区间,把这个模糊的时间区间段成为列车活动模糊时间,它包括列车区间运行模糊时间、列车车站停车模糊时间,列车组接续模糊时间和 跨线模糊时间。 
列车活动模糊时间具有一个很明显的特征,那就是列车活动模糊时间为不确定的时间,以一定的概率分布于一个时间区间里,且总是以列车运行图的计划区间运行时分、计划停站时分、动车组计划接续时分以及动车组计划跨线时分为最可能时间,因此三角模糊数最能体现列车活动模糊时间的特征,我们可以用三角模糊数来表示模糊数。 
该三角模糊数表示为π(ζ)=[a,b,c],其隶函数如下式1所示: 
&mu; ( x ) = 0 x < a x - a b - a x &Element; [ a , b ] x - c b - c x &Element; ( b , c ] 0 x > c 式1 
图1表示其隶属函数关系图,其中a表示最短执行时间,b表示最可能执行时间,c表示最长执行时间。隶属函数的取值范围为0~1,0≤a≤b≤c∈R。因此,对应于高速铁路列车运行活动,列车活动的最小时间对应于图中的a,最大时间对应于图中的c,而列车运行图规定的计划时分对应于图中的b。a到b之间的隶属度为0到1的线性递增特性和b到c之间的线性递减特性表示列车运行活动的时间在计划运行时分附近波动,且列车运行活动时间在计划时分附近波动的概率最大。图2为简单的三角模糊数Petri模型。 
(2)再计算出列车的三角模糊数时间的各元素,并据此构建每一列列车的三角模糊数列车工作流网。 
该三角模糊数Petri网可用一个六元组表示:N=(P,T,I,O,M0,Ж)。前五个元组的含义与基本Petri网一致,Ж为模糊时间,是一个三角模糊数的集合,表示变迁的触发时间,是一个由代表变迁所对应工序(任务)工期的元素 组成,其中a,b,c即是该元素。 
接下来构建三角模糊数列车工作流网,三角模糊数工作流网与三角模糊数Petri网在形式上相似,对三角模糊数工作流网的操作主要是对活动时间的操作,即对三角模糊数进行运算,从而对工作流网进行分析和调度。 
三角模糊数的运算遵循以下准则: 
(1)三角模糊数加法 
对于两个三角模糊数π(ζ1)=[a1,b1,c1]和π(ζ2)=[a2,b2,c2],它们的和π(ζ)为: 
π(ζ)=π(ζ1)+π(ζ2)=[a1+a2,b1+b2,c1+c2
(2)三角模糊数减法 
对于两个三角模糊数π(ζ1)=[a1,b1,c1]和π(ζ2)=[a2,b2,c2],它们的差π(ζ)为: 
π(ζ)=π(ζ1)-π(ζ2)=[a1-a2,b1-b2,c1-c2
至此就可以构建高速铁路列车运行的三角模糊数工作流网。 
设列车T1在4个车站和3个区间的列车运行过程为例,介绍高速铁路列车运行的三角模糊数工作流网的构建过程。 
该列车在途中各站均有停站作业,且在其终到站,担当其运输任务完了的动车组需要立即担当其他运输任务出发,即在终到站有动车组接续的活动,因此运行过程包括6个活动,T1的运行活动集合如表1所示。 
表1 
Figure DEST_PATH_GDA00003548613700081
其中di,j为历史数据统计值或经验数据,为了便于后面讨论,此处对其赋 予相应的延误时分数值:d1,1=3,d1,2=2,d1,2=4,d1,3=0.5,d1,3=4,d1,4=3。 
将每个活动用库所元素和变迁元素出来并对活动时间赋予三角模糊数时间便得到了列车运行三角模糊数工作流网,图3即为列车T1的三角模糊数工作流网。其中ps和pe分别为起始和结束库所,没有实际的含义,它们的列车活动三角模糊时间为[0,0,0],ps中的黑点表示列车托肯。 
(3)完成步骤(2)后,根据已建立的列车活动三角模糊数时间验证两列列车的三角模糊数列车工作流网时间一致性,并计算每一列列车冲突发生的可能性。 
由于工作流网具有三种基本运行模式:顺序模式、并行模式和选择模式。其中本实施例主要选择在顺序模式和并行模式对三角模糊数列车工作流网时间一致性进行验证。 
A.顺序模式 
顺序模式是指只有当紧前活动结束后,后续活动才会发生,即工作流中各活动均按照预定的活动序列依次执行。 
对于单列列车的运行过程而言,其工作流网投影到时间轴上是一个按时间顺序推进的过程,如上一节中列车T1的全程运行工作流网就是一个顺序模式的工作流网,因此其总延续时间: 
&Sigma; &pi; ( &xi; ) ( O ) = [ &Sigma; i = 1 n a i , &Sigma; i = 1 n b i , &Sigma; i = 1 n c i ]
其中本实施例中n=6,代表T1在运行时共有6次活动。 
在顺序模式工作流网的时间验证主要是高速铁路列车运行工作流网自身活动结束时间与截止期限的时间冲突预测。 
由于
Figure DEST_PATH_GDA00003548613700092
是列车运行工作流网中的一个活动,pi开始/结束的最迟期限 被限定为某固定值E(pi),将E(pi)称为列车活动截止期限,它是一个以年/月/日/时/分/秒的形式体现的绝对时间。对应于高速铁路列车运行工作流网,列车活动截止期限包括所给定的列车中间站允许到发时刻、列车允许终到时刻、列车允许接续时刻、动车组允许跨线时刻等。一般地,列车运行图规定的列车活动开始/结束加上列车活动最大允许延误时间就是列车活动截止期限。 
列车相关作业最晚允许完成时间Emax(P),若E(pi)≤Emax(pi),则列车运行工作流网时间一致,不存在冲突;反之则时间不一致,存在冲突。 
上述提供相关顺序模式运行的一致性验证原理,下面来寿命告诉铁路列车运行工作流网自身活动结束时间与截止期限的具体验证: 
由于pj也是列车运行工作流网中的一个活动,且pi先于pj执行,活动pi的实际结束时间为E(pi),当活动pi结束时预计活动E(pj)能否在所允许的pj完成时刻Emax(P)之前完成,如图4所示,将活动pi的实际执行结束时间用三角模糊数形式表示成[E(pi),E(pi),E(pi)],并通过下式计算活动pi至pj结束的活动延续时间: 
&Sigma; &pi; ( &xi; ) ( O j ) = [ &Sigma; i j a i 1 , &Sigma; i j b i 1 , &Sigma; i j c i 1 ]
最后计算活动pj的雨季结束执行结束时间为: 
E ( p j ) = &Sigma; i j a i 1 + E ( p i ) , &Sigma; i j b i 1 + E ( p i ) , &Sigma; i j c i 1 + E ( p i )
如果
Figure DEST_PATH_GDA00003548613700103
则运行至活动pj时,该列车运行工作流网时间一致,不存在冲突,否则存在冲突。 
在进行顺序模式下计算各列车的运行冲突可能性,即计算以下四点: 
第一点,计算列车组接续冲突的可能性; 
第二点,计算列车运行于旅客换乘时间冲突的可能性; 
第三点,计算行车作业与维修作业冲突的可能性; 
第四点,计算跨线列车与跨线时间冲突的可能性。 
计算第一点的方法如下: 
若高速铁路工作流网列车活动pi的预计开始/结束时间为π(ζ)=[a,b,c],活动pi的开始/结束截止期限为Emax(pi),则如图5所示,该列车工作流网与截止期限发生时间冲突的可能性为: 
P 1 ( C ) = 1 - &Integral; a E max ( P i ) &mu; ( x ) dx &Integral; a c &mu; ( x ) dx E max ( P i ) &Element; [ a , b ) &Integral; E max ( P i ) c &mu; ( x ) dx &Integral; a c &mu; ( x ) dx E max ( P i ) &Element; [ b , c ] 1 E max ( P i ) < a 0 E max ( P i ) > c
P1(C)的物理意义为图5中阴影部分的面积与整个三角形面积的比值。其中[Emax(pi),c]为冲突时间。若Emax(pi)≥c,则P1(C)=0,列车活动pi的预计结束时间与截止期限Emax(pi)不冲突;若Emax(pi)≤a,则P1(C)=1,列车活动pi的预计结束时间与截止期限Emax(pi)必然发生冲突,有0≤P1(C)≤1。 
证明当Emax(pi)≥c时, &Integral; E max ( P i ) c &mu; ( x ) dx = 0 &DoubleRightArrow; P 1 ( C ) = 0 ;
当Emax(pi)≤a时, &Integral; a E max ( P i ) &mu; ( x ) dx &Integral; a c &mu; ( x ) dx = 0 &DoubleRightArrow; P 1 ( C ) = 1 ;
由于P1(C)在定义域上是单调递减的,因此,有0≤P1(C)≤1。 
式中的积分过程较多,计算量较大,利用三角形面积计算公式可将上式变换为用两三角模糊数各元素之间关系表示的形式: 
P 11 ( C ) = 1 - [ E max ( p i ) - a ] 2 ( b - a ) ( c - a ) E max ( p i ) &Element; [ a , b ) [ c - E max ( p i ) ] 2 ( c - b ) ( c - a ) E max ( p i ) &Element; [ b , c ] 1 E max ( p i ) < a 0 E max ( p i ) > c
例如:高速铁路工作流网列车活动pi的预计结束时间为π(ζ)=[60,65,72],动车组接续时间标准为15min,将动车组接续时间标准计入pi的预计结束时间,则pi的预计结束时间修正为π(ζ)=[75,80,87]。如果活动pi的截止期限设定为78,则该列车活动在截止期限以后完成的可能性(冲突可能性)为0.85;如果截止期限设定为82,则该接续冲突的可能性为0.3。 
同样将Emax(pi)分别换作大量旅客换乘其他列车的最晚允许时间、综合维修天窗开始时间、跨线列车跨线的允许时间时,便可分别得到第二点、第三点和第四点的冲突可能性。 
B.选择模式 
选择模式下运行的工作流网一致性验证主要是对两列列车工作流网竞争使用同一运输资源时的时间冲突预测。 
设两列列车工作流网分别为支网w1和支网w2。两个支网运行至活动pi时需要竞争使用资源,如果两个支网的活动结束时间有交集,则称由w1和w2所构成的工作流网存在时间不一致,两列列车在执行活动pj时存在冲突。 
其动态验证方法如下: 
(1)将w1和w2的工作流网各活动时间根据三角模糊数的运算法则分别计算出w1和w2的pj活动开始时间: 
&Sigma; &pi; ( &xi; ) ( O w 1 ) = [ &Sigma; a j 1 , &Sigma; b j 1 , &Sigma; c j 1 ]
&Sigma; &pi; ( &xi; ) ( O w 2 ) = [ &Sigma; a j 2 , &Sigma; b j 2 , &Sigma; c j 2 ]
(2)比较
Figure DEST_PATH_GDA00003548613700133
两个三角模糊数的关系,即看这两个数是否有交集,如果有交集则w1和w2存在时间冲突的可能。 
用工作流网的选择顺序运行模式来计算每一列列车冲突发生的可能性包括计算以下两点: 
第五点,计算车站间隔时间冲突的可能性; 
第六点,计算到发线运用冲突的可能性。 
首先计算第五点,w1和w2的pj开始时间分别为: 
&Sigma; &pi; ( &xi; ) ( O w 1 ) = [ &Sigma; a j 1 , &Sigma; b j 1 , &Sigma; c j 1 ]
&Sigma; &pi; ( &xi; ) ( O w 2 ) = [ &Sigma; a j 2 , &Sigma; b j 2 , &Sigma; c j 2 ]
若: 
&Exists; &Sigma; &pi; ( &xi; ) ( O w 1 ) &cap; &Sigma; &pi; ( &xi; ) ( O w 2 ) &NotEqual; &phi;
则w1和w2冲突,冲突时间为[max(∑aj1,∑aj2),δ,min(∑cj1,∑cj2)],其中δ为介于max(∑aj1,∑aj2)和min(∑cj1,∑cj2)之间的一个数值,是冲突时间的最可能值,其隶属函数取得最大值。冲突时间为[max(∑aj1,∑aj2),δ,min(∑cj1,∑cj2)],其中δ为介于max(∑aj1,∑aj2)和min(∑cj1,∑cj2)之间的一个数值,是冲突时间的最可能值,其隶属函数取得最大值。 
第六点的计算则引入列车冲突预测链表来进行辅助分析,其算法与第五点类似。 
(4)计算两列列车冲突发生的可能性之和和/或加权和; 
依次记录列车T1和T2的各类冲突可能性,分别记录对两列车的冲突发生的可能性之和p(i)或加权和
P ( i ) = &Sigma; j = 1 r p j ( c )
P ~ ( i ) = &Sigma; j = 1 r &omega; j p j ( c )
在上述两式中,j为列车运行冲突的类型;r为列车运行冲突的类型数量,可以是上述冲突中的全部,也可以是从中选取若干重点关注的列车运行冲突;pj(c)为当前状态下预测得到该列车发生第j类冲突的可能性值;ωj是为不同类型列车运行冲突赋予的不同权重值,如列车间冲突的权重比乘客换乘接续时间冲突重要,权重值大。 
最后: 
(5)用步骤(4)中得到的数据更新列车运行状态数据,并检查是否运行至调度区终点站,若是,则结束本次冲突预测,反之则重新执行步骤(2)~(4) 
按照上述实施例,便可很好地实现本发明。 

Claims (6)

1.高速铁路列车运行冲突预测方法,其特征在于,包括以下步骤:
(1)获取一个区段的两列相邻的列车在区段起始站的列车等级、列车次序以及列车到发时刻;
(2)确定列车的三角模糊数时间的各元素,并据此构建每一列列车的三角模糊数列车工作流网;
(3)根据已建立的列车活动三角模糊数时间验证两列列车的三角模糊数列车工作流网时间一致性,并计算每一列列车冲突发生的可能性;
(4)计算两列列车冲突发生的可能性之和和/或加权和;
(5)用步骤(4)中得到的数据更新列车运行状态数据,并检查是否运行至调度区终点站,若是,则结束本次冲突预测,反之则重新执行步骤(2)~(4)。
2.根据权利要求1所述的高速铁路列车运行冲突预测方法,其特征在于,所述步骤(1)中两列相邻的列车分别为T1和T2,则步骤(2)中构建每一列列车的三角模糊数列车工作流网的步骤如下:
(2a)分别确定T1和T2的列车活动,建立T1和T2的列车运行工作流网;
(2b)根据T1和T2的列车运行工作流网,建立列车活动三角模糊函数;
(2c)通过列车活动三角模糊函数建立三角模糊数Petri网模型,并得到三角模糊数时间的各元素;
(2d)在得到三角模糊数时间的各元素后,以三角模糊数Petri网构建三角模糊数列车工作流网。
3.根据权利要求2所述的高速铁路列车运行冲突预测方法,其特征在于,所述步骤(3)验证两列列车的三角模糊数列车工作流网时间一致性包括验证其顺序运行模式下工作流网时间的一致性,并计算其验证过程如下:
(A)分别计算每一列列车的列车活动截止期限;
(B)分别将每一列列车的列车活动截止期限与该列车相关作业最晚允许完成时间相对比,若前者不大于后者,则该列车顺序运行模式工作流网时间一致,反之则不一致。
4.根据权利要求3所述的高速铁路列车运行冲突预测方法,其特征在于,用工作流网的顺序运行模式来计算每一列列车冲突发生的可能性包括计算以下四点:
第一点,计算列车组接续冲突的可能性;
第二点,计算列车运行于旅客换乘时间冲突的可能性;
第三点,计算行车作业与维修作业冲突的可能性;
第四点,计算跨线列车与跨线时间冲突的可能性。
5.根据权利要求4所述的高速铁路列车运行冲突预测方法,其特征在于,所述步骤(3)验证两列列车的三角模糊数列车工作流网时间一致性包括验证其选择运行模式下工作流网时间的一致性,其验证方法如下:
(I)在分别建立了两列列车的工作流网后计算每列列车在其中一个活动的开始时间;
(II)将两列列车的开始时间进行三角模糊数比较,若有交集则不一致,反之则一致。
6.根据权利要求5所述的高速铁路列车运行冲突预测方法,其特征在于,用工作流网的选择顺序运行模式来计算每一列列车冲突发生的可能性还包括计算以下两点:
第五点,计算车站间隔时间冲突的可能性;
第六点,计算到发线运用冲突的可能性。
CN201310279258.5A 2013-07-04 2013-07-04 高速铁路列车运行冲突预测方法 Expired - Fee Related CN103310118B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310279258.5A CN103310118B (zh) 2013-07-04 2013-07-04 高速铁路列车运行冲突预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310279258.5A CN103310118B (zh) 2013-07-04 2013-07-04 高速铁路列车运行冲突预测方法

Publications (2)

Publication Number Publication Date
CN103310118A true CN103310118A (zh) 2013-09-18
CN103310118B CN103310118B (zh) 2016-02-10

Family

ID=49135328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310279258.5A Expired - Fee Related CN103310118B (zh) 2013-07-04 2013-07-04 高速铁路列车运行冲突预测方法

Country Status (1)

Country Link
CN (1) CN103310118B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268634A (zh) * 2014-07-10 2015-01-07 西南交通大学 基于时间着色Petri网的列车冲突预测和化解方法
CN105070097A (zh) * 2015-07-16 2015-11-18 山东交通学院 一种营运车辆道路交通事故风险识别方法
CN106672028A (zh) * 2015-03-31 2017-05-17 江苏理工学院 基于鲁棒策略的双层地铁交通流优化控制方法
CN106741007A (zh) * 2015-03-31 2017-05-31 江苏理工学院 一种地铁交通冲突预警方法
CN106741020A (zh) * 2015-03-31 2017-05-31 江苏理工学院 地铁冲突预警方法
CN107578141A (zh) * 2017-07-25 2018-01-12 南京航空航天大学 基于模糊层次分析和证据理论的机场跑道分配决策方法
CN107776613A (zh) * 2015-03-31 2018-03-09 江苏理工学院 地铁交通流优化控制系统
CN108153154A (zh) * 2015-03-31 2018-06-12 江苏理工学院 基于鲁棒策略的双层地铁列车冲突解脱的规划方法
CN109255494A (zh) * 2015-03-31 2019-01-22 江苏理工学院 基于鲁棒策略的地铁轨迹的实时预测方法
CN109255493A (zh) * 2015-03-31 2019-01-22 江苏理工学院 一种基于鲁棒策略的地铁列车轨迹的实时预测方法
CN109447414A (zh) * 2018-09-29 2019-03-08 西安财经学院 一种工业编组站确定车列解体顺序的量化方法
CN111994133A (zh) * 2020-09-04 2020-11-27 中国国家铁路集团有限公司 一种高速铁路列车到达追踪间隔时间压缩方法
CN113212503A (zh) * 2021-05-11 2021-08-06 卡斯柯信号(成都)有限公司 一种用于轨道交通车辆调车计划冲突的检测方法
CN115489571A (zh) * 2022-10-13 2022-12-20 交控科技股份有限公司 跨时空城市轨道交通列车调度指挥系统
WO2023103553A1 (zh) * 2021-12-09 2023-06-15 灵动科技(北京)有限公司 多机器人轨迹规划方法及计算机程序产品
CN117521496A (zh) * 2023-11-06 2024-02-06 南京航空航天大学 一种飞机滑行冲突预测方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030055811A1 (en) * 2001-09-20 2003-03-20 Ricoh Company, Ltd. Document controlled workflow systems and methods
US20060242002A1 (en) * 2005-04-26 2006-10-26 Xerox Corporation Validation and analysis of JDF workflows using colored Petri nets
CN101872378A (zh) * 2010-06-24 2010-10-27 昆明理工大学 一种基于时间Petri网和Agent的复杂系统建模方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030055811A1 (en) * 2001-09-20 2003-03-20 Ricoh Company, Ltd. Document controlled workflow systems and methods
US20060242002A1 (en) * 2005-04-26 2006-10-26 Xerox Corporation Validation and analysis of JDF workflows using colored Petri nets
CN101872378A (zh) * 2010-06-24 2010-10-27 昆明理工大学 一种基于时间Petri网和Agent的复杂系统建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WEN CHAO: ""Prediction of Train Operation Conflict"", 《PROCEEDINGS OF THE 29TH CHINESE CONTROL CONFERENCE》 *
YUNG-HSIANG CHENG等: ""A Fuzzy Petri Nets approach for railway traffic control in case of abnormality: Evidence from Taiwan railway system"", 《EXPERT SYSTEMS WITH APPLICATIONS》 *
庞辉等: ""基于模糊时间Petri网的协同工作流模型研究"", 《系统仿真学报》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268634A (zh) * 2014-07-10 2015-01-07 西南交通大学 基于时间着色Petri网的列车冲突预测和化解方法
CN107776613A (zh) * 2015-03-31 2018-03-09 江苏理工学院 地铁交通流优化控制系统
CN106741007A (zh) * 2015-03-31 2017-05-31 江苏理工学院 一种地铁交通冲突预警方法
CN106672028A (zh) * 2015-03-31 2017-05-17 江苏理工学院 基于鲁棒策略的双层地铁交通流优化控制方法
CN109447327A (zh) * 2015-03-31 2019-03-08 江苏理工学院 一种地铁列车轨迹预测方法
CN106777833A (zh) * 2015-03-31 2017-05-31 江苏理工学院 基于鲁棒策略的地铁交通流优化控制方法
CN107826146A (zh) * 2015-03-31 2018-03-23 江苏理工学院 基于鲁棒策略的地铁交通流优化控制方法
CN106741006A (zh) * 2015-03-31 2017-05-31 江苏理工学院 基于鲁棒策略的地铁冲突预警方法
CN106828546A (zh) * 2015-03-31 2017-06-13 江苏理工学院 一种地铁交通流控制方法
CN106828545A (zh) * 2015-03-31 2017-06-13 江苏理工学院 一种基于鲁棒策略的地铁交通流优化控制方法
CN106853833A (zh) * 2015-03-31 2017-06-16 江苏理工学院 地铁交通流控制方法
CN106864482A (zh) * 2015-03-31 2017-06-20 江苏理工学院 一种地铁冲突预警方法
CN106864483A (zh) * 2015-03-31 2017-06-20 江苏理工学院 基于鲁棒策略的地铁列车冲突预警方法
CN106926873A (zh) * 2015-03-31 2017-07-07 江苏理工学院 一种基于鲁棒策略的地铁列车冲突预警方法
CN106938655A (zh) * 2015-03-31 2017-07-11 江苏理工学院 地铁交通冲突预警方法
CN106938657A (zh) * 2015-03-31 2017-07-11 江苏理工学院 一种基于鲁棒策略的地铁冲突预警方法
CN107021117A (zh) * 2015-03-31 2017-08-08 江苏理工学院 一种基于鲁棒策略的地铁交通冲突预警方法
CN109255492A (zh) * 2015-03-31 2019-01-22 江苏理工学院 一种基于鲁棒策略的地铁轨迹的实时预测方法
CN109255495A (zh) * 2015-03-31 2019-01-22 江苏理工学院 基于鲁棒策略的地铁列车轨迹的实时预测方法
CN106741020A (zh) * 2015-03-31 2017-05-31 江苏理工学院 地铁冲突预警方法
CN108153154A (zh) * 2015-03-31 2018-06-12 江苏理工学院 基于鲁棒策略的双层地铁列车冲突解脱的规划方法
CN108146472A (zh) * 2015-03-31 2018-06-12 江苏理工学院 基于鲁棒策略的地铁列车冲突解脱的规划方法
CN109255494A (zh) * 2015-03-31 2019-01-22 江苏理工学院 基于鲁棒策略的地铁轨迹的实时预测方法
CN109255493A (zh) * 2015-03-31 2019-01-22 江苏理工学院 一种基于鲁棒策略的地铁列车轨迹的实时预测方法
CN105070097B (zh) * 2015-07-16 2017-05-03 山东交通学院 一种营运车辆道路交通事故风险识别方法
CN105070097A (zh) * 2015-07-16 2015-11-18 山东交通学院 一种营运车辆道路交通事故风险识别方法
CN107578141B (zh) * 2017-07-25 2022-02-08 南京航空航天大学 基于模糊层次分析和证据理论的机场跑道分配决策方法
CN107578141A (zh) * 2017-07-25 2018-01-12 南京航空航天大学 基于模糊层次分析和证据理论的机场跑道分配决策方法
CN109447414A (zh) * 2018-09-29 2019-03-08 西安财经学院 一种工业编组站确定车列解体顺序的量化方法
CN111994133A (zh) * 2020-09-04 2020-11-27 中国国家铁路集团有限公司 一种高速铁路列车到达追踪间隔时间压缩方法
CN111994133B (zh) * 2020-09-04 2022-03-22 中国国家铁路集团有限公司 一种高速铁路列车到达追踪间隔时间压缩方法
CN113212503A (zh) * 2021-05-11 2021-08-06 卡斯柯信号(成都)有限公司 一种用于轨道交通车辆调车计划冲突的检测方法
CN113212503B (zh) * 2021-05-11 2023-03-10 卡斯柯信号(成都)有限公司 一种用于轨道交通车辆调车计划冲突的检测方法
WO2023103553A1 (zh) * 2021-12-09 2023-06-15 灵动科技(北京)有限公司 多机器人轨迹规划方法及计算机程序产品
CN115489571A (zh) * 2022-10-13 2022-12-20 交控科技股份有限公司 跨时空城市轨道交通列车调度指挥系统
CN117521496A (zh) * 2023-11-06 2024-02-06 南京航空航天大学 一种飞机滑行冲突预测方法、装置及存储介质

Also Published As

Publication number Publication date
CN103310118B (zh) 2016-02-10

Similar Documents

Publication Publication Date Title
CN103310118B (zh) 高速铁路列车运行冲突预测方法
Zhang et al. Integrated optimization of train scheduling and maintenance planning on high-speed railway corridors
Wong et al. Optimizing timetable synchronization for rail mass transit
Zhao et al. An integrated approach of train scheduling and rolling stock circulation with skip-stopping pattern for urban rail transit lines
Corman Real-time Railway Traffic Management: Dispatching in complex, large and busy railway networks
CN106627677A (zh) 铁路旅服系统的目标列车到站时间预测方法及装置
CN113935181A (zh) 一种基于匹配客流的列车模拟运行优化系统构建方法
He et al. Scheduling optimization of prefabricated buildings under resource constraints
CN103130050A (zh) 一种电梯群控系统的调度方法
Wu et al. Track allocation optimization in railway station: mean-variance model and case study
Hasannayebi et al. An integrated simulation model and evolutionary algorithm for train timetabling problem with considering train stops for praying
CN112233451B (zh) 一种考虑纯电动公交车辆续航里程的行车计划智能编制系统
CN103258236B (zh) 一种基于场景的城市轨道交通网络大客流分配方法
Zhong et al. Parallel optimization method of train scheduling and shunting at complex high‐speed railway stations
CN115817588A (zh) 面向大小交路模式的城轨列车运行图自动编制方法和系统
Gao et al. Reliability Analysis of Bus Timetabling Strategy during the COVID‐19 Epidemic: A Case Study of Yixing, China
Noor et al. Revit-based automation modeling for intermediate railway station
Zhang et al. High-Speed Railway Train Diagram Optimization Model and Algorithm Considering Station Throat Capacity Constraints
Enache et al. Conceiving of resilient railway systems
Tideman et al. Proactive dispatching of railway operation
Toletti et al. Enhancing energy efficiency in railway operation through RCG-based rescheduling
Letia et al. Distributed scheduling for real-time railway traffic control
Mu et al. A Conflict Detection and Avoidance Strategy for Train Operations Based on Petri Nets
KR102127916B1 (ko) 자율 협업 기반의 열차 관제 방법
Chang et al. A Risk-based Critical Path Scheduling Method (I): Model and Prototype Application System

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: CHINA RAILWAY CORPORATION

Free format text: FORMER OWNER: WEN CHAO

Effective date: 20150105

Owner name: SOUTHWEST COMMUNICATION UNIVERSITY

Free format text: FORMER OWNER: PENG QIYUAN

Effective date: 20150105

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 610000 CHENGDU, SICHUAN PROVINCE TO: 100844 HAIDIAN, BEIJING

TA01 Transfer of patent application right

Effective date of registration: 20150105

Address after: 100844 Fuxing Road, Beijing, Haidian District, No. 10

Applicant after: CHINA RAILWAY CORPORATION

Applicant after: Southwest Jiaotong University

Address before: 610000, No. two, 702 Ring Road, Jinniu District, Sichuan, 111, attached to No. 59 student dormitory, 1, attached to No. 2, Chengdu

Applicant before: Wen Chao

Applicant before: Peng Qiyuan

C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160210

Termination date: 20160704