CN104268634A - 基于时间着色Petri网的列车冲突预测和化解方法 - Google Patents
基于时间着色Petri网的列车冲突预测和化解方法 Download PDFInfo
- Publication number
- CN104268634A CN104268634A CN201410328031.XA CN201410328031A CN104268634A CN 104268634 A CN104268634 A CN 104268634A CN 201410328031 A CN201410328031 A CN 201410328031A CN 104268634 A CN104268634 A CN 104268634A
- Authority
- CN
- China
- Prior art keywords
- train
- conflict
- time
- railway
- petri
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000010845 search algorithm Methods 0.000 claims abstract description 12
- 230000007704 transition Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000000593 degrading effect Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 230000003111 delayed effect Effects 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007562 laser obscuration time method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000009452 underexpressoin Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G06Q50/40—
Abstract
本发明公开了一种基于时间着色Petri网的列车冲突预测和化解方法。本发明首先获得当前时刻在铁路系统中运行列车的实时状态数据、列车车次、路径以及列车到发时刻;依据铁路路网结构,建立铁路路网系统的时间着色Petri网模型。然后以已建立的时间Petri网模型为基础,推导列车群未来状态,并检测是否有潜在冲突发生;当检测到冲突后,利用基于Petri网可达树的启发式搜索算法,搜索列车运行冲突消解的最优或近似最优解,并按冲突消解结果调整列车运行方案。在此基础上,利用时间着色Petri网模型验证新的列车运行方案是否可行,以确保实际执行的运行方案没有冲突。
Description
技术领域
本发明涉及一种铁路列车运行方案实时调整的方法,特别涉及一种基于时间分层Petri网对列车群建模与调度优化的方法。
背景技术
列车在实际运输过程中难免受到随机因素的影响,发生偏离运行图运行的情况,导致列车晚点甚至冲突。另一方面,随着铁路运输需求的快速增长,列车开行密度不断增加,追踪间隔不断缩小,列车间的相互影响日益明显,这将进一步增加冲突发生的几率。因此,实时的列车冲突检测及化解是保障列车安全有序运行的关键。
现有的列车冲突的检测和化解技术主要围绕运行图的实时调整展开,常用的解决方法包括:数学规划方法、分支定界法、遗传算法、专家系统等。均存在着变量数目众多、约束条件关联性大、直接求解过于复杂、限于区段内的调整、未考虑路网约束等问题。
事实上,列车运行冲突的检测化解的关键问题是如何在短时间内实现对未来列车群行为的推导,发现潜在冲突以及采用何种措施消除冲突。本发明以时间分层Petri网为建模工具,以启发式算法作为调度方法,综合考虑列车晚点、算法实时性等多项指标的优化,实现列车运行冲突的预测和化解方法。
发明内容
为了克服上述现有技术的不足,本发明提供了一种基于时间着色Petri网的列车冲突检测和消解方法。该方法基于时间着色Petri理论建立列车群行为模型,并提出列车群状态预测和潜在冲突判定的技术,同时运用启发式搜索技术求解冲突消解问题。
本发明实现其发明目的所采用的技术方案是:
一种基于时间着色Petri网的列车冲突预测和化解方法,依据铁路路网结构建立铁路路网系统的时间着色Petri网模型,然后以已建立的时间Petri网模型为基础推导列车群未来状态并检测是否有潜在冲突发生;当检测到冲突后,利用基于Petri网可达树的启发式搜索算法,搜索列车运行冲突消解的最优或近似最优解,并按冲突消解结果调整列车运行方案,以确保实际执行的运行方案没有冲突,包含如下具体步骤:
(1)获得当前时刻在铁路系统中运行列车的实时状态数据、列车车次、路径以及列车到发时刻;
(2)依据铁路路网结构,建立铁路路网系统的时间着色Petri网模型;
(3)根据已建立的时间着色Petri网模型推导列车群未来状态,并检测是否有潜在冲突发生,若否,则在将来时刻到来的时候更新数据,并重复该步骤,反之,则进入下一步;
(4)利用基于Petri网可达树的启发式搜索算法,搜索列车运行冲突消解的最优或近似最优解,并按冲突消解结果调整列车运行方案;
(5)利用时间着色Petri网模型,验证新的列车运行方案是否可行,如否,则按上述步骤重新调整运行方案,反之,则执行该运行方案;
为成功构建铁路路网系统的时间着色Petri网模型,步骤(2)的具体实施步骤如下:
(2a)Petri网中库所表示铁路资源;具体地,将铁路路网中的车站视为车站库所,两个信号机之间的闭塞分区视为一个闭塞分区库所;
(2b)确定库所容量;车站与闭塞分区的容量不同,车站容量与股道数有关,通常情况下车站库所容量大于1;闭塞分区和区间每次只能容纳1列列车,即闭塞分区库所的容量等于1;
(2c)Petri网中托肯表示运行列车;为区分列车托肯,将列车路径,即连续库所的集合,标识为托肯颜色;在不同库所内,每个托肯绑定一个时间标签,表示列车对对应铁路资源的占用时间;
(2d)定义库所和变迁颜色集;
所述步骤(3)中的具体实施步骤如下:
(3a)以当前时刻的列车状态(铁路在铁路路网中的分布)作为Petri网初始标识;
(3b)推导该时间着色Petri网的下一个可达标识;
(3c)如果Petri网的当前标识为目标标识,则退出步骤(3),反之,则继续下一步;
(3d)对每个可达标识,验证列车是否满足最小时间间隔约束和铁路资源约束,如是,则返回步骤(3b);如否,则将记录冲突信息,并退出步骤(3),开始执行冲突消解步骤;
启发式搜索算法被用来实现冲突消解,该算法将A*与Petri网相结合,并考虑铁路运行调整的规则约束,所述步骤(4)中的具体实施步骤如下:
(4a)确定初始标识M0和目的标识Mf;
(4b)确定以列车运行晚点时间最短为目标的评价函数f;
对于标识M,其评价函数f(M)=g(M)+h(M),g(M)表示系统运行到当前标识M所产生的所有列车延迟时间之和;h(M)为启发函数,表示系统到达目标标识所产生的所有列车估计延迟时间之和;
(4c)重新计算列车在每个区间内的最短运行时间,重新确定托肯时间戳。
(4d)利用基于Petri网的启发式搜索算法,寻找冲突消解方案;
新的列车运行方案需要经过时间着色Petri网模型验证无冲突之后,才能 发送给执行单位执行,步骤(5)的具体验证方式如下:
(5a)以新的运行计划为依据,重新确定托肯时间戳。
(5b)以当前时刻的列车状态作为Petri网初始标识;
(5c)推导该时间着色Petri网的下一个可达标识;
(5d)如果Petri网的当前标识为目标标识,则退出步骤(5),反之,则继续下一步;
(5e)对每个可达标识,验证列车是否满足最小时间间隔约束和铁路资源约束,如是,则返回步骤(5c);如否,则将记录冲突信息,并退出步骤(5),重新执行冲突消解步骤。
在启发式搜索过程中,考虑铁路运行调整的规则约束,制定托肯延迟规则,具体如下:
(1)规则1:早点到达车站库所的列车,将延长停站时间以满足最早出发时间约束;
(2)规则2:为改变列车次序或优先级,部分列车存在被延迟的可能性;
(3)规则3:为避免冲突的发生,部分列车或被延迟以消除冲突。
与现有技术相比,本发明具有以下有益结果:
本发明采用形式化的语言描述列车群行为,避免了模型变量数目众多,求解复杂的问题。同时着色时间Petri网为列车群行为预测和潜在冲突判定提供很好的图形工具,更精确地预测发生冲突的可能性。此外,冲突消解算法的突出特点是根据某些规则抛弃掉可达图中某些节点,因此算法的计算量将大大减少。延迟规则和评价函数的使用,是算法总能找到满足约束的最优或近似最优解。
附图说明
图1为本发明实施方案的总体框图。
图2为简单单线铁路案例;
图3为单线铁路的着色时间Petri网结构图;
图4为冲突运行图;
图5为启发式搜索算法得到的新的运行图。
具体实施方式
下面结合附图与实施例对本发明进一步说明,本发明的实施方式包括但不限于下列实施例。
图1表达了本发明实施方案的总体过程,包含如下步骤:
构造时间着色Petri网模型:获得当前时刻在铁路系统中运行列车的实时状态数据、列车车次、路径以及列车到发时刻;依据铁路路网结构,建立铁路路网系统的时间着色Petri网模型;
冲突预测步骤:以已建立的时间Petri网模型为基础,推导列车群未来状态,并检测是否有潜在冲突发生;
冲突化解步骤:利用基于Petri网可达树的启发式搜索算法,搜索列车运行冲突消解的最优或近似最优解,并按冲突消解结果调整列车运行方案;
冲突化解方案验证步骤:利用时间着色Petri网模型,验证新的列车运行方案是否可行,如否,则按上述步骤重新调整运行图,如是则执行该运行方案。实施例
在说明本发明的实施方法前,先介绍一下时间着色Petri网的基础理论。
有限容量的时间着色Petri网用8元组TCPN=(P,T,C,A,K,I,O,M0)表示,其中P为库所集,T为变迁集,C是每个库所和变迁关联的颜色集,A为托肯属性集,K为库所的容量函数,I是P到T的有限弧集,O是T到P的有限弧 集,M0为初始标识。
在图形上,库所用一个圆圈表示,变迁用矩形表示,库所和变迁用有向弧连接。托肯属性用三元组<<p,v>τ>表示,三个属性分别为托肯的位置,颜色及时间戳。变迁的触发时间等于待消耗托肯的最大时间戳。
以图2为例,说明本发明的着色时间Petri模型的构造方法:
图2中的铁路线路所对应的时间着色Petri网模型(图3)包含两个特殊库所:起始库所ps和终止库所pe,K(pi)=∞(i=s,e)。库所pi(i=1,2,3)分别表示车站1,2,3;pi(i=4,5)表示列车运行区间。车站库所的容量等于其能容量列车的数目,本实施例假设K(pi)=2(i=1,2,3);区间库所的容量K(pi)=1(i=4,5)。
假设列车v1,v2和v3在该铁路路网中运行。列车路径集分别为Rv1={ps,p1,p4,p2,p5,p3,pe},Rv2={ps,p1,p4,p2,p5,p3,pe},Rv3={ps,p3,p5,p2,p4,p1,pe}。Petri网模型中,用三个带有颜色的托肯表示列车v1,v2和v3;设置列车路径集为对应托肯的颜色;依据列车运行图的计划区间运行时分、计划停车时分(如表1所示),设置托肯在不同库所内的时间戳。表1
以托肯的路径为依据,确定库所和变迁的颜色集。库所pi∈P的颜色集定义为C(pi)={vk|Rvk包含pi}。变迁tj∈T∧j∈p* i∧tj∈*ph,有C(tj)={vk|Rvk包含pi,ph,且ph为pi下一个相邻库所}。在本案例中,C(pi)={v1,v2,v3}(i=1,2,3,4,5,s,e);C(tj)={v1,v2}(j=1,2,3,4,9,11)C(tj)={v3}(j=5,6,7,8,10,12)。
按以上步骤可以完成着色时间Petri模型构造。以当前时刻的列车状态作为初始标识,推导该时间着色Petri网的下一个可达标识,可以实现对未来列车状态的预测。
具体实施如下:
本案例中,初始标识 分析Petri网的结构,矩阵I,O可以确定,例如
初始标识M0下,托肯v1的时间戳最短,将最早被激发,使M0[t9>M’。在新标识M’下
m′i=ε(i=2,3,4,5,e)。
重复上述步骤,可推导Petri网系统所有可达标识。对每个可达标识,验证列车是否满足最小时间间隔约束和铁路资源约束。
容量约束:单个车站/闭塞分区所容纳的列车数不能超过其最大容量限制,即对任意库所pi∈P,存在约束|mi|≤K(pi)。其中,mi为库所pi的标识。
间隔约束:列车间应保持一定的时间间隔运行,以保证安全追踪。相邻变迁t1,t2的使能时间存在约束τ1-τ2≥Δt。其中,Δt表示最小时间间隔标准。当列车运行不满足容量约束或间隔约束,很可能导致列车运行冲突。冲突判定规则形式化描述如下:
在铁路路网系统的时间着色Petri网模型中,任何可达标识M∈[M0>下,如果 那么在标识M下p 处存在列车运行冲突。其中,表示标识M下库所p后集中使能变迁触发的最早时间。
运用上述冲突判定规则对Petri网可达标识进行检测,一旦发现潜在冲突,立即调用冲突消解算法,实施步骤如下:
(1)确定初始标识:
(2)确定目标标识:
(3)确定评价函数:
以晚点时间最短为优化目标,评价函数
g(M)=Σv∈V(Tv(M0,M)-STv(M))
h(M)=Σv∈V(Tv(M,Mf)-STv(Mf))
其中,STv(M)表示时刻表规定到达时间,Tv(M0,M)表示从初始标识到当前标识消耗的时间。
(4)重新计算列车在每个区间内的最短运行时间,重新确定托肯时间戳。
(5)按下述流程执行启发式搜索算法,寻找最优或近似最优解:
(5a)将初始标识M0放入OPEN表中。
(5b)如果OPEN表为空,程序异常退出。
(5c)从OPEN表中取出第一个标识M并将其放入CLOSED表中。
(5d)如果标识M是目标标识,则回溯构造出从M到M0的路径,程序正常退出。
(5e)找到标识M的所有可触发变迁,并触发每个可触发变迁,得到子标识M’,并将M记为M’的父标识。
(5f)对于每一个M’:
(a)应用延迟规则,计算每个托肯的延迟时间。
(b)冲突检测。验证标识M’中列车是否满足最小时间间隔约束和铁路资源约束,如否,则将标识M’放入CLOSED表中;如是,则进行下一步。
(c)如果M’已经在OPEN中,将重新计算f(M’)同原f(M’)值进行比较。假如f(M’)的原先值小于重新计算后的f(M’)新值,则不做任何改变;反之,用f(M’)的新值代替原先值,并修改M’的父标识为M;
(d)如果M’在CLOSED中,将重新计算f(M’)同原f(M’)值进行比较。假如f(M’)的原先值小于重新计算后的f(M’)新值,则不做任何改变;反之,则用f(M’)的新值代替原先值,并修改M’的父标识为M,同时将M’移到OPEN表中。
(e)如果M’既不在OPEN表,又不在CLOSED表,则将标识M’放入OPEN表中,并计算f(M’)。
(5g)将OPEN表中标识按f值由小到大排序。
(5h)转至步骤(5c)。
延迟规则描述如下:
规则1:对可达标识M∈M0>如果变迁tj∈enable(M)触发使M[tj>M’,tj的使能时间必须满足最早出发时间约束τj=max{STj-T,τj}。其中STj表示时刻表规定出发时间,T表示从初始标识M0到当前标识M消耗的总时间。
规则2:在新标识M’下,变迁tx∈enable(M)∩enable(M’)的是使能时间变为τ′x=max{τx-τj,0}。新使能变迁tk∈enable(M)/enable(M’)的使能时间等于待消耗托肯v的时间戳,即
规则3:为避免冲突标识的出现,使能变迁td∈enable(M’)的触发时间必须 满足τ′d=max{τ′b+Δt,τ′d}。其中tb是td的前一个相邻变迁。
以上例中三列列车为例,图4描述由于列车3晚点造成列车3与列车1、列车2产生冲突。结合专利中冲突预测和化解的方法,能有效化解冲突(如图5所示)。表2展示了算法执行的结果。该方法能在短时间内找到消除或减少晚点的新的时刻表。
表2
新的列车运行方案需要经过时间着色Petri网模型验证无冲突之后,才能发送给执行单位执行。首先以新的运行计划为依据,重新确定托肯时间戳。推导该模型的可达标识,并分析有无冲突。
按照上述实施例,便可很好地实现本发明。
Claims (2)
1.一种基于时间着色Petri网的列车冲突预测和化解方法,依据铁路路网结构建立铁路路网系统的时间着色Petri网模型,然后以已建立的时间着色Petri网模型为基础推导列车群未来状态并检测是否有潜在冲突发生;当检测到冲突后,利用基于Petri网可达树的启发式搜索算法,搜索列车运行冲突消解的最优或近似最优解,并按冲突消解结果调整列车运行方案,以确保实际执行的运行方案没有冲突,包含如下具体步骤:
(1)获得当前时刻在铁路系统中运行列车的实时状态数据、列车车次、路径以及列车到发时刻;
(2)依据铁路路网结构,建立铁路路网系统的时间着色Petri网模型;
(3)根据已建立的时间着色Petri网模型推导列车群未来状态,并检测是否有潜在冲突发生,若否,则在将来时刻到来的时候更新数据,并重复该步骤,反之,则进入下一步;
(4)利用基于Petri网可达树的启发式搜索算法,搜索列车运行冲突消解的最优或近似最优解,并按冲突消解结果调整列车运行方案;
(5)利用时间着色Petri网模型,验证新的列车运行方案是否可行,如否,则按上述步骤重新调整运行方案,反之,则执行该运行方案;
为成功构建铁路路网系统的时间着色Petri网模型,步骤(2)的具体实施步骤如下:
(2a)Petri网中库所表示铁路资源;具体地,将铁路路网中的车站视为车站库所,两个信号机之间的闭塞分区视为一个闭塞分区库所;
(2b)确定库所容量;车站与闭塞分区的容量不同,车站容量与股道数有关,通常情况下车站库所容量大于1;闭塞分区和区间每次只能容纳1列列车,即闭塞分区库所的容量等于1;
(2c)Petri网中托肯表示运行列车;为区分列车托肯,将列车路径,即连续库所的集合,标识为托肯颜色;在不同库所内,每个托肯绑定一个时间标签,表示列车对对应铁路资源的占用时间;
(2d)定义库所和变迁颜色集;
所述步骤(3)中的具体实施步骤如下:
(3a)以当前时刻的列车状态(铁路在铁路路网中的分布)作为Petri网初始标识;
(3b)推导该时间着色Petri网的下一个可达标识;
(3c)如果Petri网的当前标识为目标标识,则退出步骤(3),反之,则继续下一步;
(3d)对每个可达标识,验证列车是否满足最小时间间隔约束和铁路资源约束,如是,则返回步骤(3b);如否,则将记录冲突信息,并退出步骤(3),开始执行冲突消解步骤;
启发式搜索算法被用来实现冲突消解,该算法将A*与Petri网相结合,并考虑铁路运行调整的规则约束,所述步骤(4)中的具体实施步骤如下:
(4a)确定初始标识M0和目的标识Mf;
(4b)确定以列车运行晚点时间最短为目标的评价函数f;
对于标识M,其评价函数f(M)=g(M)+h(M),g(M)表示系统运行到当前标识M所产生的所有列车延迟时间之和;h(M)为启发函数,表示系统到达目标标识所产生的所有列车估计延迟时间之和;
(4c)重新计算列车在每个区间内的最短运行时间,重新确定托肯时间戳。
(4d)利用基于Petri网的启发式搜索算法,寻找冲突消解方案;
新的列车运行方案需要经过时间着色Petri网模型验证无冲突之后,才能发送给执行单位执行,步骤(5)的具体验证方式如下:
(5a)以新的运行计划为依据,重新确定托肯时间戳。
(5b)以当前时刻的列车状态作为Petri网初始标识;
(5c)推导该时间着色Petri网的下一个可达标识;
(5d)如果Petri网的当前标识为目标标识,则退出步骤(5),反之,则继续下一步;
(5e)对每个可达标识,验证列车是否满足最小时间间隔约束和铁路资源约束,如是,则返回步骤(5c);如否,则将记录冲突信息,并退出步骤(5),重新执行冲突消解步骤。
2.根据权利要求1所述的基于时间着色Petri网的列车冲突预测和化解方法,其特征在于:在启发式搜索过程中,考虑铁路运行调整的规则约束,制定托肯延迟规则,具体如下:
(1)规则1:早点到达车站库所的列车,将延长停站时间以满足最早出发时间约束;
(2)规则2:为改变列车次序或优先级,部分列车存在被延迟的可能性;
(3)规则3:为避免冲突的发生,部分列车或被延迟以消除冲突。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410328031.XA CN104268634A (zh) | 2014-07-10 | 2014-07-10 | 基于时间着色Petri网的列车冲突预测和化解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410328031.XA CN104268634A (zh) | 2014-07-10 | 2014-07-10 | 基于时间着色Petri网的列车冲突预测和化解方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104268634A true CN104268634A (zh) | 2015-01-07 |
Family
ID=52160154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410328031.XA Pending CN104268634A (zh) | 2014-07-10 | 2014-07-10 | 基于时间着色Petri网的列车冲突预测和化解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268634A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022839A (zh) * | 2015-08-18 | 2015-11-04 | 株洲南车时代电气股份有限公司 | 一种运行径路的检索方法和装置 |
CN105871875A (zh) * | 2016-05-04 | 2016-08-17 | 东华大学 | 一种大规模网络服务系统行为异常检测方法 |
CN106971051A (zh) * | 2017-04-19 | 2017-07-21 | 民航成都电子技术有限责任公司 | 一种航班保障服务时间估算方法及系统 |
CN106997411A (zh) * | 2017-03-22 | 2017-08-01 | 中国电子科技集团公司第二十八研究所 | 基于着色Petri网能力使命线程形式描述与验证方法 |
WO2018032927A1 (zh) * | 2016-08-15 | 2018-02-22 | 同济大学 | 一种面向人机交互系统约束的交互控制模型求解方法及系统 |
CN109334713A (zh) * | 2018-10-17 | 2019-02-15 | 重庆交通大学 | 一种铁路自动闭塞信号机布置的方法 |
CN109409767A (zh) * | 2018-11-12 | 2019-03-01 | 广东电网有限责任公司 | 一种排班表生成方法、系统及相关装置 |
CN109508751A (zh) * | 2018-12-06 | 2019-03-22 | 西南交通大学 | 高速铁路列车晚点时间预测的深度神经网络模型建模方法 |
CN109583643A (zh) * | 2018-11-27 | 2019-04-05 | 中冶赛迪技术研究中心有限公司 | 一种铁路物流运输系统路径搜索方法 |
CN110097239A (zh) * | 2018-01-29 | 2019-08-06 | 上海宝信软件股份有限公司 | 一种基于矩阵分析的地铁施工冲突检测方法及系统 |
CN110769443A (zh) * | 2019-10-21 | 2020-02-07 | 北京交通大学 | 基于随机Petri网的车车通信性能分析系统 |
CN111428910A (zh) * | 2020-02-28 | 2020-07-17 | 西安电子科技大学 | 基于时延Petri网的车辆最短时间交通路径处理方法 |
CN112926229A (zh) * | 2020-11-19 | 2021-06-08 | 西南交通大学 | 基于分层Petri网的区域轨道交通网络承载力仿真系统及方法 |
CN113902229A (zh) * | 2021-12-09 | 2022-01-07 | 武汉市胜意科技发展有限公司 | 一种基于模糊Petri网的航班延误波及预测方法及系统 |
CN117492440A (zh) * | 2023-11-07 | 2024-02-02 | 季华实验室 | 无人车避障路径规划方法、装置、电子设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359347A (zh) * | 2008-10-07 | 2009-02-04 | 北京交通大学 | 基于随机Petri网的铁路应急预案的建模方法 |
CN102566429A (zh) * | 2012-01-09 | 2012-07-11 | 上海交通大学 | 基于Petri网的高速铁路列车行车许可传输分析系统及应用 |
CN103310118A (zh) * | 2013-07-04 | 2013-09-18 | 文超 | 高速铁路列车运行冲突预测方法 |
-
2014
- 2014-07-10 CN CN201410328031.XA patent/CN104268634A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359347A (zh) * | 2008-10-07 | 2009-02-04 | 北京交通大学 | 基于随机Petri网的铁路应急预案的建模方法 |
CN102566429A (zh) * | 2012-01-09 | 2012-07-11 | 上海交通大学 | 基于Petri网的高速铁路列车行车许可传输分析系统及应用 |
CN103310118A (zh) * | 2013-07-04 | 2013-09-18 | 文超 | 高速铁路列车运行冲突预测方法 |
Non-Patent Citations (6)
Title |
---|
FEIJIE WANG ET AL: "Research for Urban Rail Transit Train Regulation Based on Time Petri Nets", 《201O INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATION TECHNOLOGIES IN AGRICULTURE ENGINEERING》 * |
吴道华: "基于着色Petri网的测试用例生成及其在列控系统中的应用", 《中国优秀硕士论文全文数据库 信息科技辑》 * |
徐田华 等: "基于有色Petri网的ETCS通信系统与列车间隔分析", 《系统仿真学报》 * |
李长河: "《人工智能及其应用》", 31 August 2006, 机械工业出版社 * |
蒋元凯 等: "启发式搜索在时间Petri网的共享资源调度中的应用", 《微型电脑应用》 * |
贾文峥: "大型铁路客运站的进站分配问题及缓冲时间研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022839B (zh) * | 2015-08-18 | 2018-11-30 | 湖南中车时代通信信号有限公司 | 一种运行径路的检索方法和装置 |
CN105022839A (zh) * | 2015-08-18 | 2015-11-04 | 株洲南车时代电气股份有限公司 | 一种运行径路的检索方法和装置 |
CN105871875A (zh) * | 2016-05-04 | 2016-08-17 | 东华大学 | 一种大规模网络服务系统行为异常检测方法 |
CN105871875B (zh) * | 2016-05-04 | 2019-10-08 | 东华大学 | 一种大规模网络服务系统行为异常检测方法 |
WO2018032927A1 (zh) * | 2016-08-15 | 2018-02-22 | 同济大学 | 一种面向人机交互系统约束的交互控制模型求解方法及系统 |
CN106997411B (zh) * | 2017-03-22 | 2020-09-29 | 中国电子科技集团公司第二十八研究所 | 基于着色Petri网能力使命线程形式描述与验证方法 |
CN106997411A (zh) * | 2017-03-22 | 2017-08-01 | 中国电子科技集团公司第二十八研究所 | 基于着色Petri网能力使命线程形式描述与验证方法 |
CN106971051B (zh) * | 2017-04-19 | 2020-04-28 | 民航成都电子技术有限责任公司 | 一种航班保障服务时间估算方法及系统 |
CN106971051A (zh) * | 2017-04-19 | 2017-07-21 | 民航成都电子技术有限责任公司 | 一种航班保障服务时间估算方法及系统 |
CN110097239A (zh) * | 2018-01-29 | 2019-08-06 | 上海宝信软件股份有限公司 | 一种基于矩阵分析的地铁施工冲突检测方法及系统 |
CN109334713A (zh) * | 2018-10-17 | 2019-02-15 | 重庆交通大学 | 一种铁路自动闭塞信号机布置的方法 |
CN109409767A (zh) * | 2018-11-12 | 2019-03-01 | 广东电网有限责任公司 | 一种排班表生成方法、系统及相关装置 |
CN109583643A (zh) * | 2018-11-27 | 2019-04-05 | 中冶赛迪技术研究中心有限公司 | 一种铁路物流运输系统路径搜索方法 |
CN109508751B (zh) * | 2018-12-06 | 2021-02-09 | 西南交通大学 | 高速铁路列车晚点时间预测的深度神经网络模型建模方法 |
CN109508751A (zh) * | 2018-12-06 | 2019-03-22 | 西南交通大学 | 高速铁路列车晚点时间预测的深度神经网络模型建模方法 |
CN110769443A (zh) * | 2019-10-21 | 2020-02-07 | 北京交通大学 | 基于随机Petri网的车车通信性能分析系统 |
CN110769443B (zh) * | 2019-10-21 | 2020-11-10 | 北京交通大学 | 基于随机Petri网的车车通信性能分析系统 |
CN111428910A (zh) * | 2020-02-28 | 2020-07-17 | 西安电子科技大学 | 基于时延Petri网的车辆最短时间交通路径处理方法 |
CN111428910B (zh) * | 2020-02-28 | 2023-12-05 | 西安电子科技大学 | 基于时延Petri网的车辆最短时间交通路径处理方法 |
CN112926229A (zh) * | 2020-11-19 | 2021-06-08 | 西南交通大学 | 基于分层Petri网的区域轨道交通网络承载力仿真系统及方法 |
CN113902229A (zh) * | 2021-12-09 | 2022-01-07 | 武汉市胜意科技发展有限公司 | 一种基于模糊Petri网的航班延误波及预测方法及系统 |
CN113902229B (zh) * | 2021-12-09 | 2022-04-15 | 武汉市胜意科技发展有限公司 | 一种基于模糊Petri网的航班延误波及预测方法及系统 |
CN117492440A (zh) * | 2023-11-07 | 2024-02-02 | 季华实验室 | 无人车避障路径规划方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268634A (zh) | 基于时间着色Petri网的列车冲突预测和化解方法 | |
Khadilkar | A scalable reinforcement learning algorithm for scheduling railway lines | |
Ma et al. | Trajectory planning for connected and automated vehicles at isolated signalized intersections under mixed traffic environment | |
Lu et al. | Trajectory-based traffic management inside an autonomous vehicle zone | |
Wang et al. | Passenger-demands-oriented train scheduling for an urban rail transit network | |
Van De Hoef et al. | Fuel-efficient en route formation of truck platoons | |
Zhang et al. | Comprehensive optimization of urban rail transit timetable by minimizing total travel times under time-dependent passenger demand and congested conditions | |
Lamorgese et al. | An exact decomposition approach for the real-time train dispatching problem | |
Lamorgese et al. | Optimal train dispatching by Benders’-like reformulation | |
Wang et al. | Rescheduling trains using Petri nets and heuristic search | |
CN105383526B (zh) | 一种列车冲突检查及解决方法和列车自动监控系统 | |
Ma et al. | Multi-stage stochastic program to optimize signal timings under coordinated adaptive control | |
CN103661501B (zh) | 一种基于多点客流检测信息反馈的车站自动限流方法 | |
CN109508751A (zh) | 高速铁路列车晚点时间预测的深度神经网络模型建模方法 | |
Li et al. | Trajectory planning for autonomous modular vehicle docking and autonomous vehicle platooning operations | |
CN104050506A (zh) | 一种基于Spiking神经网络的飞机冲突检测方法 | |
Geng et al. | Traffic light control using infinitesimal perturbation analysis | |
Vial et al. | Scheduling autonomous vehicle platoons through an unregulated intersection | |
AU2020344482B2 (en) | Method and apparatus for operation of railway systems | |
Ghasempour et al. | Adaptive railway traffic control using approximate dynamic programming | |
Pei et al. | Optimal cooperative driving at signal-free intersections with polynomial-time complexity | |
Hart et al. | Fail-safe priority-based approach for autonomous intersection management | |
Chen et al. | Efficient speed planning for autonomous driving in dynamic environment with interaction point model | |
Rouky et al. | A robust metaheuristic for the rail shuttle routing problem with uncertainty: a real case study in the Le Havre Port | |
Liu et al. | Modeling and efficient passenger-oriented control for urban rail transit networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150107 |