CN109334713B - 一种铁路自动闭塞信号机布置的方法 - Google Patents

Abstract

本发明提供了一种铁路自动闭塞信号机布置的方法，包括信号机布置方案生成系统，其特征在于：所述信号机布置方案生成系统由多个子模块和全局外部档案模块组成，单个所述子模块由2个小种群模块和局部外部档案模块组成；所述方法包括：（一）设置子模块；（二）每个子模块均生成一个最优前沿解，并将所生成的最优前沿解送入全局外部档案模块；（三）全局外部档案模块内的全部最优前沿解即形成离散形式的Pareto前沿解；（四）操作人员根据实际需要从Pareto前沿解中选择一个最优前沿解在所述自动闭塞区间内进行信号机布置。采用本发明所述的方法，对铁路自动闭塞区间进行信号机布置方案的优化更加深入精细，优化质量更高，信号机布置更为合理。

Description

一种铁路自动闭塞信号机布置的方法

技术领域

本发明涉及交通运输技术领域，特别是一种铁路自动闭塞信号机布置的方法。

背景技术

所谓铁路的信号机布置，就是确定在每个自动闭塞区间内设置信号机的数目并确定信号机的具体位置。要求在充分考虑线路具体条件的基础上，寻求一种安全、高效和经济的布置方案，以便有效地组织列车运行。

铁路自动闭塞区间信号机布置是一个复杂的、多约束、多目标优化问题，它要求以保证列车通行安全为根本，在满足约束条件的基础上，对列车的通行效率和经济性两目标进行优化。然而，这两个目标之间是相互影响、相互制约的关系：要保证列车在自动闭塞区间运行效率高，就要增加信号机布置的数量，但这将增大投资成本，经济性不佳；如果减少自动闭塞区间的信号机布置数量，虽然比较经济，但列车通行效率较降低。

传统的铁路信号机布置，主要是基于经验的定性分析，解决方案多数是模拟手工布置的经验。现有技术采用遗传、差分进化等人工智能算法进行铁路系统的信号机布置方案优化设计，但存在算法单一、优化深度不够的问题，且在优化过程中，无论是遗传算法还是差分算法，种群中的单体编码长度不同，难以进行相同编码长度单体的梳理、选择和匹配，不利于染色体的交叉操作，以至于优化质量不高，从而导致铁路自动闭塞区间信号机布置效果不佳。

发明内容

针对背景技术的问题，本发明提供一种铁路自动闭塞信号机布置的方法，以解决现有技术中，铁路自动闭塞信号机布置方法算法单一、优化深度不够、优化质量不高导致铁路自动闭塞区间信号机布置效果不佳的问题。

为实现本发明的目的，本发明提供了一种铁路自动闭塞信号机布置的方法，包括信号机布置方案生成系统，创新点在于：所述信号机布置方案生成系统由多个子模块和全局外部档案模块组成，单个所述子模块由2个小种群模块和局部外部档案模块组成；小种群模块与同一个子模块内的局部外部档案模块连接，局部外部档案模块与全局外部档案模块连接；

所述方法包括：

将铁路上A站与B站之间的区域记为一个自动闭塞区间，自动闭塞区间内设置有多个信号机，将所述自动闭塞区间内每相邻两个信号机之间的区域记为一个闭塞分区；

(一)设置子模块；

(二)每个子模块均生成一个最优前沿解，并将所生成的最优前沿解送入全局外部档案模块；

(三)当全局外部档案模块收到所有子模块发送的最优前沿解后，全局外部档案模块内的全部最优前沿解即形成离散形式的Pareto前沿解；

(四)操作人员根据实际需要从Pareto前沿解中选择一个最优前沿解在所述自动闭塞区间内进行信号机布置；

所述步骤(一)中，按如下方式设置子模块：

将A站的出站信号机位置记为x₀，将B站进站信号机的位置记为

将A站与B站之间的信号机架数记为N_s，N_s的取值范围按公式一确定；

所述公式一为：

其中，l_section为A站与B站之间的距离，

l_circuit为轨道电路的极限长度；l_min为工程设计人员根据现场实际情况确定的闭塞分区最小长度；N_s取整数，

为向上取整数，

为向下取整数；

设信号机架数N_s在公式一所述范围内的取值个数为n个，则将子模块的个数设置为n个，所述n个子模块与n个信号机架数N_s的取值一一对应；

所述步骤(二)中，单个子模块按如下方式生成最优前沿解：

1)在子模块所辖的2个小种群模块内分别生成一个小种群：

单个小种群模块在搜索空间内随机生成多个单体，当单个小种群模块内的单体总数达到设定值时，小种群模块停止生成新的单体，此时单个小种群模块内的全部单体形成一个小种群；

小种群中的单体按如下方式进行编码：

其中x_i表示所述自动闭塞区间内任意一个信号机的具体位置，

表示所示自动闭塞区间内第N_S个信号机的位置；

2)2个小种群模块分别控制2个小种群对所辖的单体进行优化处理获取可行解，并将得到的可行解送入局部外部档案模块；其中一个小种群模块采用遗传算法进行优化处理，另一个小种群模块采用差分进化进行优化处理，2个小种群模块的优化处理并行进行；

3)当2个小种群模块的优化处理均完毕后，局部外部档案模块对收到的可行解采用免疫克隆法进行处理得到一个最优前沿解，局部外部档案模块将得到的最优前沿解送入全局外部档案模块；

所述步骤2)中，所述可行解为满足约束条件的单体，所述约束条件由公式二至公式五确定：

将A站B站之间的闭塞分区个数记为N_section，N_section＝N_s+1；将闭塞分区的长度记为l_i；

所述公式二为：

l_min≤l_i≤l_circuit

所述公式三为：

所述公式四为：

其中，

为列车自x_i-1处从任一较高速度等级制动到相邻较低速度等级所需制动距离的最大者；l_a为司机瞭望到信号到采取制动动作的时间内列车行驶的距离；

所述公式五为：

I_i≤H

I_i为追踪列车之间的间隔时间，H是给定的追踪列车之间的间隔时间；

所述步骤2)中，所述遗传算法和差分算法采用的适应度函数fitness由公式六确定：

所述公式六为：

其中：

其中，α和β为惩罚因子，α的取值范围为20-50，β的取值范围为0.7-0.9；k₁为常数0.001；N_beyond为公式二所定义范围外的闭塞分区的个数；max(I₁,I₂,…,I_i,…,I_k)为追踪列车之间的间隔时间的最大值。

本发明的原理如下：

本发明横向上分别采用遗传算法、差分进化的方式对2个小种群进行协同优化，并将2个小种群生成的可行解送入局部外部档案模块，此时局部外部档案模块里综合了遗传算法和差分算法两种算法的可行解，可行解的数量比仅有一种算法生成的可行解多，且结合了两种算法的优势，可行解的质量更高；纵向上，通过遗传算法和差分进化协同优化的可行解送入局部外部档案模块后，再采用免疫克隆法对局部外部档案模块中的可行解进一步深度优化，获取最优前沿解，并将最优前沿解送入全局外部档案模块，最终获取到离散形式的Pareto前沿解。

另外，铁路自动闭塞区间信号机布置的优化问题是一个列车通行效率和经济性这两个目标共同优化的问题。在优化过程中，小种群中的单体(遗传算法称之为染色体，差分算法称之为个体)是按照信号机布置的数量和位置进行编码的。现有技术中，不论采用遗传算法还是差分算法进行优化，都只设置一个大的种群，对种群中的单体进行编码时，不区分信号机布置的数量，导致种群中不同长度的单体混在一起，事实上，不管是遗传算法还是差分算法都涉及的交叉操作要求单体的长度相同，而种群中混杂着不同长度的单体，难以对种群中的单体进行梳理和匹配，十分不利于交叉操作的进行，从而影响优化质量。

发明人通过研究，创新性地提出了将两目标问题转化为单目标问题，再将单目标问题转化为两目标问题的办法，巧妙地解决了上述问题。具体来讲：首先根据公式一确定信号机架数N_S的取值范围，根据信号机架数N_S的取值个数来确定子模块的个数，每一个子模块对应一个信号机架数N_S；将单个子模块所辖小种群中的单体按如下方式进行编码：

由于信号机架数N_S均相同，所以各个单体的长度相同。由于单个子模块对应的信号机架数N_S确定，所以单体在子模块中的优化问题就从两目标问题转化为了通行效率，即寻求最小追踪列车之间的间隔时间这个单目标问题。由于子模块内的单体长度相同，非常有利于交叉操作的进行，从而有利于优化过程的顺利进行，提高优化质量。其次，各个子模块通过所辖的局部外部档案模块获取到最优前沿解，并将各自的最优前沿解发送到全局外部档案模块后，全局外部档案模块内的所有最优前沿解即形成离散形式的Pareto前沿解，Pareto前沿解中的各个最优前沿解为不同信号机架数对应的最优信号机布置方案，这个最优信号机布置方案是在对应的信号机架数下追踪列车之间的间隔时间最短的方案，此时，单目标问题又转化为了双目标问题，操作者可以根据实际需求(比如成本预算等)从离散形式的Pareto前沿解中选择一个最优前沿解作为最为合理的信号机布置方案来对铁路自动闭塞区间进行信号机布置，为操作者提供了更多、更灵活的选择方案和选择空间。

上述方法从横向上结合了遗传算法和差分进化的优势并行协同优化，而在纵向上，采用免疫克隆方式进一步进行深度优化，由浅及深，实现了多种算法从初步搜索到深度精细搜索，从而获取优化深度和质量都较高的Pareto前沿解，也就获取到了更加优化的铁路自动闭塞区间进行信号机布置方案。

采用本发明的方法，具有以下的有益效果：对铁路自动闭塞区间进行信号机布置方案的优化更加深入精细，优化质量更高，信号机布置更为合理，列车通行的效率和经济性匹配更好。

附图说明

本发明的附图说明如下。

图1为本发明所述的信号机布置方案生成系统的结构示意图；

图2为信号机布置示意图；

图3为离散形式的Pareto前沿解的示意图。

图中：1、全局外部档案模块；2、小种群模块；3、局部外部档案模块。

具体实施方式

下面结合实施例对本发明作进一步说明。

如附图1所示，本发明所述的方法包括信号机布置方案生成系统，所述信号机布置方案生成系统由多个子模块和全局外部档案模块1组成，单个所述子模块由2个小种群模块2和局部外部档案模块3组成；小种群模块2与同一个子模块内的局部外部档案模块3连接，局部外部档案模块3与全局外部档案模块1连接；

所述方法包括：

将铁路上A站与B站之间的区域记为一个自动闭塞区间，自动闭塞区间内设置有多个信号机，将所述自动闭塞区间内每相邻两个信号机之间的区域记为一个闭塞分区；

(一)设置子模块；

将A站的出站信号机位置记为x₀，将B站进站信号机的位置记为

将A站与B站之间的信号机架数记为N_s，N_s的取值范围按公式一确定；

所述公式一为：

其中，l_section为A站与B站之间的距离，

l_circuit为轨道电路的极限长度；l_min为工程设计人员根据现场实际情况确定的闭塞分区最小长度；N_s取整数；

为向上取整数，例如：

则

取12；

为向下取整数，例如

则

取20；

设信号机架数N_s在公式一所述范围内的取值个数为n个，则将子模块的个数设置为n个，所述n个子模块与n个信号机架数N_s的取值一一对应；

按上述方法就设置了n个子模块，每个子模块对应一个信号机架数N_s的取值，本实施例中将子模块按照对应信号机架数N_s的取值从小到大排列，例如：按公式一得到N_s的取值范围为11到20，则第1个子模块对应的信号机架数N_s为11个，第2个子模块对应的信号机架数N_s为12个，以此类推，第10个子模块对应的信号机架数N_s为20个。

(二)每个子模块均按如下方式生成一个最优前沿解，并将所生成的最优前沿解送入全局外部档案模块1；

1)在子模块所辖的2个小种群模块2内分别生成一个小种群：

单个小种群模块2在搜索空间内随机生成多个单体，当单个小种群模块2内的单体总数根据经验设置，当单体总数达到设定值时，小种群模块2停止生成新的单体，此时单个小种群模块2内的全部单体形成一个小种群；

小种群中的单体按如下方式进行编码：

其中x_i表示所述自动闭塞区间内任意一个信号机的具体位置，

表示所示自动闭塞区间内第N_S个信号机的位置；例如，子模块所对应的信号机架数N_s为15个，则子模块所辖的小种群的单体编码就为：

(x₁,x₂…x_i…x₁₅)，i的取值就为1到15。

2)2个小种群模块2分别控制2个小种群对所辖的单体进行优化处理获取可行解，并将得到的可行解送入局部外部档案模块3；其中一个小种群模块2采用遗传算法进行优化处理，另一个小种群模块2采用差分进化进行优化处理，2个小种群模块2的优化处理并行进行；

所述可行解为满足约束条件的单体，所述约束条件由公式二至公式五确定：

将A站B站之间的闭塞分区个数记为N_section，N_section＝N_s+1；将闭塞分区的长度记为l_i；

所述公式二为：

l_min≤l_i≤l_circuit

所述公式三为：

所述公式四为：

其中，

为列车自x_i-1处从任一较高速度等级制动到相邻较低速度等级所需制动距离的最大者；l_a为司机瞭望到信号到采取制动动作的时间内列车行驶的距离，通常取50米；

所述公式五为：

I_i≤H

I_i为追踪列车之间的间隔时间，H是给定的追踪列车之间的间隔时间；

铁路的自动闭塞区间通常分为三显示自动闭塞区间和四显示自动闭塞区间，本实施例以三显示自动闭塞区间为例，追踪列车之间的间隔时间，需要根据3个相邻的闭塞分区按公式七来计算：

所述公式七为：

其中，l_i、l_i+1和l_i+2分别为相邻3个闭塞分区的长度，l_train为列车的长度，v为列车的运行速度；

本实施例中，采用遗传算法的小种群模块2按如下方式进行：

遗传算法中，小种群中的所述单体称之为染色体，

A1)根据公式六所示的适应度函数fitness计算小种群中每个染色体的适应度值，并按适应度值升序排列小种群中的染色体；

A2)采用轮盘赌的方式进行选择操作；

A3)进行交叉操作；

A4)进行变异操作；

A5)将小种群中的可行解送入局部外部档案模块3；

A6)判断迭代次数是否达到预先设定的最大迭代次数，若未达到，则返回步骤A1)，否则停止优化处理，优化处理完毕。

采用差分进化的小种群模块2按如下方式进行：

差分算法中，小种群中的所述单体称之为个体，

B1)根据公式六所示的适应度函数fitness计算小种群中每个个体的适应度值；

B2)进行变异操作；

B3)进行交叉操作；

B4)进行选择操作；

B5)将小种群中的可行解送入局部外部档案模块3；

B6)判断迭代次数是否达到预先设定的最大迭代次数，若未达到，则返回步骤A1)，否则停止优化处理，优化处理完毕。

所述公式六为：

其中：

其中，α和β为惩罚因子，α的取值范围为20-50，β的取值范围为0.7-0.9；k₁为常数0.001；N_beyond为公式二所定义范围外的闭塞分区的个数；max(I₁,I₂,…,I_i,…,I_k)为追踪列车之间的间隔时间的最大值，对于三显示自动闭塞区间来说，表示从出站信号机开始的第一个闭塞分区，至第k+2个闭塞分区与最后一个闭塞分区重合为止，所计算的I_i中的最大值；

3)当2个小种群模块2的优化处理均完毕后，局部外部档案模块3对收到的可行解采用免疫克隆法进行处理得到一个最优前沿解，局部外部档案模块3将得到的最优前沿解送入全局外部档案模块1；

上述免疫克隆法按如下方式进行：

C1)局部外部档案模块3将可行解作为抗体，局部外部档案模块3中所有抗体形成种群P；

C2)抗原识别：将最小追踪列车之间的间隔时间目标和所述约束条件作为待求问题的抗原；追求最小追踪列车之间的间隔时间目标即追求max(I₁,I₂,…,I_i,…,I_k)值最小；

C3)对种群P中的抗体进行亲和度计算；

C4)对种群P中的所有抗体进行克隆，得到扩增后的种群C；

C5)对种群C的抗体进行高频变异，每次变异后都进行约束检验，检验合格后得到种群C*；

C6)将种群C*和种群P进行重组，按照抗体的亲和度由大到小排序，并按亲和度从大至小选取与原种群P数量一致的抗体，重新生成种群P。

C7)判断是否满足设定的最大迭代次数，如果满足，则将种群P中亲和度最大的那一个抗体，即max(I₁,I₂,…,I_i,…,I_k)值最小的抗体作为最优前沿解，局部外部档案模块3停止优化处理，否则转至步骤C3)；

(三)当全局外部档案模块1收到所有子模块发送的最优前沿解后，全局外部档案模块1内的全部最优前沿解即形成离散形式的Pareto前沿解；如附图3所示即为以信号机布置架数N_s(经济性)与最小追踪列车之间的间隔时间I_min(通行效率)为目标，经过上述优化过程，最终得到的离散形式的Pareto前沿解的示意图，其中，每一个最优前沿解就是一套信号机布置方案，这就为设计者提供了更多、更灵活的选择方案。

(四)如附图2所示，操作人员根据实际需要从Pareto前沿解中选择一个最优前沿解作为布置方案在所述自动闭塞区间内进行信号机布置；在进行铁路区间自动闭塞信号机布置时，操作人员具有更大的选择空间，可以根据需要从离散形式的Pareto前沿解中选择一个或者一些最符合实际需求的最优前沿解，由此来设计最为合理的信号机布置方案。

本发明中应用到的遗传算法、差分进化、免疫克隆法、Pareto原理等都为现有技术中十分常见的处理手段，相关的内容，本领域技术人员可从现有技术的相关文献中获取。

Claims (1)

1.一种铁路自动闭塞信号机布置的方法，包括信号机布置方案生成系统，其特征在于：所述信号机布置方案生成系统由多个子模块和全局外部档案模块(1)组成，单个所述子模块由2个小种群模块(2)和局部外部档案模块(3)组成；小种群模块(2)与同一个子模块内的局部外部档案模块(3)连接，局部外部档案模块(3)与全局外部档案模块(1)连接；

所述方法包括：

将铁路上A站与B站之间的区域记为一个自动闭塞区间，自动闭塞区间内设置有多个信号机，将所述自动闭塞区间内每相邻两个信号机之间的区域记为一个闭塞分区；

(一)设置子模块；

(二)每个子模块均生成一个最优前沿解，并将所生成的最优前沿解送入全局外部档案模块(1)；

(三)当全局外部档案模块(1)收到所有子模块发送的最优前沿解后，全局外部档案模块(1)内的全部最优前沿解即形成离散形式的Pareto前沿解；

(四)操作人员根据实际需要从Pareto前沿解中选择一个最优前沿解作为信号机布置方案在所述自动闭塞区间内进行信号机布置；

所述步骤(一)中，按如下方式设置子模块：

将A站的出站信号机的位置记为x₀，将B站进站信号机的位置记为

将A站与B站之间的信号机架数记为N_s，N_s的取值范围按公式一确定；

所述公式一为：

其中，l_section为A站与B站之间的距离，

l_circuit为轨道电路的极限长度；l_min为工程设计人员根据现场实际情况确定的闭塞分区最小长度；N_s取整数，

为向上取整数，

为向下取整数；

设信号机架数N_s在公式一所述范围内的取值个数为n个，则将子模块的个数设置为n个，所述n个子模块与n个信号机架数N_s的取值一一对应；

所述步骤(二)中，单个子模块按如下方式生成最优前沿解：

1)在子模块所辖的2个小种群模块(2)内分别生成一个小种群：

单个小种群模块(2)在搜索空间内随机生成多个单体，当单个小种群模块(2)内的单体总数达到设定值时，小种群模块(2)停止生成新的单体，此时单个小种群模块(2)内的全部单体形成一个小种群；

小种群中的单体按如下方式进行编码：

其中x_i表示所述自动闭塞区间内任意一个信号机的具体位置，

表示所述自动闭塞区间内第N_S个信号机的位置；

2)2个小种群模块(2)分别控制2个小种群对所辖的单体进行优化处理获取可行解，并将得到的可行解送入局部外部档案模块(3)；其中一个小种群模块(2)采用遗传算法进行优化处理，另一个小种群模块(2)采用差分进化进行优化处理，2个小种群模块(2)的优化处理并行进行；

3)当2个小种群模块(2)的优化处理均完毕后，局部外部档案模块(3)对收到的可行解采用免疫克隆法进行处理得到一个最优前沿解，局部外部档案模块(3)将得到的最优前沿解送入全局外部档案模块(1)；

所述步骤2)中，所述可行解为满足约束条件的单体，所述约束条件由公式二至公式五确定：

将A站与B站之间的闭塞分区个数记为N_section，N_section＝N_s+1；将闭塞分区的长度记为l_i；

所述公式二为：

l_min≤l_i≤l_circuit

所述公式三为：

所述公式四为：

其中，

为列车自x_i-1处从任一较高速度等级制动到相邻较低速度等级所需制动距离的最大者；l_a为司机瞭望到信号到采取制动动作的时间内列车行驶的距离；

所述公式五为：

I_i≤H

I_i为追踪列车之间的间隔时间，H是给定的追踪列车之间的间隔时间；

所述步骤2)中，所述遗传算法和差分算法采用的适应度函数fitness由公式六确定：

所述公式六为：

其中：

其中，α和β为惩罚因子，α的取值范围为20-50，β的取值范围为0.7-0.9；k₁为常数0.001；N_beyond为公式二所定义范围外的闭塞分区的个数；max(I₁,I₂,…,I_i,…,I_k)为追踪列车之间的间隔时间的最大值。

Images