CN109784684A - 一种基于案例推理的列车运行调整策略决策方法 - Google Patents

Abstract

本发明公开了一种基于案例推理的列车运行调整策略决策方法，在干扰列车按图定计划正常有序运行的事件发生时，采用基于案例推理的列车运行调整策略决策方法实现列车运行调整策略自动生成，可以提升调度人员遇干扰事件时对列车运行调整决策的效率，减轻其工作强度，提高行车调度指挥系统的自动化与智能化水平。

Description

一种基于案例推理的列车运行调整策略决策方法

技术领域

本发明涉及铁道科学技术领域，尤其涉及一种基于案例推理的列车运行调整策略决策方法。

背景技术

随着我国高速铁路的不断发展，路网结构愈加复杂，重要的枢纽车站越来越多，线路间关联更加紧密，耦合性更强，单线的晚点也使得邻线更容易受到影响，在干扰列车按计划运行的事件发生时，如何能够及时制定出列车运行调整策略，有效地指挥和协调高速铁路列车尽快恢复有序运行、减小延误、缩小受晚点影响的列车范围、提高旅客满意度是调度集中系统迫切需要解决的问题。运行图终端是调度集中系统的核心子系统，列车运行智能调整是运行图终端的核心功能，列车运行调整策略的有效决策是实现列车运行高效智能调整的重要基础。

目前，铁路局中心调度所按调度区段设置运行图终端，运行图终端负责对本调度区段内的列车进行调度指挥。主要有如下两种方案：

1)在铁路局中心调度所按调度区段设置运行图终端，每台运行图终端负责安排该调度区段内的列车运行计划，各列车在各车站的到达时刻、出发时刻、到发线运用及列车的运行次序。

然而，该方案的缺陷在于：当干扰列车按图定计划运行的事件发生时，如因车站信号设备故障导致的车站封锁、恶劣天气导致的区间限速等，需要调度员在运行图终端上凭借经验选择列车运行调整策略，以见招拆招的短视型方法对列车运行计划进行手动调整。调度员的工作强度大，列车运行调整的效率低且可靠性差。不合理的列车运行调整，可能导致列车大面积晚点，影响铁路运输和运营服务的效率。

2)在铁路局中心调度所按调度区段设置运行图终端，每台运行图终端负责安排该调度区段内的列车运行计划，可对列车运行线批量操作，增加、移动和删除。

然而，该方案的缺陷在于：当干扰列车按图定计划运行的事件发生时，运行图终端提供的列车运行线批量操作，虽然在一定程度上降低了列车调度员的工作强度，但是批量的移动不具备列车运行调整的有效性，不能够有效控制列车晚点的传播范围及降低列车的总晚点时分，必要时仍需要介入人为干预，手动调整。效率没有明显提高且可靠性也没有得到改善，会对铁路运输和运营服务的效率造成一定的影响。

发明内容

本发明的目的是提供一种基于案例推理的列车运行调整策略决策方法，可以降低工作强度，提高工作效率，提高行车调度指挥系统的自动化与智能化水平。

本发明的目的是通过以下技术方案实现的：

一种基于案例推理的列车运行调整策略决策方法，包括：

利用待决策的干扰列车按计划运行事件作为目标案例的特征属性；

在人工模式下，将调度员从调整策略决策案例库中选择的调整策略或者输入的调整策略，应用于运行图的调整得出效果评估结果，所述目标案例的特征属性、相应的调整策略与评估结果构成一个完整的目标案例，将所述完整的目标案例存入调整策略决策案例库；

在自动模式下，根据目标案例的特征属性在调整策略决策案例库中检索相似度符合要求的源案例，并对源案例进行评估，若源案例符合评估要求，则基于源案例中的调整策略构建目标案例的调整策略，并应用于运行图的调整得出效果评估结果，从而得到一个完整的目标案例，并存入调整策略决策案例库；若源案例相似度不符合要求，则转入人工模式。

由上述本发明提供的技术方案可以看出，在干扰列车按图定计划正常有序运行的事件发生时，采用基于案例推理的列车运行调整策略决策方法实现列车运行调整策略自动生成，可以提升调度人员遇干扰事件时对列车运行调整决策的效率，减轻其工作强度，提高行车调度指挥系统的自动化与智能化水平。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种基于案例推理的列车运行调整策略决策方法的示意图；

图2为本发明实施例提供的调整策略决策案例库的存储与维护机制示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提高一种基于案例推理的列车运行调整策略决策方法，其主要过程如图1所示，主要包括：

1、利用待决策的干扰列车按计划运行事件作为目标案例的特征属性。

2、在人工模式下，将调度员从调整策略决策案例库中选择的调整策略或者输入的调整策略，应用于运行图的调整得出效果评估结果，所述目标案例的特征属性、相应的调整策略与评估结果构成一个完整的目标案例，将所述完整的目标案例存入调整策略决策案例库。

3、在自动模式下，根据目标案例的特征属性在调整策略决策案例库中检索相似度符合要求的源案例，并对源案例进行评估，若源案例符合评估要求，则基于源案例中的调整策略构建目标案例的调整策略，并应用于运行图的调整得出效果评估结果，从而得到一个完整的目标案例，并存入调整策略决策案例库；若源案例相似度不符合要求，则转入人工模式。

上述方案在干扰列车按图定计划正常有序运行的事件发生时，采用基于案例推理的列车运行调整策略决策方法实现列车运行调整策略自动生成，可以提升调度人员遇干扰事件时对列车运行调整决策的效率，减轻其工作强度，提高行车调度指挥系统的自动化与智能化水平。

为了便于理解，下面针对上述方案做进一步的介绍。

一、调整策略决策案例库构建。

本发明实施例中，在CTC系统海量的行车历史数据中提取干扰事件及处置和相关的列车运行调整策略与结果，建立列车运行的调整策略决策案例库。

构建原则如下：

1)所有的案例来源于海量的调度集中系统行车数据，主要为运行图数据和调度命令数据，保证案例的完整性和真实性。

2)案例的表述清晰准确。

3)调整策略决策案例库中相关名的表述要保证统一。

4)保证具体的调整案例推理机制与调整策略决策案例库相互独立，即调整策略决策案例库中某些案例的改变不会导致调整案例推理机制的改变。

5)调整策略决策案例库具备一定的鲁棒性和可扩充性，以方便后期调整策略决策案例的维护。

本发明实施例中，采用框架表示法表示各个案例，如表1所示。值得说明的是，案例描述中特征属性及采取的调整策略有很多，由于本文篇幅有限，无法将所有特征属性和调整策略一一列出，故表1仅列出几项以示说明。

表1基于框架表示法的案例表示

二、生成目标案例。

当干扰列车按图定计划运行的事件发生时，自动提取干扰列车运行的事件特点，再利用待决策的干扰列车按计划运行事件作为目标案例的特征属性。

本发明实施例中，目标案例同样采用采用框架表示法表示，在此阶段，目标案例仅有特征属性，相应的调整策略、策略评估将通过后续过程更新。

三、列车运行调整策略的决策。

本发明实施例提供人工模式与自动模式两种方式。

1、人工模式。

由调整策略决策案例库提供策略集让调度员选择，策略可以单选、组合选择，也可以由调度员输入调整策略，之后按调度员选择的意愿形成完善策略集的目标案例，将此策略集应用于运行图的调整得出调整效果的统计指标，即形成完善效果评估的目标案例，然后将此目标案例更新存入列车群调整策略决策案例库中。

2、自动模式。

A、案例检索。

1)枚举型特征属性和数值型特征属性的相似度计算。

本发明实施例中，基于特征属性进行案例检索。特征属性分为枚举型特征属性和数值型特征属性两种，目标案例的特征属性与调整策略决策案例库中各个源案例的特征数据采用相同类型的方式描述。

a、枚举型特征属性主要包括：调度区段、干扰是否可恢复、干扰发生地点类型、干扰发生时相关区间是否有车、干扰影响列车类型、以及干扰产生的原因等，这些特征属性的描述为约定固定文本内容或枚举内容，当枚举型特征属性值相同时相似度为1，不同时为0，计算公式如下：

其中，O_p表示目标案例O_c的中第p个枚举型特征属性的标识，S_ip为第i个源案例S_c中第p个枚举型特征属性的标识。

如前述表1所示，枚举型特征属性的相关描述是通过文本内容来表示，在进行相似度计算之前，可以将目标案例与源案例中各个枚举型特征属性的文本内容统一标识，以便于计算，即对于相同类型的枚举型特征属性，如果文本内容相同，那么标识自然也相同，带入上式公式直接比较标识是否相同，则可确定相似度为1或是为0，此处对于枚举型特征属性的标识方式可以由用户自行设置。

b、数值型特征属性主要包括：干扰发生时间与干扰持续时间等，其属性值为数值，可以采用海明距离的相似度计算方法，其公式如下：

其中，O_p表示目标案例O_c的中第p'个数值型特征属性的值，S_ip为第i个源案例S_c中第p'个数值型特征属性的值，为预设的第p'个数值型特征属性的最大取值，为预设的第p'个数值型特征属性的最小取值。

2)特征属性的权重计算。

a、计算各个特征属性的主观权重与客观权重。

本发明实施例中，在计算各个不同特征属性的相似度后，还需要考虑特征属性的权重；本发明实施例中，以层次分析法为基础结合灰色关联度法确定权重，用层次分析法确定主观权重，用灰色关联度法确定客观权重，以此达到主观与客观相结合的决策效果。

本领域技术人员可以理解，层次分析法、灰色关联度法均可参照现有技术来实现。

b、计算特征属性的权重。

本发明实施例中，将用层次分析法求出的第l个特征属性的主观权重w_s，和用灰色关联度求出的第l个特征属性的客观权重w_o按下述进行组合，得到特征属性的权重：

w_l＝δw_s+(1-δ)w_o；

其中，w_l表示第l个特征属性的权重，δ为预设的偏好值，当δ＞0.5时特征属性权重偏向于主观权重w_s，当δ＜0.5时特征属性权重偏向于客观权重w_o，示例性的，可以取δ＝0.5，既能体现主观权重的灵活性，也能体现客观权重的严谨性。

3)计算案例之间的全局相似度，公式为：

其中，m为特征属性的总数量，也即枚举型特征属性与数值型特征属性的总和；l表示第l个特征属性，l＝1,2,…,m，为枚举型特征属性或者数值型特征属性；w_l表示第l个特征属性的权重，SD_l(O_l,S_il)表示目标案例O_c的中第l个特征属性与第i个源案例S_c中第l个特征属性的相似度，根据l的取值及特征属性的类型，相似度数值对应于之前计算的SIM_E(O_p,S_ip)或者SIM_N(O_p',S_ip')。B、案例修正。

本发明实施例中，基于特征属性差异的实现案例的自动修正，主要过程如下：

1)对比目标案例O_c和检索到的源案例特征属性的差异；

2)根据特征属性之间的差异在调整策略决策案例库中做聚类处理，得到与目标案例特征属性相同的源案例集S；

3)将目标案例与源案例集S中的各个源案例逐一进行相似度计算，从源案例集S中选出相似度最高的一个源案例作为新的目标案例S₁；再将所述新的目标案例S₁与源案例集S中的各个案例逐一进行相似度计算，选出相似度最高的一个源案例S₂；

4)将相似度最高的源案例S₂作为修正后的案例，以该案例对应的调整策略作为目标案例O_c的调整策略。

在上述案例修正过程中，没有对目标案例O_c本身内容进行改变，上述案例修正可以理解为，在无法直接得结果时，通过变换目标案例，进而间接得到结果，同时，结合最终结果也将得到一个新的完整案例，将其存入调整策略决策案例库中，更加丰富调整策略决策案例库。

C、调整策略决策案例库的维护机制

案例的存储采用数据库记录方式，案例信息同行车数据都存储在数据库中，并建立关联关系。为了案例库高效地支持案例的存取与检索，建立调整策略决策案例库的存储与维护机制，记录各源案例发生的频数，用每个源案例对应的频数表征案例易发生度，而不是以案例库中案例数量去衡量，并以此去除调整策略决策案例库中相同或者相似的冗余案例，防止案例库无限增大，提高案例库的存取与检索效率。例如，源案例A1和A2除发生时间外，其余特征属性相似度极高或一致，那么数据库里只保存一个案例A1，其频数记为2，类似情况100个这样的案例，数据库里也只保存一个案例，频数记为100。

将所述调整策略决策案例库中的源案例按照案例发生的频数于阈值的大小关系，依次分为高频率干扰事件案例集、中频率干扰事件案例集和低频率干扰事件案例集。

在进行检索时，按照先高频率干扰事件案例集、再中频率干扰事件案例集、后低频率干扰事件案例集的优先级顺序进行检索，直到检索到相似度符合要求的源案例或达到检索结束条件输出检索结果。

当检索到一个源案例后，还需要做进一步评估，评估时预设有一个评估目标，主要考察源案例能否直接使用；评估时需要综合考虑各个特征属性的相似度及权重，如果源案例与目标案例的特征属性完全相同，或者重要特征属性(即，权重较高的特征属性)相同，则认为检索到的源案例与目标案例完全匹配，否则，属于未完全匹配。

如果检索到的源案例与目标案例完全匹配，则直接将检索到的源案例应用于目标案例，即提取检索到的源案例的调整策略作为目标案例的调整策略；如果检索到的源案例与目标案例的相似度符合要求但并未完全匹配(即相似度高但存在差异)，则基于检索到的源案例与目标案例之间的差异进行修正，以修正后的案例所对应的调整策略作为目标案例的调整策略。

具体的评估目标可以由用户根据实际需求或者经验设定。

若没有检索到相似度符合要求的源案例，说明各源案例相似度要求不具备参考价值则转入人工模式，形成新增案例或修正案例应用于目标案例中，同时更新存储该目标案例于案例库中。案例存储与维护流程如图2所示。

此外，本发明实施例所涉及的各种阈值或者设定值都可以由本领域技术人员根据实际需求或者经验来设定，本发明并不对其具体数值进行限定。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (7)

1.一种基于案例推理的列车运行调整策略决策方法，其特征在于，包括：

利用待决策的干扰列车按计划运行事件作为目标案例的特征属性；

在人工模式下，将调度员从调整策略决策案例库中选择的调整策略或者输入的调整策略，应用于运行图的调整得出效果评估结果，所述目标案例的特征属性、相应的调整策略与评估结果构成一个完整的目标案例，将所述完整的目标案例存入调整策略决策案例库；

在自动模式下，根据目标案例的特征属性在调整策略决策案例库中检索相似度符合要求的源案例，并对源案例进行评估，若源案例符合评估要求，则基于源案例中的调整策略构建目标案例的调整策略，并应用于运行图的调整得出效果评估结果，从而得到一个完整的目标案例，并存入调整策略决策案例库；若源案例相似度不符合要求，则转入人工模式。

2.根据权利要求1所述的一种基于案例推理的列车运行调整策略决策方法，其特征在于，根据目标案例的特征属性在调整策略决策案例库中检索相似度符合要求的源案例包括：

将特征属性分为枚举型特征属性和数值型特征属性两种，目标案例的特征属性与调整策略决策案例库中各个源案例的特征数据采用相同类型的方式描述；

对于枚举型特征属性采用下述方式来进行相似度的计算：

其中，O_p表示目标案例O_c的第p个中枚举型特征属性的标识，S_ip为第i个源案例S_c中第p个枚举型特征属性的标识；

对于数值型特征属性采用下述方式来进行相似度的计算：

其中，O_p表示目标案例O_c的中第p'个数值型特征属性的值，S_ip为第i个源案例S_c中第p'个数值型特征属性的值，为预设的第p'个数值型特征属性的最大取值，为预设的第p'个数值型特征属性的最小取值；

然后，计算案例之间的全局相似度：

其中，m为特征属性的总数量，也即枚举型特征属性与数值型特征属性的总和；l表示第l个特征属性，l＝1,2,…,m，为枚举型特征属性或者数值型特征属性；w_l表示第l个特征属性的权重，SD_l(O_l,S_il)表示目标案例O_c的中第l个特征属性与第i个源案例S_c中第l个特征属性的相似度，根据l的取值及特征属性的类型，相似度数值对应于之前计算的SIM_E(O_p,S_ip)或者SIM_N(O_p',S_ip')。

3.根据权利要求2所述的一种基于案例推理的列车运行调整策略决策方法，其特征在于，每一个特征属性的权重利用下式来计算：

w_l＝δw_s+(1-δ)w_o

其中，w_l表示第l个特征属性的权重，w_s表示利用层次分析法求出的第l个特征属性的主观权重，w_o表示利用灰色关联度求出的第l个特征属性的客观权重；δ为预设的偏好值。

4.根据权利要求2所述的一种基于案例推理的列车运行调整策略决策方法，其特征在于，所述特征属性包括：干扰发生时间与调度区段、干扰是否可恢复、干扰发生地点类型、干扰发生时相关区间是否有车、干扰影响列车类型、干扰产生的原因以及干扰持续时间；

其中，调度区段、干扰是否可恢复、干扰发生地点类型、干扰发生时相关区间是否有车、干扰影响列车类型、以及干扰产生的原因为枚举型特征属性；

干扰发生时间与干扰持续时间为数值型特征属性。

5.根据权利要求1或2或4所述的一种基于案例推理的列车运行调整策略决策方法，其特征在于，每一案例的内容均采用框架表示法表示。

6.根据权利要求1所述的一种基于案例推理的列车运行调整策略决策方法，其特征在于，建立调整策略决策案例库的存储与维护机制，记录各源案例发生的频数，用每个源案例对应的频数表征案例易发生度，并以此去除调整策略决策案例库中相同或者相似的冗余案例；

将所述调整策略决策案例库中的源案例按照案例发生的频数于阈值的大小关系，依次分为高频率干扰事件案例集、中频率干扰事件案例集和低频率干扰事件案例集；

在进行检索时，按照先高频率干扰事件案例集、再中频率干扰事件案例集、后低频率干扰事件案例集的优先级顺序进行检索，直到检索到相似度符合要求的源案例或达到检索结束条件输出检索结果；

之后，利用设定的评估目标对检索到的源案例进行评估，如果检索到的源案例与目标案例完全匹配，则直接将检索到的源案例应用于目标案例，即提取检索到的源案例的调整策略作为目标案例的调整策略；如果检索到的源案例与目标案例未完全匹配，则基于检索到的源案例与目标案例之间的差异进行修正，以修正后的案例所对应的调整策略作为目标案例的调整策略。

7.根据权利要求6所述的一种基于案例推理的列车运行调整策略决策方法，其特征在于，所述基于检索到的源案例与目标案例之间的差异进行修正包括：

对比目标案例O_c和检索到的源案例特征属性的差异；

根据特征属性之间的差异在调整策略决策案例库中做聚类处理，得到与目标案例特征属性相同的源案例集S；

将目标案例与源案例集S中的各个源案例逐一进行相似度计算，从源案例集S中选出相似度最高的一个源案例作为新的目标案例S₁；再将所述新的目标案例S₁与源案例集S中的各个案例逐一进行相似度计算，选出相似度最高的一个源案例S₂；

将相似度最高的源案例S₂作为修正后的案例。