CN110341763A - 一种快速恢复高铁列车准点运行的智能调度系统及方法 - Google Patents

Abstract

本发明提供一种快速恢复高铁列车准点运行的智能调度系统及方法，涉及高铁动态调度技术领域。该系统包括应用服务器，通信服务器，数据库服务器，接口服务器，数据采集器，运行图工作站，中心控制工作站，多个车站工作站，转换器，智能优化器；采用该系统进行调度的方法，从数据库服务器的静态数据库中获取某区段列车的初始参数，通过数据采集器实时采集列车运行相关的动态参数；针对突发事件造成列车晚点事件，通过智能优化器建立列车调整模型，并利用粒子群算法根据列车计划运行图以及线路的基本信息调整列车实绩运行图，得到列车阶段计划，进而对列车运行进行智能调度。本发明系统及方法减少了人工调整计划方案的次数以及提高了调整的效率。

Description

一种快速恢复高铁列车准点运行的智能调度系统及方法

技术领域

本发明涉及高铁动态调度技术领域，尤其涉及一种快速恢复高铁列车准点运行的智能调度系统及方法。

背景技术

随着社会的快速发展，我国进行了大规模的高速铁路建设并投入运行，高铁缩小了人与人之间的距离。同时，人们对高铁的准点率，稳定性以及安全性要求逐渐增强。针对不确定突发事件导致列车晚点，如何快速并有效调整列车运行图，继而投入运用，显得如此重要。

高速铁路列车动态调度是由于大风，雨雪天气，撞鸟等原因导致列车发生晚点，在静态调度方案的基础上即计划时刻表，通过某种方法或策略及时得到新的调度方案。并将该方案在现有平台进行验证确定该方案可行性的程度。这种通过智能算法或数值求解方法可快速生成列车阶段计划，辅助调度员调整列车运行图。列车按图行驶，可使列车尽快恢复正常运行。高铁列车动态调度，是铁路运输调度指挥的核心问题之一。其质量的好坏直接影响着运输任务的完成情况，尤其是现阶段，运输能力和运输量存在矛盾，此时充分利用线路的运输能力，解缓运输紧张的局面，实现运输效益最大化。在保证运行过程舒适、安全的同时，最关键的是运行时间必须尽量接近列车正点时间，这样才能达到铁路运营部门和旅客都可以接受甚至满意的程度。

高速列车在运行过程中如发生运行紊乱，造成列车运行的实际状态和预定值不相符。此时，调度所调度员通常根据以往经验粗略的估计出一个列车大概晚点的时间，并查看该列车晚点是否对后续列车造成晚点，对受到影响的列车进行调整列车运行图。通过该方式调整晚点列车即将受到影响车站的到达和发车的时刻，并将新的调整后的阶段计划下发到各个车站终端和列车上，列车按照新的时刻表运行，司机根据经验按照新时刻运行列车，尽量逼近新的到发时刻表。只要有突发事件发生，造成列车晚点，调度员就需要查看并调整运行图一次，增加了劳动强度。并且通过这种粗略的估计，调度员并不能真正的确定出受到影响的列车数量以及影响程度大小，因而就不能降低总的列车晚点时间，使得损失降到最低。更重要的是，调度员通常只是通过自身的粗略估计得到一种列车调整方案，这种方案并不能得到有效保障，不能排除调度员情绪等多种因素影响得到更差的运行图调整方案。

另外，调度员只能粗略的对列车晚点程度估计，然后调整列车运行图。而且根据自己经验得到的列车运行图方案直接下达计划。一旦晚点列车增多，调度员需要一列一列查看采用晚点情况并进行调整。增加劳动强度并得到的运行方案整体上不能把控总晚点等性能指标最低的缺点。现有的针对列车运行图调整的智能算法或者数值求解方法只是得到列车阶段计划并没有有效的与调度平台结合。

目前列车调度方面已有一些专利，如“201410832178.2(一种异常天气下的高铁调度方法及系统)”；“201410842051.9(一种停站时间变化时能精确到秒的高铁调度方法及系统)”等专利对高铁调度都提出了各自的方法。前者通过事先将不同限速值下对应的执行时刻表进行存储，针对不同天气导致不同限速值切换到对应的时刻表。后者通过停站时间的变化值，修正时刻表以及提供何种速度行驶的调度方法。在调度集中控制方面，如“201110030274.1(高速铁路调度集中控制方法和系统)”和“200910076167.5(高速铁路行车调度指挥与列车运行控制网络协同系统)”，主要是通过硬件的相互作用，实现了系统集中调度与运行控制相结合的一种行车调度。上述专利均未针对高速列车在出现晚点情况下，进行快速调整列车时刻表并结合调度平台的方法。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种快速恢复高铁列车准点运行的智能调度系统及方法，实现对高铁列车运行的智能调度。

为解决上述技术问题，本发明所采取的技术方案是：一方面，本发明提供一种快速恢复高铁列车准点运行的智能调度系统，包括应用服务器，通信服务器，数据库服务器，接口服务器，数据采集器，运行图工作站，中心控制工作站，多个车站工作站，转换器，智能优化器和自动排路机；

所述应用服务器负责核心业务逻辑处理和信息分发，包括实时数据处理，通信汇聚分发，信息存储；其中数据处理包括高铁列车运行图数据处理，即更新运行图工作站进而生成新的运行图数据，并与数据库服务器进行交互，保存运行图数据；

所述通信服务器用于中心控制工作站和运行图工作站与各个车站工作站之间的数据交换，完成数据格式转换和数据校验；

所述接口服务器包括GSM-R接口服务器、TSRS接口服务器和RBC接口服务器，这些接口服务器分别负责应用服务器与GSM-R系统，TSRS系统和RBC系统的信息进行数据传输；

所述数据采集器实时采集高铁列车车次号，车站股道线占用数量，区间轨道占用状态，列车计划运行图，列车实绩运行图，列车阶段计划，临时调度命令，经停方案、进路计划选择、各个站之间的最小运行时间以及列车到发间隔这些数据，并将采集的数据存入数据库服务器中，数据库服务器同时存储上层智能优化器下达的阶段计划；

所述运行图工作站负责显示运行图和调整运行图，将调整的运行图数据反馈到应用服务器上，形成交互，并通过通信服务器将列车阶段运行计划下发到各个车站和列车；

所述中心控制工作站和车站工作站均负责对车站联锁设备的控制，包括手动触发道岔，点亮信号灯，开通进路操作，并且中心控制工作站和车站工作站的控制权可进行切换；

所述智能优化器利用智能优化算法针对列车晚点事件并根据列车实绩运行图生成列车阶段计划，将所得列车阶段计划通过通信服务器下发到运行图工作站并将该数据保存在数据库服务器中；

所述自动排路机负责按照由运行图工作站下发的列车计划时刻产生列车进路序列，按时排进路。

优选地，所述GSM-R系统实现应用服务器和车站或列车的无线传输数据；TSRS系统管理临时限速信息并将该信息下发至RBC系统，RBC系统将临时限速信息数据下发至列车，RBC系统负责授权列车行车许可及限速信息。

优选地，所述智能调度系统还包括转换器，所述转换器负责将智能优化器生成的列车阶段计划数据格式转换为运行图工作站的数据格式，并传输到运行图工作站上。

另一方面，本发明提供一种快速恢复高铁列车准点运行的智能调度方法，包括以下步骤：

步骤1：从数据库服务器的静态数据库中获取某区段列车的初始参数，包括列车图定计划、经停方案、计划进路选择、各个站之间的最小运行时间，各个车站股道线数量以及列车到发间隔这些静态信息；

步骤2：通过数据采集器实时采集区间限速、轨道占用状态、列车早晚点时间、列车车次以及对应的实绩运行图这些动态信息；

步骤3：针对突发事件造成列车晚点事件，通过智能优化器建立列车调整模型，具体方法为：

步骤3.1：针对列车的晚点事件利用粒子群算法优化的性能指标，定义目标函数；

将区段内所有非正点运行的列车均视为晚点列车，将列车调整模型的目标函数定义为晚点列车数量和列车总晚点时间之和，如下公式所示：

其中，f(x)为目标函数，N，M分别为经过某区段的列车数量和区段间车站的数量，分别为列车i在车站j的图定到达时刻和图定出发时刻，D_ij，F_ij分别为列车i在车站j的实绩到达时刻和实绩出发时刻；

步骤3.2：针对所选区段线路，建立列车调整模型；

将上述目标函数作为列车调整模型的性能指标，并分析列车运行特点，考虑单个列车在区段的运行约束以及列车与列车之间的复杂约束，建立列车调整模型，如下公式所示：

S.T.

F_(i+1)j-F_ij≥T_z，(1≤i≤N-1，1≤j≤M) (1)

D_(i+1)j-D_ij≥T_z，(1≤i≤N-1，1≤j≤M) (2)

F_ij≤T^q∩D_i(j+1)≤T^q，(1≤i≤N，1≤j≤M-1) (5)

F_ij≥T^z∩D_i(j+1)≥T^z，(1≤i≤N，1≤j≤M-1) (6)

D_i，j+1-F_i，j≥R_ij，(1≤i≤N，1≤j≤M-1) (8)

F_ij-D_ij≥S_ij，(1≤i≤N，1≤j≤M) (9)

F_i，j-D_i+1，j＞τ_df，(1≤i≤N-1，1≤j≤M) (10)

D_i+1，j-F_i，j＞τ_fd，(1≤i≤N-1，1≤j≤M) (11)

其中，D_ij，F_ij是模型变量，其它符号均是常量，T_z表示列车之间的列车追踪间隔，分别表示车站j的列车与列车之间的最小到达间隔时间，最小发车间隔时间，T^q，T^z分别表示维修天窗开始时间和维修天窗结束时间；K_j表示车站j的股道线数量；R_ij表示列车区间最小运行时间，S_i，j表示列车i在车站j的最小停站时间；τ_df，τ_fd分别表示前车i在j站的发车时间与后车i+1在j站的到达时间之差要大于的最小到发时间，后车i+1在j站的到达时间与前车i在j站的发车时间之差要大于的最小到发时间；

建立的列车调整模型中，模型因子即模型变量是指列车在各个车站的实绩到达，出发时间，目标函数的意义是考虑到达晚点时间|D_ij-D1_ij|和出发晚点时间|F_ij-F1_ij|；除了将正点率作为优化目标，也把列车晚点数量(D_ij-D1_ij)||(F_ij-F1_ij)最小作为优化目标；由于目标函数为晚点时间和晚点列车数量之和，单位不统一，因此忽略单位差异，只进行数量级的处理；

步骤4：智能优化器利用粒子群算法根据列车原有计划运行图以及线路的基本信息通过列车调整模型调整列车运行图，得到列车阶段计划；

步骤4.1：将列车在各个车站的到达时间及出发时间按整数方式编码，并设定最大迭代次数；

步骤4.2：利用双适值比较法将列车调整模型的目标函数f(x)与约束条件分离，由所有的约束条件共同构成一个函数voilation(q)，进而将带有各种约束条件的列车调度问题转化双适应值问题，如下公式所示：

fitness(q)＝f(x)

其中，J，P分别表示不等式和等式的个数，g_j(x)表示第j个不等式，h_p(x)表示第p个等式，n表示粒子的个数，q为第几个粒子；

步骤4.3：根据列车基本信息，晚点时间以及实绩运行图初始化每一个粒子；

步骤4.4：将第一次迭代后的粒子作为父代，并选出粒子群中个体和群体的极值；

步骤4.5：通过双适应值将父代与下一代子代进行比较，选出下一代；

(1)如果粒子q和r都可行即符合约束条件，比较适应值fitness(q)和fitness(r)的大小，选取适应值小的粒子为下一代；

(2)如果两个粒子都不可行时即不符合约束条件，比较所有的约束条件共同构成的函数voilation(q)和voilation(r)的大小，取函数值小的粒子为下一代；

(3)当q粒子可行r粒子不可行时即q粒子符合约束条件，r粒子不符合约束条件，如果voilation＜u，u为设定的不可行解的比例，那么就比较它们的适应值fitness(q)和fitness(r)，选取适应值小的个体，否则q粒子为为下一代；

步骤4.6：计算新的一代种群适应值并与上一次迭代所得个体，群体极值进行比较，得到新的个体和群体极值；

步骤4.7：判断是否达到最大迭代次数，如果没达到，返回步骤4.5，否则执行步骤4.8；

步骤4.8：将最优粒子对应的所有列车的到发时刻进行解码，输出最优粒子对应的列车到发时刻表，形成列车阶段计划；

所述解码过程为：1≤j≤2*M，1≤i≤N，如i为奇数时，列车i到达车站(j+1)/2的时间为d((j+1)/2，i)＝X(j+(i-1)*12)；如j为偶数时，列车i在车站j/2的发车时间f(j/2，i)＝X(j+(i-1)*12)，其中X(j+(i-1)*12)表示粒子群算法求得的粒子解即列车时刻表中对应的第(j+(i-1)*12)列的数值大小；

步骤5：将智能优化器生成的列车阶段计划通过通信服务器传给运行图工作站，通过转换器将阶段计划转换成相应的列车运行图并进行界面可视化显示，并将列车阶段计划保存在静态数据库中；

步骤6：运行图工作站通过通信服务器将列车阶段计划下发给区段内各个车站，各个车站终端接收列车阶段计划，更新排路计划并执行；

步骤6.1：各个车站同意并接收列车阶段计划；

步骤6.2：各个车站执行列车阶段计划，自动排路机产生进路序列并按时排进路；

步骤6.3：转换器将阶段计划转换为相应动作命令；所述的动作命令为改变轨道、列车和信号灯状态的代码；

步骤6.4：通过改变信号灯来控制轨道的通行状态进而控制列车；信号和列车之间直接的相互控制、通过列车占用轨道的状态以及通过轨道占用状态控制信号灯状态的动作命令触发的时机使得列车按图行驶。

采用上述技术方案所产生的有益效果在于：本发明提供的一种快速恢复高铁列车准点运行的智能调度系统及方法，利用智能算法生成调度方案，并将调度方案下发到调度平台模拟真实调度方式调度列车的方法。突发事件导致的列车晚点，粒子群智能算法能够快速的将晚点列车以及可能影响到的列车进行调整，并将调整结果下发到调度平台系统上，模拟列车运行，并考虑联锁，信号，进路安排，列车运行速度等因素，通过模拟列车运行，校验调度方案的可行性。利用调度平台系统模拟真实线路，输出方案是否可行即列车是否发生冲突以及晚点情况，选择是否反馈到优化器中，形成方案不可行重新优化的闭环形式。智能算法能够快速得到新方案，减少了人工调整计划方案的次数以及提高了调整的效率，并通过调度平台系统逼近真实的列车运行环境，增强调度方案的可行性。

附图说明

图1为本发明实施例提供的一种快速恢复高铁列车准点运行的智能调度系统的结构框图；

图2为本发明实施例提供的一种快速恢复高铁列车准点运行的智能调度方法的流程图；

图3为本发明实施例提供的基于粒子群算法的列车运行图调整的流程图；

图4为本发明实施例提供的列车调整前的实绩运行图；

图5为本发明实施例提供的列车调整后的阶段计划运行图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例以南京到沧州区段上行方向为例，采用本发明的一种快速恢复高铁列车准点运行的智能调度系统及方法进行列车调度。

一种快速恢复高铁列车准点运行的智能调度系统，如图1所示，包括应用服务器，通信服务器，数据库服务器，接口服务器，数据采集器，运行图工作站，中心控制工作站，多个车站工作站，转换器，智能优化器，自动排路机；

所述应用服务器负责核心业务逻辑处理和信息分发，包括实时数据处理，通信汇聚分发，信息存储；其中数据处理包括高铁列车运行图数据处理，即更新运行图工作站进而生成新的运行图数据，并与数据库服务器进行交互，保存运行图数据；

所述通信服务器用于中心控制工作站和运行图工作站与各个车站工作站之间的数据交换，完成数据格式转换和数据校验；

所述接口服务器包括GSM-R接口服务器、TSRS接口服务器和RBC接口服务器，这些接口服务器分别负责应用服务器与GSM-R系统，TSRS系统和RBC系统的信息进行数据传输；所述GSM-R系统实现应用服务器和车站或列车的无线传输数据；TSRS系统管理临时限速信息并将该信息下发至RBC系统，RBC系统将临时限速信息数据下发至列车，RBC系统负责授权列车行车许可及限速信息。

所述数据采集器实时采集高铁列车车次号，车站股道线占用数量，区间轨道占用状态，列车计划运行图，列车实绩运行图，列车阶段计划，临时调度命令，经停方案、进路计划选择、各个站之间的最小运行时间以及列车到发间隔这些数据，并将采集的数据存入数据库服务器中，数据库服务器同时存储上层智能优化器下达的阶段计划；

所述运行图工作站负责显示运行图和调整运行图，将调整的运行图数据反馈到应用服务器上，形成交互，并通过通信服务器将列车阶段运行计划下发到各个车站和列车；

所述中心控制工作站和车站工作站均负责对车站联锁设备的控制，包括手动触发道岔，点亮信号灯，开通进路操作，并且中心控制工作站和车站工作站的控制权可进行切换；

所述智能优化器利用智能优化算法针对列车晚点事件并根据列车实绩运行图生成列车阶段计划，将所得列车阶段计划通过通信服务器下发到运行图工作站并将该数据保存在数据库服务器中；

所述转换器负责将智能优化器生成的列车阶段计划数据格式转换为运行图工作站的数据格式，并传输到运行图工作站上；

所述自动排路机负责按照由运行图工作站下发的列车计划时刻产生列车进路序列，按时排进路。

一种快速恢复高铁列车准点运行的智能调度方法，如图2所示，包括以下步骤：

步骤1：从数据库服务器的静态数据库中获取某区段列车的初始参数，包括列车图定计划、经停方案、计划进路选择、各个站之间的最小运行时间，各个车站股道线数量以及列车到发间隔这些静态信息；

本实施例中，从数据库服务器的静态数据库中获取的南京到沧州区段列车的计划到发时刻表如表1所示，表中为列车A，B，C，D，E，F，G，H，L，J分别在车站南京南，蚌埠南，徐州，泰安，济南西，沧州的计划到发时刻。

步骤2：通过数据采集器实时采集区间限速、轨道占用状态、列车早晚点时间、列车车次以及对应的实绩运行图这些动态信息；

步骤3：针对突发事件造成列车晚点事件，通过智能优化器建立列车调整模型，具体方法为：

步骤3.1：针对列车的晚点事件利用粒子群算法优化的性能指标，定义目标函数；

如果列车在车站以及运行区间遇突发事件导致列车晚点，而列车在车站的出发时间和到达时间会相互影响；因此，将区段内所有非正点运行的列车均视为晚点列车，将列车调整模型的目标函数定义为晚点列车数量和列车总晚点时间之和，如下公式所示：

其中，f(x)为目标函数，N，M分别为经过某区段的列车数量和区段间车站的数量，分别为列车i在车站j的图定到达时刻和图定出发时刻，D_ij，F_ij分别为列车i在车站j的实绩到达时刻和实绩出发时刻；

步骤3.2：针对所选区段线路，建立列车调整模型；

将上述目标函数作为列车调整模型的性能指标，并分析列车运行特点，考虑单个列车在区段的运行约束以及列车与列车之间的复杂约束，建立列车调整模型，如下公式所示：

S.T.

F_(i+1)j-F_ij≥T_z，(1≤i≤N-1，1≤j≤M) (1)

D_(i+1)j-D_ij≥T_z，(1≤i≤N-1，1≤j≤M) (2)

F_ij≤T^q∩D_i(j+1)≤T^q，(1≤i≤N，1≤j≤M-1) (5)

F_ij≥T^z∩D_i(j+1)≥T^z，(1≤i≤N，1≤j≤M-1) (6)

D_i，j+1-F_i，j≥R_ij，(1≤i≤N，1≤j≤M-1) (8)

F_ij-D_ij≥S_ij，(1≤i≤N，1≤j≤M) (9)

F_i，j-D_i+1，j＞τ_df，(1≤i≤N-1，1≤j≤M) (10)

D_i+1，j-F_i，j＞τ_fd，(1≤i≤N-1，1≤j≤M) (11)

其中，D_ij，F_ij是模型变量，其它符号均是常量，T_z表示列车之间的列车追踪间隔，分别表示车站j的列车与列车之间的最小到达间隔时间，最小发车间隔时间，T^q，T^z分别表示维修天窗开始时间和维修天窗结束时间；K_j表示车站j的股道线数量；R_ij表示列车区间最小运行时间，S_i，j表示列车i在车站j的最小停站时间；τ_df，τ_fd分别表示前车i在j站的发车时间与后车i+1在j站的到达时间之差要大于的最小到发时间，后车i+1在j站的到达时间与前车i在j站的发车时间之差要大于的最小到发时间；

建立的列车调整模型中，模型因子即模型变量是指列车在各个车站的实绩到达，出发时间，目标函数的意义是考虑到达晚点时间|D_ij-D1_ij|和出发晚点时间|F_ij-F1_ij|；除了将正点率作为优化目标，也把列车晚点数量(D_ij-D1_ij)||(F_ij-F1_ij)最小作为优化目标；由于目标函数为晚点时间和晚点列车数量之和，单位不统一，因此忽略单位差异，只进行数量级的处理；

步骤4：智能优化器利用如图3所示的粒子群算法根据列车原有计划运行图以及线路的基本信息通过列车调整模型调整列车运行图，得到列车阶段计划；

步骤4.1：将列车在各个车站的到达时间及出发时间按整数方式编码，并设定最大迭代次数；

步骤4.2：利用双适值比较法将列车调整模型的目标函数f(x)与约束条件分离，由所有的约束条件共同构成一个函数voilation(q)，进而将带有各种约束条件的列车调度问题转化双适应值问题，如下公式所示：

fitness(q)＝f(x)

其中，J，P分别表示不等式和等式的个数，g_j(x)表示第j个不等式，h_p(x)表示第p个等式，n表示粒子的个数，q为第几个粒子，范围在1-30；

步骤4.3：根据列车基本信息，晚点时间以及实绩运行图初始化每一个粒子；

步骤4.4：将第一次迭代后的粒子作为父代，并选出粒子群中个体和群体的极值；

步骤4.5：通过双适应值将父代与下一代子代进行比较，选出下一代；

(1)如果粒子i和j都可行即符合约束条件，比较适应值fitness(q)和fitness(r)的大小，选取适应值小的粒子为下一代；

(2)如果两个粒子都不可行时即不符合约束条件，比较所有的约束条件共同构成的函数voilation(q)和voilation(r)的大小，取函数值小的粒子为下一代；

(3)当q粒子可行r粒子不可行时即q粒子符合约束条件，r粒子不符合约束条件，如果voilation＜u，u为设定的不可行解的比例，那么就比较它们的适应值fitness(q)和fitness(r)，选取适应值小的个体，否则q粒子为下一代；

步骤4.6：计算新的一代种群适应值并与上一次迭代所得个体，群体极值进行比较，得到新的个体和群体极值；

步骤4.7：判断是否达到最大迭代次数，如果没达到，返回步骤4.5，否则执行步骤4.8；

步骤4.8：将最优粒子对应的所有列车的到发时刻进行解码，输出最优粒子对应的列车到发时刻表，形成列车阶段计划；

解码过程为：1≤j≤2*M，1≤i≤N，如i为奇数时，列车i到达车站(j+1)/2的时间为d((j+1)/2，i)＝X(j+(i-1)*12)；如j为偶数时，列车i在车站j/2的发车时间f(j/2，i)＝X(j+(i-1)*12)，其中X(j+(i-1)*12)表示粒子群算法求得的粒子解即列车时刻表中对应的第(j+(i-1)*12)列的数值大小；

步骤5：将智能优化器生成的列车阶段计划通过通信服务器传给运行图工作站，通过转换器将阶段计划转换成相应的列车运行图并进行界面可视化显示，并将列车阶段计划保存在静态数据库中；

步骤6：运行图工作站通过通信服务器将列车阶段计划下发给区段内各个车站，各个车站终端接收列车阶段计划，更新排路计划并执行；

步骤6.1：各个车站同意并接收列车阶段计划；

步骤6.2：各个车站执行列车阶段计划，自动排路机产生进路序列并按时排进路；

步骤6.3：转换器将阶段计划转换为相应动作命令；所述的动作命令为改变轨道、列车和信号灯状态的代码；

本实施例以十列列车A，B，C，D，E，F，G，H，L，J上行为例，经过车站南京南，蚌埠南，徐州，泰安，济南西到达沧州。A在蚌埠南晚点十分钟，图4为列车调整前的计划运行图，图5为由粒子群算法调整后的列车时刻表即阶段计划，将阶段计划通过转换器转换成调度平台系统命令，进行列车模拟。

步骤6.4：通过改变信号灯来控制轨道的通行状态进而控制列车；信号和列车之间直接的相互控制、通过列车占用轨道的状态以及通过轨道占用状态控制信号灯状态的动作命令触发的时机使得列车按图行驶。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (8)

1.一种快速恢复高铁列车准点运行的智能调度系统，其特征在于：包括应用服务器，通信服务器，数据库服务器，接口服务器，数据采集器，运行图工作站，中心控制工作站，多个车站工作站，智能优化器和自动排路机；

所述应用服务器负责核心业务逻辑处理和信息分发，包括实时数据处理，通信汇聚分发，信息存储；其中数据处理包括高铁列车运行图数据处理，即更新运行图工作站进而生成新的运行图数据，并与数据库服务器进行交互，保存运行图数据；

所述通信服务器用于中心控制工作站和运行图工作站与各个车站工作站之间的数据交换，完成数据格式转换和数据校验；

所述接口服务器包括GSM-R接口服务器、TSRS接口服务器和RBC接口服务器，这些接口服务器分别负责应用服务器与GSM-R系统，TSRS系统和RBC系统的信息进行数据传输；

所述数据采集器实时采集高铁列车车次号，车站股道线占用数量，区间轨道占用状态，列车计划运行图，列车实绩运行图，列车阶段计划，临时调度命令，经停方案、进路计划选择、各个站之间的最小运行时间以及列车到发间隔这些数据，并将采集的数据存入数据库服务器中，数据库服务器同时存储上层智能优化器下达的阶段计划；

所述运行图工作站负责显示运行图和调整运行图，将调整的运行图数据反馈到应用服务器上，形成交互，并通过通信服务器将列车阶段运行计划下发到各个车站和列车；

所述中心控制工作站和车站工作站均负责对车站联锁设备的控制，包括手动触发道岔，点亮信号灯，开通进路操作，并且中心控制工作站和车站工作站的控制权可进行切换；

所述智能优化器利用智能优化算法针对列车晚点事件并根据列车实绩运行图生成列车阶段计划，将所得列车阶段计划通过通信服务器下发到运行图工作站并将该数据保存在数据库服务器中；

所述自动排路机负责按照由运行图工作站下发的列车计划时刻产生列车进路序列，按时排进路。

2.根据权利要求1所述的一种快速恢复高铁列车准点运行的智能调度系统，其特征在于：所述GSM-R系统实现应用服务器和车站或列车的无线传输数据；TSRS系统管理临时限速信息并将该信息下发至RBC系统，RBC系统将临时限速信息数据下发至列车，RBC系统负责授权列车行车许可及限速信息。

3.根据权利要求1所述的一种快速恢复高铁列车准点运行的智能调度系统，其特征在于：所述智能调度系统还包括转换器，所述转换器负责将智能优化器生成的列车阶段计划数据格式转换为运行图工作站的数据格式，并传输到运行图工作站上。

4.一种快速恢复高铁列车准点运行的智能调度方法，采用权利要求3所述的智能调度系统进行智能调度，其特征在于：包括以下步骤：

步骤1：从数据库服务器的静态数据库中获取某区段列车的初始参数，包括列车图定计划、经停方案、计划进路选择、各个站之间的最小运行时间，各个车站股道线数量以及列车到发间隔这些静态信息；

步骤2：通过数据采集器实时采集区间限速、轨道占用状态、列车早晚点时间、列车车次以及对应的实绩运行图这些动态信息；

步骤3：针对突发事件造成列车晚点事件，通过智能优化器建立列车调整模型，具体方法为：

步骤3.1：针对列车的晚点事件利用粒子群算法优化的性能指标，定义目标函数；

步骤3.2：针对所选区段线路，建立列车调整模型；

步骤4：智能优化器利用粒子群算法根据列车原有计划运行图以及线路的基本信息通过列车调整模型调整列车运行图，得到列车阶段计划；

步骤5：将智能优化器生成的列车阶段计划通过通信服务器传给运行图工作站，通过转换器将阶段计划转换成相应的列车运行图并进行界面可视化显示，并将列车阶段计划保存在静态数据库中；

步骤6：运行图工作站通过通信服务器将列车阶段计划下发给区段内各个车站，各个车站终端接收列车阶段计划，更新排路计划并执行。

5.根据权利要求4所述的一种快速恢复高铁列车准点运行的智能调度方法，其特征在于，所述步骤3.1的具体方法为：

将区段内所有非正点运行的列车均视为晚点列车，将列车调整模型的目标函数定义为晚点列车数量和列车总晚点时间之和，如下公式所示：

其中，f(x)为目标函数，N，M分别为经过某区段的列车数量和区段间车站的数量，分别为列车i在车站j的图定到达时刻和图定出发时刻，D_ij，F_ij分别为列车i在车站j的实绩到达时刻和实绩出发时刻。

6.根据权利要求5所述的一种快速恢复高铁列车准点运行的智能调度方法，其特征在于，所述步骤3.2的具体方法为：

将上述目标函数作为列车调整模型的性能指标，并分析列车运行特点，考虑单个列车在区段的运行约束以及列车与列车之间的复杂约束，建立列车调整模型，如下公式所示：

S.T.

F_(i+1)j-F_ij≥T_z，(1≤i≤N-1，1≤j≤M) (1)

D_(i+1)j-D_ij≥T_z，(1≤i≤N-1，1≤j≤M) (2)

F_ij≤T^q∩D_i(j+1)≤T^q，(1≤i≤N，1≤j≤M-1) (5)

F_ij≥T^z∩D_i(j+1)≥T^z，(1≤i≤N，1≤j≤M-1) (6)

D_i，j+1-F_i，j≥R_ij，(1≤i≤N，1≤j≤M-1) (8)

F_ij-D_ij≥S_ij，(1≤i≤N，1≤j≤M) (9)

F_i，j-D_i+1，j＞τ_df，(1≤i≤N-1，1≤j≤M) (10)

D_i+1，j-F_i，j＞τ_fd，(1≤i≤N-1，1≤j≤M) (11)

其中，D_ij，F_ij是模型变量，其它符号均是常量，T_z表示列车之间的列车追踪间隔，分别表示车站j的列车与列车之间的最小到达间隔时间，最小发车间隔时间，T^q，T^z分别表示维修天窗开始时间和维修天窗结束时间；K_j表示车站j的股道线数量；R_ij表示列车区间最小运行时间，S_i，j表示列车i在车站j的最小停站时间；τ_df，τ_fd分别表示前车i在j站的发车时间与后车i+1在j站的到达时间之差要大于的最小到发时间，后车i+1在j站的到达时间与前车i在j站的发车时间之差要大于的最小到发时间；

建立的列车调整模型中，模型因子即模型变量是指列车在各个车站的实绩到达，出发时间，目标函数的意义是考虑到达晚点时间|D_ij-D1_ij|和出发晚点时间|F_ij-F1_ij|；除了将正点率作为优化目标，也把列车晚点数量(D_ij-D1_ij)||(F_ij-F1_ij)最小作为优化目标；由于目标函数为晚点时间和晚点列车数量之和，单位不统一，因此忽略单位差异，只进行数量级的处理。

7.根据权利要求6所述的一种快速恢复高铁列车准点运行的智能调度方法，其特征在于，所述步骤4的具体方法为：

步骤4.1：将列车在各个车站的到达时间及出发时间按整数方式编码，并设定最大迭代次数；

步骤4.2：利用双适值比较法将列车调整模型的目标函数f(x)与约束条件分离，由所有的约束条件共同构成一个函数voilation(q)，进而将带有各种约束条件的列车调度问题转化双适应值问题，如下公式所示：

fitness(q)＝f(x)

其中，J，P分别表示不等式和等式的个数，g_j(x)表示第j个不等式，h_p(x)表示第p个等式，n表示粒子的个数，q为第几个粒子；

步骤4.3：根据列车基本信息，晚点时间以及实绩运行图初始化每一个粒子；

步骤4.4：将第一次迭代后的粒子作为父代，并选出粒子群中个体和群体的极值；

步骤4.5：通过双适应值将父代与下一代子代进行比较，选出下一代；

(1)如果粒子q和r都可行即符合约束条件，比较适应值fitness(q)和fitness(r)的大小，选取适应值小的粒子为下一代；

(2)如果两个粒子都不可行时即不符合约束条件，比较所有的约束条件共同构成的函数voilation(q)和voilation(r)的大小，取函数值小的粒子为下一代；

(3)当q粒子可行r粒子不可行时即q粒子符合约束条件，r粒子不符合约束条件，如果voilation＜u，u为设定的不可行解的比例，那么就比较它们的适应值fitness(q)和fitness(r)，选取适应值小的个体，否则q粒子为为下一代；

步骤4.6：计算新的一代种群适应值并与上一次迭代所得个体，群体极值进行比较，得到新的个体和群体极值；

步骤4.7：判断是否达到最大迭代次数，如果没达到，返回步骤4.5，否则执行步骤4.8；

步骤4.8：将最优粒子对应的所有列车的到发时刻进行解码，输出最优粒子对应的列车到发时刻表，形成列车阶段计划；

所述解码过程为：1≤j≤2*M，1≤i≤N，如i为奇数时，列车i到达车站(j+1)/2的时间为d((j+1)/2，i)＝X(j+(i-1)*12)；如j为偶数时，列车i在车站j/2的发车时间f(j/2，i)＝X(j+(i-1)*12)，其中X(j+(i-1)*12)表示粒子群算法求得的粒子解即列车时刻表中对应的第(j+(i-1)*12)列的数值大小。

8.根据权利要求4所述的一种快速恢复高铁列车准点运行的智能调度方法，其特征在于，所述步骤6的具体方法为：

步骤6.1：各个车站同意并接收列车阶段计划；

步骤6.2：各个车站执行列车阶段计划，自动排路机产生进路序列并按时排进路；

步骤6.3：转换器将阶段计划转换为相应动作命令；所述的动作命令为改变轨道、列车和信号灯状态的代码；

步骤6.4：通过改变信号灯来控制轨道的通行状态进而控制列车；信号和列车之间直接的相互控制、通过列车占用轨道的状态以及通过轨道占用状态控制信号灯状态的动作命令触发的时机使得列车按图行驶。