CN110775109A - 一种基于调度指挥系统的高速铁路列车到站时间预测方法 - Google Patents
一种基于调度指挥系统的高速铁路列车到站时间预测方法 Download PDFInfo
- Publication number
- CN110775109A CN110775109A CN201911077494.2A CN201911077494A CN110775109A CN 110775109 A CN110775109 A CN 110775109A CN 201911077494 A CN201911077494 A CN 201911077494A CN 110775109 A CN110775109 A CN 110775109A
- Authority
- CN
- China
- Prior art keywords
- train
- time
- signal
- block
- data
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
- B61L27/14—Following schedules
Abstract
本发明公开了一种基于调度指挥系统的高速铁路列车到站时间预测方法,包括:对调度指挥系统的历史数据进行标准化处理,构建基于闭塞分区和列车离散化轨迹的时空状态数据处理模型,提取列车运行的时空数据,并将其标准化;通过分析标准化处理后的历史行车数据,估算实际运营环境中各种类型列车的闭塞分区运行时间参数;利用估算出的闭塞分区运行时间参数,结合实时的运营环境状态和列车状态,对未来一段时间内的信号状态预测,通过列车与信号状态的相互约束和作用关系,最终实现对列车到站时间的预测。该方法可以提高预测结果的准确度,并确保预测结果的可靠性。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种基于调度指挥系统的高速铁路列车到站时间预测方法。
背景技术
通过预测实际动态环境下列车在下一站的到站时间及可能的晚点时间,一方面可为旅客服务系统提供较为可靠的到站时间预测,另一方面是快速准确识别潜在行车冲突和以及制定科学合理调度策略的基础。
目前的方案中,通常是利用实时行车计划和列车的当前速度,以及当前列车所处的区间位置,在假设列车速度不变的情况下,预测列车的到站时间。在实际运营环境中,如果列车运营过程中受到的随机干扰较少,则列车的到站时间以较高的概率遵循计划约定的到站时间,无论采用何种预测方法,其准确率均较高;但是,若受到大量随机因素的影响,如信号灯状态的突变,临时限速,接发车进路开放时间较晚,列车晚点等,则预测所得的列车到站时间会出现较大的偏差。
发明内容
本发明的目的是提供一种基于调度指挥系统的高速铁路列车到站时间预测方法,可以提高预测结果的准确度,并确保预测结果的可靠性。
本发明的目的是通过以下技术方案实现的:
一种基于调度指挥系统的高速铁路列车到站时间预测方法,包括:
对调度指挥系统的历史数据进行标准化处理:构建基于闭塞分区和列车离散化轨迹的时空状态数据处理模型,提取列车运行的时空数据,并将其标准化;
通过分析标准化处理后的历史行车数据,估算实际运营环境中各种类型列车的闭塞分区运行时间参数;
利用估算出的闭塞分区运行时间参数,结合实时的运营环境状态和列车状态,对未来一段时间内的信号状态预测,通过列车与信号状态的相互约束和作用关系,最终实现对列车到站时间的预测。
由上述本发明提供的技术方案可以看出,能够有效提升高速铁路行车调度指挥系统对列车在下一车站到站时间预测的准确率,一方面,可以为旅客服务系统提供较为可靠的到站时间预测,另一方面,是快速准确识别潜在行车冲突和以及制定科学合理调度策略的基础,可以极大地提高调度指挥人员的决策质量和工作效率。
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调度指挥系统的高速铁路列车到站时间预测方法的结构图;
图2为本发明实施例提供的历史数据标准化处理的示意图;
图3为本发明实施例提供的闭塞分区运行时间参数估算的示意图;
图4为本发明实施例提供的信号状态预测的示意图;
图5为本发明实施例提供的到站时间预测的示意图;
图6为本发明实施例提供的自适应修正的计算过程示意图。
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。
在现代社会,尤其是我国,高速铁路已成为社会和经济发展的重要载体,同时也是旅客交通出行的主要工具。我国高速铁路建设目前已经取得了极大的成就,截至2018年底,高铁里程已经达到2.9万公里,占世界高速铁路总里程的三分之二,也已形成复杂的高铁网络。在成网条件下,行车组织工作难度增大,列车运行过程中干扰众多,导致列车的实际时空轨迹与既定的运行计划产生偏离,调度指挥人员需要根据自身的经验结合实际的线路和运营状态,来对列车在未来一段时间内的时空轨迹进行预测,尤其是对列车到站时间的预测,来制定相应调度指挥策略,优化列车运行组织,并实现按图行车的目标,以及对外提供较为可靠的列车到站时间和晚点时分。
本发明通过对调度指挥系统历史和实时数据的挖掘分析以及规范化处理,结合轨道交通列车运行的特征,以及相应的运输资源约束条件,实现动态环境下对列车到站时间的实时自适应预测,来为调度指挥系统的提供辅助决策基础以及高效的旅客向导服务。
如图1所示,为本发明实施例提供的一种基于调度指挥系统的高速铁路列车到站时间预测方法的结构图,其主要包括:根据高速铁路行车指挥的运营特征,在抽取出列车时空轨迹的关键影响因素的基础上,对调度指挥系统的历史数据进行标准化处理,构建基于闭塞分区和列车离散化轨迹的时空状态数据处理模型,提取列车运行的时空数据,并将其标准化;通过分析标准化处理后的历史行车数据,估算实际运营环境中各种类型列车的闭塞分区运行时间参数;利用估算出的闭塞分区运行时间参数,结合实时的运营环境状态和列车状态,对未来一段时间内的信号状态预测,通过列车与信号状态的相互约束和作用关系,最终实现对列车到站时间的预测。
为了便于理解,下面针对本发明各重要环节的优选实施方式进行介绍。
一、历史数据标准化处理。
调度集中系统通过实时获取并记录线路状态,天气,信号状态,列车状态等相应铁路行车环境的实时变化信息来实现对列车的运营指挥。在行车环境信息获取的基础上,将线路状态,天气状况,信号状态和列车状态结合信号设施的联锁特性和安全行车规则进行综合处理,可以得到列车到站时间预测的关键因素:线路信息,列车信息,限速信息,信号状态,以及运营计划。其中天气影响可最终由限速命令所体现,线路的干扰可通过晚点和信号状态所体现。
由于列车在高速铁路的运行仍遵循固定闭塞方式的行车约束,则根据列车在闭塞分区和进路内的排他性特征,并结合列车运行过程中的信号状态变化,可将列车的整个运行过程离散化为列车在一系列连续闭塞单元上的占用和出清事件。由于列车运行的计划指导性,故在时空维度层面,列车事件的发生具备一定的可预测性,即列车的到站时间具备一定的可预测性。
由于采用历史数据驱动和实时状态结合的方式实现列车到站时间的预测,首先需要对调度集中系统获取的历史数据进行标准化处理,这是时间参数确定和到站时间预测的基础。
如图2所示,为历史数据标准化处理的示意图;其主要包括如下步骤:
步骤a1、构造以闭塞分区为主键的数据结构,数据结构中包含闭塞分区、列车、限速、闭塞分区运行前方防护信号机、到达时间以及闭塞占用时间。
步骤b1、对于数据结构中的每一闭塞分区,按时间方式构建列车进入闭塞分区的队列InList。
步骤c1、对于数据结构中的每一闭塞分区,按时间方式构建列车驶出闭塞分区的队列OutList。
步骤d1、结合行车计划,比对相邻闭塞分区的列车是否按顺序依次进入和出清,若是则保留相关的列车信息,否则认为是干扰数据,删除相关的列车信息,即InList和Outlist中该列车的数据。
步骤e、重复步骤a1-d1,直至数据处理完成,或所处理数据达到所设定的内存数量最大值。
二、闭塞分区运行时间参数估算。
由于高速铁路的列车运行仍遵循固定闭塞的信号约束以及“按图行车”运营需求。因此,一方面可根据固定闭塞的占用方式,将列车运行的过程离散化为列车在每个信号单元上的步进。另一方面,由于列车在同一路径上按照固定的运行图周期性重复性运行,特定类型列车和信号单元之间在不同的运营场景下蕴含着统计意义上的时空关联规律。根据这种统计意义上的关联规律,可以结合大量的历史数据,在对运营场景合理划分的基础上,对不同类型列车在闭塞分区上的运行时间进行统计分析,得出列车在不同运营场景下的关键时间参数。
如图3所示,闭塞分区运行时间参数估算的主要步骤如下:
步骤a2、根据标准化处理后的历史行车数据,将列车运营场景抽象为一个五元组{闭塞分区,列车,限速,防护信号机,时间}。
其中每个元素的属性集如表1所示。
表1属性集
步骤b2、根据运营场景属性构造分类映射表,构造方式为各属性向量之间的笛卡儿积,并对标准化后的历史行车数据按构造的映射表进行分类。
步骤c2、根据构造分类映射表计算相应的闭塞分区运行时间参数,并将计算到的运行时间参数写入对应的分类映射表中。
所述闭塞分区运行时间参数至少包括:闭塞分区间隔运行时间、闭塞分区占用时间、最小间隔运行时间、最小占用时间、平均间隔运行时间、平均占用时间、间隔运行时间标准差、以及占用时间标准差;定义如表2所示。其中entry i指列出进入第i个闭塞分区的时刻,clear i指列车完全出清第i个闭塞分区的时刻。
表2时间参数定义
步骤d2、遍历分类映射表,若表内时间参数数据为空,则构造缺省值填入,缺省值的构造方法为相邻闭塞分区的平均值。
图3中,虚线框内的①,②,③,…..,表示对应闭塞区间事件,ent表示事件的开始时间,dep表示事件的结束时间,弧表示事件的过渡。
三、信号状态预测。
列车从车站出发后,在闭塞分区的运行时间与其运行路径上的信号状态相关,不同的信号状态对应着不同的列车运行曲线,也将影响相应的运行时间;故在动态的实际运营环境下,对列车运行路径上未来一段时间内信号状态的变化预测十分重要,尤其是对列车进路的开放时间的预测。这是因为列车群追踪运行时,前方列车的运行位置的变化会引发相应区段的防护信号的变化,而对闭塞分区运行首列车的影响主要是前方车站接车进路的开放时机,接车进路的开放会引起与其相关的一系列信号状态的变化,该变化直接影响到首列车在前方站的到站时刻。
如图4所示,信号状态的预测主要包括如下步骤:
步骤a3、根据实时列车运行计划(即图4所示的,日班计划与阶段计划)按到达时间的先后顺序对车站内列车的接发车进路分别进行排序,确定车站各个方向即将接入列车的接车进路,和发出列车的发车进路。
步骤b3、根据各个列车位置以及信号状态(即图4所示的,当前运营状态),对列车在当前闭塞分区的停留时间采用均值进行估算,计算当前闭塞分区防护信号机的下一信号状态以及相应状态变化时刻。
步骤c3、根据列车计划,站内股道占用情况和接车进路触发规则,分别计算各个方向即将接入列车接车进路的信号开放时间。
步骤d3、若站内股道有计划出发列车,根据行车计划和最小停站时间约束,计算即将发出列车发车进路开放时间。
步骤e3、根据所计算的接车进路的信号开放时间与发车进路开放时间,结合信号开放联锁关系,计算闭塞分区相应信号的显示和变化时刻,并更新步骤b3中的信号状态变化和相应时刻。
四、到站时间预测。
在信号状态预测的基础上,结合时间参数和上一站到达时间的预测误差,采用滚动自适应预测的方式,对下站的列车到站时间进行预测。
如图5所示,到站时间预测主要包括如下步骤:
步骤a4、按实时列车运行计划(即图5所示的,日班计划与阶段计划)约定的顺序,对两个车站之间列车进行分组排序,并初始化内部仿真钟,示例性的,可以设置每1秒钟为一时间的步进扫描周期。采用内部仿真钟的方法,便于确定预测中全局统一的时间基线,以及实现仿真时间的快速推进,进而实现快速仿真未来一段时间内的列车运行场景,用于预测未来时间段内的列车运营状况。
步骤b4、根据各列车进入当前闭塞分分区的运营场景属性,查表确定各列车在当前闭塞分区的运行时间,并按时间先后顺序对列车进行排序(车站内的待发列车按照计划发车时间来确定其在股道上的停车占用时间,若列车晚点则取计划发车时间和考虑了最小停站时间的列车出发时间的最大值),确定第一列会引起信号状态变化的列车(在时间上第一个改变了自己的当前位置)以及其发生列车步进事件的时刻。
步骤c4、根据该列车将发生的位置变化,结合信号规则和约束条件,计算因该列车位置变化而影响到的信号设施。这些信号设施状态的变化会引起相应运营场景属性的变化,进而影响到其它列车各自运营事件的持续时间。由于信号设施的变化是由于列车位置变化所引发,为简化计算,不考虑设备的动作时间(设备的动作时间通常在几秒钟之内),可认为相应信号设施状态的变化同时发生。
步骤d4、更新内部仿真钟至该列车步进时刻,根据步骤c4中已确定该时刻列车的位置和相应关联的信号设施,结合联锁关系,更新内部仿真部分该列车的位置和相应关联的信号设施的状态,实现对该时刻场景的仿真。
步骤e4、计算当前仿真钟时刻运营环境中各列车发生相应列车事件的时刻,并计算各列车位于相应位置(例如,某个闭塞分区)的持续时间,采用环节三中的信号状态预测方法,预测列车下一个步进之前的信号状态变化,并据此更新仿真部分的相应信号状态。
在系统运行过程中,一方面调度指挥系统从联锁等接口设备采集到的信号设施的当前状态,另一方面,在到站时间预测部分中,构造同样的数据结构,用于存储由内部仿真产生的信号状态。
步骤f4、确定变化后的运营场景属性,返回步骤a4,直至列车步进至车站站台,计算出列车在车站的到达时刻;到站时刻与计划时刻的差值即为预测的列车到站晚点时间。所述运营场景为一个五元组{闭塞分区,列车,限速,防护信号机,时间};其中的属性是指,闭塞分区ID、列车类型与速度、限速、防护信号机状态以及出发晚点时间。
步骤g4、列车站内作业时间估算,根据实时计划规定的列车出发时刻与列车最小停站时间计算列车的离站时间。
步骤h4、对信号状态进行预测,根据返回步骤a4。
为了提高预测准确度,本发明实施例还针对预测的列车到站时刻结合在线的列车运行事件进行自适应修正,方式如下:
列车到站时刻是由一系列列车事件的时间拼接而成,如列车目前位于闭塞区间A,通过闭塞区间B、C后到达车站X,则列车在车站X的到站时间为列车在闭塞区间A、B、C产生列车事件时间的组合。由于列车在线运行时,其在线数据的权重远大于历史数据的权重,这是由于在线时的环境属性的改变是具有惯性的,不会轻易突变。因而引入在线实际事件发生时刻和基于离线预测的发生时刻的误差修正,即对误差进行均方平滑式修正。
令εi表示列车事件预测时刻和实际时刻之间的绝对误差,其中参数i为当前已发生的列车事件(如列车进入闭塞区间的时刻,列车出清闭塞区间的时刻,列车进入站台的时刻等),为列车事件i的实际发生时刻,是列车运行过程中实际采集到的数据;为该列车事件i发生的预测时刻,是步骤e4中预测出的时刻,定义预测值的补偿误差为:
其中,参数j为已发生的最近列车事件,m′∈{j+1,...,m}为设定的预测范围,m为列车事件的有效范围;l∈{1,...,j-1}为平滑因子,用于确定参与平滑的已发生事件的数目,则应用自适应算法后的列车事件i发生的预测时刻为
如图6所示,为自适应修正的计算过程,其中粗实线表示已经发生事件的时间变化,细实线表示预测事件的时间变化,虚线表示应用自适应算法平滑后的预测时间
本发明实施例上述方案,能够有效提升高速铁路行车调度指挥系统对列车在下一车站到站时间预测的准确率,一方面,可以为旅客服务系统提供较为可靠的到站时间预测,另一方面,是快速准确识别潜在行车冲突和以及制定科学合理调度策略的基础,可以极大地提高调度指挥人员的决策质量和工作效率。
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)
1.一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,包括:
对调度指挥系统的历史数据进行标准化处理:构建基于闭塞分区和列车离散化轨迹的时空状态数据处理模型,提取列车运行的时空数据,并将其标准化;
通过分析标准化处理后的历史行车数据,估算实际运营环境中各种类型列车的闭塞分区运行时间参数;
利用估算出的闭塞分区运行时间参数,结合实时的运营环境状态和列车状态,对未来一段时间内的信号状态预测,通过列车与信号状态的相互约束和作用关系,最终实现对列车到站时间的预测。
2.根据权利要求1所述的一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,所述对调度指挥系统的历史数据进行标准化处理包括:
步骤a1、构造以闭塞分区为主键的数据结构,数据结构中包含闭塞分区、列车、限速、闭塞分区运行前方防护信号机、到达时间以及闭塞占用时间;
步骤b1、对于数据结构中的每一闭塞分区,按时间方式构建列车进入闭塞分区的队列InList;
步骤c1、对于数据结构中的每一闭塞分区,按时间方式构建列车驶出闭塞分区的队列OutList;
步骤d1、结合行车计划,比对相邻闭塞分区的列车是否按顺序依次进入和出清,若是则保留相关的列车信息,否则认为是干扰数据,在InList与OutList中删除相关的列车信息;
步骤e、重复步骤a1-d1,直至数据处理完成,或所处理数据达到所设定的内存数量最大值。
3.根据权利要求1所述的一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,所述通过分析标准化处理后的历史行车数据,估算实际运营环境中各种类型列车的闭塞分区运行时间参数包括:
步骤a2、根据标准化处理后的历史行车数据,将列车运营场景抽象为一个五元组{闭塞分区,列车,限速,防护信号机,时间};
步骤b2、根据运营场景属性构造分类映射表,构造方式为各属性向量之间的笛卡儿积,并对标准化后的历史行车数据按构造的映射表进行分类;
步骤c2、根据构造分类映射表计算相应的闭塞分区运行时间参数,并将计算到的闭塞分区运行时间参数写入对应的分类映射表中;
步骤d2、遍历分类映射表,若表内时间参数数据为空,则构造缺省值填入,缺省值的构造方法为相邻闭塞分区的平均值。
4.根据权利要求1或3所述的一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,所述闭塞分区运行时间参数至少包括:闭塞分区间隔运行时间、闭塞分区占用时间、最小间隔运行时间、最小占用时间、平均间隔运行时间、平均占用时间、间隔运行时间标准差、以及占用时间标准差。
5.根据权利要求1所述的一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,所述利用估算出的闭塞分区运行时间参数,结合实时的运营环境状态和列车状态,对未来一段时间内的信号状态预测包括:
列车从车站出发后,在闭塞分区的运行时间与其运行路径上的信号状态相关,不同的信号状态对应着不同的列车运行曲线,也将影响相应的运行时间;信号状态的预测步骤如下:
步骤a3、根据实时列车运行计划按到达时间的先后顺序对车站内列车的接发车进路分别进行排序,确定车站各个方向即将接入列车的接车进路,和发出列车的发车进路;
步骤b3、根据各个列车位置以及信号状态,对列车在当前闭塞分区的停留时间采用均值进行估算,计算当前闭塞分区防护信号机的下一信号状态以及相应状态变化时刻;
步骤c3、根据列车计划,站内股道占用情况和接车进路触发规则,分别计算各个方向即将接入列车接车进路的信号开放时间;
步骤d3、若站内股道有计划出发列车,根据行车计划和最小停站时间约束,计算即将发出列车发车进路开放时间;
步骤e3、根据所计算的接车进路的信号开放时间与发车进路开放时间,结合信号开放联锁关系,计算闭塞分区相应信号的显示和变化时刻,并更新步骤c3中的信号状态变化和相应时刻。
6.根据权利要求1或5所述的一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,通过列车与信号状态的相互约束和作用关系,最终实现对列车到站时间的预测包括:
步骤a4、按实时列车运行计划约定的顺序,对两个车站之间列车进行分组排序,并初始化内部仿真钟;
步骤b4、根据列车进入当前闭塞分分区的运营场景属性,查表确定列车在当前闭塞分区的运行时间,并按时间先后顺序对列车进行排序,确定第一列会引起信号状态变化的列车以及其发生列车步进事件的时刻;
步骤c4、根据列车将发生的位置变化,结合信号规则和约束条件,计算因列车位置变化而影响到的信号设施,这些信号设施状态的变化会引起相应运营场景属性的变化,进而影响到其它列车各自运营事件的持续时间;
步骤d4、更新内部仿真钟至该列车步进时刻,根据步骤c4中已确定的列车位置和相应关联的信号设施,结合联锁关系,更新内部仿真部分该列车的位置和相应关联的信号设施的状态,实现对场景的仿真;
步骤e4、计算当前仿真钟时刻运营环境中各列车发生相应列车事件的时刻,并计算各列车位于相应位置的持续时间,采用信号状态预测方法,预测列车下一个步进之前的信号状态变化,并据此更新仿真部分的相应信号状态;
步骤f4、确定变化后的运营场景环境属性,返回步骤a4,直至列车步进至车站站台,计算出列车在车站的到达时刻;到站时刻与计划时刻的差值即为预测的列车到站晚点时间;所述运营场景为一个五元组{闭塞分区,列车,限速,防护信号机,时间};其中的属性是指,闭塞分区ID、列车类型与速度、限速、防护信号机状态以及出发晚点时间;
步骤g4、列车站内作业时间估算,根据实时计划规定的列车出发时刻与列车最小停站时间计算列车的离站时间;
步骤h4、对信号状态进行预测,根据返回步骤a4。
7.根据权利要求6所述的一种基于调度指挥系统的高速铁路列车到站时间预测方法,其特征在于,该方法还包括:对预测的列车到站时刻进行自适应修正;
列车到站时刻是由一系列列车事件的时间拼接而成;
令εi表示列车事件预测时刻和实际时刻之间的绝对误差,其中事件i为当前已发生的列车事件,为列车事件i的实际发生时刻,是列车运行过程中实际采集到的数据;为列车事件i发生的预测时刻,是步骤e4中预测出的时刻;定义预测值的补偿误差为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911077494.2A CN110775109B (zh) | 2019-11-06 | 2019-11-06 | 一种基于调度指挥系统的高速铁路列车到站时间预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911077494.2A CN110775109B (zh) | 2019-11-06 | 2019-11-06 | 一种基于调度指挥系统的高速铁路列车到站时间预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110775109A true CN110775109A (zh) | 2020-02-11 |
CN110775109B CN110775109B (zh) | 2021-10-26 |
Family
ID=69389589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911077494.2A Active CN110775109B (zh) | 2019-11-06 | 2019-11-06 | 一种基于调度指挥系统的高速铁路列车到站时间预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110775109B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768074A (zh) * | 2020-05-22 | 2020-10-13 | 北京交通大学 | 一种新型列车运行智能调整方法 |
CN112232552A (zh) * | 2020-09-27 | 2021-01-15 | 中国铁道科学研究院集团有限公司通信信号研究所 | 面向突发事件不确定性的列车运行计划调整风险控制方法 |
CN112319557A (zh) * | 2020-10-27 | 2021-02-05 | 北京交通大学 | 一种晚点条件下地铁列车的运行调整方法及系统 |
CN113306605A (zh) * | 2021-06-10 | 2021-08-27 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
CN113610336A (zh) * | 2021-06-16 | 2021-11-05 | 物泊科技有限公司 | 一种铁水过跨车调度系统 |
CN113836827A (zh) * | 2021-11-26 | 2021-12-24 | 卡斯柯信号(北京)有限公司 | 一种区间方向初始化测试方法及系统 |
CN114999143A (zh) * | 2022-03-17 | 2022-09-02 | 高德软件有限公司 | 红灯时长挖掘方法、电子设备及计算机程序产品 |
CN115257861A (zh) * | 2022-07-26 | 2022-11-01 | 青岛海信微联信号有限公司 | 一种信号机状态的控制方法、设备及装置 |
CN115339489A (zh) * | 2022-07-13 | 2022-11-15 | 北京交通大学 | 一种列车运行图与停站方案协同调整方法 |
CN115366952A (zh) * | 2022-10-24 | 2022-11-22 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种铁路车站的接发车进路时机开放方法 |
WO2024021851A1 (zh) * | 2022-07-25 | 2024-02-01 | 比亚迪股份有限公司 | 发车时间的调整方法、存储介质、车载控制器及轨道车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014144754A (ja) * | 2013-01-30 | 2014-08-14 | Mitsubishi Electric Corp | 列車制御システムおよび自動列車運転装置 |
CN104217605A (zh) * | 2013-05-31 | 2014-12-17 | 张伟伟 | 一种公交车到站时间测算方法和装置 |
JP2018039441A (ja) * | 2016-09-09 | 2018-03-15 | 株式会社日立製作所 | 評価システム及び評価方法 |
CN109754180A (zh) * | 2018-12-29 | 2019-05-14 | 中南大学 | 突发事件终止时间不确定情况下的高速铁路行车调整方法 |
-
2019
- 2019-11-06 CN CN201911077494.2A patent/CN110775109B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014144754A (ja) * | 2013-01-30 | 2014-08-14 | Mitsubishi Electric Corp | 列車制御システムおよび自動列車運転装置 |
CN104217605A (zh) * | 2013-05-31 | 2014-12-17 | 张伟伟 | 一种公交车到站时间测算方法和装置 |
JP2018039441A (ja) * | 2016-09-09 | 2018-03-15 | 株式会社日立製作所 | 評価システム及び評価方法 |
CN109754180A (zh) * | 2018-12-29 | 2019-05-14 | 中南大学 | 突发事件终止时间不确定情况下的高速铁路行车调整方法 |
Non-Patent Citations (1)
Title |
---|
袁志明: "基于随机森林的列车到站时间预测方法", 《铁道运输与经济》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768074A (zh) * | 2020-05-22 | 2020-10-13 | 北京交通大学 | 一种新型列车运行智能调整方法 |
CN111768074B (zh) * | 2020-05-22 | 2024-01-19 | 北京交通大学 | 一种新型列车运行智能调整方法 |
CN112232552A (zh) * | 2020-09-27 | 2021-01-15 | 中国铁道科学研究院集团有限公司通信信号研究所 | 面向突发事件不确定性的列车运行计划调整风险控制方法 |
CN112232552B (zh) * | 2020-09-27 | 2024-03-05 | 中国铁道科学研究院集团有限公司通信信号研究所 | 面向突发事件不确定性的列车运行计划调整风险控制方法 |
CN112319557A (zh) * | 2020-10-27 | 2021-02-05 | 北京交通大学 | 一种晚点条件下地铁列车的运行调整方法及系统 |
CN112319557B (zh) * | 2020-10-27 | 2021-09-03 | 北京交通大学 | 一种晚点条件下地铁列车的运行调整方法及系统 |
WO2022088375A1 (zh) * | 2020-10-27 | 2022-05-05 | 北京交通大学 | 一种晚点条件下地铁列车的运行调整方法及系统 |
US11731674B2 (en) | 2020-10-27 | 2023-08-22 | Beijing Jiaotong University | Operation adjustment method and system for metro trains in delay scenario |
CN113306605B (zh) * | 2021-06-10 | 2022-09-09 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
CN113306605A (zh) * | 2021-06-10 | 2021-08-27 | 交控科技股份有限公司 | 一种动态运行图的调整方法及系统 |
CN113610336A (zh) * | 2021-06-16 | 2021-11-05 | 物泊科技有限公司 | 一种铁水过跨车调度系统 |
CN113836827B (zh) * | 2021-11-26 | 2022-03-15 | 卡斯柯信号(北京)有限公司 | 一种区间方向初始化测试方法及系统 |
CN113836827A (zh) * | 2021-11-26 | 2021-12-24 | 卡斯柯信号(北京)有限公司 | 一种区间方向初始化测试方法及系统 |
CN114999143A (zh) * | 2022-03-17 | 2022-09-02 | 高德软件有限公司 | 红灯时长挖掘方法、电子设备及计算机程序产品 |
CN114999143B (zh) * | 2022-03-17 | 2023-08-29 | 高德软件有限公司 | 红灯时长挖掘方法、电子设备及计算机程序产品 |
CN115339489A (zh) * | 2022-07-13 | 2022-11-15 | 北京交通大学 | 一种列车运行图与停站方案协同调整方法 |
CN115339489B (zh) * | 2022-07-13 | 2024-01-09 | 北京交通大学 | 一种列车运行图与停站方案协同调整方法 |
WO2024021851A1 (zh) * | 2022-07-25 | 2024-02-01 | 比亚迪股份有限公司 | 发车时间的调整方法、存储介质、车载控制器及轨道车辆 |
CN115257861A (zh) * | 2022-07-26 | 2022-11-01 | 青岛海信微联信号有限公司 | 一种信号机状态的控制方法、设备及装置 |
CN115366952A (zh) * | 2022-10-24 | 2022-11-22 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种铁路车站的接发车进路时机开放方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110775109B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110775109B (zh) | 一种基于调度指挥系统的高速铁路列车到站时间预测方法 | |
Hansen et al. | Online train delay recognition and running time prediction | |
Liao | On‐line vehicle routing problems for carbon emissions reduction | |
Acuna-Agost et al. | SAPI: Statistical Analysis of Propagation of Incidents. A new approach for rescheduling trains after disruptions | |
Bešinović et al. | A simulation-based optimization approach for the calibration of dynamic train speed profiles | |
Corman | Real-time Railway Traffic Management: Dispatching in complex, large and busy railway networks | |
CN112070325B (zh) | 非正常事件下路网列车优化方法、装置、设备及存储介质 | |
Botte et al. | Dispatching and rescheduling tasks and their interactions with travel demand and the energy domain: Models and algorithms | |
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 | |
He et al. | PAMSCOD: Platoon-based arterial multi-modal signal control with online data | |
Jiang et al. | A simulation model for estimating train and passenger delays in large-scale rail transit networks | |
Wang et al. | Hierarchical model predictive control for on-line high-speed railway delay management and train control in a dynamic operations environment | |
CN109229155A (zh) | 一种规避列车运行死锁状态的方法及列车运行全局优化控制方法 | |
JP6222841B2 (ja) | 運行管理装置、列車制御方法及びプログラム | |
CN110803203B (zh) | 一种高速铁路行车轨迹的演进预测方法及系统 | |
CN111680849B (zh) | 非正常事件下车站通过能力的计算方法及存储介质、终端 | |
CN113536493A (zh) | 基于聚类反推的有效路径生成方法及断面客流估算方法 | |
Salsingikar et al. | Reinforcement learning for train movement planning at railway stations | |
CN107886190B (zh) | 一种突发事件下乘客出行选择行为仿真方法及装置 | |
Chew et al. | Optimizing limited-stop services with vehicle assignment | |
Li et al. | Data‐Driven Delay Analysis with Applications to Railway Networks | |
Tiong et al. | Train Passes and Dwell Time Delays | |
Tideman et al. | Proactive dispatching of railway operation | |
Wiese | Predicting operating train delays into New York City using random forest regression and xgboost regression models | |
ZIEGER et al. | A simulation framework for the operation of automated small rail vehicles in rural areas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |