CN111680849B - 非正常事件下车站通过能力的计算方法及存储介质、终端 - Google Patents
非正常事件下车站通过能力的计算方法及存储介质、终端 Download PDFInfo
- Publication number
- CN111680849B CN111680849B CN202010801816.XA CN202010801816A CN111680849B CN 111680849 B CN111680849 B CN 111680849B CN 202010801816 A CN202010801816 A CN 202010801816A CN 111680849 B CN111680849 B CN 111680849B
- Authority
- CN
- China
- Prior art keywords
- train
- station
- time
- track circuit
- abnormal event
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明揭示了一种非正常事件下车站通过能力的计算方法及存储介质、终端,计算方法包括:将高铁车站的非正常事件划分为三种情形:到发线临时失效、到发线超长占用和咽喉区道岔临时失效;再引用威布尔概率分布对各情形进行时长估计;分别构建各情形下的非正常事件约束;根据各情形下非正常事件的估计时长及构建的约束,建立轨道电路分段解锁的时序关系,再构建列车在站作业进路之间的时空疏解约束;根据时空疏解约束优化车站作业进路分配,并建立高速铁路车站通过能力的计算模型;计算车站通过能力,并选择最优进路分配方案进行输出。本发明采用分段解锁式的高铁车站控制策略,计算结果更精确,且更切合高速车站的实际作业情况,实用性佳。
Description
技术领域
本发明属于火车车站自动化技术领域,具体涉及一种非正常事件下高铁车站通过能力的计算方法及存储介质、终端。
背景技术
随着高速铁路的迅猛发展,以往适合传统火车运营的火车站已经不能满足高速铁路列车运营的需求。科学、现代、快捷、便利的高速铁路车站是高速铁路网络中重要的支点,也是高铁列车和旅客的纽带。按图行车是高速铁路运营的保障,但非正常事件的发生往往会干扰高铁列车按图行车,一方面制约高铁车站通过能力,降低高速铁路运行效率;另一方面干扰旅客出行,影响旅客换乘、造成旅客滞留;严重时还会产生干扰传递,造成临站连带影响和高铁列车连带晚点。
目前,在非正常事件下,本领域技术人员主要关注车站能力运用下的进路优化调整,未对车站能力进行计算分析。因此,国家重点研发计划之一——高速铁路成网条件下铁路综合效能与服务水平提升技术(项目编号:2018YFB1201400)项目应用而生,研发目的为及时且高效地应对车站非正常事件以控制影响范围,有效规划调度指挥工作。因此,非正常事件下高铁车站通过能力研究成为本领域技术人员的研究重点,如何使得非正常事件下高铁车站通过能力的计算方法更准确,就成为本领域技术人员亟待解决的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供一种非正常事件下车站通过能力的计算方法及存储介质、终端,采用分段解锁式的高铁车站控制策略,计算结果更准确,且更切合高速车站的实际作业情况,实用性佳。
本发明的目的,将通过以下技术方案得以实现:
本发明揭示了一种非正常事件下车站通过能力的计算方法,包括如下步骤:
将高铁车站的非正常事件划分为三种情形:到发线临时失效、到发线超长占用和咽喉区道岔临时失效;再引用威布尔概率分布对非正常事件的各所述情形进行时长估计;
分别构建各所述情形下的非正常事件约束;
根据各所述情形下非正常事件的估计时长及构建的约束,建立轨道电路分段解锁的时序关系,再构建列车在站作业进路之间的时空疏解约束;
根据所述时空疏解约束优化车站作业进路分配,并建立高速铁路车站通过能力的计算模型;
计算车站通过能力,并选择最优进路分配方案进行输出。
进一步地,所述威布尔概率分布具有连续性,其概率密度为:
式中:x是随机变量,λ是比例参数,k是形状参数。
进一步地,构建的到发线临时失效约束如下,即受影响的到发线轨道电路不允许列车驶入直至恢复正常:
进一步地,构建的到发线超长占用约束如下,即列车需超长停留在到发线上直至非正常事件结束:
进一步地,构建的咽喉区道岔临时失效约束如下,即受影响的咽喉区轨道电路不允许列车通过直至恢复正常:
进一步地,根据各所述情形下非正常事件的估计时长及构建的约束,建立轨道电路分段解锁的时序关系,再构建列车在站作业进路之间的时空疏解约束的步骤中,轨道电路锁闭与解锁时刻约束如下,即高铁车站采用一次锁闭、分段解锁的进路控制方式:
式中,为0-1变量,表示列车作业选择进路r时取1,否则取0;M为一足够大的正数;表示轨道电路区段c锁闭时刻与列车k到发时刻之差;K为到达和出发的列车集合,i取1表示列车到达,i取2表示列车出发;C表示车站轨道电路区段集合,表示进路r上轨道电路区段集合;表示轨道电路区段c解锁时刻与列车k到发时刻之差。
进一步地,根据各所述情形下非正常事件的估计时长及构建的约束,建立轨道电路分段解锁的时序关系,再构建列车在站作业进路之间的时空疏解约束的步骤中,咽喉区相容性约束如下,即不同列车作业进路占用咽喉区同一轨道电路时,后一列车在轨道电路处的锁闭时刻不早于前一列车在该处的解锁时刻:
进一步地,根据各所述情形下非正常事件的估计时长及构建的约束,建立轨道电路分段解锁的时序关系,再构建列车在站作业进路之间的时空疏解约束的步骤中,到发线相容性约束如下,即不同列车占用同一到发线时,后一列车接车进路上到发线处轨道电路的锁闭时刻不早于前一列车发车进路上在该处的解锁时刻:
式中,为0-1变量,表示列车k先于列车h办理接车进路取1,否则取0;、分别表示列车k的接车、发车作业;、分别表示列车h的接车、发车作业;表示列车k接车作业进路中轨道电路区段c的锁闭时刻,表示列车k发车作业进路中轨道电路区段c的解锁时刻;N表示到发线集合;表示到发线轨道电路区段。
进一步地,根据所述时空疏解约束优化车站作业进路分配,并建立高速铁路车站通过能力的计算模型的步骤中,设置的模型参数包括列车作业时间参数、基于轨道电路的锁闭与解锁时间、列车作业进路权重表和模型求解参数。
进一步地,计算车站通过能力,并选择最优进路分配方案进行输出的步骤中,算法流程如下:
S51:输入数据,包括车站设备数据、图定列车作业数据以及非正常事件数据;
S52:设置总晚点极限值;
S53:求解车站作业进路优化分配模型;
S54:模型求解判断,若模型无解,则转步骤S55;否则,转步骤S56;
S55:判断模型中是否含有新添列车对数据,若模型中含有新添列车对,返回上一次计算结果,转步骤S57;否则,取消受影响范围内一列车,转步骤S53;
S56:判断是否采用取消车策略,若没有图定列车被取消,加入新的一对列车数据,转步骤S53;若有图定列车被取消,转步骤S57。
S57:输出解,包括列车总晚点时间、车站通过能力以及进路分配方案,其中,非正常事件下的车站通过能力为一定时段内的最大接发列车数,即:
本发明还揭示了一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一项所述的非正常事件下车站通过能力计算方法的步骤。
本发明还揭示了一种终端,包括存储器和处理器,所述存储器上储存有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述任一项所述的非正常事件下车站通过能力计算方法的步骤。
与现有技术相比,本发明的技术方案具有以下的优点:
本发明提供的非正常事件下车站通过能力的计算方法及存储介质、终端,采用分段解锁式的高铁车站控制策略,一体化运用咽喉区径路和到发线,构建列车作业进路的时空疏解约束,并建立基于车站作业进路分配优化的车站通过能力计算模型,再通过算例分析对计算方法的有效性进行验证,计算结果更精确,且更切合高速车站的实际作业情况,实用性佳。
附图说明
通过阅读下文具体实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出具体实施方式的目的,而并不认为是对发明的限制。在附图中:
图1是本发明的流程图;
图2是各情形下非正常事件持续时长拟合结果图;
图3是分段解锁时列车作业占用轨道电路的锁闭与解锁过程图;
图4是模型求解流程图;
图5是基于轨道电路的株洲西站站场图;
图6是情形一的非正常事件下轨道单元时空占用情况图;
图7是情形二的非正常事件下轨道单元时空占用情况图;
图8是情形三的非正常事件下轨道单元时空占用情况图。
具体实施方式
下面结合附图和具体的实施方式对本发明作进一步详细的说明。所述实施例的示例在附图中示出,在下述本发明的实施方式中描述的具体的实施例仅作为本发明的具体实施方式的示例性说明,旨在用于解释本发明,而不构成为对本发明的限制。
高铁车站的非正常事件既包括车站内发生的设备故障和列车突发运行状况,也包括区间发生的但可待高铁进站后再处理的事件。根据高铁车站非正常事件的特征(范围界定、情景划分及时长估计),本发明提供了一种非正常事件下车站(例如高铁车站等)通过能力的计算方法,如图1所示,包括如下步骤:
步骤S1,先将高铁车站的非正常事件划分为如下三种情形:一、到发线临时失效,即到发线临时不允许列车进入,需重新为列车安排到发线及相关接发车进路,如信号机故障、设备损坏、异物入侵;二、到发线超长占用,即列车长时间停留在到发线上不能离开,既包括列车进站后发生的事件,如车门异常、疏散超员人员、ATP(Automatic trainprotection system,列车自动防护系统)故障,也包括在区间已发生但可待进站后再处理的事件,如轴温异常、零件损坏;三、咽喉区道岔临时失效,即咽喉区道岔临时不允许列车通过,原定需要经由该道岔接发的列车需要重新排列接发车进路。再引用威布尔概率分布分别对上述各种非正常事件的情形进行时长估计,其中,威布尔分布是一种连续性的概率分布模型,其概率密度为:
式中:x是随机变量,λ是比例参数,k是形状参数。
本实施例于2016年1月至2019年3月,对京广高铁车站各类型非正常事件时长进行矩估计法的威布尔分布拟合,拟合结果如图2所示,K-S(Kolmogorov–Smirnov test,柯尔莫可洛夫-斯米洛夫检验)检验结果与拟合的分布模型中相关参数、数学期望如表1所示。由表1可知,时长估计能通过K-S检验,期望值可作为非正常事件持续时长的时间标准。
步骤S2,分别构建上述三种不同情形下的非正常事件约束。其中:
一、构建到发线临时失效约束如下,即受影响的到发线轨道电路不允许列车驶入直至恢复正常:
二、构建到发线超长占用约束如下,即列车需超长停留在到发线上直至非正常事件结束:
三、构建咽喉区道岔临时失效约束如下,即受影响的咽喉区轨道电路不允许列车通过直至恢复正常:
式中,为0-1变量,表示列车作业选择进路r时取1,否则取0;M为一足够大的正数;表示轨道电路区段c锁闭时刻与列车k到发时刻之差;K为到达和出发的列车集合,i取1表示列车到达,i取2表示列车出发;C表示车站轨道电路区段集合,表示进路r上轨道电路区段集合;表示轨道电路区段c解锁时刻与列车k到发时刻之差。
即高铁车站采用一次锁闭、分段解锁的进路控制方式,首先需确保进路上的轨道电路集均处于空闲状态,当列车运行满足设置的安全时间间隔时,进路所包含的轨道电路集会同时锁闭,禁止其余列车驶入;当列车车尾的接触装置出清每一节轨道电路时,轨道电路依次解锁,回到空闲状态,其过程如图3所示,实线阴影部分为列车作业在各轨道电路上的时空占用。
式中,为0-1变量,表示列车k先于列车h办理接车进路取1,否则取0;、分别表示列车k的接车、发车作业;、分别表示列车h的接车、发车作业;表示列车k接车作业进路中轨道电路区段c的锁闭时刻,表示列车k发车作业进路中轨道电路区段c的解锁时刻;N表示到发线集合;表示到发线轨道电路区段。
除上述主要约束外,还包括如下约束:
④到发线占用唯一性约束如下,即列车有且选择一条到发线进行作业:
⑤进路占用唯一性约束如下,即列车有且选择一条接车进路和一条发车进路:
⑥列车作业时间约束如下:
步骤S4,根据所述时空疏解约束优化车站作业进路分配,并建立高速铁路车站通过能力的计算模型。具体过程为:
步骤S41,进行如下模型假设:
a.模型中的高铁车站只办理动车组旅客列车作业,不办理普速旅客列车作业;
b.模型中只分析车站通过能力,不考虑区间通过能力对车站通过能力的制约;
c.模型中已知列车种类、列车图定到发时刻及图定进路作业方案。
d.模型中列车严格按照作业进路时间标准进行作业。
步骤S42,建立模型目标,保证列车总晚点时分最小的前提下使列车尽可能选择图定进路方案:
式中,表示作业选择进路r的权重,越靠近图定进路排列方案,权重值越大。若与图定进路方案一致,;若仅到发线运用方案一致,但咽喉线路不一致,;若仅到发线运用方案不一致,;若与图定咽喉线路和到发线方案均不一致,,。
步骤S43,构建计算模型的模型约束,包括上述的非正常事件约束和时空疏解约束。
步骤S44,设置模型参数。图5为株洲西站基于轨道电路的站场示意图,其中,模型参数设置包括:
A.列车作业时间参数设置:列车数据来源于13:00-15:00列车作业计划,包括列车车次、作业类型、图定作业时间和图定进路。设置可行进路集方案供列车选择以实现车站整体作业优化,设置以满足旅客乘降,以保证列车旅行速度和旅客等待时间接受度;
对于不同列车作业类型,停站通过列车提前5 min锁闭接车进路,提前2 min锁闭发车进路;不停站通过列车前后进路提前3 min同时解锁。
D.模型求解参数设置:求解时间限制取300s,当达到该时间时模型求解停止,输出当前最优解。
步骤S5,计算车站通过能力,并选择最优进路分配方案进行输出。本实施例中,选用京广高铁线路上的株洲西站进行验证,选取高峰时段13:00-15:00为计算时段,结合非正常事件的三种情形和持续时长期望,采用Python3.6语言编程,调用Gurobi9.0.0求解模型,求解非正常事件下该车站高峰时段通过能力,如图4所示,算法流程如下:
S51:输入数据,包括车站设备数据、图定列车作业数据以及非正常事件数据;
S52:设置总晚点极限值;
S53:求解车站作业进路优化分配模型;
S54:模型求解判断,若模型无解,则转步骤S55;否则,转步骤S56;
S55:判断模型中是否含有新添列车对数据,若模型中含有新添列车对,返回上一次计算结果,转步骤S57;否则,取消受影响范围内一列车,转步骤S53;
S56:判断是否采用取消车策略,若没有图定列车被取消,加入新的一对列车数据,转步骤S53;若有图定列车被取消,转步骤S57。
S57:输出解,包括列车总晚点时间、车站通过能力以及进路分配方案,其中,非正常事件下的车站通过能力为一定时段内的最大接发列车数,即:
最后,输出非正常事件下模型求解结果:
模拟车站到发线4G股道于13:00发生情形一非正常事件:结果显示添加4列列车后能力达到饱和,得到车站通过能力为41列,总晚点时分为1748s,进路总权重为660.62,表明计划内有33列列车能按照图定列车进路排列方案。各轨道单元的时空占用情况如图6所示,相同灰度的矩形代表同一列车,水平方向表示列车对应进路上轨道电路锁闭时刻至解锁时刻的持续时长,非正常事件用深色标签标出,被标记的4列列车进路被重新排列,G1112、G1546和G68均驶入下行方向临线到发线,而G1008在车站设备允许的条件下反向接入上行到发线。
结果显示添加6列列车后能力达到饱和,得到车站通过能力为43列,总晚点时分为1802s,进路总权重为660.80,计划内可有33列列车能按照图定列车进路排列方案,得到各轨道单元的时空占用情况如图6所示,超长占用列车用红色标签标出,G68、G1008、G1546和G1112列车进路被重新排列。
模拟车站咽喉区11号道岔于13:30发生情形三非正常事件:结果显示取消图定列车2列,车站通过能力为35列,总晚点时分为3576s,总权重为700.00。各轨道单元的时空占用情况如图8所示,非正常事件用深色标签标出,剩余列车均选择图定进路。
车站通过能力计算结果对比分析:如图4所示,黑色虚线填充的部分为分段解锁方式相比于一次解锁方式提前得到能力释放的轨道电路时空图。模拟车站采用一次解锁的进路控制方式进行作业过程的简化,计算非正常事件下的车站通过能力,得到两种解锁方式下的车站通过能力和总晚点时分如表4所示。
由表4中可得:(1)分段解锁方式相比一次解锁方式的优势体现在两方面:一是车站通过能力更大;二是在通过能力值相同时,列车总晚点时分更小。(2)到发线类事件在两种解锁方式下计算结果的差别显著高于咽喉类事件,原因在于咽喉类事件使得咽喉区轨道电路可利用率大大降低,降低了分段解锁方式下的优势。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一项所述的非正常事件下高铁车站通过能力计算方法的步骤。其中,所述非正常事件下高铁车站通过能力的计算方法,请参见前述部分的介绍,不再赘述。
本发明实施例还提供了一种终端,包括存储器和处理器,所述存储器上储存有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述任一项所述的非正常事件下高铁车站通过能力计算方法的步骤。其中,所述非正常事件下高铁车站通过能力的计算方法,请参见前述部分的介绍,不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
由上述可知,本发明采用在非正常事件下分段解锁的方式,可提前释放咽喉区轨道电路能力,从而提高高铁车站作业效率,增强高铁车站的晚点吸收能力,有利于非正常事件下的高铁车站作业秩序的快速恢复。
综上所述,本发明提供的非正常事件下高铁车站通过能力的计算方法及存储介质、终端,采用分段解锁式的高铁车站控制策略,一体化运用咽喉区径路和到发线,构建列车作业进路的时空疏解约束,并建立基于车站作业进路分配优化的车站通过能力计算模型,再通过算例分析对计算方法的有效性进行验证,计算结果更精确,且更切合高速车站的实际作业情况,实用性佳。
应该注意的是,上述实施例是对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。因此,应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。在权利要求中,单词“包括”不排除存在未列在权利要求中的数据或步骤。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (9)
1.一种非正常事件下车站通过能力的计算方法,其特征在于,包括如下步骤:
将高铁车站的非正常事件划分为三种情形:到发线临时失效、到发线超长占用和咽喉区道岔临时失效;再引用威布尔概率分布对非正常事件的各所述情形进行时长估计;
分别构建各所述情形下的非正常事件约束;
根据各所述情形下非正常事件的估计时长及构建的约束,建立轨道电路区段分段解锁的时序关系,再构建列车在站作业进路之间的时空疏解约束,轨道电路锁闭与解锁时刻约束如下,即高铁车站采用一次锁闭、分段解锁的进路控制方式:
式中,为0-1变量,表示列车作业选择进路r时取1,否则取0;M为一足够大的正数;表示轨道电路区段c锁闭时刻与列车k到发时刻之差;K为到达和出发的列车集合,i取1表示列车到达,i取2表示列车出发;C表示车站轨道电路区段集合,表示进路r上轨道电路区段集合;表示轨道电路区段c解锁时刻与列车k到发时刻之差;
咽喉区相容性约束如下,即不同列车作业进路占用咽喉区同一轨道电路区段时,后一列车在轨道电路区段处的锁闭时刻不早于前一列车在该处的解锁时刻:
到发线相容性约束如下,即不同列车占用同一到发线时,后一列车接车进路上到发线处轨道电路区段的锁闭时刻不早于前一列车发车进路上在该处的解锁时刻:
式中,为0-1变量,表示列车k先于列车h办理接车进路取1,否则取0;、分别表示列车k的接车、发车作业;、分别表示列车h的接车、发车作业;表示列车k接车作业进路中轨道电路区段c的锁闭时刻,表示列车k发车作业进路中轨道电路区段c的解锁时刻;N表示到发线集合;表示到发线轨道电路区段;
根据构建的约束优化车站作业进路分配,并建立高速铁路车站通过能力的计算模型;
计算车站通过能力,并选择最优进路分配方案进行输出。
6.根据权利要求1所述的非正常事件下车站通过能力的计算方法,其特征在于:根据构建的约束优化车站作业进路分配,并建立高速铁路车站通过能力的计算模型的步骤中,设置的模型参数包括列车作业时间参数、基于轨道电路区段的锁闭与解锁时间、列车作业进路权重表和模型求解参数。
7.根据权利要求1所述的非正常事件下车站通过能力的计算方法,其特征在于:计算车站通过能力,并选择最优进路分配方案进行输出的步骤中,算法流程如下:
S51:输入数据,包括车站设备数据、图定列车作业数据以及非正常事件数据;
S52:设置总晚点极限值;
S53:求解车站作业进路优化分配模型;
S54:模型求解判断,若模型无解,则转步骤S55;否则,转步骤S56;
S55:判断模型中是否含有新添列车对数据,若模型中含有新添列车对,返回上一次计算结果,转步骤S57;否则,取消受影响范围内一列车,转步骤S53;
S56:判断是否采用取消车策略,若没有图定列车被取消,加入新的一对列车数据,转步骤S53;若有图定列车被取消,转步骤S57;
S57:输出解,包括列车总晚点时间、车站通过能力以及进路分配方案,其中,非正常事件下的车站通过能力为一定时段内的最大接发列车数,即:
8.一种计算机可读存储介质,其上存储有计算机指令,其特征在于:所述计算机指令运行时执行权利要求1至7任一项所述的非正常事件下车站通过能力计算方法的步骤。
9.一种终端,其特征在于:包括存储器和处理器,所述存储器上储存有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行权利要求1至7任一项所述的非正常事件下车站通过能力计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801816.XA CN111680849B (zh) | 2020-08-11 | 2020-08-11 | 非正常事件下车站通过能力的计算方法及存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801816.XA CN111680849B (zh) | 2020-08-11 | 2020-08-11 | 非正常事件下车站通过能力的计算方法及存储介质、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680849A CN111680849A (zh) | 2020-09-18 |
CN111680849B true CN111680849B (zh) | 2020-12-29 |
Family
ID=72458236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801816.XA Active CN111680849B (zh) | 2020-08-11 | 2020-08-11 | 非正常事件下车站通过能力的计算方法及存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680849B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070325B (zh) * | 2020-11-12 | 2021-02-26 | 北京交通大学 | 非正常事件下路网列车优化方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090138187A1 (en) * | 2005-08-30 | 2009-05-28 | Paul Mathias | Method and device for the automatic generation of traffic management strategies |
CN103481918A (zh) * | 2013-07-04 | 2014-01-01 | 文超 | 一种基于反馈调节的高速铁路列车运行调整方法 |
CN105857350A (zh) * | 2016-03-17 | 2016-08-17 | 中南大学 | 一种基于区间断面客流的高铁列车开行方法 |
CN108229725A (zh) * | 2017-12-13 | 2018-06-29 | 北京交通大学 | 一种基于混合整数规划模型的高铁运行图加线优化方法 |
CN108256142A (zh) * | 2017-12-13 | 2018-07-06 | 北京交通大学 | 一种高速铁路通过能力计算分析方法及系统 |
CN108491950A (zh) * | 2018-01-25 | 2018-09-04 | 北京交通大学 | 一种考虑多种资源约束的高速铁路通过能力计算方法 |
CN108564517A (zh) * | 2018-04-20 | 2018-09-21 | 西南交通大学 | 一种铁路车站咽喉区列车最小进路冲突的计算方法 |
CN111090929A (zh) * | 2019-11-21 | 2020-05-01 | 中国铁路设计集团有限公司 | 一种重载铁路通过能力计算方法 |
-
2020
- 2020-08-11 CN CN202010801816.XA patent/CN111680849B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090138187A1 (en) * | 2005-08-30 | 2009-05-28 | Paul Mathias | Method and device for the automatic generation of traffic management strategies |
CN103481918A (zh) * | 2013-07-04 | 2014-01-01 | 文超 | 一种基于反馈调节的高速铁路列车运行调整方法 |
CN105857350A (zh) * | 2016-03-17 | 2016-08-17 | 中南大学 | 一种基于区间断面客流的高铁列车开行方法 |
CN108229725A (zh) * | 2017-12-13 | 2018-06-29 | 北京交通大学 | 一种基于混合整数规划模型的高铁运行图加线优化方法 |
CN108256142A (zh) * | 2017-12-13 | 2018-07-06 | 北京交通大学 | 一种高速铁路通过能力计算分析方法及系统 |
CN108491950A (zh) * | 2018-01-25 | 2018-09-04 | 北京交通大学 | 一种考虑多种资源约束的高速铁路通过能力计算方法 |
CN108564517A (zh) * | 2018-04-20 | 2018-09-21 | 西南交通大学 | 一种铁路车站咽喉区列车最小进路冲突的计算方法 |
CN111090929A (zh) * | 2019-11-21 | 2020-05-01 | 中国铁路设计集团有限公司 | 一种重载铁路通过能力计算方法 |
Non-Patent Citations (1)
Title |
---|
基于突发故障的高速列车运行调整研究;彭其渊,陆柳洋,占曙光;《交通运输工程与信息学报》;20180331;第16卷(第1期);第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111680849A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194497B (zh) | 一种突发事件下城市轨道交通乘客出行路径规划方法 | |
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 | |
CN112389509B (zh) | 一种高铁列车时刻表的辅助调整方法和系统 | |
CN111915221B (zh) | 一种适用于高速铁路的能力分析方法 | |
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 | |
CN112214873B (zh) | 一种轨道交通故障下的客流分布仿真评估方法及系统 | |
Jiang et al. | A simulation model for estimating train and passenger delays in large-scale rail transit networks | |
CN110019569B (zh) | 一种获取城市轨道交通运营状态信息的方法 | |
CN112706803A (zh) | 一种地铁列车救援自动调整方法及系统 | |
CN112977553A (zh) | 一种列车运行自动调整方法 | |
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 | |
CN110728612B (zh) | 一种轨道交通应急仿真评估方法和系统 | |
CN116070422A (zh) | 一种基于时空网络的灵活编组列车周转计划分解优化方法 | |
CN110509963A (zh) | 适用于stp运行试验的作业序列选择方法 | |
CN110920684B (zh) | 列车位置信息的确定方法、装置、电子设备及存储介质 | |
CN113928380B (zh) | 列车全天候运行方法、装置、电子设备及存储介质 | |
CN113619655B (zh) | 基于运行图控制列车晚点在路网中传播的方法和系统 | |
Yin et al. | Mixed-integer linear programming models for coordinated train timetabling with dynamic demand | |
CN115795861A (zh) | 一种应用于智能公交路阻调度的仿真系统及方法 | |
CN110803203B (zh) | 一种高速铁路行车轨迹的演进预测方法及系统 | |
CN115600381A (zh) | 列车故障的应急预案评估方法及系统 | |
Zhang et al. | A conditional Bayesian delay propagation model for large-scale railway traffic networks | |
CN115071764A (zh) | 一种多车型自适应模块化高铁站台门的布设方法 | |
CN109272204B (zh) | 一种城市地铁网络储备容量的评估方法 | |
Li et al. | Data‐driven delay analysis with applications to railway networks |
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 |