CN112389509B - 一种高铁列车时刻表的辅助调整方法和系统 - Google Patents
一种高铁列车时刻表的辅助调整方法和系统 Download PDFInfo
- Publication number
- CN112389509B CN112389509B CN202011280364.1A CN202011280364A CN112389509B CN 112389509 B CN112389509 B CN 112389509B CN 202011280364 A CN202011280364 A CN 202011280364A CN 112389509 B CN112389509 B CN 112389509B
- Authority
- CN
- China
- Prior art keywords
- train
- station
- scheduling
- adjustment
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000002922 simulated annealing Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004904 shortening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种高铁列车时刻表的辅助调整方法和系统,所述方法包括:预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;获取调度系统的状态信息;检测或注入突发事件;根据所述当前突发事件,匹配对应的风险事件类型;根据风险事件类型,获取对应的调度场景;根据当前调度场景,选择对应的调整处置流程;根据所述风险事件类型、所述调度场景、和所述处置流程,选择对应的调整策略和调整目标和调整算法;根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案。
Description
技术领域
本发明涉及高铁领域,尤其涉及一种高铁列车时刻表的辅助调整方法和系统。
背景技术
随着国民经济的持续发展,高速铁路已成为我国综合交通运输体系的骨干和高品质快速交通网的关键组成部分。截止到2019年底,中国高铁营运里程达3.5万公里,占世界高铁总量的66.7%,是世界唯一高铁成网运营的高铁系统。随着路网规模和覆盖范围不断扩大,造成高速铁路系统中基础设施故障、列车故障、自然灾害、异物侵限等突发事件不断增加。突发事件造成的非正常停车和大范围列车延误,影响列车正常运行和旅客出行,甚至会影响整个网络的正常运行,造成巨大的经济损失和社会影响。
如何在突发事件发生后,快速生成优化的列车运行调整方案,提高突发事件处置能力,不断提升运行效率和服务品质是我国高速铁路持续发展的重大需求。然而随着高铁成网运行,资源优化配置的要求更高,同时更加复杂的运行环境导致发生突发事件的出现率和影响范围都更大,对调度提出了更高要求,需要通过更加全面、精细化的调度来优化资源配置,维护好突发事件下的运行秩序。高速铁路目前凭人工经验实施调度,效率低且时效性差。
发明内容
本发明的实施例提供了一种高铁列车时刻表的辅助调整方法和系统,能够增加时刻表调整方案的自动化水平。
预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;所述风险事件数据库存储有突发事件和风险事件类型之间的对应关系;所述调度场景数据库存储有风险事件类型和调度场景之间的对应关系;所述处置流程数据库存储有调度场景和处置流程之间的对应关系;所述调度策略数据库存储有风险事件类型、调度场景、调整处置流程与调整策略、调整目标和调整算法之间的对应关系;
获取调度系统的状态信息;
检测或注入突发事件;
根据所述当前突发事件,查询所述风险事件数据库,匹配对应的风险事件类型;
根据风险事件类型,查询所述调度场景数据库,获取对应的调度场景;
根据当前调度场景,查询所述处置流程数据库,选择对应的调整处置流程;
根据所述风险事件类型、所述调度场景、和所述处置流程,查询所述调度策略数据库,选择对应的调整策略和调整目标和调整算法;
根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案并输出。
一种高铁列车时刻表的辅助调整系统,包括:
构建单元,预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;所述风险事件数据库存储有突发事件和风险事件类型之间的对应关系;所述调度场景数据库存储有风险事件类型和调度场景之间的对应关系;所述处置流程数据库存储有调度场景和处置流程之间的对应关系;所述调度策略数据库存储有风险事件类型、调度场景、调整处置流程与调整策略、调整目标和调整算法之间的对应关系;
获取单元,获取调度系统的状态信息;
检测单元,检测或注入突发事件;
第一查询单元,根据所述当前突发事件,查询所述风险事件数据库,匹配对应的风险事件类型;
第二查询单元,根据风险事件类型,查询所述调度场景数据库,获取对应的调度场景;
第二查询单元,根据当前调度场景,查询所述处置流程数据库,选择对应的调整处置流程;
第三查询单元,根据所述风险事件类型、所述调度场景、和所述处置流程,查询所述调度策略数据库,选择对应的调整策略和调整目标和调整算法;
生成单元,根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案并输出。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例较大地降低调度员的劳动强度,提高了我国高速铁路的服务质量和运行效率,能够增加时刻表调整方案的自动化水平。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所述的一种高铁列车时刻表的辅助调整方法的流程示意图;
图2为本发明所述的高速列车时刻表辅助调整原型系统界面示意图;
图3为本发明所述的高速列车时刻表辅助调整系统实现框架示意图;
图4为本发明所述的影响高速列车正常运行的突发事件统计示意图;
图5为本发明所述的考虑三种缓冲时间的高速列车时刻表调整问题示意图;
图6为本发明所述的某调度区段下行方向55列列车的原始时刻表示意图;
图7为本发明所述的基于遗传模拟退火算法的高速列车时刻表调整流程示意图;
图8为本发明所述的时刻表调整方案示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
如图1所示,为本发明所述的一种高铁列车时刻表的辅助调整方法,包括:
步骤11,预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;所述风险事件数据库存储有突发事件和风险事件类型之间的对应关系;所述调度场景数据库存储有风险事件类型和调度场景之间的对应关系;所述处置流程数据库存储有调度场景和处置流程之间的对应关系;所述调度策略数据库存储有风险事件类型、调度场景、调整处置流程与调整策略、调整目标和调整算法之间的对应关系;
步骤12,获取调度系统的状态信息;
步骤13,检测或注入突发事件;
步骤14,根据所述当前突发事件,查询所述风险事件数据库,匹配对应的风险事件类型;
步骤15,根据风险事件类型,查询所述调度场景数据库,获取对应的调度场景;
步骤16,根据当前调度场景,查询所述处置流程数据库,选择对应的调整处置流程;
步骤17,根据所述风险事件类型、所述调度场景、和所述处置流程,查询所述调度策略数据库,选择对应的调整策略和调整目标和调整算法;
步骤18,根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案并输出。
其中,构建所述调度策略数据库的步骤具体为:
根据调度规则知识、专家经验知识和历史数据样本知识,生成调度策略数据库。
所述调度系统的状态信息包括:调度台中心CTC、车站CTC、RBC、防灾报警系统中时刻表、列车运行状态、车站进站信息等等。
所述突发事件为强风、或大雪、或红灯带、或车载设备故障;
所述调整目标为最小总晚点时间、或最小晚点列车数或最小取消列车数;
所述调整策略有等待避让、列车超车、反向运行、或缩短列车运行时间或停车时间;
所述调整算法为先到先得、启发式算法、滚动时域算法、或强化学习、或遗传模拟退火算法。
当所述调整算法为遗传模拟退火算法时,所述根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案的步骤包括:
S1,从调度区段的第一个车站开始,依次遍历每个车站,比较每列车的计划到达时间和实际到达时间,确定第一个晚点发生的车站和该站的第一个晚点列车;
S2,设置编号第一个站点s=1;
S3,在保证其他列车按计划顺序发车的情况下,用遗传模拟退火算法调整所有晚点列车的发车顺序;将优化目标定义为调度区间内后续车站的总加权到达延误时间与动车组衔接延误时间之和的最小值;
S4,调整运行时间、停留时间和动车组接续时间;
S5,检查调整方案是否满足约束;如果不满足,则返回S2重新生成调整方案;如果满足,则执行S6;
S6,继续检查后续站点是否有延误;如有,按S2和S3的方法调整列车运行计划;
S7,如果某个车站所有列车恢复准时运行,或者当前车站是该调度区段的最后一个车站,则输出调整方案并结束算法。
所述遗传模拟退火算法中,目标函数定义为调度区间内所有列车到达延误时间和动车组接续延误时间加权和的最小值:
约束条均如下:
其中H和S分别代表列车和车站集合,Sm为中间车站的集合, 和分别表示列车h在车站s的计划到站和发车时间,和分别表示列车h在区间(s-1,s)的最小运行时间、列车h在车站s的最小停站时间和列车h在始发站se的最新接续时间,Ts arr,arr、Ts dep,dep和Ts dep,arr分别表示两列相邻列车在车站s的到达时间间隔、发车时间间隔和发到时间间隔,Cs为车站s的容量;
和分别定义为列车h在车站s的实际到站和发出时间,和为0-1变量,如果在车站s站列车i发车顺序先于列车j则为1,否则为0,如果在车站s站列车i到站顺序先于列车j则为1,否则为0,如果列车i在列车j到达之前从s站出发,则等于1,否则等于0;
约束条件(2)-(3)表示列车h在车站s到达和离开时间不能早于计划的时间;
约束条件(4)-(5)保证列车在每个区间的运行时间和在每个中间站的停留时间不能小于其最小值;
约束条件(6)-(7)表示相邻两列车到站或出站间隔时间应满足追踪间隔,以保证列车运行安全;
约束条件(8)表示在车站s同一到发线上,前向发车列车与后向到发列车应满足最小发车间隔时间;
约束条件(9)-(10)保证两列车在同一车站的发车或到站顺序;
约束(11)确保在区段内不会发生越行;
约束(12)表示同一时刻停在同一车站的列车总数不能超过车站的通行能力,并保证在紧急情况下至少有一条轨道可以使用;
本发明还提供一种高铁列车时刻表的辅助调整系统,包括:
构建单元,预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;所述风险事件数据库存储有突发事件和风险事件类型之间的对应关系;所述调度场景数据库存储有风险事件类型和调度场景之间的对应关系;所述处置流程数据库存储有调度场景和处置流程之间的对应关系;所述调度策略数据库存储有风险事件类型、调度场景、调整处置流程与调整策略、调整目标和调整算法之间的对应关系;
获取单元,获取调度系统的状态信息;
检测单元,检测或注入突发事件;
第一查询单元,根据所述当前突发事件,查询所述风险事件数据库,匹配对应的风险事件类型;
第二查询单元,根据风险事件类型,查询所述调度场景数据库,获取对应的调度场景;
第二查询单元,根据当前调度场景,查询所述处置流程数据库,选择对应的调整处置流程;
第三查询单元,根据所述风险事件类型、所述调度场景、和所述处置流程,查询所述调度策略数据库,选择对应的调整策略和调整目标和调整算法;
生成单元,根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案并输出。
以下描述本发明的应用场景。
本发明的目的是提供一种高铁列车时刻表辅助调整系统及其方法,当列车初始时刻表由于受到干扰而需要调整时,利用调度员积累的经验、知识和历史数据,以快速、低成本的方式提供了一种更为可行的调整方案,为调度员调整时刻表提供决策支持。
设计了一个界面友好的时刻表辅助调整原型系统,如图3,可用于辅助解决单个调度区段的时刻表调整问题。它能在紧急情况下为调度员提供时刻表调整策略和具体调整方案。本系统的服务对象是调度员。时刻表辅助调整原型系统界面如图2所示。菜单栏主要包括以下功能:调度台信息读取、时刻表同步、风险事件注入、调整目标和策略选择、时刻表调整方案生成、调整方案发布。常用的调整目标包括最小总晚点时间、最小晚点列车数和最小取消列车数等。此外,系统还包括4个用于存储历史数据的数据库,即风险事件库、场景库、调整策略库和处置过程库。
系统的工作流程如下:
1)读取当前调度台的相关信息;
2)自动或手动同步调度区段的时刻表;
3)自动或手动方式注入强风、大雪、红灯带、车载设备故障等风险事件;
4)确定调整目标、策略和算法;
5)根据预先设定的目标、策略和算法生成时刻表调整方案;
6)确定并发布生成的调整方案。
常用的调整策略有等待避让、列车超车、反向运行、缩短列车运行时间和停车时间等,可用的调整算法有先到先得、启发式算法、滚动时域算法、强化学习等。显示窗口主要包括以下模块:时刻表界面、风险事件影响持续时间预测、受影响列车数预测、时刻表调整方案建议。该系统可在显示界面显示推荐的调整方案,为调度员提供决策支持。界面左侧区域实时显示时刻表。当重排方案发布后,调整后的时刻表将根据方案实时显示。另一方面给出了风险事件影响持续时间的预测、受影响列车数量的预测、时刻表调整方案的建议。通过历史事件数和历史事件数的匹配来预测风险的恢复。建议时刻表改期方案的显示信息主要包括车次号、车站、发车时间、到站时间等,这些信息有助于调度员关注需要调整的列车,并对如何重新安排时刻表做出决策。
右下角的数据库模块主要包括四个数据库:
真实的风险事件信息存储在风险事件数据库中。每个风险事件包括风险事件的类型、原因、处置过程、具体位置和间隔时间,以及发生时间、受影响列车数量等基本信息。
调度规则、调度员的工作经验和历史数据存储在调整策略数据库中。这些信息主要包括在某一风险事件发生后,根据调度规则和专家的经验和知识应采取的策略。例如,当司机向调度员报告发生鸟击事件时,调度员根据事件是否影响列车的正常运行,决定是否执行车载机械员下车检查的策略。
情景数据库包含高速铁路频繁发生的紧急情况,包括恶劣天气、设备故障、基础设施故障、自然灾害等。所有这些紧急情况都可能影响列车的正常运行,导致相关列车晚点。
处置过程数据库收集了常见的35类高速铁路非正常工况下应急提示信息,明确了调度员在处理过程中应采取的措施。这些紧急事件包括区间内的动车组故障、动车组非正常降弓、轨道电路红灯带及信号故障、列控车载设备故障等。
该系统能为突发情况下调度员的调度决策提供支持,降低调度员工作强度,克服调度员凭经验知识或主观判断的方法确定的时刻表调整策略存在的难以保证策略实时性、有效性和鲁棒性等问题。
本发明提出了一种高速列车时刻表辅助调整系统实现框架,如图4所示,该系统由典型应急场景单元、专家系统单元和调整方案生成单元三个核心部分组成。专家系统根据输入的场景信息进行推理,输出相应的调整策略,并通过调用启发式调整算法生成时刻表调整方案。
高速列车的运行易受恶劣天气、设备故障、自然灾害等突发事件的影响,可能导致列车偏离原运行计划。影响高铁正常运营的突发事件主要是由基础设施故障(如轨道、电力系统、地面信号设备等)、列车故障、自然灾害(风、雨、雪、地震等)、异物侵限、非法入侵等引起的,列车晚点、取消等情况也在日常运营过程中频繁发生。
通过对某铁路局辖区内高铁运营情况的调查,对该局2019年记录的突发事件数据进行分析,建立了典型应急场景库。该场景库主要包括如下信息:事件类型、突发事件导致的列车晚点时间、突发事件影响的列车、突发事件演化过程、下发调度命令和处置过程等。影响高速列车正常运行的突发事件统计如图5所示。高速铁路频繁发生的突发事件包括接触网异物、红光带、ATP故障、大风等。列车晚点40分钟以内的比例达到70%。只有少数突发事件(小于3%)导致列车晚点超过3小时。许多突发情况只会导致本列车减速运行而不影响其他列车。受影响列车数量不足5列的比例占一半以上。而导致列车大面积晚点的情况很少(低于10%)。
专家系统分为知识库和推理机两个核心部分,两部分之间的交互作用可以实现基于给定场景信息的咨询调整策略的生成。知识库是生成时刻表调整策略的基础。知识库分为调度规则知识、专家经验知识和历史数据样本知识三大类。调度规则是调度员需要遵循的作业标准和规则,具有很强的通用性。专家的经验和知识是调度员在长期工作中总结出来的经验,具有很强的实用性。历史数据样本知识,包括在不同典型紧急情况下调度策略的生成和应用,是成功的调度案例,实践证明是可行的。这些知识基是根据突发事件的类型构建和分类的。调度员的所有工作经验和调度规则都是从中学习的。本系统中采用基于IF-THEN规则的方法的表述知识。知识库的构建具有合理性、逻辑性和完整性。高速列车时刻表的调整策略是通过专家系统中对知识库进行推理生成的,在应急突发场景已知的前提下,根据调度要求,以减小列车晚点时间、取消列车车次等为目的,考虑计划时刻表、扰乱后的时刻表、受影响列车、区段、车站等相关信息,通过提取知识库中的知识进行匹配和推理,确定出调整策略。系统推理过程中,知识库起数据支撑作用,调度员也可以根据需求对结果作进一步的修改。
表一 知识基来源与实例
在确定了一种突发场景之后,通过情景匹配和基于知识的推理,可以将受突发事件影响的晚点列车数、晚点时间等信息作为输入,生成辅助调整策略。在生成的辅助调整策略基础上,设计了一种启发式调整算法,以快速获得考虑缓冲时间的可行调整方案。
下面结合本发明的优选实施例以及附图对本发明的一种高铁列车时刻表辅助调整系统及其方法做出进一步详细的说明。
时刻表辅助调整系统的服务对象是某个调度区段控制台的调度员。以中国铁路某局集团有限公司所辖的一条高铁线路的某个调度区段为例,计划时刻表如图6所示,该区段共辖5个车站。该区段下行方向55列列车原始时刻表如图6所示,这些列车按照进入调度段的时间顺序从1号编到55号,其中49列始发于车站1。7、8、19、30、40、51次列车为最高时速350公里的高等级高速列车,其余为最高时速300公里的中等级高速列车。
旅客在车站上下车停留时间不少于2分钟,中间站的停站时间为2-15分钟。此外,两列连续列车之间的最小到达间隔时间设置为2分钟,最小发车间隔时间设置为3分钟。此外,从车站某一股道出发与到达同一车站股道列车之间的最小间隔时间(出发-到达间隔)设置为3分钟,动车组最小接续时间设置为60分钟。
以红光带场景为例来说明时刻表辅助调整系统及其方法,首先读取当前调度台相关信息,自动同步调度区段时刻表后,向时刻表辅助调整系统注入红灯带风险事件。根据风险事件数据库和情景数据库的历史数据,设置情景信息如下:09:20车站2至车站3下行线路发车进路出现红光带。红光带事件发生后,系统提示调度员立即通知工务联络员、电务联络员、供电联络员、工务调度、电务调度、值班主任、客调台、客服综控台。建议的处理过程是扣停列车32和33,并将后站列车的发车进路改为人工控制模式。在消除红光带之前,不会再向该区段放行列车。基于历史数据估计处理恢复时间为15分钟。由此导致的列车晚点迅速蔓延,影响后续列车的正常运行,将使实际时刻表偏离计划时刻表。
为了解决列车时刻表调整问题,并充分利用时刻表编制时预留的缓冲时间,包括列车在区间运行时间,车站停车时间,与动车组接续时间(图7),提出了一种混合线性规划模型。
目标函数定义为调度区间内所有列车到达延误时间和动车组接续延误时间加权和的最小值:
约束条均如下:
其中H和S分别代表列车和车站集合,Sm为中间车站的集合,和分别表示列车h在车站s的计划到站和发车时间,和分别表示列车h在区间(s-1,s)的最小运行时间、列车h在车站s的最小停站时间和列车h在始发站se的最新接续时间,Ts arr,arr、Ts dep,dep和Ts dep,arr分别表示两列相邻列车在车站s的到达时间间隔、发车时间间隔和发到时间间隔,Cs为车站s的容量。
定义了5个决策变量:和分别定义为列车h在车站s的实际到站和发出时间,和为0-1变量,如果在车站s站列车i发车顺序先于列车j则为1,否则为0,如果在车站s站列车i到站顺序先于列车j则为1,否则为0,如果列车i在列车j到达之前从s站出发,则等于1,否则等于0。
约束条件(2)-(3)表示列车h在车站s到达和离开时间不能早于计划的时间。约束条件(4)-(5)保证列车在每个区间的运行时间和在每个中间站的停留时间不能小于其最小值。约束条件(6)-(7)表示相邻两列车到站或出站间隔时间应满足追踪间隔,以保证列车运行安全。约束条件(8)表示在车站s同一到发线上,前向发车列车与后向到发列车应满足最小发车间隔时间,约束条件(9)-(10)保证两列车在同一车站的发车或到站顺序。约束(11)确保在区段内不会发生越行。约束(12)表示同一时刻停在同一车站的列车总数不能超过车站的通行能力,并保证在紧急情况下至少有一条轨道可以使用。是在列车i到达车站s之前离开该站的所有列车的总和。是在列车i到达车站s之前到达该车站的所有列车的总和。表示当列车i到达时停在车站s的列车总数。
基于上述模型,以遗传模拟退火算法为例说明高速列车时刻表调整流程:
S1,从调度区段的第一个车站开始,依次遍历每个车站,比较每列车的计划到达时间和实际到达时间,确定第一个晚点发生的车站和该站的第一个晚点列车。
S2,编号第一个站点s=1。
S3,在保证其他列车按计划顺序发车的情况下,用遗传模拟退火算法调整所有晚点列车的发车顺序。将优化目标定义为调度区间内后续车站的总加权到达延误时间与动车组衔接延误时间之和的最小值。
S4,调整运行时间、停留时间和动车组接续时间。
S5,检查调整方案是否满足约束,如果不满足,则返回步骤2重新生成调整方案。
S6,继续检查后续站点是否有延误。如有,按步骤2和步骤3的方法调整列车运行计划;
S7,如果某个车站所有列车恢复准时运行,或者当前车站是该调度区段的最后一个车站,则输出调整方案并结束算法。
基于上述算法生成的时刻表调整方案如图8所示,可在显示界面显示推荐的调整方案,同时提示调度员大风事件影响持续时间的预测结果、受影响列车数量的预测、推荐的调整方案等,为调度员提供决策支持。当调整方案发布后,调整后的时刻表将根据方案实时显示。
本发明立足于实际应用的需求,着眼于面向调度员的调度策略和方案生成方法与辅助方式,通过有效给出调度员提示信息和调整策略来实现有效的辅助调整,且其相关功能的师兄无需对现有的调度系统进行大规模改造,只需将日班计划、实绩时刻表、列车运行状态、报警等相关信息接入辅助调整系统即可实现,改造成本低,适应性强。
本发明中,列车运行辅助调整是高铁调度管理模式从“人工经验型被动反应”向“科学高效主动调控”转变的基础,利用人工智能、大数据等新兴技术挖掘既有数据中蕴藏的经验和教训,降低决策过程中优化结果的选择难度,并采用大规模仿真的方法为深度学习、强化学习等智能方法提供大量高铁调度场景和训练数据,通过仿真再调整的方法在既有知识基础上,融合难以固化的调度员智能,从整体上提高阶段计划调整方案的质量,提高突发事件的处理能力。较大地降低调度员的劳动强度,提高了我国高速铁路的服务质量和运行效率,具有重要的经济和社会意义。
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揭露的技术范围内,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的保护范围为准。
Claims (4)
1.一种高铁列车时刻表的辅助调整方法,其特征在于,包括:
预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;所述风险事件数据库存储有突发事件和风险事件类型之间的对应关系;所述调度场景数据库存储有风险事件类型和调度场景之间的对应关系;所述处置流程数据库存储有调度场景和处置流程之间的对应关系;所述调度策略数据库存储有风险事件类型、调度场景、调整处置流程与调整策略、调整目标和调整算法之间的对应关系;
获取调度系统的状态信息;
检测或注入突发事件;
根据所述当前突发事件,查询所述风险事件数据库,匹配对应的风险事件类型;
根据风险事件类型,查询所述调度场景数据库,获取对应的调度场景;
根据当前调度场景,查询所述处置流程数据库,选择对应的调整处置流程;
根据所述风险事件类型、所述调度场景、和所述处置流程,查询所述调度策略数据库,选择对应的调整策略和调整目标和调整算法;
根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案并输出;
所述调整算法为遗传模拟退火算法;所述根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案的步骤包括:
S1,从调度区段的第一个车站开始,依次遍历每个车站,比较每列车的计划到达时间和实际到达时间,确定第一个晚点发生的车站和该站的第一个晚点列车;
S2,设置编号第一个站点s=1;
S3,在保证其他列车按计划顺序发车的情况下,用遗传模拟退火算法调整所有晚点列车的发车顺序;将优化目标定义为调度区间内后续车站的总加权到达延误时间与动车组衔接延误时间之和的最小值;
S4,调整运行时间、停留时间和动车组接续时间;
S5,检查调整方案是否满足约束;如果不满足,则返回S2重新生成调整方案;如果满足,则执行S6;
S6,继续检查后续站点是否有延误;如有,按S2和S3的方法调整列车运行计划;
S7,如果某个车站所有列车恢复准时运行,或者当前车站是该调度区段的最后一个车站,则输出调整方案并结束算法;
所述遗传模拟退火算法中,目标函数定义为调度区间内所有列车到达延误时间和动车组接续延误时间加权和的最小值:
约束条均如下:
其中H和S分别代表列车和车站集合,Sm为中间车站的集合,表示列车h在车站s的计划发车时间,和分别表示列车h在区间(s-1,s)的最小运行时间、列车h在车站s的最小停站时间和列车h在始发站se的最新接续时间,Ts arr,arr、Ts dep,dep和Ts dep,arr分别表示两列相邻列车在车站s的到达时间间隔、发车时间间隔和发到时间间隔,Cs为车站s的容量;
定义为列车h在车站s的实际发出时间,和为0-1变量,如果在车站s站列车i发车顺序先于列车j则为1,否则为0,如果在车站s站列车i到站顺序先于列车j则为1,否则为0,如果列车i在列车j到达之前从s站出发,则等于1,否则等于0;
约束条件(2)-(3)表示列车h在车站s到达和离开时间不能早于计划的时间;
约束条件(4)-(5)保证列车在每个区间的运行时间和在每个中间站的停留时间不能小于其最小值;
约束条件(6)-(7)表示相邻两列车到站或出站间隔时间应满足追踪间隔,以保证列车运行安全;
约束条件(8)表示在车站s同一到发线上,前向发车列车与后向到发列车应满足最小发车间隔时间;
约束条件(9)-(10)保证两列车在同一车站的发车或到站顺序;
约束(11)确保在区段内不会发生越行;
约束(12)表示同一时刻停在同一车站的列车总数不能超过车站的通行能力,并保证在紧急情况下至少有一条轨道可以使用;
2.根据权利要求1所述的方法,其特征在于,构建所述调度策略数据库的步骤具体为:
根据调度规则知识、专家经验知识和历史数据样本知识,生成调度策略数据库。
3.根据权利要求1所述的方法,其特征在于,
所述突发事件为强风、或大雪、或红灯带、或车载设备故障;
所述调整目标为最小总晚点时间、或最小晚点列车数或最小取消列车数;
所述调整策略有等待避让、列车超车、反向运行、或缩短列车运行时间或停车时间。
4.一种高铁列车时刻表的辅助调整系统,其特征在于,执行如权利要求1至3任一所述的方法,包括:
构建单元,预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库;所述风险事件数据库存储有突发事件和风险事件类型之间的对应关系;所述调度场景数据库存储有风险事件类型和调度场景之间的对应关系;所述处置流程数据库存储有调度场景和处置流程之间的对应关系;所述调度策略数据库存储有风险事件类型、调度场景、调整处置流程与调整策略、调整目标和调整算法之间的对应关系;
获取单元,获取调度系统的状态信息;
检测单元,检测或注入突发事件;
第一查询单元,根据所述当前突发事件,查询所述风险事件数据库,匹配对应的风险事件类型;
第二查询单元,根据风险事件类型,查询所述调度场景数据库,获取对应的调度场景;
第二查询单元,根据当前调度场景,查询所述处置流程数据库,选择对应的调整处置流程;
第三查询单元,根据所述风险事件类型、所述调度场景、和所述处置流程,查询所述调度策略数据库,选择对应的调整策略和调整目标和调整算法;
生成单元,根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息,生成对所述当前受干扰时刻表的辅助调整方案并输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280364.1A CN112389509B (zh) | 2020-11-16 | 2020-11-16 | 一种高铁列车时刻表的辅助调整方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280364.1A CN112389509B (zh) | 2020-11-16 | 2020-11-16 | 一种高铁列车时刻表的辅助调整方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112389509A CN112389509A (zh) | 2021-02-23 |
CN112389509B true CN112389509B (zh) | 2022-02-08 |
Family
ID=74600446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011280364.1A Active CN112389509B (zh) | 2020-11-16 | 2020-11-16 | 一种高铁列车时刻表的辅助调整方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112389509B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378338B (zh) * | 2021-06-09 | 2024-03-29 | 中国国家铁路集团有限公司 | 一种高速铁路网络化列车运行方案图的建模方法 |
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 |
CN113525462B (zh) * | 2021-08-06 | 2022-06-28 | 中国科学院自动化研究所 | 延误情况下的时刻表调整方法、装置和电子设备 |
CN113581261B (zh) * | 2021-09-07 | 2022-09-20 | 东北大学 | 一种高速铁路阶段调整计划的综合性能评估系统 |
CN113665640B (zh) * | 2021-10-21 | 2022-01-25 | 中国铁道科学研究院集团有限公司通信信号研究所 | 含多方向车站的调度区段列车运行计划调整方法和系统 |
CN114228765B (zh) * | 2021-12-21 | 2023-05-05 | 西南交通大学 | 一种基于时刻表调整的车载储能设备配置方法 |
CN116993083A (zh) * | 2023-07-20 | 2023-11-03 | 江苏楚淮软件科技开发有限公司 | 一种基于大数据的综合指挥调度系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011125613A1 (ja) * | 2010-04-05 | 2011-10-13 | 株式会社日立製作所 | 運転整理支援システム及び装置、並びに列車運行計画演算処理方法 |
WO2012049929A1 (ja) * | 2010-10-13 | 2012-04-19 | 株式会社日立製作所 | 運転整理支援システム |
CN109740839A (zh) * | 2018-11-23 | 2019-05-10 | 北京交通大学 | 一种突发事件下的列车动态调整方法及系统 |
CN110341763A (zh) * | 2019-07-19 | 2019-10-18 | 东北大学 | 一种快速恢复高铁列车准点运行的智能调度系统及方法 |
CN110920700A (zh) * | 2019-12-17 | 2020-03-27 | 中南大学 | 一种高铁调度优化方法、系统、及存储介质 |
-
2020
- 2020-11-16 CN CN202011280364.1A patent/CN112389509B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011125613A1 (ja) * | 2010-04-05 | 2011-10-13 | 株式会社日立製作所 | 運転整理支援システム及び装置、並びに列車運行計画演算処理方法 |
WO2012049929A1 (ja) * | 2010-10-13 | 2012-04-19 | 株式会社日立製作所 | 運転整理支援システム |
CN109740839A (zh) * | 2018-11-23 | 2019-05-10 | 北京交通大学 | 一种突发事件下的列车动态调整方法及系统 |
CN110341763A (zh) * | 2019-07-19 | 2019-10-18 | 东北大学 | 一种快速恢复高铁列车准点运行的智能调度系统及方法 |
CN110920700A (zh) * | 2019-12-17 | 2020-03-27 | 中南大学 | 一种高铁调度优化方法、系统、及存储介质 |
Non-Patent Citations (3)
Title |
---|
"A Deep Reinforcement Learning Approach to High-speed Train Timetable Rescheduling under Disturbances";Lingbin Ning et al.;《2019 IEEE Intelligent Transportation Systems Conference (ITSC)》;20191231;全文 * |
"基于遗传模拟退火算法的高速列车运行调整问题研究";汪臻;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20200115(第1期);第2.2-2.3节、第3.2-3.4节、第4.2-4.6节和第6章 * |
"考虑动车组接续的列车运行图智能调整方法";周晓昭等;《铁道学报》;20180831;第40卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112389509A (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112389509B (zh) | 一种高铁列车时刻表的辅助调整方法和系统 | |
CN110203257B (zh) | 一种轨道交通事件下列车运行调度方法和系统 | |
Altazin et al. | Rescheduling through stop-skipping in dense railway systems | |
CN109733445B (zh) | 突发事件下的基于多智能体系统模型的分布式调度方法 | |
CN113415322B (zh) | 一种基于q学习的高速列车运行调整方法与系统 | |
CN114312926B (zh) | 一种城市轨道交通列车运行调整方案优化方法和系统 | |
CN109754180B (zh) | 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 | |
Lüthi | Improving the efficiency of heavily used railway networks through integrated real-time rescheduling | |
CN112319557A (zh) | 一种晚点条件下地铁列车的运行调整方法及系统 | |
Ding et al. | The safety management of urban rail transit based on operation fault log | |
CN112232552A (zh) | 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 | |
CN112706803B (zh) | 一种地铁列车救援自动调整方法及系统 | |
Wang et al. | A Fuzzy Optimization Model for High‐Speed Railway Timetable Rescheduling | |
CN108082222A (zh) | 一种用于中低运量单轨/磁浮的综合行车控制系统 | |
CN109552364A (zh) | 一种基于大数据的轨道交通调度预警系统 | |
Ding et al. | Key technologies and applications of intelligent dispatching command for high-speed railway in China | |
CN116050669A (zh) | 一种城市轨道交通突发事件智能调度方法和系统 | |
Wang et al. | A metro train rescheduling approach considering flexible short-turning and adding backup trains strategies during disruptions in the case of the vehicle breakdown | |
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 | |
CN116862094A (zh) | 一种多制式轨道交通应急信息联动发布方法及系统 | |
Nagy et al. | Research on automation of operative scheduling in urban public transportation | |
Liu et al. | Train timetable rescheduling under power supply system failures: An ilp approach | |
Liao et al. | Research on Train Operation Adjustment in Emergencies | |
Wang et al. | Real-time train scheduling and control based on model predictive control | |
Li et al. | A rescheduling optimization model under temporary speed restriction |
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 |