CN113415324A - 一种高速列车动态调度和运行控制协同优化方法与系统 - Google Patents

Abstract

本发明公开了一种高速列车动态调度和运行控制协同优化方法与系统，涉及高速列车动态调度和运行控制技术领域。该方法包括：步骤1：获取调度区段列车运行信息；步骤2：建立列车动态调度模型，包括列车调度目标函数和约束条件；步骤3：利用蚁群算法，求解列车动态调度的调度方案，得到调整后的实际运行图；步骤4：根据调整后的实际运行图、区间基本条件和列车基本参数生成可行的优化速度位置曲线；步骤5：对优化速度位置曲线进行跟踪。能够实现对列车延误的动态调度，生成新的调度方案，并通过运行控制模块执行调度方案，减小列车延误时间，恢复列车正常运行，打通了动态调度系统和运行控制系统的界限，实现了动态调度和运行控制的一体化协同。

Description

一种高速列车动态调度和运行控制协同优化方法与系统

技术领域

本发明涉及高速列车动态调度和运行控制技术领域，尤其涉及一种高速列车动态调度和运行控制协同优化方法与系统。

背景技术

近年来，我国高铁技术飞速发展，高速铁路已逐渐在中国轨道交通运输体系中居于核心地位，已建成世界上最大的高铁路网。路网的复杂性和庞大的客流量对列车的调度和运行控制提出了新的挑战。

高速列车动态调度是指当列车受到突发事件影响偏离基本运行图时，通过对列车运行时间、运行次序、停车时间等进行动态调整，实现恢复列车基本运行图的过程。高速列车运行控制的主要目的在于优化列车运行能耗，同时准确跟踪期望的速度位置曲线，实现列车的精准运行。当列车晚点时，恢复列车正常运行的过程与动态调度和运行控制同时相关，动态调度提供方案，运行控制来执行调度方案。但就目前而言，列车的动态调度系统和运行控制系统还相对独立，亟需打破动态调度与运行控制之间的界限，实现动态调度和运行控制的协同优化，保证高速列车准点、高效运行，同时有效应对突发事件所造成的影响。

发明内容

为了解决上述技术问题，本发明提供一种高速列车动态调度和运行控制协同优化方法与系统，旨在实现动态调度和运行控制的协同优化。

本发明第一方面提供一种高速列车动态调度和运行控制协同优化方法，包括如下步骤：

步骤1：获取调度区段列车运行信息；

步骤2：建立列车动态调度模型，包括列车调度目标函数和约束条件；

步骤3：利用蚁群算法，求解列车动态调度的调度方案，得到调整后的实际运行图；

步骤4：根据调整后的实际运行图、区间基本条件和列车基本参数生成可行的优化速度位置曲线；

步骤5：对优化速度位置曲线进行跟踪。

本发明第二方面提供一种高速列车动态调度和运行控制协同优化系统，包括：

动态调度模块101，用于接收“控制—调度”反馈接口模块104发送的列车实时速度信息和位置信息；根据列车实时速度信息和位置信息确定调度区段运行场景中高速列车晚点情况，进而生成可行的调度方案，以调整列车区间运行时间、停站时间、到发次序，减少列车晚点，恢复列车正常运行；并将调度方案传送给“调度—控制”接口模块102；

“调度—控制”接口模块102，用于接收动态调度模块101传送的动态调度方案，也就是调整后的实际运行图，包括每一列车在每个车站的到发时间；并将调度方案以数据包的形式传送给运行控制模块103；

运行控制模块103，用于接收“调度—控制”接口模块102传送的调度方案，并根据调度方案生成可行的优化速度位置曲线；且对优化速度位置曲线进行准确的跟踪，将列车的实时速度信息和位置信息传送给“控制—调度”反馈接口模块104。

与现有技术相比，本发明具有如下有益效果：本发明针对现有列车动态调度系统和运行控制相对独立，不能有效的应对突发事件造成的列车晚点问题，提出了动态调度系统和运行控制系统协同优化，该方法与系统能够实现对列车延误的动态调度，生成新的调度方案，并通过运行控制模块执行调度方案，减小列车延误时间，恢复列车正常运行；打通了动态调度系统和运行控制系统的界限，实现了动态调度和运行控制的一体化协同。

附图说明

图1为本发明高速列车动态调度和运行控制协同优化系统的结构框图；

图2为本发明高速列车动态调度和运行控制协同优化方法的流程图；

图3为本发明实施例提供的调整后的列车实际运行图；

图4(a)为本发明实施例中G01次列车A站到B站的优化速度位置曲线示意图；(b)为本发明实施例中G01次列车B站到C站的优化速度位置曲线示意图；(c)为本发明实施例中G01次列车C站到D站的优化速度位置曲线示意图；(d)为本发明实施例中G01次列车D站到E站的优化速度位置曲线示意图；

图5(a)为本发明实施例中G01次列车A站到B站的优化速度位置曲线示意图；(b)为本发明实施例中G01次列车B站到C站的优化速度位置曲线跟踪效果示意图；(c)为本发明实施例中G01次列车C站到D站的优化速度位置曲线跟踪效果示意图；(d)为本发明实施例中G01次列车D站到E站的优化速度位置曲线跟踪效果示意图。

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。

本实施例以京沪铁路某调度区段高速列车运行场景为例，选择配置为Intel Corei7-7700处理器，8GB内存的计算机，利用软件MATLAB2018a搭建仿真环境，对本发明提供的高速列车动态调度和运行控制协同优化方法与系统进行仿真。

图1是本发明的高速列车动态调度和运行控制协同优化系统的结构框图，所述高速列车动态调度和运行控制协同优化系统，包括：动态调度模块101、“调度—控制”接口模块102、运行控制模块103、“控制—调度”反馈接口模块104。

所述动态调度模块101，用于接收“控制—调度”反馈接口模块104发送的列车实时速度信息和位置信息；根据列车实时速度信息和位置信息确定调度区段运行场景中高速列车晚点情况，进而生成可行的调度方案，以调整列车区间运行时间、停站时间、到发次序，减少列车晚点，恢复列车正常运行；并将调度方案传送给“调度—控制”接口模块102。

所述“调度—控制”接口模块102，负责接收动态调度模块101传送的动态调度方案，也就是调整后的实际运行图，包括每一列车在每个车站的到发时间；并将调度方案以数据包的形式传送给运行控制模块103。

所述运行控制模块103，主要包括两个子模块，包括优化运行子模块和跟踪控制子模块；所述优化运行子模块负责接收“调度—控制”接口模块102传送的调度方案，并根据调度方案生成可行的优化速度位置曲线；所述跟踪控制子模块负责对优化速度位置曲线进行准确的跟踪，并将列车的实时速度信息和位置信息传送给“控制—调度”反馈接口模块104。

所述“控制—调度”反馈接口模块104：负责接收运行控制模块103中跟踪控制子模块传送的列车实时速度信息和位置信息；并将实时速度信息和位置信息传送给动态调度模块101。

本发明另一方面提供一种高速列车动态调度和运行控制协同优化方法，具体实现流程如图2所示，包括：

步骤1：获取调度区段列车运行信息；

在本实施例，所仿真的调度区段列车运行场景为：在京沪高铁实际线路选取五个车站和四辆列车，为方便描述，所述五个车站分别用A、B、C、D、E表示，所述四辆列车分别用G01、G02、G03、G04表示，计划时刻表如表1所示。在本实施例中，晚点信息设定为列车G01次在车站A晚点出发34分钟。

表1计划时刻表示例

步骤2：建立列车动态调度模型，包括列车调度目标函数和约束条件。

具体方法为：将列车调度的目标定义为调度区段内所有列车总晚点时间最小，也即所有列车到站时间与发车时间偏离计划运行图时间之和最小。同时，对列车进行动态调度需要满足如下约束条件：列车在相邻两站间的区间运行时间不小于站间最小运行时间；列车在车站的停车时间不小于车站最小停车时间，以满足旅客上下车需求；列车在车站的实际发车时间不早于列车计划发车时间；相邻两列车在车站的发车时间间隔不小于最小发车间隔；相邻两列车的到站时间不小于列车最小到站时间间隔。

设定N列列车运行在有M个车站的高铁线路上，列车调度目标函数表示为：

约束条件为：

其中，F表示所有列车在各个车站实际到发时刻与计划到发时刻偏差之和，即总晚点时间；

和

分别表示列车i在车站j实际到站时刻和计划到站时刻；

和

分别表示列车i在车站j实际发车时刻和计划发车时刻；

表示列车i在车站j+1实际到站时刻；

表示列车i在车站j和车站j+1之间的站间最小运行时间；

表示列车i在车站j最小停车时间；

和

分别表示列车i+1在车站j的实际发车时刻和实际到站时刻；Td_j表示相邻列车在车站j最小发车间隔；Ta_j表示相邻列车在车站j最小到站间隔。

上述列车动态调度模型实质上是一个多约束优化问题，根据列车计划运行图以及线路的基本信息，采用蚁群算法求解此多约束优化问题，得到调度方案，也即调整后的运行图，优化列车运行，减少列车总晚点时间。

在本实施例中，所述约束条件中各参数配置如下：车站最小停车时间均为1分钟；连续列车在车站的最小发车间隔和连续列车在车站的最小到达间隔均为3分钟。列车站间最小运行时间为：车站A到车站B最小运行时间为28分钟；车站B到车站C最小运行时间为11分钟；车站C到车站D最小运行时间为8分钟；车站D到车站E最小运行时间为14分钟。

步骤3：利用蚁群算法，求解列车动态调度的调度方案，得到调整后的实际运行图，具体步骤如下：

步骤3.1：首先判断是否有列车晚点信息，若否，则返回步骤1获取列车调度区段运行信息；若是，则初始化列车动态调度模型相关参数和蚁群算法相关参数，并执行步骤3.2；

所述列车动态调度模型相关参数包括列车晚点信息、线路信息和约束条件；所述蚁群算法相关参数包括蚂蚁个数、信息素强度、信息素挥发因子、最大迭代次数、信息启发式因子和期望启发式因子。

所述蚁群算法相关参数设置如下：蚂蚁个数为30；信息素强度为1；信息素挥发因子为0.5；最大迭代次数为100；信息启发式因子为1.5；期望启发式因子为1.5。

步骤3.2：根据晚点信息确定列车i在车站j到达时刻的时间范围与发车时刻的时间范围，并计算范围内每个时间点的转移概率，然后利用轮盘赌法确定每一列车在每个车站具体的发车时刻、到达时刻，并根据确定的每列车在每个车站的发车和到达时刻生成一个可行的实际运行图。

步骤3.3：通过利用基本蚁群算法信息素更新机制迭代更新信息素实现对步骤3.2得到的可行的实际运行图的迭代更新，当满足终止条件时，停止迭代更新，得到迭代更新过程中最优的实际运行图，也即生成动态调度方案，如图3所示。

步骤3.4：利用生成的动态调度方案对列车进行调整。

在本实施例，利用生成的动态调度方案对列车进行调整后，G01次列车虽然因约束条件限制不能完全恢复正常运行，但晚点时间相对于初始晚点时减少了50％，其他列车均可以保持正常运行。

步骤4：根据调整后的实际运行图、区间基本条件和列车基本参数生成可行的优化速度位置曲线。

所述区间基本条件，包括列车牵引工况时的加速度限制、制动工况时的减速度限制、线路限速和站间距离。本实施例中，针对每个站间区间，所述区间基本条件如下：为了保证旅客的舒适性和运行平稳，将列车牵引工况时的加速度限制和制动工况时的减速度限制均设定为0.7m/s²；线路限速为300km/h；站间距离分别为：A站到B站之间为120km；B站到C站之间为40km；C站到D站之间为26km；D站到E站之间为55km。

所述列车基本参数，包括高速列车型号、列车质量、列车所能提供的最大牵引力和最大制动力。在本实施例中，选取CRH-3型高速列车，该列车质量为4.08*10⁵kg。列车所能提供的最大牵引力F和最大制动力B均与列车运行速度有关，最大牵引力和最大制动力计算方法为：

其中，v表示列车运行速度；列车附加运行阻力G平均为2000N；列车基本运行阻力为：

R＝6.7744+0.05719v+0.0008235v² kN (9)

本步骤中根据实际运行图、区间基本条件和列车基本参数生成可行的优化速度位置曲线，具体包括：

步骤4.1：建立优化速度位置曲线模型；

列车i在由车站j和车站j+1之间线路构成的区间j′的优化速度位置曲线的模型表示为：

S.T.

其中，E表示列车牵引能耗；

表示列车i在车站j发车时刻也即列车i进入区间j′时刻；

表示列车i到达车站j+1时刻也即列车i出清区间j′时刻；α表示相对牵引力系数，范围在0到1之间；v(t)表示列车在时刻t的速度；F表示列车的最大牵引力；β表示相对制动力系数，范围在0到1之间；B表示列车的最大制动力；R表示列车运行的基本运行阻力；G表示列车运行的附加运行阻力；M表示列车质量；S_j′表示区间j′的长度也即车站j和车站j+1间距离；V_j′表示列车在区间j′的最大允许运行速度；

和

分别表示列车i进入和出清区间j′时刻的实际运行速度；

和

分别表示列车i进入和出清区间j′时刻的期望运行速度。

步骤4.2：求解优化速度位置曲线模型。

针对每一列车在每个站间区间，求解列车优化速度位置曲线，基于高速列车节能优化运行包含的最大牵引、巡航、惰行、最大制动四种工况生成一条可行的、较为节能的优化速度位置曲线。具体包括如下步骤：

步骤4.2.1：给定能耗迭代初值的最小值E_min和最大值E_max；

步骤4.2.2：按照式(14)计算能耗中值E_mid。

E_mid＝(E_min+E_max)/2 (14)

步骤4.2.3：将区间j′分为L个子区间，并用l代表区间j′中任一子区间编号，用v_l表示列车在子区间l时的速度，计算能耗为E_mid时列车运行时间T(E_mid)和优化速度位置曲线，具体步骤如下：

步骤4.2.3.1：令l＝0，

设定速度序列：{v_l:0≤l≤L,l∈N}，位置序列：{S_j′,l:0≤l≤L,l∈N}，其中，S_j′,l表示区间j′的l个子区间的长度之和。

步骤4.2.3.2：令l＝l+1，此时列车处于最大牵引工况，计算列车的加速度、速度，以及按照式(15)计算能耗中值剩余值。

E_mid＝E_mid-F*(S_j′,l+1-S_j′,l) (15)

其中，S_j′,l+1表示区间j′的l+1个子区间的长度之和。

步骤4.2.3.3：若v_l<V_j′且E_mid>0，则返回步骤4.2.3.2；若v_l＝V_j′且E_mid>0，此时列车处于巡航工况，按照式(16)计算能耗剩余值。

E_mid＝E_mid-(R+G)*(S_j′,l+1-S_j′,l) (16)

步骤4.2.3.4：判断是否E_mid>0，若是，则令l＝l+1，返回步骤4.2.3.3，若否，则转至步骤4.2.3.5；

步骤4.2.3.5：若E_mid＝0且l<L，此时列车进入惰行工况，按照式(17)计算列车在子区间l+1时的速度：

其中，v_l+1表示列车在子区间l+1时速度。

步骤4.2.3.6：令l＝l+1，返回步骤4.2.3.5。

步骤4.2.4：计算最大制动工况时的速度位置曲线，直到与惰行工况时的速度位置曲线交汇。

令m＝L，

v_m表示列车在子区间m时的速度。

步骤4.2.4.1：若m>l，则按照式(18)计算最大制动工况时的速度位置曲线：

其中，v_m-1表示列车在子区间m-1时的速度；S_j′,m表示区间j′的m个子区间的长度之和；S_j′,m-1表示区间j′的m-1个子区间的长度之和。

步骤4.2.4.2：令m＝m-1，返回步骤4.2.3.1,直到最大制动工况时的速度位置曲线与惰行工况时的速度位置曲线交汇,输出优化速度位置曲线和列车在区间j′的运行时间T(E_mid)。

步骤4.2.5：将T(E_mid)与调度方案中区间j的运行时间相比较。若T(E_mid)大于调度方案中区间j的运行时间，则用E_mid代替E_min,E_max不变，则返回步骤4.2.2；若T(E_mid)小于调度方案中区间j的运行时间，则用E_mid代替E_max，E_min不变，返回步骤4.2.2；若T(E_mid)等于调度方案中区间j的运行时间，则E_mid为所求解的优化能耗，同时得到每个区间的运行时间和每个区间的优化速度位置曲线。

步骤4.2.6：将每个区间的优化速度位置曲线组合，得到列车全程的优化速度位置曲线。以G01列车为例，G01列车全程的优化速度位置曲线如图4所示，其中(a)图为G01次列车A站到B站的优化速度位置曲线示意图；(b)图为G01次列车B站到C站的优化速度位置曲线示意图；(c)图为G01次列车C站到D站的优化速度位置曲线示意图；(d)为G01次列车D站到E站的优化速度位置曲线示意图，从图上可以看出，根据调度方案可以得到可行的优化速度位置曲线。

步骤5：对优化速度位置曲线进行准确的跟踪，具体方法如下：将优化速度位置曲线作为跟踪设定值，采用跟踪控制器跟踪优化速度位置曲线。跟踪控制器设计如下：

u_i(t)＝γ_i(x_i(t)-X_i(t)) (14)

其中，u_i(t)表示列车i在时刻t的控制输入；γ_i表示列车i的控制器系数；x_i(t)表示列车i在时刻t的实际运行状态，包括实时速度和位置；X_i(t)表示列车i在时刻t的期望运行状态，包括期望速度和位置。以G01列车为例，G01列车跟踪优化速度位置曲线的效果如图5所示，其中(a)图为G01次列车A站到B站的优化速度位置曲线跟踪效果示意图；(b)图为G01次列车B站到C站的优化速度位置曲线跟踪效果示意图；(c)图为G01次列车C站到D站的优化速度位置曲线跟踪效果示意图；(d)图为G01次列车D站到E站的优化速度位置曲线跟踪效果示意图，从图上可以看出，跟踪效果示意图与优化速度位置曲线示意图几乎相同，说明跟踪控制器能够很好地跟踪优化速度位置曲线。

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 (7)

1.一种高速列车动态调度和运行控制协同优化方法，其特征在于，包括如下步骤：

步骤1：获取调度区段列车运行信息；

步骤2：建立列车动态调度模型，包括列车调度目标函数和约束条件；

步骤3：利用蚁群算法，求解列车动态调度的调度方案，得到调整后的实际运行图；

步骤4：根据调整后的实际运行图、区间基本条件和列车基本参数生成可行的优化速度位置曲线；

步骤5：对优化速度位置曲线进行跟踪。

2.根据权利要求1所述的高速列车动态调度和运行控制协同优化方法，其特征在于，步骤2中所述的列车调度目标函数表示为：

约束条件为：

其中，F表示所有列车在各个车站实际到发时刻与计划到发时刻偏差之和，即总晚点时间；N表示调度区段内列车总数；M表示调度区段内车站数量；

和

分别表示列车i在车站j实际到站时刻和计划到站时刻；

和

分别表示列车i在车站j实际发车时刻和计划发车时刻；

表示列车i在车站j+1实际到站时刻；

表示列车i在车站j和车站j+1之间的站间最小运行时间；

表示列车i在车站j最小停车时间；

和

分别表示列车i+1在车站j的实际发车时刻和实际到站时刻；Td_j表示相邻列车在车站j最小发车间隔；Ta_j表示相邻列车在车站j最小到站间隔。

3.根据权利要求1所述的高速列车动态调度和运行控制协同优化方法，其特征在于，所述步骤3进一步包括如下步骤：

步骤3.1：首先判断是否有列车晚点信息，若否，则返回步骤1获取列车调度区段运行信息；若是，则初始化列车动态调度模型相关参数和蚁群算法相关参数，并执行步骤3.2；

所述列车动态调度模型相关参数包括列车晚点信息、线路信息和约束条件；所述蚁群算法相关参数包括蚂蚁个数、信息素强度、信息素挥发因子、最大迭代次数、信息启发式因子和期望启发式因子；

所述蚁群算法相关参数设置如下：蚂蚁个数为30；信息素强度为1；信息素挥发因子为0.5；最大迭代次数为100；信息启发式因子为1.5；期望启发式因子为1.5；

步骤3.2：根据晚点信息确定列车i在车站j到达时刻的时间范围与发车时刻的时间范围，并计算范围内每个时间点的转移概率，然后利用轮盘赌法确定每一列车在每个车站具体的发车时刻、到达时刻，并根据确定的每列车在每个车站的发车和到达时刻生成一个可行的实际运行图；

步骤3.3：通过利用基本蚁群算法信息素更新机制迭代更新信息素实现对步骤3.2得到的可行的实际运行图的迭代更新，当满足终止条件时，停止迭代更新，得到迭代更新过程中最优的实际运行图，也即生成动态调度方案；

步骤3.4：利用生成的动态调度方案对列车进行调整。

4.根据权利要求1所述的高速列车动态调度和运行控制协同优化方法，其特征在于，所述步骤4进一步包括如下步骤：

步骤4.1：建立优化速度位置曲线模型；

步骤4.2：求解优化速度位置曲线模型，得到列车的优化速度位置曲线。

5.根据权利要求4所述的高速列车动态调度和运行控制协同优化方法，其特征在于，步骤4.1所述的建立优化速度位置曲线模型具体为：列车i在由车站j和车站j+1之间线路构成的区间j′的优化速度位置曲线的模型表示为：

S.T.

其中，E表示列车牵引能耗；

表示列车i在车站j发车时刻也即列车i进入区间j′时刻；

表示列车i到达车站j+1时刻也即列车i出清区间j′时刻；α表示相对牵引力系数，范围在0到1之间；v(t)表示列车在时刻t的速度；F表示列车的最大牵引力；β表示相对制动力系数，范围在0到1之间；B表示列车的最大制动力；R表示列车运行的基本运行阻力；G表示列车运行的附加运行阻力；M表示列车质量；S_j′表示区间j′的长度也即车站j和车站j+1间距离；V_j′表示列车在区间j′的最大允许运行速度；

和

分别表示列车i进入和出清区间j′时刻的实际运行速度；

和

分别表示列车i进入和出清区间j′时刻的期望运行速度。

6.根据权利要求1所述的高速列车动态调度和运行控制协同优化方法，其特征在于，步骤5所述的对优化速度位置曲线进行跟踪的具体方法如下：

将优化速度位置曲线作为跟踪设定值，采用式(14)所示的跟踪控制器跟踪优化速度位置曲线；

u_i(t)＝γ_i(x_i(t)-X_i(t)) (14)

其中，u_i(t)表示列车i在时刻t的控制输入；γ_i表示列车i的控制器系数；x_i(t)表示列车i在时刻t的实际运行状态，包括实时速度和位置；X_i(t)表示列车i在时刻t的期望运行状态，包括期望速度和位置。

7.一种高速列车动态调度和运行控制协同优化系统，其特征在于，包括：

动态调度模块101，用于接收“控制—调度”反馈接口模块104发送的列车实时速度信息和位置信息；根据列车实时速度信息和位置信息确定调度区段运行场景中高速列车晚点情况，进而生成可行的调度方案，以调整列车区间运行时间、停站时间、到发次序，减少列车晚点，恢复列车正常运行；并将调度方案传送给“调度—控制”接口模块102；

“调度—控制”接口模块102，用于接收动态调度模块101传送的动态调度方案，也就是调整后的实际运行图，包括每一列车在每个车站的到发时间；并将调度方案以数据包的形式传送给运行控制模块103；

运行控制模块103，用于接收“调度—控制”接口模块102传送的调度方案，并根据调度方案生成可行的优化速度位置曲线；且对优化速度位置曲线进行准确的跟踪，将列车的实时速度信息和位置信息传送给“控制—调度”反馈接口模块104。

Images