|
复杂 高速铁路路 网下 的列 车运行智能调整策略与方法研宄 . ~. X% A, ]6 w9 O8 t+ v! c
2 c% Y7 ]* I. ]* w2 n
9 X% y& G; G/ F) {
中国高速铁路是国家综合交通运输体系的骨干核心,近年来得到了快速蓬勃的发展。4 I3 _- U: }3 W6 Q
高速铁路调度指挥系统是高速铁路运输的大脑和神经。在规模不断扩大与结构愈加复杂的! j1 h. }5 Y2 {
中国高速铁路路网下,当干扰列车按计划运行的事件发生时,如何能够更好地指挥和协调- v. d# [6 G* [8 U% P0 p2 U
高速铁路列车尽快恢复有序运行、减小延误、缩小受晚点影响的列车范围、提高旅客满意# y1 v8 m" u$ R) g! I
度,已给高速铁路列车调度指挥工作带来新的挑战。
( v8 M1 s( l/ ]复杂高速铁路路网下的列车运行智能调整策略与方法的研究有助于提升行车调度指, V. K8 \( y k0 i" x
挥自动化与智能化水平,保障列车运行安全,提高铁路运输和运营服务效率,是中国高速# Z. ^( Y& l9 T8 [
铁路智能化发展的必然趋势和迫切需求。) k" t& o; E9 @/ l' _$ l
本文通过对我国高速铁路列车调度指挥现状的深入了解,结合列车运行调整的实际需
0 y0 {, ?8 h# J, F" d$ E求,在查阅大量国内外相关领域研究文献的基础上,对复杂高速铁路路网条件下的列车运
& _. x3 U# f3 N, O0 p$ {* ~行智能调整策略与方法展开研究。
' ?9 v& m( u! M# b首先,基于复杂网络理论分析中国高速铁路路网。采用Pajek软件构建中国高速铁路路% L' H- @6 s/ S" H
网拓扑结构图并得出统计特征参量值。通过复杂网络理论中相关统计特征参量研究分析中
% g% i6 O6 M3 C! `0 A* Z) D: B2 W国高速铁路路网拓扑结构及其特征属性。依据实际动车组列车的开行方案,从多种角度对
+ i" r# T4 `9 `" t. j, `4 Z基于车流的中国高速铁路路网的特征进行研究分析。利用复杂网络上的传播动力学原理,
" x# L$ s" C) s4 [构建基于元胞自动机的晚点SIS传播模型,分析晚点在中国高速铁路路网上的传播行为。
1 n4 u. @3 h" J其次,采用机器学习算法预测区间运行时分。从运行图的角度分析归纳总结中国高速; E( v% x: B1 Y3 v
铁路列车运行晚点的产生与判定因素。基于调度集中系统,采用机器学习的方法有效利用+ j- ^3 U# m, q; c1 S
调度集中系统中海量的跨时空行车数据来预测不同场景下列车在区间的运行时分。针对已
0 R: d) t7 K- N8 I; @积累大量行车数据的区间,构建基于随机森林的区间运行时分预测模型。针对行车数据累6 e* ?- `# x2 V8 J* h2 g( e
积不足的区间,构建基于迁移学习的区间运行时分预测模型,实现不同调度区段不同区间
" U' ]' \. a7 M0 R& e$ \$ m的运行时分预测。3 W" x! T" b8 C- X$ l
然后,研究单调度区段的列车运行调整策略与方法。从多方面分析基于车流的调度区
4 l5 ], K. f q段的特征,提出各调度区段应根据其所在路网中的位置、车流特征、干扰事件类型、客流5 V2 [" o- b5 a. h
特征、总公司及各铁路局管理考核办法等采用不同的调整策略与调整优化目标。阐述在高5 E2 M: e) R V3 H% q8 J
速铁路列车运行过程中常见的干扰事件场景及有关列车运行调整的策略。构建利用CTC系
T5 e8 O$ A& R7 W+ f统中海量的跨时空行车数据提取列车运行调整策略构成案例库进而依据历史经验确定调
' y7 ^5 c! V% t- j, ^7 j$ D8 s整策略的基于案例推理的列车运行调整策略决策模型。建立单调度区段的列车运行调整模
. D& ~. g8 w7 I2 V" R型,设计综合考虑基于车流特征和追求旅客满意度的总优化目标,结合列车调度员在实际7 l2 h; s6 v* y8 W
运行计划调整决策过程中的特点,采用基于前景理论的随机直觉模糊决策方法确定总优化2 h/ N8 f9 s" n' w' T x
目标中相关指标的权重。设计基于逻辑自映射的表尺度萤火虫算法求解模型。2 L% T5 @3 n$ x; c; c
I最后,研究路网条件下调度区段间列车运行调整模型与方法。基于大系统理论研究路; U% `1 C6 y$ G4 ^$ [9 Q
网条件下调度区段间的列车运行调整问题。以大系统理论中分解和协同思想为指导,构建* D8 d* U3 E* @9 e5 b2 ?
路网条件下列车运行调整的层次化模型和调度区段间列车运行调整的协同学模型。采用四
8 p. ]: P/ q& z5 H% d/ c t8 d- w种优化策略改进最大最小蚁群算法,并应用于求解所建立的模型。与前文研究内容相结合,* I5 m3 f7 G- y: [6 |# |
最终实现复杂高速铁路路网条件下列车运行智能协同调整的目标。
: B: O, p. n# _* R7 @
/ k' X' R8 F' g" b+ o+ K( Z
- ?. Y) M5 [. |# D |