最新录用 | 车站封锁下基于问题知识的高速铁路列车运行实时调整方法

王荣笙, 张琦, 张涛, 林鹏, 丁舒忻, 袁志明. 车站封锁下基于问题知识的高速铁路列车运行实时调整方法. 中国科学: 信息科学, DOI: 10.1360/SSI-2021-0332

研究意义

高速铁路在推进经济建设, 加快碳中和进程, 促进城市协调发展和服务旅客运营等方面提供重要的支撑和引领作用. 我国高速铁路已逐渐形成“八纵八横”的复杂路网, 但高铁运营过程中面临自然灾害、设备故障、人为决策失误等不同突发事件的影响, 列车易出现大范围延误, 影响旅客出行. 

当突发事件影响列车运行较为严重时, 调度员需要及时下达车站封锁、区间封锁或者区间临时限速等调度命令, 避免突发事件危及行车安全. 同时, 调度员凭自身经验在调度指挥系统中快速准确地下达阶段计划, 工作强度较大, 调整方案的实时性和最优性难以同时保证.

目前关于列车运行调整的大量研究集中于如何提升列车运行调整方案的实时性和最优性. 然而, 实际列车运行调整过程中, 调度员每次所考虑的首要指标并不一定是调整方案的最优性, 更重要的是根据列车运行过程中的复杂时空约束, 如何给出切实可行且实时性较高的列车运行调整方案.

主要工作

针对突发事件导致的车站封锁情况, 本文以列车运行图为问题对象, 以进化计算框架为基础, 提出基于问题知识的运行图实时调整方法, 通过减小列车总晚点时间, 保证高铁运营的安全高效和旅客的满意舒适. 

首先, 基于调整列车发车次序的运行图调整策略提出排列编码方法, 用于减少解空间的无效搜索. 之后, 根据“紧追踪”的列车运行追踪方式, 设计启发式解码方法消除所有行车作业约束, 提升算法求解效率. 

最后, 将调度员调整运行图的经验作为问题知识, 用于初始化进化计算的初始种群, 由此提出基于问题知识的启发式种群初始化方法, 加快算法前期的收敛速度并提高求解方案质量.

实验结果

以京津高速线为例, 在北京南站设置车站封锁下20-150 min不同封锁时长的9个典型场景, 选择加强精英保留遗传算法和差分进化算法, 分别应用实整数编码和排列编码, 与随机种群初始化和启发式种群初始化的不同组合进行仿真实验.

仿真结果表明, 相较于实整数编码难以获取可行解, 2种进化算法应用排列编码方法后, 能在9 s的平均时间内给出列车总晚点时间最小的调整方案. 在启发式种群初始化的改进下, 2种进化算法能更快地收敛于近似最优解. 

选取加强精英保留遗传算法应用排列编码和启发式种群初始化的改进变体, 作为本文最优改进进化算法. 针对CPLEX无法在10 min获得最优解的7个场景, 该改进进化算法都能在20 s内给出近似最优解.

最新录用文章未经编辑加工，可能会与最终出版文章有微小差异。点击下方阅读原文按钮，快速获取文章预发表版本。

《中国科学：信息科学》| SCIENCE CHINA Information Sciences

及时报道计算机科学与技术、控制科学与控制工程、通信与信息系统、微电子与固体电子学等领域基础与应用研究方面的原创性成果.

英文版投稿：https://mc03.manuscriptcentral.com/scis

中文版投稿：https://www.scicloudcenter.com/SSI/login/index

快速访问：http://scis.scichina.com/