技术新讯 > 铁路车辆辅助装置的制造及其改造技术 > 基于场景的区间连续随机多干扰下的列车运行调整方法  >  正文

基于场景的区间连续随机多干扰下的列车运行调整方法

  • 国知局
  • 2024-08-01 08:59:53

本发明涉及列车调度,具体涉及一种基于场景的区间连续随机多干扰下的列车运行调整方法。

背景技术:

1、列车运行往往会因通信中断、轨道电路失灵、恶劣天气、异物侵限等突发事件偏离计划。

2、目前研究大多数针对单个区间发生的单个确定性干扰,而在铁路现场的调查中发现,区间故障往往会导致多个干扰连续发生,比如区间中断恢复后部分列车需要限速通过以检测故障是否修复,不良天气导致列车限速运行后会根据实际情况考虑是否封锁区间进行检修。同时,干扰具有随机性,即干扰时长及连续发生干扰的类型在干扰发生时往往无法预测。因此有必要对连续随机多干扰下的列车运行图调整问题进行研究,重点解决干扰发生时不同阶段调度决策的相互影响,从而提升整个运行图的调整质量。

技术实现思路

1、为解决现有技术中存在的问题,本发明提供了一种基于场景的区间连续随机多干扰下的列车运行调整方法,解决了上述背景技术中提到的问题。

2、为实现上述目的,本发明提供如下技术方案:一种基于场景的区间连续随机多干扰下的列车运行调整方法,包括如下步骤:

3、s1、区间连续干扰及干扰随机性定义;

4、s2、列车运行过程宏观抽象;

5、s3、根据步骤s1中的定义以及列车运行过程宏观抽象,考虑线路上时空资源约束,建立以最小化列车取消、列车晚点及区间停车次数为目标的两阶段随机规划模型;

6、s4、采用滚动时域算法求解两阶段随机规划模型,获得单阶段调整运行图以及全天调整运行图。

7、优选的,在步骤s1中,所述的区间连续干扰是指发生在同一区间,后一干扰开始时间与前一干扰结束时间相同且后一干扰与前一干扰类型可能相同,也可能不同;将干扰类型分为区间限速与区间中断两种,区间连续多干扰根据干扰数量将出现2n种情况。

8、优选的,在步骤s1中,所述的干扰随机性指当区间发生故障后,干扰信息往往需要根据现场实际情况实时更新,需要考虑连续干扰出现的三种可能性,具体如下:

9、第一个是在预估的干扰结束时刻列车恢复正常运行,此时看做确定性单干扰列车运行调整问题;

10、第二个是区间在预估的时间范围内未完全恢复,干扰时间需要相应延长,此时连续干扰前后类型相同,对应于单干扰随机规划问题,此时干扰的随机性在于干扰时长;

11、第三种是前一干扰在预估结束时间点结束,但由于列车运行干扰加强或减弱发生另一类型干扰,属于连续多干扰随机规划问题,此时连续干扰前后类型不同,干扰的随机性在于干扰时长及干扰类型。

12、优选的,在步骤s2中,所述的列车运行过程宏观抽象是指列车运行调整过程可用事件-活动网络宏观抽象,用图表示为n=(e,a),其中e表示事件集合,a表示活动集合;事件e表示列车在车站的到达或出发,e∈e;

13、事件集合进一步划分为到达事件集合earr与出发事件集合edep;活动为两个事件的组合,可进一步分为列车活动和间隔活动;

14、列车活动包括区间运行活动和车站停站或通过活动;区间运行活动表示列车在相邻车站的出发事件与到达事件之间的活动;车站通过或停站活动表示列车在相同车站到达事件与出发事件之间的活动,且到达事件与出发事件发生时刻相同或不同;

15、间隔活动包括区间的追踪间隔活动和车站间隔活动;区间追踪间隔是指同向列车在区间的出发间隔与到达间隔活动;车站间隔活动指同向列车或对向列车占用同一到发线的发到间隔活动或者对向列车在同一车站的到达间隔活动。

16、优选的,在步骤s3中,所述建立以最小化列车取消、列车晚点及区间停车次数为目标的两阶段随机规划模型中,其目标函数是最小化所有干扰场景下的列车取消数,列车晚点量以及区间停车次数,如式(1)所示:

17、

18、其中pw为干扰场景w的发生概率,分别表示干扰场景w下列车取消惩罚,晚点惩罚及区间停车惩罚;λi表示等级为i的列车取消惩罚;it表示列车t对应的列车等级;t表示列车集合,t∈t;为0-1变量,表示场景w下列车t是否取消,0为否,1为是;μi表示等级为i的列车晚点单位时间的惩罚,te表示事件e相关列车,ew表示干扰场景w下列车到发事件集合;为连续变量,表示场景w下事件e的晚点时间;s表示车站,s为车站集合,s∈s;so为区段起点站,θ为列车区间停车的惩罚,为0-1变量,表示场景w下列车t是否在停在车站s前,0为否,1为是。

19、优选的,所述两阶段随机规划模型中的约束包括列车取消及晚点惩罚约束、干扰发生前列车运行约束、单列车作业约束、不同列车间隔约束、不同列车区间不越行约束、车站能力约束、干扰约束以及不同干扰场景期望期决策相同约束。

20、优选的,所述列车取消及晚点惩罚约束如式(2)、(3)所示:

21、

22、

23、在干扰场景w下,约束公式(2)表示列车在车站实际的到发时刻不能早于原计划的到发时刻,同时,该约束将取消的列车移动到研究的时间范围1天后;为连续变量,表示场景w下事件e在调整运行图中发生时刻;pe表示事件e在计划运行图中发生时刻;m1表示一个常数,取值为1440;表示任意,表示场景w下事件e对应的列车te是否取消;

24、约束公式(3)表示取消列车的到发事件没有晚点量,因为目标函数中取消列车有取消惩罚,而未取消的列车对应事件e的晚点量实际到发时刻与计划到发时刻之差;

25、所述干扰发生前列车运行约束如式(4)、(5)所示:

26、

27、

28、在干扰场景w下,约束公式(4)表示在干扰发生之前,列车均按照原定的运行图运行,约束公式(5)表示只有始发时刻晚于干扰发生时刻的列车才考虑是否取消;表示场景w下中断开始时间;edep表示所有列车出发事件的集合;se表示事件e相关车站;

29、所述单列车作业约束如式(6)、(7)、(8)、(9)所示:

30、

31、

32、

33、

34、单列车在运行过程中的作业包括区间运行及车站停站作业,在干扰场景w下,约束公式(6)表示单列列车在区间的运行时间约束,列车区间运行时间不能小于最小运行时分与起停附加时间之和,约束公式(7)表示列车停站时间不小于计划最小停站时间,约束公式(8)、约束公式(9)分别表示若列车有计划停站则不能跳停,反之,可增加停站;表示场景w下事件f的实际出发时刻;lrun表示区间最小运行持续时间;hl表示起车附加时分,hp表示停车附加时分,为0-1变量,表示场景w下列车t是否车站s停站,0为否,1为是;ldwell表示车站最小停站时间,表示干扰场景w下单列列车区间运行活动,表示干扰场景w下单列列车区间停站活动,表示列车t在车站s的计划停站时间;表示场景w下事件e对应的列车te是否在车站se停站;表示场景w下事件f对应的列车tf是否在车站sf停站;

35、所述不同列车间隔约束如式(10)、(11)所示:

36、

37、

38、不同列车间隔约束主要有同向列车在区间的追踪间隔约束,包括列车到达间隔与出发间隔,同时,同向列车占用同一到发线时,需要满足最小发到间隔;在干扰场景w下,约束公式(10)表示若间隔活动中事件e早于事件f发生,则两事件发生间隔不小于最小间隔时间,约束公式(11)表示同向两列不同列车在车站到达或出发先后顺序只有一种,两者共同约束两列车间的间隔满足最小到达或出发间隔;m2为比m1更大的常数,取值为5000;

39、所述不同列车区间不越行约束如式(12)所示:

40、

41、

42、se=se',sf=sf',se+1=sf  (12)

43、对于同向列车来说,列车在区间不能越行,在干扰场景w下,约束公式(12)中,为0-1变量,表示场景w下间隔活动a是否发生,当为1,即te在区间起点先发,则在区间终点,tf应该先到,为0-1变量,表示场景w下间隔活动a'是否发生;反之,当为0,即te在区间起点后发,则在区间终点,tf应该后到,该约束表明同向列车在区间必须先发先到;表示干扰场景w下车站到达间隔活动,表示干扰场景w下车站到达间隔活动;te',tf,tf'分别表示事件e',f,f'对应列车。se',sf,sf'分别表示事件e',f,f'发生的车站;

44、所述车站能力约束如式(13)所示:

45、

46、每一列车在每个车站的到达停车或者通过都需要占用车站的线路,因为资源的独占性,一条车站线路在某一段时间内只允许一列车使用,因此同一时间在每个站的列车的数量不能超过车站到发线数量;约束公式(13)中,统计在车站sf早于tf到达前到达的列车,统计在车站sf早于tf到达前出发的列车,两者相减表示列车到达车站前车站的列车数,其值必须小于车站总能力减1,否则车站不能接入列车,该式决定车站能否接车;表示干扰场景w下车站发到间隔活动,表示干扰场景w下到达事件集合,c表示车站能力;

47、所述干扰约束中,模型中引入4个变量来描述列车位置,表示场景w下列车是否在中断结束前发出,表示场景w下列车是否在中断结束前到达,表示场景w下列车是否在中断开始前发出,表示场景w下列车是否在中断开始后到达,其值根据式(14)、(15)、(16)、(17)确定:

48、

49、

50、

51、

52、约束公式(14)中,若列车在干扰结束前出发,即则列车实际出发时间早于干扰结束时间,即反之若列车在干扰结束后出发,即则列车实际出发时间晚于干扰结束时间,即约束公式(15)中,若列车在干扰结束前到达,即则列车实际到达时间早于干扰结束时间,即反之若列车在干扰结束后到达,即则列车实际出发时间晚于干扰结束时间,即约束公式(16)中,若列车在干扰开始前出发,即则列车实际出发时间早于干扰开始时间,即反之若列车在干扰开始后出发,即则列车实际出发时间晚于干扰开始时间,即约束公式(17)中,若列车在干扰开始前到达,即则列车实际到达时间早于干扰开始时间,即反之若列车在干扰开始后到达,即则列车实际出发时间晚于干扰开始时间,即它们之间的区别在于对于出发事件,其限制事件发生的车站范围为对于到达事件,车站范围为因为列车在始发站只有出发;同时,由于需要判断列车在干扰发生时是否完全通过干扰区间,约束公式(17)中到达事件的车站范围包括表示干扰区间起点车站,表示干扰区间终点车站,表示干扰场景w下列车到发事件集合,表示干扰结束时间;表示干扰开始时间;

53、对于中断发生时仍在区间的列车,它们的停车方案包括两种,一种是前方没有能力不能继续运行而不得不停在区间,另一种是可以继续向前运行停在车站;采用两种区间停车的规则如下:一是中断开始前从车站发出且中断开始后才到达相邻车站的列车才可能在区间停车,二是车站能力剩余情况下列车不能停在站外或区间;区间行车中断时停在车站及停在区间具体建模方式如式(18)-(23)所示:

54、

55、

56、

57、在约束公式(18)-(20)中,其表示对于任意干扰场景w,若列车在中断结束前到达车站即且中断结束后从车站出发即则列车停在车站即其余情况下即表示场景w下事件e对应的列车te是否因为干扰在车站se停站,表示场景w下事件f对应的列车tf是否因为干扰在车站sf停站,表示场景w下列车是否在中断结束前发出,表示场景w下列车是否在中断结束前到达;

58、

59、

60、在约束公式(21)、约束公式(22)中,表示场景w下列车是否在中断开始前发出,表示场景w下列车是否在中断开始前到达,列车在中断开始前从车站出发即且中断开始后到达前方车站即时,列车可能停在区间即表示场景w下列车te是否在停在车站se+1前,表示场景w下列车tf是否在停在车站sf前;

61、

62、

63、约束公式(23)中,表示场景w下列车t是否在停在车站s前;对于任意在范围内的车站s,表示干扰场景w下停在车站s的所有列车,当有列车停在车站s站外时,表明此时车站能力没有剩余,即

64、当列车停在区间或站外时,列车在干扰结束后才能进入车站,用约束公式(24)表示:

65、

66、场景w下列车te是否在停在车站se前;

67、为使列车在干扰结束后能够尽快恢复正常运行,在中断结束前,列车应尽可能停在靠近干扰发生的车站,其约束如式(25)、(26)所示:

68、

69、

70、在约束公式(25)中,对于任意在范围内的车站s,在中断结束前,表示所有从车站s后方站发往车站s的列车,表示停在车站s站外的列车,表示从车站s发出的列车,三者相减表示车站的接车能力,其不能大于车站的总能力;约束公式(26)则表示干扰起始车站的发车能力,表示中断结束前从发出的列车,包括中断开始前发出的列车及中断时域内发出的列车,表示停在中断区间的所有列车,表示中断开始前已越过中断区间的列车,三者相减则表示中断时域内从发出的列车,其值为0,即中断时域内所有列车均不能通过中断区间;

71、若突发干扰为区间限速,则在限速结束前从干扰区间起点出发且在限速开始后到达干扰区间终点的列车需要限速通过区间,具体建模方式如式(27)-(30)所示:

72、

73、

74、

75、

76、

77、约束公式(27)-(29)表示,若列车在限速结束前从限速区间起点出发即且在限速开始后到达限速区间终点即则列车限速通过区间即约束公式(30)表示若列车限速通过区间,则区间最小运行时间为区间限速通过时间与区间两端车站的起停附加时间之和;表示场景w下列车te是否在在干扰区间限速,表示场景w下列车tf是否在在干扰区间限速,表示列车限速后在干扰区间的最小运行时间;

78、所述不同干扰场景期望期决策相同约束中,在单个滚动时域范围内,每种干扰场景均包含期望期与展望期两个阶段,这里用x,y分别表示期望期与展望期内所有决策变量;对任意干扰场景w,在期望期只需决策x(w),在展望期则需要根据期望期的调整结果对展望期内的列车进行调整,即决策变量包括x(w),y(w);对不同的干扰场景,不管展望期内随机干扰的表现形式,在每个滚动时域范围内需要得到期望期内列车的调整方案,即不同干扰场景期望期的调整结果相同,其表达如式(31)所示:

79、

80、m,n分别表示不同的干扰场景,x(m)表示场景m期望期的决策变量,x(n)表示场景n期望期的决策变量。

81、优选的,在步骤s4中,所述采用滚动时域算法求解两阶段随机规划模型,获得单阶段调整运行图以及全天调整运行图,具体包括如下:

82、在每个滚动时域范围内,设阶段期望期开始时间为t,阶段期望期结束与展望期开始时间为t1,展望期内包括不同的干扰场景,用t2表示不同干扰场景的结束时间,展望期内获得干扰信息的时间为t_renew,所述干扰信息特指干扰结束、干扰加剧或干扰减弱;

83、在滚动时域范围内,输入列车、车站、区间及干扰场景信息后,经过两阶段随机规划模型计算获得期望期的调整方案及不同干扰场景下的阶段调整方案:

84、若未获得新的干扰信息,则更新阶段开始时间为t1后进入下一阶段,输出阶段期望期调整运行图;

85、若获得新的干扰信息且干扰加剧或减弱,则更新阶段开始时间为t1和阶段期望期结束时间为t_renew后进入下一阶段,输出阶段期望期调整运行图;

86、若干扰结束,且干扰信息与阶段所考虑的某一场景吻合,则更新阶段开始时间为t2,输出该场景下的阶段调整运行图,后续滚动均不考虑干扰的直接影响,直至求得完整的调整图;

87、若干扰结束,但干扰信息与阶段所考虑的场景均不吻合,则更新阶段开始时间为t1和干扰结束时间为t_renew后进入下一阶段,此时问题转化为单干扰确定性问题,输出阶段期望期调整运行图。

88、本发明的有益效果是:本发明基于连续干扰的不确定性,从宏观角度描述列车运行过程,定义了区间连续多干扰与干扰随机性的特点,分析区间连续随机多干扰下建模思路及框架,最后通过引入独立场景,建立以最小化列车取消、列车晚点及区间停车的两阶段随机规划模型。本发明还提出了一种改进滚动时域算法,通过时间分解,它在干扰发生时的每个滚动阶段均求解一个两阶段随机规划模型。该算法能够在短时间内找到可行解,大大提高了列车运行图调整的速率。该模型综合考虑列车晚点、取消及区间停车对调整方案的影响。与确定性方法相比,由于随机方法在不同中断时间下所得调整方案更加灵活,通过较少的列车取消和延误,更有可能在不确定性连续干扰的情况下获得更好和更加稳定的解决方法。

本文地址:https://www.jishuxx.com/zhuanli/20240718/234370.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。