一种多约束条件的列车运行调整的计算方法和装置制造方法及图纸

本发明专利技术实施例提供了一种多约束条件的列车运行调整的计算方法和装置，所述方法包括：S1，对基于遗传算法的高速列车运行调整问题进行建模；S2，根据建好的模型，构建综合考虑列车晚点时间和能耗的优化目标；S3，在约束条件下，根据所述优化目标，对列车进行调整。本发明专利技术可以在保证列车安全追踪距离与电能供应的情况下尽可能缩短晚点时间。

【技术实现步骤摘要】
一种多约束条件的列车运行调整的计算方法和装置
本专利技术涉及交通领域，尤其涉及一种多约束条件的列车运行调整的计算装置。
技术介绍
高速列车作为轨道交通运输的重要组成部分，承担着国家经济发展、文化交流和城市建设等方面的重大发展战略。作为中国铁路旅客运输的主要方式，到目前为止，已有超过90亿人次的旅客经由高速列车输送到大江南北，快速、安全已经成为它的标志。但是，当运行环境中出现恶劣天气、设备故障、人为突发事件等不可抗力时，高速运行的列车会被迫降速甚至停车而出现晚点，由于列车运行速度快，列车数量多，行车间隔小，晚点将在线路上快速传播，导致大量列车延误，这对高速列车的快速、稳定运行产生了巨大威胁。当干扰消除后，已经延误的各次列车无法按原计划行车，如何重新安排列车的行车计划能够使线路尽快恢复原有秩序，缩短晚点时间，对保证高速列车安全、高效运行具有重要的意义。目前，国内外对于高速列车运行计划的调整做了许多的研究。早期部分研究人员通过数学规划法、分支界定法等运筹学方法建立数学模型进行求解，但由于模型较为复杂、搜索空间较大，很难得到最优解；随着计算机技术和人工智能方法的快速发展，智能算法逐步应用到列车运行调整问题的研究当中，常用的算法包括遗传算法、蚁群算法、粒子群算法、萤火虫算法、模拟退火算法等，求解优化的目标通常为所有列车总晚点时间、终到站晚点时间、按不同列车速度等级划分不同权重后的加权晚点时间等，问题的解以各次列车在各站的出发、到达时刻的形式表述，通过建立模型并运用计算机求解，可以获得满足条件的解作为晚点发生后的调整计划。但已有的方法中还存在一些不足之处：首先，高速列车的调度问题并非理想化的单独存在，在安排发车、到站时刻时，还需考虑区间运行中列车的速度变化，包括线路本身的坡度、曲线、桥梁隧道等特殊区段的限速，以及由缩短发车间隔后后续列车受前行列车位置的影响保证安全追踪距离不得超过的限速，即限速是算法求解过程中一个重要的约束条件；其次，高速列车依靠电力提供动力，当一个区间内列车数量较多时可能引起供电不足导致列车加速无力，即供电能力是另一个约束条件；此外，从节能角度，若安排合理可使运行过程中的能耗降低，即可把能耗作为衡量调整方案的除晚点时间外的另一个指标。随着轨道交通的快速发展和人们出行需求的加大，列车数量不断增多、运行速度不断提高，相邻列车的行车间隔越来越小，这就对控制列车速度保证安全提出了较高的要求。高速铁路采用ATP速度防护技术监控列车运行速度，ATP计算机获取前方列车的位置信息以及坡度、弯道、桥梁隧道、特殊区段等线路信息，结合列车基本参数，计算出当前位置列车允许最高限速。以正在运行当中的两列车为例，列控系统将前行列车的位置发送至后行列车，对后车而言，前车位置即为危险点，由此计算出后车的限速，前车位置不断改变，后车的限速也随之变化，对前车而言，前方车站为停车点，由前车距停车点距离可计算出前车的限速，则可得到列车速度—距离模式曲线，列车的实际运行速度必须严格遵循ATP曲线，不可超出限速值。高铁列车依靠电力驱动行驶，高速铁路的牵引供电系统需保证安全可靠、不间断地提供稳定的电力输送。由于接触网提供的电力通常为固定值，当列车运行间隔较短时，电力系统可能无法保证所有列车获得足够的电能。
技术实现思路
本专利技术的实施例提供了一种多约束条件的列车运行调整的计算方法和装置，可以在保证列车安全追踪距离与电能供应的情况下尽可能缩短晚点时间。一种多约束条件的列车运行调整的计算方法，包括：S1，对基于遗传算法的高速列车运行调整问题进行建模；S2，根据建好的模型，构建综合考虑列车晚点时间和能耗的优化目标；S3，在约束条件下，根据所述优化目标，对列车进行调整。一种多约束条件的列车运行调整的计算装置，包括：建模单元，对基于遗传算法的高速列车运行调整问题进行建模；构建单元，根据建好的模型，构建综合考虑列车晚点时间和能耗的优化目标；调整单元，在约束条件下，根据所述优化目标，对列车进行调整。本专利技术基于多约束条件、多优化目标研究列车运行调整问题，并将调整方案与列车运行控制有效地结合起来，实现调度与列控的一体化，可以在保证列车安全追踪距离与电能供应的情况下尽可能缩短晚点时间。由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例中，本专利技术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，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案，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专利技术的一些实施例，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为本专利技术的多约束条件的列车运行调整的计算方法的示意图；图2为本专利技术的列车目标—距离模式示意图；图3为本专利技术的列车牵引特性曲线的示意图；图4为本专利技术的列车牵引供电示意图。图5为本专利技术的第一代种群示意图。图6为本专利技术的第七代种群示意图。图7为本专利技术的遗传过程总晚点时间变化示意图。图8为本专利技术的遗传过程总能耗变化示意图。图9为本专利技术的遗传过程适应度值变化示意图。具体实施方式下面详细描述本专利技术的实施方式，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，仅用于解释本专利技术，而不能解释为对本专利技术的限制。为便于对本专利技术实施例的理解，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专利技术实施例的限定。如图1所示，为本专利技术所述的一种多约束条件的列车运行调整的计算方法，包括：S1，对基于遗传算法的高速列车运行调整问题进行建模；S2，根据建好的模型，构建综合考虑列车晚点时间和能耗的优化目标；S3，在约束条件下，根据所述优化目标，对列车进行调整。所述步骤3包括：S31，将列车运行调整计划以列车运行间隔时间的形式表示；S32，首次列车按线路最大限速全速行驶，后续各次列车按间隔时间确定与前车的位置依次计算最大限速，生成速度-位置曲线并确定区间运行时间；S33，由各次列车的发车间隔时间及区间运行时间确定实际到站时间；S34，结合计划运行图确定晚点时间；S35，由速度-位置曲线计算能耗；S36，由晚点时间及能耗加权求和得出目标函数作为确定该调整方案优劣程度的依据；S37，按照遗传算法的选择、交叉、变异进入种群的寻优过程；S38，判断算法是否达到收敛的终止条件，如果没有，则跳到步骤S31，否则，结束处理，将当前结果作为最优调整方案。所述步骤3包括：步骤31，通过计算机生成随机数的方式，产生第一代种群，种群个体大于预定阈值以保证随机性且利于后续的计算；...

【技术保护点】
1.一种多约束条件的列车运行调整的计算方法，其特征在于，包括：/nS1，对基于遗传算法的高速列车运行调整问题进行建模；/nS2，根据建好的模型，构建综合考虑列车晚点时间和能耗的优化目标；/nS3，在约束条件下，根据所述优化目标，对列车进行调整。/n

【技术特征摘要】
1.一种多约束条件的列车运行调整的计算方法，其特征在于，包括：
S1，对基于遗传算法的高速列车运行调整问题进行建模；
S2，根据建好的模型，构建综合考虑列车晚点时间和能耗的优化目标；
S3，在约束条件下，根据所述优化目标，对列车进行调整。


2.根据权利要求1所述的方法，其特征在于，所述步骤3包括：
S31，将列车运行调整计划以列车运行间隔时间的形式表示；
S32，首次列车按线路最大限速全速行驶，后续各次列车按间隔时间确定与前车的位置依次计算最大限速，生成速度-位置曲线并确定区间运行时间；
S33，由各次列车的发车间隔时间及区间运行时间确定实际到站时间；
S34，结合计划运行图确定晚点时间；
S35，由速度-位置曲线计算能耗；
S36，由晚点时间及能耗加权求和得出目标函数作为确定该调整方案优劣程度的依据；
S37，按照遗传算法的选择、交叉、变异进入种群的寻优过程；
S38，判断算法是否达到收敛的终止条件，如果没有，则跳到步骤S31，否则，结束处理，将当前结果作为最优调整方案。


3.根据权利要求1所述的方法，其特征在于，所述步骤3包括：
步骤31，通过计算机生成随机数的方式，产生第一代种群，种群个体大于预定阈值以保证随机性且利于后续的计算；
步骤32，参与调整的各次列车当中，首次出发的列车前方无其他列车为追踪点，则将前方到达车站作为追踪点，按照最大牵引力加速至线路最大限速后保持巡航，最大制动力减速至前方车站停车的方式计算速度-位置曲线，取相应的时间步长以提高计算的准确度，保存该列车每一时刻的速度、位置、时间及牵引电流、电压值；
步骤33，后续行驶的各次列车以前方最近的列车作为追踪点，计算每时刻的最大允许限速，由限速得到速度-位置曲线，当发车间隔较小时，后行列车的限速容易受前车影响而降低；按照发车间隔时间依次安排各次列车发车，每时刻获取前车位置计算最大限速，保证各次列车均不超过限速行驶，同样记录每时刻的列车速度、位置、时间、牵引电流值；
步骤34，由速度-位置曲线，得到各次列车的运行总时间并确定牵引、巡航工况的转换点及各工况下的运行距离；
步骤35，由各次列车的区间运行时间结合发车时间计算得出到站时间：



步骤36，实际到站时间与计划到站时间的差值即为该列车的晚点时间，各次列车的晚点时间之和为总晚点时间，能耗为牵引及巡航工况下牵引力对位移的积分，晚点时间与能耗按不同权重经归一化处理后求和即为适应度值：






Ψ1＝qT*TDelay+qE*E(4)
步骤37，由各次列车运行过程中的牵引电流、位移数据，得出当前所处供电区间内的接触网分压大小，判断是否满足供电约束条件，若不满足则将适应度值加一，作为最终的适应度；
Ψ2＝Ψ1+sgn(U)(5)



步骤38，进入下一代运算并重复步骤32～步骤37过程。


4.根据权利要求3所述的方法，其特征在于，所述适应度的计算方式包括：
(1)对个体进行解码，得到参与调整的各次列车发车间隔时间；
(2)参照时刻表，由发车间隔时间确定各次列车的发车时刻；
(3)根据ATP限速约束条件，由前方列车的所处位置依次计算后续各次列车在运行过程当中的速度、位置、牵引电流、分压等各数据；
(4)根据高速列车的所需电能大小，由实际的电流电压值判断其是否满足供电能力约束；
(5)由各次列车的运行时间...

【专利技术属性】
技术研发人员：王洪伟，袁志明，朱力，林思雨，刘桐林，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11