【技术实现步骤摘要】
一种区间干扰下列车延误双向传播推演方法
[0001]本专利技术属于高速铁路网络列车延误传播
,尤其涉及一种区间干扰下列车延误双向传播推演方法。
技术介绍
[0002]我国高速铁路从“四纵四横”发展成“八纵八横”,具有密度高,规模大、呈“网络化”态势发展等特征。准点率是评价铁路运营及决定旅客服务体验的重要指标;高速列车通常按照计划时刻表规定的到达、出发时间在铁路线路上运营;然而,由于高速列车运行线路长,通常跨省份运营,受气候、地貌特征差异影响导致运营环境复杂;任意偶发的极端天气、自然灾害、异物侵限、设备故障等干扰都会导致列车出现初始晚点,铁路网络的复杂拓扑结构及列车高速运营等特点会加速延误动态传播,导致大面积连带延误的出现。大面积延误会对铁路运营及旅客服务产生不可逆的负面效应,如旅客大面积滞留车站,极度拥堵下可能会产生踩踏等事故;同时旅客大量退票会造成铁路系统经济的重大损失。
[0003]为此,现有技术中提供一种高速铁路网络列车延误传播的预测方法,其包括:获取待预测路网内所有车次的列车时刻表和车站股道容量信息;根据获取的列车时刻表信息,建立物理线路轨道层的有向加权网络;根据获取的列车时刻表信息,建立计划时刻表层的有向加权网络;根据建立的物理线路轨道层的有向加权网络和计划时刻表层的有向加权网络,建立离散事件动态网络,并通过极大代数方法将离散事件动态网络表示为延误传播的数学模型;以初始延误点作为输入,根据延误传播的数学模型,并以股道容量为约束对高速铁路网络列车延误进行车延误传播的预测,上述方法可以进行全网的延 ...
【技术保护点】
【技术特征摘要】
1.一种区间干扰下列车延误双向传播推演方法,其特征在于,包括:S10、根据突发事件中断类型、突发事件中断区间信息和铁路网络拓扑结构,获取运行列车到达下一车站的第一延误集合;S20、根据关联车站的突发事件处理策略对关联车站内的运行列车进行反向传播推演,获取所有关联车站的运行列车的第二延误集合;关联车站为与第一延误集合中运行列车延误关联的所有车站;S30、根据铁路网络的时刻表,构建以列车出发、离开、到达车站为事件的极大代数离散模型及约束条件;所述约束条件包括车站容量约束、停留时间约束、离开间隔时间约束、到达间隔时间约束、区间运行时间约束;S40、根据第一延误集合、第二延误集合,采用考虑了车站容量约束的MAPCP算法求解极大代数离散模型,获得双向传播推演结果。2.根据权利要求1所述的方法,其特征在于,所述S10包括:突发事件中断类型包括:紧急制动场景、临时限速场景;干扰类型包括:区间中断和临时限速;突发事件中断区间信息包括:突发事件发生的区间[S
i
,S
i+1
],突发事件发生区间的位置[s
sg
,s
eg
],突发事件持续的时间Δt
g
=[t
sg
,t
eg
],初始时刻表X0,当φ=0,表示干扰类型为区间中断,当φ=1,表示干扰类型为临时限速;将突发事件的持续时间、中断类型与铁路网络拓扑结构中运行的列车建立线性关联,确定突发事件发生事件范围内属于在干扰区间[S
i
,S
i+1
]运行的列车到达下一车站的第一延误集合P1;S
i
表示车站i,S
i+1
表示车站i+1,s
sg
表示干扰发生开始的位置;s
eg
表示干扰发生结束的位置;t
sg
表示干扰发生开始的时间;t
eg
表示干扰发生开始的时间;Δt
g
表示干扰持续的时间。3.根据权利要求1所述的方法,其特征在于,所述S20包括:针对关联车站的每一车站,根据车站的突发事件处理策略、车站容量、预先定义的反向传播的范围、突发事件持续的时间[t
sg
,t
eg
]和车站容量进行线性关联,并对[t
sg
,t
eg
]内的N2辆列车进行车站容量检测得到从该车站出发时所有延误列车的第二延误子集;将关联车站中所有车站所属的第二延误子集组成第二延误集合P2;t
sg
表示干扰发生开始的时间;t
eg
表示干扰发生结束的时间。4.根据权利要求3所述的方法,其特征在于,所述S20包括:针对关联车站中的每一车站,基于车站的突发事件处理策略,假设有k个列车位于干扰区间[S
i
,S
i+1
]中,根据下述公式(2)至(4)计算第j列车的实际到达的时间及初始延误;]中,根据下述公式(2)至(4)计算第j列车的实际到达的时间及初始延误;]中,根据下述公式(2)至(4)计算第j列车的实际到达的时间及初始延误;
其中,当φ=0时,当φ=1时,将实际到达的时间存在变化的列车及存在初始延误的所有列车组成第二延误集合P2;N2辆列车的编号为S={j
‑
k
‑
1,j
‑
k
‑
2,
…
,j
‑
k
‑
N2},在车站S
i
之前位置运行,当停留在车站S
i
中的列车数目与在区间[S
i
‑1,S
i
]运行的数目之和大于车站S
i
的容量时,车站S
i
将会触发扣停策略;在干扰持续时间内,停止向区间[S
i
,S
i+1
]发车,对于第j
‑
k
‑
1辆车,其离开车站S
i
的时间为t
eg
,对于后续列车,基于公式(5)计算第一批被扣车的离开时间为:其中,Δk表示扣在车站的列车的次序,而η表示车站的次序,该过程当时终止,并更新P2;表示在区间[S
i
,S
i+1
]间第j辆车运行耗费的时间;表示第j辆车制动部分耗费的时间,表示第j辆车牵引部分耗费的时间;表示第j辆车巡航部分耗费的时间;表示第j辆车实际离开车站i的时间;表示第j辆车计划到达车站i+1的时间;表示到达间隔时间约束;表示第j辆车离开第i+1个车站的延误时间,表示第j辆车实际离开第i+1个车站的时间,表示第j辆车计划离开第i+1个车站的时间。5.根据权利要求4所述的方法,其特征在于,所述S30包括:基于当前所属铁路网络的时刻表及铁路网络拓扑结构,构建以列车出发、离开、到达车站为事件的极大代数离散模型,其中,A是一个n
×
n的约束矩阵,其元素a
pq
表示事件e
p
和e
q
之间存在的约束值,当e
p
和e
q
之间存在直接相关性时,a
pq
等于具体的约束值;而当e
p
和e
q
之间互相独立时,a
pq
=ε;T
n
×1代表事件的计划时间,X
n
×1代表事件的实际时间,P
n
×1表示初始延误集合;T和P均表示矩阵,X为实时更新的矩阵;约束条件包括:(1)区间运行时间约束:在区间[S
【专利技术属性】
技术研发人员:董海荣,吴兴堂,连文博,周敏,吕金虎,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。