[發明專利]一種高速鐵路列車階段調整方法與系統

在審

• 申請號: 202110884980.6
• 申請日: 2021-08-03
• 公開（公告）號: CN113415323A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 代學武;劉輝;崔東亮;俞勝平;張濤;張淼;李寶旭;孫健;李建明
• 申請（專利權）人: 東北大學;中國鐵道科學研究院集團有限公司通信信號研究所;中國鐵路沈陽局集團有限公司
• 主分類號: B61L27/00
• 分類號: B61L27/00;G06N3/00
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

1.一種高速鐵路列車階段調整方法，其特征在于，包括以下步驟：

步驟1：獲取列車調度相關的靜態線路信息和動態晚點信息；

所述靜態線路信息，包括：受突發事件影響的列車總數M，列車編號為i∈S_train＝{1，2，...，M}；受突發事件影響的車站總數為N，車站編號為j∈S_station＝{1，2，...，N}；受突發事件影響的區間總數為B，區間編號為b∈S_block＝{1，2，...，B}；最小區間運行時間最小停站時間最小出發間隔時間最小到達間隔時間列車運行計劃時刻表；維修天窗開始時間T^q；維修天窗結束時間T^z；各車站到發線數量；列車啟動附加時間列車停站附加時間

所述動態晚點信息，包括受突發事件影響列車型號、受突發事件影響的車站以及晚點時間；

步驟2：針對突發事件對列車造成的晚點，以受突發事件影響列車的總晚點時間f最小為目標，考慮高速鐵路列車調度中的約束條件，根據靜態線路信息和動態晚點信息建立高速鐵路列車行車調度模型，包括目標函數和約束條件；

步驟3：根據高速鐵路列車行車調度模型，利用改進蟻群算法確定受突發事件影響列車在受突發事件影響的每個車站的具體到發時刻，進而得到初始列車階段調整計劃；

步驟3.1：蟻群算法中的參數初始化；

步驟3.2：蟻群算法中的每只螞蟻根據高速鐵路列車行車調度模型里的約束條件確定受突發事件影響列車在受突發事件影響的每個車站的到發時刻范圍；

步驟3.3：將相鄰車站的到發時刻之間的連線及同一車站的發到時刻之間的連線均視為路徑，利用蟻群算法中的螞蟻對其各自所確定的到發時刻范圍中的到發時刻所對應的路徑進行搜索，每只螞蟻搜索完所有受突發事件影響列車和所有受突發事件影響車站便得到一個可行解，即所有受突發事件影響列車在受突發事件影響的每個車站的具體到出發時刻，且在所有螞蟻完成路徑搜索，都得到一個可行解后，視為算法完成一次迭代；

步驟3.4：對路徑上的信息素進行更新；

在當前迭代獲得的所有可行解中，找到其中的最優解，并利用最優解所對應的最優路徑上的信息對其他路徑上的信息素進行全局更新；

步驟3.5：根據目標函數在迭代過程中的變化情況，判斷是否滿足蟻群算法改進條件，若否，則轉至步驟3.6，若是，則對蟻群算法進行改進，改進完成后轉至步驟3.6；

所述對蟻群算法進行改進，包括針對蟻群算法中的啟發式因子組合(α，β)進行自適應調整和信息素揮發因子自適應調整兩個方面的改進：

1)所述啟發式因子組合(α，β)進行自適應調整的判斷條件如下：

F[n]-F[n-1]≤ε1_p (19)

其中，n表示算法的當前迭代次數；ε是閾值，是一個取值較小的標量，由實驗和經驗確定；1_p是一個p維列向量，其所有元素取值均為1；F[n]為式(20)所示的p維向量，代表離第n次迭代最近p次迭代的目標函數值；F[n-1]為式(21)所示的p維向量，代表離第n-1次迭代最近p次迭代的目標函數值；

F[n]＝{f^*[n-p+1]，...，f^*[n-1]，f^*[n]} (20)

F[n-1]＝{f^*[n-p]，...，f^*[n-2]，f^*[n-1]} (21)

其中，f^*[n]表示蟻群在第n次迭代所搜索到的最佳目標函數值；f^*[n-1]表示蟻群在第n-1次迭代所搜索到的最佳目標函數值；f^*[n-p+1]表示蟻群在第n-p+1次迭代所搜索到的最佳目標函數值；f^*[n-p]表示蟻群在第n-p次迭代所搜索到的最佳目標函數值；f^*[n-2]表示蟻群在第n-2次迭代所搜索到的最佳目標函數值；

當公式(19)所示的啟發式因子組合(α，β)進行自適應調整的判斷條件滿足時，對信息啟發式因子和期望啟發式因子進行調整，調整方法如下：

其中，θ₁與θ₂的取值是一個常數，決定α和β變化的趨勢，前期搜索以啟發信息為主，因此前期β參數值較大，后期會相應減小，而后期為了增加算法的搜索性能，需逐漸增加α的參數值；α[n]表示第n次迭代時信息啟發式因子的值；α[n+1]表示第n+1次迭代時信息啟發式因子的值；β[n]表示第n次迭代時期望啟發式因子的值；β[n+1]表示第n+1次迭代時期望啟發式因子的值；

2)信息素揮發因子自適應調整：當算法求得的目標函數連續N_equal次迭代沒有變化時，對信息素揮發因子做如下改進：

上式中，ρ(n)表示第n次迭代揮發因子的值；ρ(n+1)表示第n+1次迭代揮發因子的值；θ₃是一個常數，決定揮發因子每次變化的大小；ρ_min代表揮發因子的下限；

步驟3.6：判斷是否達到最大迭代次數，是，則停止路徑搜索，輸出最優解，得到受突發事件影響列車在受突發事件影響的每個車站的具體到發時刻，進而可得到初始列車階段調整計劃，否，則轉至步驟3.2；

步驟4：列車調度員獲取步驟3得到的初始列車階段調整計劃，參考初始列車階段調整計劃確定最終的列車階段調整計劃。