引用本文

周敏, 顾灏璇, 董海荣, 刘仁伟, 刘瑄. 考虑动车组周转和到发线运用的高铁列车运行多计划协同调整. 自动化学报, 2024, 50(8): 1577−1588 doi: 10.16383/j.aas.c230379

Zhou Min, Gu Hao-Xuan, Dong Hai-Rong, Liu Ren-Wei, Liu Xuan. Multi-plan collaborative rescheduling of high-speed train operation considering the utilization of rolling stock and arrival and departure tracks. Acta Automatica Sinica, 2024, 50(8): 1577−1588 doi: 10.16383/j.aas.c230379

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c230379

关键词

多计划协同调整，动车组周转，到发线运用，事件−活动网络，两阶段求解方法 

摘要

随着我国高速铁路快速发展, “八纵八横”高铁路网加密成型, 呈现出运行环境复杂、行车密度高及长交路跨线运营等典型特征. 一旦遭受大风、红光带、接触网挂异物和设备故障等突发事件, 则将导致列车偏离运行计划, 进而影响到发线运用和动车组(Eletric multiple units, EMU)周转计划. 如何在调整运行图的同时保证动车组和到发线运用的可行性是提高列车运行调整效率的关键. 针对区间双向中断场景下到发线运用冲突和动车组接续计划失效问题, 采用取消列车、变更列车到发时刻、更换到发线、备用动车组接续等策略对运行图、动车组和到发线运用计划进行调整. 基于事件−活动网络建立考虑动车组接续和到发线运用的列车运行协同调整模型, 设计两阶段求解方法对模型求解. 运用京津城际实际数据对模型和方法进行仿真验证, 结果表明相比于先到先服务(First come, first served, FCFS)策略, 多计划协同调整策略能有效降低列车晚点时间. 与整体求解方法相比, 两阶段求解方法能够保证模型求得解的质量且有效提高模型求解效率.

文章导读

高速铁路具有高效便捷、安全可靠、快速通达和环境友好等优点, 在综合交通运输体系中发挥着不可替代的作用[1−2]. 截止2023年底, 我国高速铁路运营里程突破4.5万公里, 已建成世界上最大且唯一的高速铁路运营网络. 随着路网规模的不断扩大, 呈现出超大客流常态化、运输能力极限化和随机扰动多源化等新特征. 一旦系统受到大风、接触网挂异物、红光带等突发事件导致区间临时中断, 极易造成路网列车大面积延误, 对高速铁路正常运营产生巨大的影响[3]. 例如: 2021年5月1日, 受京广高铁定州东至保定东间接触网挂异物影响, 导致无法按照既定的动车组周转计划及到发线运用计划执行, 造成北京西站始发16列车取消、百余列车延误, 大量旅客滞留车站超5小时. 这些突发事件极易导致列车晚点停运、乘客满意度下降, 严重时甚至带来生命财产重大损失, 造成恶劣的社会影响. 如何快速地制定优化调度方案, 对动车组和线路资源等进行动态调整, 减少恢复正常运营的时间, 是保障高速铁路高效运行的关键. 

近年来, 区间临时中断条件下列车运行调整问题受到国内外学者的关注. Zhou等[4]针对中断导致延误传播至相邻调度区段的场景, 以列车到达延误时间、列车在交接站发车延误时间和列车总晚点次数为目标建立了高铁多调度区段运行图协同调整混合整数线性规划模型, 生成列车到发时刻及发车顺序的调整方案. Zhu等[5]针对不确定干扰下的区间双线线路同时中断场景, 将列车运行调整问题等价为滚动时域两阶段随机规划问题, 并基于荷兰部分铁路对随机规划方法进行试验, 同时与确定性滚动时域算法进行比较. Veelenturf等[6]建立了整数线性规划模型来解决在大规模中断后的列车运行调整问题, 模型以最小化取消列车数量、列车延误为目标, 考虑了车站容量及动车组库存量等. Reynolds等[7]提出一种基于数据驱动的可变速度列车运行调整模型, 并将该模型与其他模型从求解时间等层面进行对比, 同时还比较了变速度与不变速度模型解的质量. Zhan等[8]针对区间单方向中断情况下的列车运行调整问题设计了一种混合整数规划模型来决策列车的出发通过中断区间的顺序、列车在各个站的出发到达时刻及是否取消列车任务. 同时还探究了三种重要的列车调整策略并进行建模对比, 采用滚动时域算法对模型进行分解, 降低了求解规模. 针对干扰条件下的列车开行方案进行优化, 吴兴堂等[9]建立了以提升经济效益和网络负载均衡为目标的非线性混合整数规划模型, 并采用基于遗传算法和粒子群算法的两阶段混合搜索求解算法进行求解. 综上所述, 已有研究大多是针对列车运行调整问题, 以列车总晚点时间为目标, 从宏观层面考虑车站容量及动车组库存等问题, 并不能真实体现动车组运用及到发线运用对列车运行调整产生的影响. 

从微观角度出发, Meng等[10]提出一种考虑到发线运用的列车运行调整模型, 以到发线运用均衡及最小化总延误时间为目标, 采用人工蜂群算法进行求解. Zhang等[11]提出一种股道紧急维护与列车运行调整协同实时优化策略, 该策略不仅能够针对股道紧急维护进行在线决策, 还可同时对由维护引起的列车延误进行实时调整. 文献[12]运用时空网络构建了能够同时进行列车路径及运行图调整的整数规划模型, 并采用拉格朗日松弛方法将原始的大规模复杂问题分解为顺序单列车调整子问题, 最后采用标准的标签纠正算法以获得可行解. Lu等[13]针对车站到发线运用调整问题, 提出基于冲突度的能够适应多种联锁机制的列车停站与运行调整问题模型, 并采用基于滚动时域思想的遗传算法及CPLEX进行求解. 针对列车停站计划及运行图优化问题, Yang等[14]提出一种协同优化方法, 以最小化总停站时间和总延误时间为目标, 建立多目标混合整数线性规划模型, 并采用CPLEX 求解器进行求解. Zhang等[15]针对干扰的不确定性问题设计了一种基于信息更新的单线铁路实时优化调整策略, 考虑列车出发到达时间、列车次序及停站计划构建了混合整数线性优化模型, 并采用基于场景机遇约束的模型预测控制算法来降低求解时间, 最后与经典调整策略进行对比来验证模型的可行性. 彭其渊等[16]在考虑到发线与咽喉区进路综合运用优化的前提下, 以列车运行晚点和车站作业秩序影响双方面最小化为目标, 建立了混合整数线性规划模型. 将该问题分解为到发线运用方案编制子问题和列车到发时刻调整子问题, 并设计了基于分支定界的算法框架来满足调整的实时性. Liu等[17]从实际列车运行调整问题出发, 在运行图调整的同时考虑到发线运用调整, 基于事件−活动网络构建了基于场景的机会约束模型, 并采用交替方向乘子法(Alternating direction method of multipliers, ADMM) 对模型进行求解. 通过考虑车站到发线运用的问题使模型结果更加符合客观实际列车运营场景, 但由于未考虑动车组周转的问题很可能出现调整后的结果在动车组运用方面不可行, 造成动车组资源的浪费. 

针对突发事件导致动车组运用无法按计划执行的问题, Zhou等[18]建立了一种列车运行图与动车组运用的协同调整混合整数线性规划模型, 模型中考虑动车组的灵活编组模式, 并采用基于可变领域搜索的遗传算法进行求解. 文献[19]提出一种变邻域搜索算法来解决动车组运用调整的问题, 模型中考虑了列车顺序、乘客舒适度等因素. 为解决模型过度复杂而导致求解时间较长的情况, Wang等[20]研究了在完全中断情景下考虑运行图及动车组周转协同的城市轨道列车调整, 考虑最大可用动车组数量约束、动车组周转约束及动车组接续约束建立多目标混合整数线性规划模型, 以最小化时刻表偏离量、取消列车数量等为目标, 采用两阶段算法进行求解以提高模型计算效率. 周晓昭等[21]以列车运行总晚点时间最小、晚点波及到的列车数量最少为目标建立考虑动车组接续的列车运行调整模型, 采用基于和声搜索算法针对4种不同延误场景对所建立的模型进行仿真验证. 史峰等[22]研究了考虑动车组周转与到发线运用的列车运行图优化问题, 所建立的优化模型以最小化动车组接续时间与列车运行总时间为目标, 运用匈牙利算法对所建立的优化模型进行求解. 文献[23]建立了以优化动车组接续质量为目标的列车运行调整模型, 模型中考虑动车组接续对列车车站作业计划的影响, 采用紧凑接续算法对模型进行求解. 论文所建立的模型能够在一定程度上缓解车站咽喉区的压力并有效提高动车组接续的质量. 占曙光[24]针对区间部分中断情况建立了考虑动车组接续的列车运行调整模型, 从宏观层面考虑车站容量问题, 采用CPLEX 对模型进行求解, 并基于京沪铁路运营数据对模型进行多场景测试. 石敏涵等[25]通过考虑列车停站方案、列车运行图以及动车组接续计划三者之间的关系, 构建了双层协同优化模型, 上层模型优化旅客需求满足程度及运营成本, 下层优化动车组运用指标, 并设计双层启发式算法进行求解. 王斌等[26]提出一种考虑动车组周转和到发线运用的综合优化模型, 该模型以最小化动车组使用数量为目标, 综合考虑动车组的接续关系及列车占用到发线的相容性, 同步得到可行的高速铁路动车组周转方案和到发线运用方案. 

综上所述, 现有文献多集中于研究考虑动车组接续或考虑车站到发线运用的列车运行调整, 在两者结合方面通常侧重于计划优化, 较少考虑突发情况下的多计划协同调整. 针对我国高铁成网跨线运营的现状, 严重干扰条件下考虑动车组周转及到发线运用调整的列车运行多计划协同调整的高铁调度的核心问题之一. 动车组作为重要的移动设施, 在每个动车段或动车所配属的数量均有限. 严重干扰条件下部分列车可能会被取消运行, 影响车站到发线运用计划, 导致高铁运营效率降低. 因此, 在运行图调整的基础上综合考虑动车组周转及到发线运用调整具有重要的理论和实际意义. 本文针对区间双向中断场景下的车站到发线与动车组接续协同优化问题, 基于事件−活动网络构建了考虑取消列车、变更到发站时间、更换列车到发线、使用备用动车组等策略的列车运行多计划协同调整模型, 设计了两阶段求解方法以提高模型求解的实时性和效率. 

图 1  具有中断区间的双线线路

图 2  区间中断条件下的车站示意图

图 3  事件−活动网络

针对区间双向同时中断条件下的高速列车运行协同调整问题, 本文基于事件−活动网络构建了考虑动车组和到发线运用的列车运行协同调整混合整数规划模型, 并通过线性化方法将模型中非线性约束做线性化处理后, 采用两阶段求解方法进行求解. 结合京津城际铁路实际运营数据验证模型和求解方法的可行性和有效性. 本文所建立的模型能够有效解决动车组接续、到发线运用与列车运行图协同调整问题, 调整列车运行图的同时, 可获得可行的动车组周转及到发线运用方案. 相比于传统的FCFS策略, 本文所提出的组合策略能够在列车总延误、偏离原计划程度等方面降低区间中断带来的影响. 同时, 本文设计的两阶段求解算法能够有效降低问题规模, 在较短时间内获得近似最优解. 考虑到实际问题的复杂性, 本文仅对区间双向中断场景进行了研究, 在未来的研究中可以将模型应用于多种扰动场景, 研究大规模复杂路网下的多专业协同调整方法, 进一步解决路网层面的多计划协同调整问题. 

作者简介

周敏

北京交通大学自动化与智能学院副教授. 2019年获得北京交通大学交通信息工程及控制专业博士学位. 主要研究方向为高铁智能优化与调度, 人群应急管控. E-mail: zhmin@bjtu.edu.cn

顾灏璇

北京交通大学自动化与智能学院硕士研究生. 主要研究方向为高铁智能优化与调度

董海荣

北京交通大学自动化与智能学院教授. 主要研究方向为智能交通系统建模优化, 自主感知与协同控制, 人工智能. 本文通信作者. E-mail: hrdong@bjtu.edu.cn

刘仁伟

中国铁路北京局集团有限公司高级工程师. 主要研究方向为高铁行车调度与运输管理

刘瑄

北京交通大学自动化与智能学院博士研究生. 主要研究方向为列车速度曲线优化, 智能调度