[发明专利]一种高速铁路列车阶段调整方法与系统在审

专利信息
申请号: 202110884980.6 申请日: 2021-08-03
公开(公告)号: CN113415323A 公开(公告)日: 2021-09-21
发明(设计)人: 代学武;刘辉;崔东亮;俞胜平;张涛;张淼;李宝旭;孙健;李建明 申请(专利权)人: 东北大学;中国铁道科学研究院集团有限公司通信信号研究所;中国铁路沈阳局集团有限公司
主分类号: B61L27/00 分类号: B61L27/00;G06N3/00
代理公司: 沈阳东大知识产权代理有限公司 21109 代理人: 梁焱
地址: 110819 辽宁*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 高速铁路 列车 阶段 调整 方法 系统
【权利要求书】:

1.一种高速铁路列车阶段调整方法,其特征在于,包括以下步骤:

步骤1:获取列车调度相关的静态线路信息和动态晚点信息;

所述静态线路信息,包括:受突发事件影响的列车总数M,列车编号为i∈Strain={1,2,...,M};受突发事件影响的车站总数为N,车站编号为j∈Sstation={1,2,...,N};受突发事件影响的区间总数为B,区间编号为b∈Sblock={1,2,...,B};最小区间运行时间最小停站时间最小出发间隔时间最小到达间隔时间列车运行计划时刻表;维修天窗开始时间Tq;维修天窗结束时间Tz;各车站到发线数量;列车启动附加时间列车停站附加时间

所述动态晚点信息,包括受突发事件影响列车型号、受突发事件影响的车站以及晚点时间;

步骤2:针对突发事件对列车造成的晚点,以受突发事件影响列车的总晚点时间f最小为目标,考虑高速铁路列车调度中的约束条件,根据静态线路信息和动态晚点信息建立高速铁路列车行车调度模型,包括目标函数和约束条件;

步骤3:根据高速铁路列车行车调度模型,利用改进蚁群算法确定受突发事件影响列车在受突发事件影响的每个车站的具体到发时刻,进而得到初始列车阶段调整计划;

步骤3.1:蚁群算法中的参数初始化;

步骤3.2:蚁群算法中的每只蚂蚁根据高速铁路列车行车调度模型里的约束条件确定受突发事件影响列车在受突发事件影响的每个车站的到发时刻范围;

步骤3.3:将相邻车站的到发时刻之间的连线及同一车站的发到时刻之间的连线均视为路径,利用蚁群算法中的蚂蚁对其各自所确定的到发时刻范围中的到发时刻所对应的路径进行搜索,每只蚂蚁搜索完所有受突发事件影响列车和所有受突发事件影响车站便得到一个可行解,即所有受突发事件影响列车在受突发事件影响的每个车站的具体到出发时刻,且在所有蚂蚁完成路径搜索,都得到一个可行解后,视为算法完成一次迭代;

步骤3.4:对路径上的信息素进行更新;

在当前迭代获得的所有可行解中,找到其中的最优解,并利用最优解所对应的最优路径上的信息对其他路径上的信息素进行全局更新;

步骤3.5:根据目标函数在迭代过程中的变化情况,判断是否满足蚁群算法改进条件,若否,则转至步骤3.6,若是,则对蚁群算法进行改进,改进完成后转至步骤3.6;

所述对蚁群算法进行改进,包括针对蚁群算法中的启发式因子组合(α,β)进行自适应调整和信息素挥发因子自适应调整两个方面的改进:

1)所述启发式因子组合(α,β)进行自适应调整的判断条件如下:

F[n]-F[n-1]≤ε1p (19)

其中,n表示算法的当前迭代次数;ε是阈值,是一个取值较小的标量,由实验和经验确定;1p是一个p维列向量,其所有元素取值均为1;F[n]为式(20)所示的p维向量,代表离第n次迭代最近p次迭代的目标函数值;F[n-1]为式(21)所示的p维向量,代表离第n-1次迭代最近p次迭代的目标函数值;

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]表示蚁群在第n次迭代所搜索到的最佳目标函数值;f*[n-1]表示蚁群在第n-1次迭代所搜索到的最佳目标函数值;f*[n-p+1]表示蚁群在第n-p+1次迭代所搜索到的最佳目标函数值;f*[n-p]表示蚁群在第n-p次迭代所搜索到的最佳目标函数值;f*[n-2]表示蚁群在第n-2次迭代所搜索到的最佳目标函数值;

当公式(19)所示的启发式因子组合(α,β)进行自适应调整的判断条件满足时,对信息启发式因子和期望启发式因子进行调整,调整方法如下:

其中,θ1与θ2的取值是一个常数,决定α和β变化的趋势,前期搜索以启发信息为主,因此前期β参数值较大,后期会相应减小,而后期为了增加算法的搜索性能,需逐渐增加α的参数值;α[n]表示第n次迭代时信息启发式因子的值;α[n+1]表示第n+1次迭代时信息启发式因子的值;β[n]表示第n次迭代时期望启发式因子的值;β[n+1]表示第n+1次迭代时期望启发式因子的值;

2)信息素挥发因子自适应调整:当算法求得的目标函数连续Nequal次迭代没有变化时,对信息素挥发因子做如下改进:

上式中,ρ(n)表示第n次迭代挥发因子的值;ρ(n+1)表示第n+1次迭代挥发因子的值;θ3是一个常数,决定挥发因子每次变化的大小;ρmin代表挥发因子的下限;

步骤3.6:判断是否达到最大迭代次数,是,则停止路径搜索,输出最优解,得到受突发事件影响列车在受突发事件影响的每个车站的具体到发时刻,进而可得到初始列车阶段调整计划,否,则转至步骤3.2;

步骤4:列车调度员获取步骤3得到的初始列车阶段调整计划,参考初始列车阶段调整计划确定最终的列车阶段调整计划。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学;中国铁道科学研究院集团有限公司通信信号研究所;中国铁路沈阳局集团有限公司,未经东北大学;中国铁道科学研究院集团有限公司通信信号研究所;中国铁路沈阳局集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110884980.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top