一种大风条件下基于动态客流的高速列车重调度方法

1.本发明涉及列车运行调整和调度技术领域，特别涉及一种大风条件下基于动态客流的高速列车重调度方法。


背景技术：

2.中国高速铁路是国家综合交通运输系统体系的骨干核心，截至2020年12月底，中国高速铁路营业总里程居世界第一位，由于高速铁路列车运行速度快，列车开行密度高，当大风监测系统发出警告，列车为保证在铁轨上安全行驶，列车降速是无法避免的，而仅采用降速策略极容易导致后续列车的二次延误，并且无法有效控制列车延误的传播。因此，在大风条件下，采取一种合理有效的列车调度策略能够有效地控制列车延误及传播范围，减少旅客的总出行时间，成为铁路相关部门亟待解决的问题。
3.在大风天气下，高速铁路交通运行秩序能否尽快恢复关键在调度员能否在大风对列车产生负面影响后，及时地做出有效决策。目前高速铁路调度员大多凭经验做出相关调度决策，效率低且时效性差。当大风影响范围大、列车延误时间长或者铁路线路比较复杂时，调度员不仅工作量大大增加，难以在短时间内做出高效的决策，且容易错过最佳调度的时机。本发明提出的大风条件下高速铁路列车调度及车站滞留旅客分配方法，可以在有效时间内计算出高速列车实时重调度时刻表及铁路线上各站点滞留旅客乘车再分配方案，辅助列车调度员做出最优调度决策。
4.目前，国内外大多数列车调度策略的研究主要限于列车延误本身，没有充分考虑旅客出行的需求。本发明从微观角度同时优化了大风条件下列车时刻表的重调整和滞留旅客乘车再分配问题，综合考虑了高速铁路交通运输秩序及高铁旅客满意度。


技术实现要素：

5.本发明提供了一种大风条件下基于动态客流的高速列车重调度方法，其目的是为了解决人工调度方法效率低且时效性差，存在大风影响范围大、列车延误时间长或者铁路线路比较复杂时，人工调度工作量增加，人工调度难以在短时间内做出高效的决策，且容易错过最佳调度的时机的问题。
6.为了达到上述目的，本发明的实施例提供了一种大风条件下基于动态客流的高速列车重调度方法，包括：
7.步骤1，获取高速列车计划时刻表、旅客出行需求和大风限速场景基础信息；
8.步骤2，建立列车区间运行时间约束、列车停靠时间约束、列车离站时间约束、车站容量约束、站间闭塞区间容量约束、列车停站频率约束、车站服务频率约束、旅客出行需求约束、列车负载容量约束和列车停站条件约束；
9.步骤3，基于所述步骤1、所述步骤2和以最小化旅客的总延误时间为目标函数，构建大风条件下的高速列车重调度与客流匹配协同优化模型；
10.步骤4，采用cplex求解高速列车重调度与客流匹配协同优化模型，获得高速列车
实时重调度时刻表和铁路线上各站点滞留旅客乘车再分配方案。
11.其中，所述步骤1具体包括：
12.所述高速列车计划时刻表包括各站点的列车计划到站时间和列车计划离站时间；所述高铁旅客出行需求包括旅客出行的起始站、终点站和旅客出行的人数；所述大风限速场景基础信息包括大风在每个闭塞区间的等级。
13.其中，所述步骤2具体包括：
14.假设列车在两个车站之间运行时受到不同程度的强风影响，列车区间运行时间约束，如下所示：
[0015][0016]
其中，δ
k,n
′
表示列车k在闭塞区间n
′
是否受到大风的影响，k表示大风等级的集合，v
i
表示列车i的最大允许速度；
[0017]
列车运行时间在两个相邻闭塞区间分界点处具有连续性，如下所示：
[0018][0019]
其中，表示列车i离开闭塞区间n
′
的时间，为列车i进入闭塞区间(n+1)
′
的时间，h表示相邻两个车站之间的闭塞区间集合，t表示列车的集合；
[0020]
列车在每个闭塞区间的运行时间，如下所示：
[0021][0022]
其中，l
n
′
表示闭塞区间n
′
的长度，v
i,g
表示g类型列车i的最大安全行驶速度，δv
k,g
表示g类型列车在k级大风条件下的速度下降量。
[0023]
其中，所述步骤2还包括：
[0024]
列车停靠时间约束，如下所示：
[0025][0026]
其中，m表示常数，x
i,n
′
表示列车i在闭塞区间n
′
停车，x
i,n
′
＝1，表示闭塞区间n
′
是车站s的一个股道，i表示所有车站的股道集合，表示列车i在车站s的最小停靠时间，s表示车站的集合；
[0027]
列车离站时间约束，如下所示：
[0028][0029]
其中，表示列车计划的离站时间；
[0030]
车站容量约束，如下所示：
[0031][0032]
[0033][0034]
其中，y
i,j,n
′
表示列车i先于列车j进入闭塞区间n
′
，y
i,j,n
′
＝1；
[0035]
站间闭塞区间容量约束，如下所示：
[0036][0037][0038]
其中，所述步骤2还包括：
[0039]
列车停站频率约束，如下所示：
[0040][0041]
其中，q
i
表示列车i最大的停站次数；
[0042]
车站服务频率约束，如下所示：
[0043][0044]
其中，u
s
表示车站s最少的接车次数。
[0045]
其中，所述步骤2还包括：
[0046]
客流需求约束，如下所示：
[0047][0048]
其中，表示从m站乘坐列车i前往n站的旅客人数，p
m,n
表示从m站至n站总的客流需求；
[0049]
列车负载容量约束，如下所示：
[0050][0051]
其中，c
i
表示列车i的额定负载容量；
[0052]
列车停站条件约束，如下所示：
[0053][0054][0055]
其中，表示闭塞区间n
′
是车站m的一个股道，表示闭塞区间n
′
是车站n的一个股道。
[0056]
其中，所述步骤3具体包括：
[0057]
以最小化列车的总延误时间为目标函数，如下所示：
[0058][0059]
其中，表示列车的总延误时间，表示列车i进入闭塞区间n'的时间，表示列车计划的进站时间，表示列车计划的离站时间，表示闭塞区间n
′
是车站n的一个
股道，表示闭塞区间m'是车站m的一个股道；
[0060]
将公式(17)输入cplex中进行求解，获得从m站到n站分配给列车i的旅客数量
[0061]
以最小化旅客总的延误时间为目标函数，如下所示：
[0062][0063]
其中，f
obj
表示旅客的总延误时间。
[0064]
本发明的上述方案有如下的有益效果：
[0065]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，可以在有效时间内计算出高速列车实时重调度时刻表和铁路线上各站点滞留旅客乘车再分配方案，辅助列车调度员做出最优调度决策，显著降低了大风天气下高速列车延误及旅客在车站的等待时间。
附图说明
[0066]
图1为本发明的流程图；
[0067]
图2为本发明的闭塞区间划分示意图；
[0068]
图3为本发明的京张高铁站点分布图；
[0069]
图4(a)为本发明的列车计划时刻表；
[0070]
图4(b)为本发明的基于先到先发调度策略下的列车时刻表；
[0071]
图4(c)为本发明的列车实时重调度时刻表；
[0072]
图5(a)为本发明的计划旅客乘车分配方案示意图；
[0073]
图5(b)为本发明的基于先到先发调度策略下的旅客乘车分配方案示意图；
[0074]
图5(c)为本发明的铁路线上各站点滞留旅客乘车再分配方案示意图。
具体实施方式
[0075]
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0076]
本发明针对现有的人工调度方法效率低且时效性差，存在大风影响范围大、列车延误时间长或者铁路线路比较复杂时，人工调度工作量增加，人工调度难以在短时间内做出高效的决策，且容易错过最佳调度的时机的问题，提供了一种大风条件下基于动态客流的高速列车重调度方法。
[0077]
如图1至图5所示，本发明的实施例提供了一种大风条件下基于动态客流的高速列车重调度方法，包括：步骤1，获取高速列车计划时刻表、旅客出行需求和大风限速场景基础信息；步骤2，建立列车区间运行时间约束、列车停靠时间约束、列车离站时间约束、车站容量约束、站间闭塞区间容量约束、列车停站频率约束、车站服务频率约束、旅客出行需求约束、列车负载容量约束和列车停站条件约束；步骤3，基于所述步骤1、所述步骤2和以最小化旅客的总延误时间为目标函数，构建大风条件下的高速列车重调度与客流匹配协同优化模型；步骤4，采用cplex求解高速列车重调度与客流匹配协同优化模型，获得高速列车实时重调度时刻表和铁路线上各站点滞留旅客乘车再分配方案。
[0078]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，如图3，以京张高铁线路为例，将京张高铁线路的各站点之间的距离分为多个闭塞区间，获取各站点的列车计划到达车站时间、列车计划离开车站时间、列车计划停站时间、列车初始停站计划，列车在各站点服务旅客类型和人数、京张高铁线路上的大风风速值与对应等级、大风作用的区段、大风持续的时间、相应大风等级下高速列车安全行驶车速范围、列车等级、列车运行速度、列车最大负载容量、列车进出站的最小安全时间间隔、闭塞区间的长度，受大风影响的闭塞区间编号和大风在每个闭塞区间的等级；建立列车区间运行时间约束、列车停靠时间约束、列车离站时间约束、车站容量约束、站间闭塞区间容量约束、列车停站频率约束、车站服务频率约束、旅客出行需求约束、列车负载容量约束和列车停站条件约束；根据获取的信息和建立的约束以最小化旅客的总延误时间为目标函数，构建大风条件下的高速列车重调度与客流匹配协同优化模型；将高速列车重调度与客流匹配协同优化模型输入cplex中进行求解，获得高速列车实时重调度时刻表和铁路线上各站点滞留旅客乘车再分配方案。
[0079]
其中，所述步骤1具体包括：所述高速列车计划时刻表包括各站点的列车计划到站时间和列车计划离站时间；所述高铁旅客出行需求包括旅客出行的起始站、终点站和旅客出行的人数；所述大风限速场景基础信息包括大风在每个闭塞区间的等级。
[0080]
其中，所述步骤2具体包括：假设列车在两个车站之间运行时受到不同程度的强风影响，列车区间运行时间约束，如下所示：
[0081][0082]
其中，δ
k,n
′
表示列车k在闭塞区间n
′
是否受到大风的影响，k表示大风等级的集合，v
i
表示列车i的最大允许速度；
[0083]
列车运行时间在两个相邻闭塞区间分界点处具有连续性，如下所示：
[0084][0085]
其中，表示列车i离开闭塞区间n
′
的时间，为列车i进入闭塞区间(n+1)
′
的时间，h表示相邻两个车站之间的闭塞区间集合，t表示列车的集合；
[0086]
列车在每个闭塞区间的运行时间，如下所示：
[0087][0088]
其中，l
n
′
表示闭塞区间n
′
的长度，v
i,g
表示g类型列车i的最大安全行驶速度，δv
k,g
表示g类型列车在k级大风条件下的速度下降量。
[0089]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，列车区间运行时间约束为判断列车在闭塞区间n
′
是否受到大风影响及大风等级，当列车在大风消失后进入闭塞区间n
′
或者列车在大风限速开始前离开闭塞区间n
′
，则认为列车不会被大风影响δ
k,n
′
＝0，反之列车将会被大风影响导致降速δ
k,n
′
＝1；列车运行时间在两个相邻闭塞区间分界点处具有连续性表示列车离开一个闭塞区间的时间等于其进入下一个闭塞区
间的时间；列车在每个闭塞区间的运行时间表示列车在一个闭塞区间的运行时间不少于其以最大安全速度行驶所需的时间，图2为闭塞区间划分示意图，关于大风等级的确定，由于所设的闭塞区间长度相对较短，以闭塞区间长度2/3以上所受到的大风等级作为该闭塞区间的受到大风等级。
[0090]
其中，所述步骤2还包括：列车停靠时间约束，如下所示：
[0091][0092]
其中，m表示常数，x
i,n
′
表示列车i在闭塞区间n
′
停车，x
i,n
′
＝1，表示闭塞区间n
′
是车站s的一个股道，i表示所有车站的股道集合，表示列车i在车站s的最小停靠时间，s表示车站的集合；
[0093]
列车离站时间约束，如下所示：
[0094][0095]
其中，表示列车计划的离站时间；
[0096]
车站容量约束，如下所示：
[0097][0098][0099][0100]
其中，y
i,j,n
′
表示列车i先于列车j进入闭塞区间n
′
，y
i,j,n
′
＝1；
[0101]
站间闭塞区间容量约束，如下所示：
[0102][0103][0104]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，列车停靠时间约束表示列车在车站股道的停靠时间不少于其最小停靠时间，列车离站时间约束表示列车的离站时间不得早于该列车计划的离站时间，车站容量约束表示当前车站股道有车辆占用时，需要等到当前列车离站后，下一辆列车才能进入该车站股道，站间闭塞区间容量约束表示一个闭塞区间同一时间最多只能被一辆列车占用。
[0105]
其中，所述步骤2还包括：列车停站频率约束，如下所示：
[0106][0107]
其中，q
i
表示列车i最大的停站次数；
[0108]
车站服务频率约束，如下所示：
[0109][0110]
其中，u
s
表示车站s最少的接车次数。
[0111]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，列车停站频率约束表示列车在一个运行周期内，列车最大的停靠次数不多于其计划的最大的
停靠次数，车站服务频率约束表示一个车站最小的接车次数不少于该站计划的最小次数。
[0112]
其中，所述步骤2还包括：客流需求约束，如下所示：
[0113][0114]
其中，表示从m站乘坐列车i前往n站的旅客人数，p
m,n
表示从m站至n站总的客流需求；
[0115]
列车负载容量约束，如下所示：
[0116][0117]
其中，c
i
表示列车i的额定负载容量；
[0118]
列车停站条件约束，如下所示：
[0119][0120][0121]
其中，表示闭塞区间n
′
是车站m的一个股道，表示闭塞区间n
′
是车站n的一个股道。
[0122]
其中，所述步骤3具体包括：以最小化列车的总延误时间为目标函数，如下所示：
[0123][0124]
其中，表示列车的总延误时间，表示列车i进入闭塞区间n'的时间，表示列车计划的进站时间，表示列车计划的离站时间，表示闭塞区间n
′
是车站n的一个股道，表示闭塞区间m'是车站m的一个股道；
[0125]
将公式(17)输入cplex中进行求解，获得从m站到n站分配给列车i的旅客数量
[0126]
以最小化旅客总的延误时间为目标函数，如下所示：
[0127][0128]
其中，f
obj
表示旅客的总延误时间。
[0129]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，客流需求约束表示各列车所承担的运输之和等于总的旅客出行需求，列车负载容量约束表示在一个车站乘坐某辆列车的旅客人数不得大于当前该列车所能提供的最大空闲座位数量，列车停站条件约束表示当列车承担某个车站的运输任务时，列车在该车站旅客上车的起始站及旅客下车的终点站均要求停靠。
[0130]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，获取京张铁路上的八达岭站至张家口站的列车计划时刻表，获取八达岭站至张家口站的线路上各站点的旅客出行需求和大风限速场景基础信息，在八达岭站至张家口站的线路上运行两种类型的5辆列车，5辆列车分别为t1、t2、t3、t4和t5，其中，t1为g型列车、t2为d型列车、t3为d型列车、t4为g型列车和t5为g型列车，图4(a)中给出了八达岭至张家口高铁各站5列
列车的计划时刻表，图5(a)中给出了计划旅客乘车分配方案示意图，图4(b)和图5(b)分别为基于先到先发策略下的列车时刻表和各站点旅客分配方案，图4(c)和图5(c)为基于所述大风条件下基于动态客流的高速列车重调度方法获得的列车实时重调度时刻表和各站点旅客分配方案，如图4(b)，在基于先到先发策略的列车时刻表中，t1
‑
t5列车的实际到达时间晚于计划时间，所有乘客都将遭受旅行延误；如图4(c)，在基于所述大风条件下基于动态客流的高速列车重调度方法获得的列车实时重调度时刻表中，t4次列车分别在下花园北站和怀莱站超越t3次列车和t2次列车，t5次列车在怀莱站超越t3次列车，从图4(c)中看出t4和t5列车的晚点减少了，t4次列车和t5次列车上的乘客在所述大风条件下基于动态客流的高速列车重调度方法下的出行延误将少于先到先发策略下的出行延误，所述大风条件下基于动态客流的高速列车重调度方法下的旅客总旅行时间远小于基于先到先发策略下的旅客总旅行时间，因此，在大风条件下，基于所述大风条件下基于动态客流的高速列车重调度方法获得的列车实时重调度时刻表和乘客分配方案有效地减少列车延误和乘客出行时间。
[0131]
本发明的上述实施例所述的大风条件下基于动态客流的高速列车重调度方法，可以在有效的时间内计算出高效的列车重调度运行图及滞留旅客乘车再分配方案，辅助列车调度员做出最优的调度决策，能够有效地控制列车延误及其传播范围，所述大风条件下基于动态客流的高速列车重调度方法可以有效减少高速列车因大风限速导致的列车延误及各站点旅客的总出行时间，能高效利用现有铁路运力资源满足旅客出行需求，提高铁路线路使用效率，有效控制大风天气对高速列车运行带来的负面影响，进一步提高了铁路运输服务质量及乘客满意度。
[0132]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。