基于闭塞区间的高速列车运行时间与节能协同优化方法

提出了一种高速列车运行时间与节能协同优化方法.针对由动态调度层、优化控制层、跟踪控制层组成的列车运行控制与动态调度一体化结构,设计了面向动态调度层和优化控制层的列车运行时间调整策略和节能速度位置曲线.基于高速铁路闭塞区间,建立了列车区间模型和列车速度曲线节能优化模型.利用模型预测控制方法对列车区间运行时间进行调整,优化列车总延误时间;根据调整后的区间运行时间设计列车运行优化速度位置曲线,减少列车运行能耗.仿真算例验证了设计的运行时间与节能协同优化策略的有效性.     

基于两阶段算法的列车调度问题

考虑突发铁路损坏对列车运行的影响,在列车运行调度理论的基础上,建立了单线铁路调度模型,设计了一种带有突发事件处理能力的两阶段列车调度算法,第1阶段对列车区间运行速度进行调整,第2阶段对列车的停站时间进行调整.将3种有效的搜索算子、一种自适应更新规则与粒子群算法相结合,以列车延迟率作为优化目标,求解单线铁路列车调度问题.通过将所提算法与其他算法在相同实验条件下进行测试对比,并进行突发事件测试,验证了所提算法的有效性.     

列车运行调度方法的研究与分析

将列车运行调度的相关研究按列车运行图编制和列车运行调整两方面进行分类,介绍列车单双线区段和客运专线的运行图编制方案,分析列车运行实时调整、列车插入(取消)服务及冲突预测方法,探讨研究列车运行自动调度系统的实时性和智能性、突发条件下列车运行的疏解方案、节假日高峰情况下列车运行调度等问题的重要性。     

轻轨交通调度监控系统的仿真

阐述沈阳市轻轨列车调度仿真系统的设计与实现。该仿真系统将面向对象的方法应用于离散系统仿真,实现了列车时刻表和运行图的自动生成;调度中心采集列车运行数据,根据实现情况选择自动调度方式;系统提供模拟运行方式、在线控制方式及运行复示方式,通过演示了系统实现列车调度运行的动态演示。     

基于HPN仿真的混杂系统分层调度方案国家863计划项目98-45-006

本文针对混杂系统中分段式生产的调度问题提出了一种分层调度的解决方案.在调度的上层将混杂系统中连续变量进行离散化处理,给出易于求解的静态调度方案在下层利用HPN(bybridPetrinet,混杂Petri网)仿真反馆调度信息,补偿上层调度中由于模型的离散化而丢失的动态信息.通过两层之间的通信达到整体调度方案的快速性、实时性和鲁棒性.     

单线列车调度问题的双向阻塞车间调度模型及其粒子群求解算法

针对单线列车调度问题的特点,以线路中列车的总运行时间最小为目标,建立了可以直观描述问题解空间的双向阻塞车间调度模型,并提出了一种有效的离散粒子群优化算法进行求解。该算法基于双向阻塞车间调度模型设计了排列编码形式,从而可确定列车的运行顺序,同时利用随机策略和运行时间最短优先策略选择列车运行轨道;算法在求解过程中,提出了列车冲突的检测和化解方法,并按照“调度-检测冲突-化解冲突”的步骤逐区段调度列车运行;最后,利用离散粒子群优化算法进行全局优化,得到问题的最优解。仿真实例表明,所得模型和算法能够高效地求解单线列车调度问题。     

基于参数自适应蚁群算法的高速列车行车调度优化

随着我国高铁建设成网,列车运行环境更加复杂多变,对日常行车调度的精细化提出了更高要求.对此,重点研究在大风、雨、雪等恶劣天气及设备设施故障等突发事件下造成列车运行晚点时,在不改变列车运行路径的前提下,如何通过调整高速列车行车顺序和到发时间,智能高效地恢复列车按图运行.将含有到发间隔、越行等多约束的列车运行时间调整问题建...     

基于粒子群算法的列车运行调度研究

列车运行调度是铁路行车调度指挥工作的重要内容,其计算机自动计算求解问题是我国铁路信息化建设的核心技术和难点。建立了高速列车运行调度的数学模型,采用粒子群算法求解。设计的算法步骤是,将列车运行调整问题描述成适合粒子群算法的形式,确定该问题的适应度函数,对基本问题模型进行改进,进而确定运动方程。以京广高速铁路线路内具有6个车站的下行方向,运行14列列车为例,利用设计的粒子群算法求解了某干扰条件下的列车运行调度问题,为列车运行调整提供了新的方法。     

列车运行调度的现状及展望

分析列车运行计划制定和速度调整的实际情况,研究列车运行调度的建模及求解技术。针对目前相对静态的列车运行调度模型,建立车站-闭塞分区一体化及考虑列车动态运行状况的优化模型,并提出一种具有预测控制、滚动优化、实时反馈的列车运行调度与控制框架,该框架可以提高行车密度、抵抗随机扰动、优化铁路网络的运营性能。     

城市轨道交通车站通过能力仿真模型研究

以城市轨道交通站前接轨站和站后折返站为例分析了列车在车站的详细作业过程,提出了车站的抽象模型.基于车站模型设计了列车进路搜索算法,开发了车站列车运行过程仿真系统.该系统可以对城市轨道交通车站进行仿真建模,仿真列车在车站的作业过程,并进行车站通过能力的分析计算.     

铁路大型养路车辆在线监控系统的设计与实现

车辆监控系统是集电子技术、通信技术和数据库技术在交通管理领域广泛应用而产生的一个崭新的领域;文中设计利用现有的GPRS/GPS/GIS技术,针对铁路大型养路车设计出一个适用于08—32机型养路车的在线监控系统,该监控系统是由下位机的车载终端系统、通讯服务器系统和上位机的监控终端系统三大部分组成,下位机负责数据采集;上位机负责数据显示、数据分析和数据处理;服务器负责连接上下终端的数据传送。文中将具体阐述各个子系统的设计与实现,其结果达到了预期的设计效果。     

基于UML和CPN的列控系统等级转换建模与分析

针对列控系统的安全性和实时性要求,基于CTCS-3级列控系统需求规范中等级转换场景建立C2级向C3级转换的UML(统一建模语言)模型和有色Petri网(CPN)模型,分析了影响列车安全运行和行车效率的因素,即转换时长和转换成功率,验证了该建模方法的有效性。验证结果表明,UML和CPN模型相结合的方法适合于列控系统需求规范的验证。搭建的等级转换模型能够满足系统实时性要求。在保证切换成功率的前提下,列车运行速度与切换时间成反比,速度越高,切换时间越短;列车速度越高,对系统实时性要求也越高。     

移动闭塞条件下基于双曲列控策略的发车间隔时间计算

列车间隔时间关乎铁路行车安全和效率。对未来铁路移动闭塞系统发车间隔时间的科学计算进行探讨,引入了能够反映经验丰富司机驾车列车优化行为的基于双曲函数的列车行为控制模型;然后,讨论了列车分段运动方程和车站发车作业、进路解锁等环节,以及各种误差因素,并将它们与基于双曲函数的列车行为控制模型有机结合起来,建立了计算移动闭塞条件下车站发车间隔时间的数学模型,给出了两种不同情形的车站发车间隔时间计算方法,数值仿真试验验证了算法的有效性和可行性。对移动闭塞条件下车站发车环节的列车行为控制和行车组织有较大参考价值。     

基于深度学习的网络流量异常预测方法

针对网络入侵检测系统（NIDS）能够检测当前系统中存在的网络安全事件,但由于自身的高误报率和识别安全事件产生的时延,无法提前对网络安全事件进行准确率较高的预警功能,严重制约了NIDS的实际应用和未来发展的问题,提出了基于深度学习的网络流量异常预测方法。该方法提出了一种结合深度学习算法中长短期记忆网络和卷积神经网络的预测模型,能够训练得到网络流量数据的时空特征,实现预测下一时段网络流量特征变化和网络安全事件分类识别,为NIDS实现网络安全事件的预警功能提供了方法分析。实验通过使用设计好的神经网络框架对入侵检测系统流量数据集CICIDS2017进行了训练和性能测试,在该方法下流量分类的误报率下降到0.26%,总体准确率达到了99.57%,流量特征预测模型R2的最佳效果达到了0.762。     

面向安全评估的高速铁路CTCS-2列控系统安全性测试环境

高速铁路CTCS-2列控系统是典型的安全苛求系统。根据安全苛求系统的特点,针对高速铁路CTCS-2列控系统的安全性测试和评估需求,设计了场景—事件驱动的测试脚本语言SED_TSL,提出了高速铁路CTCS-2列控系统测试环境的功能、系统框架、测试策略,实现了基于SED_TSL的CTCS-2列控系统自动化测试环境,并投入到铁道部的CTCS-2列控系统产品制式检测中,有效地实现了列控系统产品的功能与安全性测试。     

基于GPS的铁路养路车监控系统的总体研究

车辆监控系统是集电子技术、通信技术和数据库技术在交通管理领域广泛应用而产生的一个崭新的领域。本设计利用现有的GPS技术,针对铁路大型养路车设计出养路车在线监控系统。它从铁路提速的实际情况出发,综合考虑了人、车、路等方面的因素,为铁路维修质量的提高和工作人员的操作方便提出了一系列解决方案,大大完善了大型养路车数据处理的功能,增强了人机的交互能力。本文首先将GPS技术结合运用到系统设计中,并且提出了一个基于GPS的养路车监控系统的设计方案。该监控系统是由下位机的车载终端系统、通讯服务器系统和上位机的监控终端系统三大部分组成,下位机负责数据采集;上位机负责数据显示、数据分析和数据处理;服务器负责连接上下终端的数据传送。     

结合眼电和脑电的人机交互系统设计与实现

针对CTCS-4下列车运行的特点,研究了移动闭塞条件下列车追踪运行问题。以多智能体(Multi-Agent)理论为基础,建立了一种移动闭塞条件下的多列车追踪运行多智能体系统(MAS)模型,提出了列车与无线闭塞中心(RBC)之间的MAS交互机制,实现了实时车地通信及多列车追踪运行的安全距离控制。仿真研究了列车追踪运行过程中速度变化关系、不同线路初始化密度对线路交通的影响,得到了相应的定量分析结论。仿真结果表明,该MAS模型能够较好地实现列车控制系统中静态环境与动态环境的复杂系统形式化描述,可以准确地描述CTCS-4列车追踪运行机理,所提方法具有较强的适用性和应用性。     

A fuzzy Petri net model to estimate train delays

Even with the most accurate timetable, trains often operate with delays. The running and waiting times for trains can increase unexpectedly, creating primary delays that cause knock-on delays and delays for other trains. The accurate estimation of train delays is important for creating timetables, dispatching trains, and planning infrastructures. In this work, we proposed a fuzzy Petri net (FPN) model for estimating train delays. The FPN model with characteristics of hierarchy, colour, time, and fuzzy reasoning was used to simulate traffic processes and train movements in a railway system. The trains were coloured tokens, the track sections were termed places, and discrete events of train movement were termed transitions. The train primary delays were simulated by a fuzzy Petri net module in the model. The fuzzy logic system was incorporated in the FPN module in two ways. First, when there were no historical data on train delays, expert knowledge was used to define fuzzy sets and rules, transforming the expertise into a model to calculate train delays. Second, a model based on the Adaptive Network Fuzzy Inference System (ANFIS) was used for systems where the historical data on train delays were available (from detection systems or from the train dispatcher’s logs). The delay data were used to train the neuro-fuzzy ANFIS model. After the results of the fuzzy logic system were verified, the ANFIS model was replicated by a fuzzy Petri net. The simulation was validated by animating the train movement and plotting the time-distance graph of the trains. Results of the simulation were exported to a database for additional data mining and comparative analysis. The FPN model was tested on a part of the Belgrade railway node.     

A New Methodology for Modeling, Analysis, Synthesis, and Simulation of Time-Optimal Train Traffic in Large Networks

From a system-theoretic standpoint, a constrained state-space model for train traffic in a large railway network is developed. The novelty of the work is the transformation or rather reduction of the directed graph of the network to some parallel lists. Mathematization of this sophisticated problem is thus circumvented. All the aspects of a real network (such as that of the German rail) are completely captured by this model. Some degrees of freedom, as well as some robustness can be injected into the operation of the system. The problem of time-optimal train traffic in large networks is then defined and solved using the maximum principle. The solution is obtained by reducing the boundary value problem arising from the time-optimality criterion to an initial value problem for an ordinary differential equation. A taxonomy of all possible switching points of the control actions is presented. The proposed approach is expected to result in faster-than-real-time simulation of time-optimal traffic in large networks and, thus, facilitation of real-time control of the network by dispatchers. This expectation is quantitatively justified by analysis of simulation results of some small parts of the German rail network.