兰州交通大学光电技术与智能控制教育部重点实验室 王晓亚 邢东峰

地铁列车运行自动控制系统设计

兰州交通大学光电技术与智能控制教育部重点实验室 王晓亚 邢东峰

针对地铁列车运行自动控制特点和现有控制方式存在缺陷的需要，提出了基于微粒群(PSO)算法的地铁列车运行自动控制(ATC)系统的设计思想和实现方法。首先根据西安地铁2号线实际运营情况建立适合地铁列车运行自动控制的数学模型，然后利用VC++6．0和SQL Server 2005数据库完成地铁列车运行自动控制系统的设计，最后通过单车晚点情况的仿真研究验证模型的正确性和算法的可行性。

地铁；微粒群算法；列车自动控制；仿真研究

1 引言

随着城市化建设的推进和土地空间的限制，地铁成为缓解城市交通压力的一种新型运载工具，具有速度快、能耗低、运量大、污染小等优势。地铁列车运行在正常情况下严格按照计划运行图，但是在运行过程中当列车受到随机因素的影响可能会和计划运行图发生偏离，由于列车运行密度大并且相互追踪间隔短，单车晚点情况往往会影响后续列车的正常运行，甚至会致使整个地铁系统严重瘫痪[1]。

本文完成了基于PSO算法的ATC系统的仿真设计，并且考虑到单车晚点对后续列车运行可能造成的影响，因此研究适合列车运行自动控制的方法具有现实意义。

2 微粒群算法概述

列车自动控制(ATC)系统是城市轨道交通控制系统的核心，能够最大限度地保证行车安全、提高运输效率[2]。从而提出了基于微粒群算法的地铁列车运行自动控制系统的思想方法。

图1 位置与速度更新过程示意图

2.1 微粒群算法的基本原理

微粒群(PSO)算法是一种基于种群的随机寻优算法，最早于1995年由Kennedy和Eberhart共同提出，其基本思想结合生物学家Heppner的群体模型对鸟类群体觅食行为进行模拟仿真研究[3]。

PSO算法是对鸟类飞行的行为进行模拟智能优化，也就是空间中的一只鸟被称为微粒，每个微粒的飞行方向和位移都由一个速度变量来决定。在二维空间中，微粒的位置与速度更新过程如图1所示。

假设有N个微粒存在于D维空间中，则其当前位置和飞行速度分别表示为，。其速度和位置更新过程如下式(1)、(2)所示：

2.2 算法控制参数的选取

PSO算法选取以下5种控制参数：

(1)种群规模：依据问题的复杂程度选取种群规模，取种群规模为N=30。

(2)惯性权重：用于平衡算法的全局和局部搜索能力。其具体公式如下：

(3)学习因子：微粒最优位置步长分别由认知系数c1和社会系数c2调节。

(4)最大速度：微粒最大移动距离由最大速度vmax决定，取vmax=xmax=12600。

(5)最大迭代次数：根据算法的搜索效率和优化效果设定最大迭代次数，设定最大迭代次数=50。

3 仿真结果分析

3.1 仿真系统基础数据

表1为西安地铁2号线的实际运营数据，包括站间距、区间运行时间及停站时间，数据将用于编制列车运行图[4]。

表1 西安地铁2号线实际运营数据

3.2 仿真分析

(1)列车运营相关参数：

①车站总数：m=16；

②列车区间运行时间(单位:s)如下：

RT=[130,96,108,85,89,79,76,90,85,89,93,107,101,78,82]；

③列车停站时间(单位：s)如下：

ST=[40,50,40,40,40,60,40,40,40,40,40,40,40,35,40]；

④列车最小追踪间隔：△T=180s；

⑤列车最小停站时间：Smin=15s。

(2)PSO算法主要参数：

①种群规模：选取N=30；

②最大速度：vmax=xmax=12600；

当单车发生晚点情况，将会造成晚点传播。此处设定晚点的列车为10702次，在运动公园站首次发生晚点，初始晚点时间为235s。列车运行线在晚点调整控制前后的仿真结果如图2所示。

图2 单车晚点调整控制仿真结果显示界面

从图2可以看出，10702次列车在运动公园站发生晚点，晚点时间比较大造成了晚点传播，直接影响了后行10802次列车的正常运行。采用PSO算法进行调整后，10702次和10802次列车在极短时间内恢复正常运行。10702次和10802次列车调整控制前后时刻表分别如图3、图4所示。

图3 10702次列车时刻表显示界面

图4 10802次列车时刻表显示界面

图5 单车晚点总时间变化情况

从图3可以看出，10702次列车在运动公园站出站时从7:05:26至7:09:21晚点235s，晚点时间随着站序推移不断减少，到体育场站时降为0s；同样从图4可以看出10802次列车的晚点调整情况。列车在各车站的总晚点时间变化情况如图5所示。

从图5中看出，列车首次出现晚点是在车站3，总晚点时间达到最大是在车站4，其值为490s，列车在各站的晚点总时间随着站序的推移不断减小，到达车站15时晚点时间降到0s，即晚点被消除。

4 结束语

本文结合ATC系统的相关控制模型，建立了适合地铁列车运行自动控制的优化数学模型，结果表明该系统模型达到高安全、高可靠的要求。运用PSO算法对单车晚点情况进行仿真研究以及数据分析，缩短了列车晚点的影响范围，满足了列车自动控制实时性的要求。因此，运用PSO算法解决地铁列车运行自动控制的问题是可行的，为列车自动控制的实现提供了新思路。

[1]孔维珍．基于微粒群算法的城市轨道交通列车运行调整研究[D]．兰州:兰州交通大学,2013．

[2]李晓艳．地铁ATC系统ATS子系统的仿真研究[D]．西安:西安电子科技大学,2013．

[3]崔志华,曾建潮．微粒群优化算法[M]．北京:科学出版社,2011．

[4]史常庆,倪少权．列车运行图计算机编制系统的运用与发展分析[J]．铁道运输与经济,2013,37(02):6-28．

王晓亚（1990—），男，甘肃静宁人，在读硕士研究生，研究方向为交通信息工程及控制。

邢东峰（1982—），男，山东人，硕士，讲师，学位论文指导老师，主要研究领域为智能控制。