王 斌，金福才，谢玉霞

（1.西南交通大学 交通运输与物流学院，四川 成都 610031；2.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081)

0 引言

车流推算是依据当前铁路车辆状态预测其未来变化的状态，既是编制调度工作计划和车流调整计划的依据，也是建立铁路电子商务平台的重要信息支撑[1]。我国铁路存在资源分布不均衡、重去空回较多、运输距离长等现象，都会造成铁路车流不均衡，使得车流推算与调整工作更加复杂[2]。

为了更准确地进行车流推算，很多学者对此进行了研究。Liu[3]对车流编制过程中的干扰因素进行研究，主要包括列车到达时间、分类时间、编组时间等，构建了多目标随机机会约束模糊模型，采用人工智能中的启发式方法求解。Jing[4]对车流推算模型进行设计，使用改进蚁群算法进行求解。Hu[5]在车流调度实际需求的基础之上，结合遗传算法和神经网络算法的混合智能算法，建立一个随机机会约束模型解决车流推算问题。金福才等[6]对重车的车流推算方法进行研究，确定车流推算中关键要素的计算方法，在计算货车在车站停留时间时，针对不同类型车站设计了不同的计算方法。陈东等[7]研究了铁路技术站车流接续的列车运行调整问题，利用分步计算、指标评估的求解思路，建立赶流调整综合模型，该模型对于局部范围内的线流匹配优化计算做了尝试。

传统的车流推算研究重点是对车站级推算，主要是依据编组计划和车流情况推算列车发车计划，对于大规模的列车运行推算并没有涉及。……