赵宏涛，许 伟，陈 峰，王 涛

列车运行计划是铁路企业开展运输调度工作的规则和依据，对发挥运输资源能力、保障行车安全具有基础性作用[1]。随着高速铁路路网规模持续扩大，运行线间冲突日益严重，线间制约关系越发错综复杂。通过人机对话方式移线消解线间冲突，不仅效率低，而且准确率难以保证。在智能铁路[2]框架下，高速铁路列车运行计划自动调整系统根据运输场景及预先设置的调整策略，利用列车交路、最小折返时间和股道运用等基础数据，针对设备故障、自然灾害和施工封锁等影响列车正常运行秩序的情形，以计划时间指标引导优化过程，构造高质高效的智能调整方案，促进调度集中控制更深层次的自动化演进。

1 高速铁路列车运行计划自动调整系统设计

1.1 自动调整系统架构设计

铁路行车信息化建设中，分散自律调度集中(Centralized Traffic Control，CTC)等系统相继投入运营[3]，改善了运输指挥中数据结合方式，增强了系统协同能力。但现阶段既有高速铁路列车运行计划调整系统(以下简称“既有调整系统”)更多借助计算机辅助工具由人工完成主要智能工作，调度行为多受现场调度员个人经验、能力及习惯影响。一方面，频发的铁路突发事件和繁重的施工计划使人工调整模式在输出计划的可用性、一致性和优化率等方面难以达到最优；另一方面，层次模糊的既有系统架构紧密耦合上层交互和底层业务逻辑，系统可扩展性较差。随着我国高速路网密度持续增加，既有调整系统已经难以适应铁路信息化发展趋势。

针对既有调整系统不足，高速铁路列车运行计划自动调整系统(以下简称“自动调整系统”)在设计原则上遵循：①计划调整策略应符合相关技术规章制度；②提供场景策略人工定制功能；③具备操作简练、安全可靠等特点。在功能需求上：①建立高速铁路线路和调度管辖区域静态模型；②通过对路网内动态运行列车实时追踪、晚点预测和计划交互，建立典型事件下列车交路、运行时分和到发线运用等关键信息数据库；③在既有运输资源限制下，基于特定场景及策略，生成智能调整方案。

解耦上层应用交互、中间业务逻辑与底层数据存储，设计3层架构的列车运行计划自动调整系统。既有调整系统和自动调整系统结构比较如图1所示。

图1 既有调整系统和自动调整系统结构比较Fig.1 System structure comparison

（1）应用层的N个计划交互终端。自动调整系统与调度员的交互媒介，负责将优化编制结果形式化呈现于用户；接收用户人工确认，形成最终行车依据。

（2）业务层的一个计划调整子系统。计划自动调整系统的业务核心，主要实现以下3类功能。①计划自动调整功能。模块通过调整策略定制，在线路既有静态模型框架和运输资源限制下，以列车运行动态数据为驱动源，获取高效率、无冲突的列车运行计划。②数据库持久化功能。模块直连数据库服务器，实现计划数据的持久化功能。统一的数据交互节点可以减少数据库访问次数，提高代码重用性，解耦合底层数据操作和上层业务逻辑。③对外信息交互功能。模块通过数据库或内存访问，响应终端设备请求；综合处理线路内报点、小编组和现在车等信息。集中管理的数据中心有助于挖掘和发挥数据协同价值。

（3）数据层的一个数据库服务器。实现对数据库的统一管理和控制，以保证数据库的安全性和完整性。

此外，完成设备接入、信息交互和功能控制的应用服务器以及执行安全卡控和信息回送的车站设备等，需为整套系统做适应性修改。

1.2 关键特性及应对方案

针对既有调整系统可扩展性较差、应对突发事件和施工计划能力不足等缺陷，重点考虑在系统可用性、数据一致性和检索高性能等方面进行完善。

（1）系统可用性。交互终端与调整单元分离，数据呈现与数据存储分离。3层架构中，多终端按台别分别实现计划的输入、编辑、确认和上传功能，运行图调整子系统入库数据并下发终端自动调整方案和历史查询反馈。“双机热备、主发双收”的主备模式依靠核心数据订阅和变化数据推送，实现主备严格同步。系统功能集中、层级清晰，高内聚、低耦合的计算平台易于控制、延展和分配资源，提升系统突发事件处理能力，保证了系统可用性。

（2）数据一致性。计划交互终端为计划输入来源及人工确认节点。终端在本地结构化临时存储计划信息以分摊存储压力的同时，具备自动故障转移能力，而计划的最终持久化位置为中心数据库。分布式系统下，为实现多节点异构数据有效融合和模块分区容错性，需在数据强一致性和可用性之间做平衡。自动调整系统通过增加由创建时间和递增数组成的计划时间戳附加信息，牺牲节点间数据的暂时一致性换取数据的最终一致性。在网络中断、节点故障等突发事件下，计划交互终端可使用已存储数据进行脱机工作。故障恢复后，终端根据时间戳，对本地数据与服务器数据进行匹配和融合，保证数据完整性和一致性。

（3）检索高性能。运行图调整子系统抽象数据库访问层，实现读写操作分离和数据库连接管理，完成持久层与数据访问层的高效配合。计划交互终端采用三级缓存机制：底层缓存实现内存与硬盘数据的完整映射，中层常用数据采用二叉树存储格式，上层核心数据采用Hash表存储格式，查找时间复杂度分别为O(n)、O(lnn)和O(1)。针对频繁使用且耗费内存的运行线信息，以运行线ID生成矢量列表，压缩检索条件构建的稀疏位图索引矩阵，建立索引位与运行线序号映射关系，实现计划线的各类高性能排序和检索。

2 高速铁路列车运行计划自动调整子系统

作为自动调整系统核心，中间业务层的高速铁路列车运行计划自动调整子系统(以下简称“自动调整子系统”)接收外部调整场景及策略人工编辑输入，形式化列车实时运行数据、突发事件数据和基础数据，在优化目标指引下，通过后台调整算法实时、智能移动运行线，疏解线间错综复杂的制约关系，对外输出无冲突且目标阈值帕累托最优的列车运行计划。自动调整子系统业务模块设计如图2所示。

图2 自动调整子系统业务模块设计Fig.2 Business module design for automatic adjustment subsystem

2.1 调整场景及策略

自动调整系统提供包括突发事件等多种场景下计划的批量智能调整功能。常见调整场景及对应策略映射关系如下[4-5]。

（1）区间封锁：不改变列车运行顺序，后续列车就近在运行前方车站合适股道临时待避。

（2）区间限速：所有经过限速区间的列车根据限速值自动调整在该区间的运行时分，但后续列车运行顺序及停站不做改变。

（3）车站封锁：调整受影响列车至其他未封锁股道进行接发车作业。

（4）车站限速：车站股道限速、全站限速场景与区间限速场景类似。

（5）区间折返：因折返期间该方向区间其他列车无法通行，类似该区间单向封锁，调整策略与区间封锁类似，待列车折返到后方站后解除封锁，列车恢复正常运行。

（6）车站终到折返：如果某趟列车终到晚点，在保证列车所有作业时间的前提下，尽量缩短列车折返时间。

（7）动车组故障：包括区间故障和站内故障。前者需等待救援列车将故障动车组牵引折返至相邻车站，调整策略与区间折返类似。后者调整策略与车站股道封锁类似。

（8）动车组运缓：后续列车在临近运缓动车组后方车站限速运行，避免后续列车堆积。

（9）邻台接入晚点：通过增加计划停靠车站停留时间或增加临时停靠车站的方式，降低对其他列车的影响。

（10）风雨雪：需对相关区间和车站进行临时限速，调整策略与区间限速和车站限速场景类似。

（11）接触网故障：对影响到的区间和股道，在故障期间动车组列车无法通行，调整策略与区间封锁和车站封锁场景类似。

（12）异物入侵：如需对异物入侵的区间进行临时限速，调整策略与区间限速场景类似，如需对区间进行封锁，调整策略与区间封锁场景类似。

2.2 数据形式化处理

数据形式化处理是在合适的行车模型基础上，给出行车组织中各元素在模型中的定义，形式化描述元素及元素间关系，进而完整表述行车组织及运行计划的基本特征、内涵和需求，为后续研究提供基础数据。处理模块通过线性归一化、非线性归一化和标准差标准化等方法，对同类数据建立单一量纲，对不同类数据建立可比较的映射关系，最终实现输入数据的标准化和归一化。

2.3 自动调整优化目标

作为多约束限制与多因素影响下的群决策过程：①调整结果评判标准具有环境适用局限性；②计划调整是由静态模型、动态数据以及突发事件共同决定的动态过程；③计划优化指标分布不均衡且部分指标间关联性和依赖性较强。因此，自动调整优化目标选取宜运用系统观点融合关键因素，强调基础功能满足，体现经济效益导向，具备现实可操作和场景普适性。

自动调整系统采用解释结构模型法(Interpretative Structural Modeling Method，ISM)[6]拆分复杂系统为简单子系统元素，构建描述元素间关系的有向图；通过对表征有向图的相邻矩阵及关联邻接矩阵和可达矩阵的计算，构造多级递阶的计划自动调整目标元素集合，最终形成4项目标概要元素。

（1）列车运行安全指标。安全是所有运输服务的基础。自动调整系统利用线路速度冗余和计划规划冗余，采取变更列车运行时间、径路以及修改开行计划等方式，疏解线间冲突，消除外部影响。

（2）运输成本指标。运输成本包括：运输组织成本；前期运输准备和列车运行成本；运输部门固定资产及设备维护和保养成本；固定资产应计入运输成本的非生产性成本。

（3）运输收益指标。运输收益计算指标包括旅客运输人数、平均行程、人公里收入率或客车定员周转量和旅客上座率等。

（4）计划编制质量指标。方便、快捷和高效是运输服务的质量内涵和价值体现。停靠车站数量、列车运行速度和计划晚点时分等指标，直接或间接影响服务对象的出行方式，最终体现在铁路企业运营收益方面。

根据ISM对4项概要元素进行分解，获取计划调整寻优目标集合A，a∈A归属于4项概要元素。以计划时间为标准化指标，其他指标利用转换系数δ进行映射。设定总目标为元素ai权重。追求O最优，可兼顾运输服务质量和企业运营效益。

2.4 自动调整算法

调度规则是简化的启发式调度方法，主要作为当前待处理任务的选取规则应用于最优控制策略的寻找过程。合理的调度规则有助于降低优化算法计算复杂度，加速逼近最优解。目前常用的通用调度规则主要包括[7]：按时间顺序规则、按优先权规则、按代价最小规则、按剩余松弛时间规则和随机规则等。

我国高速铁路运输调度遵循分级管理、集中统一指挥的原则。列车运行计划自动调整算法在参考以上通用规则的基础上，还需要依据行车指挥原则和特点采用专用领域规则指挥行车，如晚点列车尽可能不影响正点列车；先跨局后管内；优先安排高等级列车、事故救援抢修列车运行等。

作为复杂非线性多目标优化研究问题，通过人工智能的启发式搜索机制和算法持续叠加优化操作实现计划自动调整操作。相关工作可参考课题组既有研究文献[1，8-9]。

3 仿真实验及现场验证

搭建计划自动调整原型系统：操作环境为Window 7；数据库选取Oracle 10g；计划交互终端使用XML格式本地存储；底层TCP连接，应用层使用FZy-CTC专用协议进行业务数据交换；选取开行列车数、列车定员周转量、平均晚点时间和列车平均运行速度等元数据构造优化指标，并以中国铁路北京局集团有限公司京津城际台为待调整调度台，计划自动调整对比如图3所示。

选取常见的区间施工封锁调整场景。初始状态a，线间无冲突；状态b，加入永乐至亦庄上行区间封锁，该施工封锁与列车C2054产生冲突；根据上述调整策略，列车在永乐站临时待避至封锁结束。系统可在毫秒量级给出解决方案，在保证行车安全前提下，达到既定目标最优的预期效果。

2018年10月，高速铁路列车运行计划自动调整系统部署于京沈客运专线(北京—沈阳)综合试验线路。经过一段时间联调联试现场实验，系统通过中国铁路总公司组织的专家技术评审。在持续验证系统可用性、可靠性和安全性的基础上，后续考虑全路推广，进一步提高高速铁路调度指挥与行车控制的智能化水平。

图3 计划自动调整对比Fig.3 Comparison for train plan automatic adjustment

4 结束语

高速铁路列车运行计划自动调整系统可以在计划线间冲突时，归类调整场景及策略，提供计划的智能和快速调整功能，满足突发情况下运行计划的实时优化调整需求。相比现有人工调整模式，3层架构的自动调整系统借助解耦业务交互关联、异构异地数据存储和融合、高效数据缓存设计等方案，在降低用户劳动强度的同时，显著提高计划调整效率和质量，促进铁路运输调度的智能化和自动化演进。目前我国高速铁路运营规模持续扩大，突发事件下的线路拥塞和行车秩序紊乱等问题必将增加计划调整场景及策略的多变性和复杂性。基于大数据和人工智能实现对路网运行态势的准确预测，形成面向不同场景的动态策略集，并以此构建调整策略的自学习能力和智能调整机制，持续提升突发事件下应急处置能力，优化运输组织进程，还有待进一步深入研究。