万鑫兴

(中国铁路兰州局集团有限公司 银川站，宁夏 银川 750011)

随着社会经济发展的快速转型，货运需求逐年持续高速增长，增长量主要集中在机械、电子、轻纺、食品、工业产成品以及包裹和快件为代表的高时效性零散货物上，而主要通过铁路运输的大宗物资运量增长并不明显[1]。同时，高速铁路网的形成，使得铁路运能紧张的矛盾转变为铁路货运量增长与铁路货运时效性低下之间的尖锐矛盾[2]。铁路货运时效性低下的根本原因是铁路货物运输组织过程不够灵活，尤其在调车作业中浪费了大量时间，各种调车作业成为决定铁路货运时效性高低的重要因素。而调车作业效率的提高依赖于先进的技术和设备。长期以来，铁路有关部门一直在调车作业组织方法上不断优化，但由于调车设备对调车组织方式的限制，其节省的调车作业时间非常有限，不能从根本上扭转调车作业效率低下的问题[3-4]，究其原因是调车作业流程和时间受限于现有调机和车辆设备。人工智能时代已经到来，改进调机和车辆设备并依靠人工智能控制技术提高调车作业效率成为调车作业发展的新方向[5]。

1 基于传统调车设备的作业分析

1.1 传统调车作业分析

铁路运输以钢轨作为固定导向的特点，一方面保证了铁路运输的安全，并以轮对和钢轨之间较小的刚性接触面实现节约摩擦能耗的目的，另一方面也限制了列车或车列的运动路径，从而为避免运动冲突而产生大量的调车作业。

现有调车作业按作业目的通常分为：解体调车作业、编组调车作业、取送调车作业、摘挂调车作业和其它调车作业，其中其它调车作业包括车列或车辆转线、转场，车场整理，机车出入库等[6]。所有的调车作业都具备以下特点：一是所有车列或车辆都必须在调机的牵引或推动下前进，车列或车辆自身不具备动力系统；二是所有车列或车辆从一股道运动至另一股道都必须通过返岔子的方法来实现，无法实现横向运动；三是所有车列或车辆都必须依靠风缸或人力制动，无法节约制动时间；四是车列的摘钩作业都必须通过人工进行；五是所有平行进路中的调车作业均受调机数量的限制，而调机数量和效率又受咽喉区布置的限制；六是所有调车作业的进行必须依赖调车人员去判断和执行，存在安全风险。因此，改进现有调机和车辆设备并使用人工智能技术是提高调车作业效率的重要途径。

1.2 传统调车作业环节及时间

由于整个调车作业过程具有连续性和重复性，不便对调车作业过程进行分析。因此以每勾调车作业为单位进行分析，依据作业环节不同可分为以下4类勾别：①调机带车列挂车辆(或车列)；②单机挂车列；③调机带车列甩车辆(或车列)；④单机甩车列。所有的调车作业过程均由以上4 种勾别的调车作业重组而成。

而在以上4 类勾别中，存在的作业环节及其所需时间包括：①因为调机有限，调车作业前车辆或车列具备调车条件时存在等待调机牵引或推送所需时间；②连挂作业时间；③连接风管(或摘解风管)所需时间；④调机试风所需时间；⑤防溜作业所需时间；⑥摘钩作业所需时间；⑦调机推动或牵引车列前进或后退所需时间；⑧在调车作业中，车站值班员、调车司机与调车人员之间为确认每勾调车作业环节而进行语音联控所需时间。

传统调车作业中的各个环节均需要人工通过体力或脑力去执行或确认，一方面对于调车作业的安全只能通过规章制度进行约束，存在不稳定性且安全性较差；另一方面完成调车作业所用的设备自动化程度不高，需要作业人员反复联控确认，作业效率较低，所需作业时间较长。

2 基于货运时效性的人工智能调车作业

由于人工智能技术在调车作业中的运用，必须依赖特定的设备来控制调机和车辆的动作，而特定的设备则必须要与调机和车辆完美契合匹配，才能够精准快速地完成人工智能调车作业。此外，现有的调机和车辆设备及其匹配的调车模式耗费过多调车时间的缺陷也急需改进。因此，调车设备的改进创新成为调车效率提高的最重要前提。

2.1 调车设备改进思路及设计原理

现有调车设备不够灵活机动的主要原因有三：一是车辆本身不具备动力；二是调机与车辆处于同一水平面，依托钢轨两者无法穿插运动；三是车辆无法实现“横向”跨越股道运动。因此，首先需要解决车辆本身的动力问题，只有在车辆存在动力的情况下才能实现人工智能技术控制车辆自行运动、自行制动和自行摘钩，而此处动力仅仅指实现车辆主动与调机“连挂”、自行制动和自行摘钩的小功耗动力。其次，因为调机与车辆是在同一平面存在运动穿插的冲突问题，因此可将调机移出车辆所在的运动平面并将其设计为人工智能技术控制的新型调机即传动调机。传动调机主要由动力部分和传动部分组成，为降低造价将其固定于地基之下，而调机与车辆的“连挂”运动只需车辆自行运动部分在人工智能技术的控制下主动与传动调机的传动部分匹配耦合即可完成。最后，车辆的横向跨股道运动亦是由车辆平面之上的新型调机即横动调机来实现的。横动调机主要由横动调架匹配支持，其运动范围仅在50～200 m之间(根据站场宽度确定)。横动调机两组一对，能够根据不同车辆的轴距智能调节臂距并“抓起”需横动的车辆。

2.2 调车设备改进分析

针对设备改进思路和设计原理，铁路调车辅助设备实用新型专利公布了一套可以实现车辆自行运动、自行制动、自行提钩3 大功能的技术实施例[7]。铁路车站立体调车系统实用新型专利公布了一套可以实现车辆跨股道横向运动的技术实施例[8]。它们配合使用即可形成一个由人工智能技术控制的垂直三级立体调车系统，实现车辆在技术站调车场内的快速位移。

铁路调车辅助设备主要是在原有车辆设备的基础上进行改进，新添加了车辆自行运动设备、自行制动设备、自行摘钩设备，其中车辆自行运动设备功能的实现，需有专门的传动调机配合。整套设备的动力系统设计采用将小电流产生的微动力累积做功转化为大动力的思路，即功能守恒定律，使得增添设备及其运营的成本较小，在控制方面采用机器自动控制和人工控制相结合的控制方法，实现为人工智能控制系统提供条件的同时又满足应急处置需要。车辆的自行运动设备在传动调机的辅助下能够实现车辆或车列自行前后运动，传动调机固定于线路地基之下，与车列或车辆不在同一水平面，相互不存在运动冲突，此外传动调机的主要结构由大型电动机、减速器、齿轮及传动链条组成，结构简单。车辆的自行制动设备可代替原有风缸产生制动力，自行制动设备与车列中任意2 个车辆之间的连接线路存在联锁关系，能够检测车列是否完整并在丢车后自行制动。同时自行制动设备可在司机或人工智能控制系统之间切换操控。车辆的自行摘钩设备，需在车辆自行运动设备和自行制动设备的配合下完成自行摘钩作业，即提钩前车辆间自动完成压缩车钩的动作，以此实现各种环境下的自行提钩作业。铁路调车辅助设备功能原理如图1 所示。铁路调车辅助设备结构如图2 所示。

图2 铁路调车辅助设备结构图Fig.2 Structure diagram of auxiliary equipment for railway shunting operation

车辆自行运动设备的使用相比传统调车作业，可以节约待调车辆等待调机牵引或推送的时间，即多个股道可同时进行车辆的摘解或连挂作业，使调车作业可以多线程进行从而节约大量时间；车辆自行制动设备主要解决作业中调机频繁试风实验、摘接风管、实施防溜浪费大量时间的问题；车辆自行摘钩设备的使用相比传统调车作业一方面极大提高调车作业的安全性，另一方面节约了提钩人员的人力成本和调车作业的提钩时间。对车辆以上3 个方面的改进创新可大幅提高铁路调车的机动灵活性。

铁路车站立体调车系统是在原有技术站的基础上增添新设备。新设备主要由横动调机设备、横向调架设备、横动调机转线设备、升降设备以及控制设备5 部分组成。横动调机设备运动在横向调架设备之上，与车辆或车列不在同一水平面即不存在运动冲突，可以“抓”起车辆运动于各个股道之间；横向调架设备为钢筋混凝土浇筑的结构，横跨于各个股道之间；横动调机转线设备可以使横动调机循环运动，快速完成多个车辆的横向跨线运动；升降设备用于辅助横动调机“抓住”和“松开”车辆；控制设备采用机控和人控协调的方式。铁路车站立体调车系统功能原理如图3所示。铁路车站立体调车系统结构如图4 所示。该系统在铁路调车辅助设备的配合下，可以实现在无驼峰的情况下，多条线路同时解体进入编组线，极大地提高解体效率；在编组线上编组的车列，也可以直接快速将规定车辆“插入”车列之中，节约大量的倒勾作业时间。同时需要指出，该系统并不针对所有解编车列都通过横向移动的方式来实现列车的解体和编组。对于组别较少的大车组列车，采用平面返岔子的调车方式进行解体和编组，可以有效节约调车 时间。人工智能调车编组站三级六场改造建议图如图5 所示。人工智能调车针对不同的解体需求的车列采用不同的解体方案以节约调车时间，图5 中各种调车作业之间交叉干扰非常小。

图3 铁路车站立体调车系统功能原理图Fig.3 Function diagram of three-dimensional shunting system in railway station

图4 铁路车站立体调车系统结构图Fig.4 Structure diagram of three-dimensional shunting system in railway station

图5 人工智能调车编组站三级六场改造建议图Fig.5 Artificial intelligent shunting marshalling yard under the end arrangement sequence of train receiving yard,shunting yard and train dispatching yard with six-yard reconstruction proposal map

在人工智能调车过程中，总控制中心通过接收现场改进设备的反馈信息，即改进设备利用雷达超声测距、红外探测定位、步进限位逻辑以及压敏模块等传感器获取的车辆位置及动作状态信息，以调车解编目标动态决策控制车辆设备下一步调车动作，直至到达调车解编目标，结束调车动作并回归至初始状态。如车列自行摘钩作业，人工智能控制系统首先需根据雷达超声测距模块确定车列不再移动，再根据解编目标计划确定提钩位置、通过无线通信启动对应车辆的摘钩设备，摘钩设备独立完成摘钩作业后反馈步进限位逻辑至人工智能控制系统，系统将摘钩后的2 车列分别启动自行运动设备和自行制动设备，完成摘钩作业。

2.3 人工智能调车作业环节及流程

基于以上2 套专利在现有调车设备基础上的改进设计，人工智能技术即可在调车作业中得以实现。而人工智能技术的使用，一方面可充分利用新设备优势以节约调车时间和提高调车效率，另一方面可以形成新的人工智能调车模式。人工智能调车模式即指在整个调车作业过程中，由安装在改进的调车设备上的传感器与总控制中心之间进行调车信息的交流，进而自动完成调车作业的各个环节，最终代替人力调车模式。即在人工智能系统运算控制下，使调车场中车辆自动实现纵向和横向的智能协调运动，以快速完成车辆的调车作业。

对改进后的硬件设备功能分析，其车辆设备具有自行制动和自行摘钩的功能，在传动调机的辅助下具有自行前后运动的功能，在横动调机的协助下具有横跨股道的功能。依据新设备可实现的功能和调车作业计划的需求，按作业环节将人工智能调车作业也可分为2 类勾别：①解体横动分组；②列车组合或分解运动。整个人工智能调车过程均由以上2类勾别的调车作业相互重组配合来完成。

（1）解体横动分组。解体横动分组即指车列自行运动至横向调架，并自动完成自行摘钩和自行制动作业；然后由升降设备升起车辆，横动调机悬挂车辆并运行至目的股道，横动调机解挂车辆，升降设备将车辆降至对应股道；最后车辆自行运动至对应车列(或车组)中的过程。解体横动分组勾别存在的作业环节及其时间：①车列自行运动所需时间；②车列自行摘钩所需时间；③车列自行制动所需时间；④升降设备升高车辆所需时间；⑤横动调机悬挂车辆时间；⑥横动调机横向运动时间；⑦横动调机解挂车辆时间；⑧升降设备降低车辆所需时间。

（2）列车组合或分解运动。列车组合或分解运动即指在同一股道的各个车列(或车组)在分散放置的情况下，自行运动组合为1 个编成车列并自行运动至到发线的过程，或将1 个车列通过自行运动分解为2 个车列的过程。列车组合或分解运动勾别存在的作业环节及时间：①车列自行摘钩所需时间；②车列自行运动所需时间，因车列自行运动速度可控，车辆连挂所需时间极少，所以此处包含(或忽略)车列连挂所需时间；③车列自行制动所需时间。

在以上所有的作业环节中，每个作业环节的自动完成均由各个改进设备的所处动作状态、设备工作逻辑以及工作时间3 者进行复核判断作业环节是否完成，以确保该勾别作业安全准确高效快速。在上述的作业环节中，车列自行运动所需时间和车列自行制动所需时间均需由车列或车辆在整列车中的位置加以确定；而其他作业环节所需时间均是固定不变的。

3 人工智能调车控制模型

人工智能调车控制需要以列车编组计划作为基础，车流组织计算采用“车流运动集结”法[2]，由此计算出最优调车作业计划需求，即计算出待解车列中的车辆被编入待编车列中的具体位置。人工智能调车作业以最小调车作业勾别(即解体横动分组和列车组合或分解运动)为单位，以调车作业计划需求、调车进路运动逻辑为限制条件，来排列计算完成调车作业计划。

则人工智能调车模式下的解体编组调车作业计划(a=2)如表1 所示。

表1 人工智能调车模式下的解体编组调车作业计划(a=2)Table.1 Shunting operation plan of train break-up under artificial intelligent shunting mode (a=2)

上述调车作业计划中M(xi，yn)M(xi，yj)T1(yj＜yn)为非必须勾计划，即满足yj＜yn条件时，执行此勾调车作业，否则不执行。其中T0为列车组合或分解运动勾别的作业时间，当yj≥yn时，T0值取0。此外，在硬件设备改进后，车列或车辆的运动速度均可通过自行运动设备或自行制动设备精确控制，即不存在禁溜车辆。

综上所述，人工智能调车控制模型，通过接收以“车流运动集结”法为核心所计算出来列车编组计划作为调车作业计划需求；而在软件编程联锁控制硬件设备的过程中，可将解体横动分组和列车组合或分解运动2 类勾别的硬件动作控制编程分别模块化(即对2 类勾别的作业环节进行组合)，进而直接与解体编组调车作业计划衔接，以完成硬件设备的人工智能操控。

人工智能调车控制模型主要针对整列车中车组去向别较为复杂的列车解体编组而设计的，而在技术站还存在整列车中车组去向别较为简单的需要解体的列车，采用人工智能调车控制模型对其施行解体作业反而花费更多时间。因此，针对此类列车需改变解体方式，即仅通过车列自行摘钩、自行运动、自行制动，利用固定线路及相应道岔转换的方式运动至目的调车线。

4 基于人工智能调车模式的分析

基于调车设备在自行运动和自行制动上的改进设计，人工智能调车模式在作业环节上省去了等待调机推送或牵引、摘接风管、调机试风、车机联控、防溜作业、车辆连挂等耗费体力和时间的作业环节。此外与传统调车模式相比，在解体模式上，人工智能调车模式可以实现多条调车线同时解体，成倍提高解体作业的效率，节约大量时间；在编组模式上，人工智能调车模式在车列的解体作业中就完成了所有的编尾调车作业，节约所有的编尾时间；而人工智能调车模式控制模型采用“车流运动集结”法计算的列车编组计划可使每辆车平均节约4～ 5 h 的运输时间。

基于时效性考虑，在人工智能调车模式下以车辆为计算目标和单位，对比传统调车作业计算其在整个运输过程中节约的总时间。

式中：k为频次，取整数；t技节为到达技术作业节约的时间；t解节为解编作业节约的时间，h；t中节为中转调车作业节约的时间，h；t编节为编组调车作业节约的时间，h；t待节为等待调车作业所需时间，h；k1t技节为车辆在车列中对比人工智能调车模式进行了k1次到达作业节约的时间，h；k2t解节为车辆在车列中对比人工智能调车模式进行了k2次解体作业节约的时间，h；k3t中节为车辆在车列中对比人工智能调车模式进行了k3次中转调车作业节约的时间，h；k4t编节为车辆在车列中对比人工智能调车模式进行了k4次编组调车作业节约的时间，h；k5t待节为车辆在车列车中对比人工智能调车模式在技术站进行了k5次等待调机推送或牵引的调车作业节约的时间，h；t倒节为车辆在车列车中对比人工智能调车模式进行倒站顺节约的调车作业时间，h；t集节为采用“车流运动集结”法节约的集结时间，h。

式中：i为调车线股道编号；Si为i股道至其它车场之间的曲线(咽喉区的长度)距离，km；j为车列中同一到站的车组的车组别号；v为机车平均走行速度，km/h；n为进入调车线股道数，取整数；L为一条标准的调车线(包括推送线、解体线)，km；L0为车辆标准长度，km；Xij为第i条调车线上车列的车辆数；T0为节省的人工指挥延误以及咽喉径路缩短等时间，h。

式中：Yk为每个车列中不同的组号数。

通过上述节约调车时间公式的推导，可以得出在一批货物的运输过程中，采用人工智能调车模式可以节约总货运时间百分比的估算公式。

式中：S ′为我国铁路多数货物运输的距离均值，km，v ′为我国铁路多数货物运输的速度均值，km/h，而k1，k2，k3，k4，k5则可根据我国铁路网技术站密度进行估值。

式中：L总为运输总路程，km；i取1，2，3，4，5；ρ1为运输总路程进行了k1次到达作业；ρ2为运输总路程进行了k2次解体作业；ρ3为运输总路程进行了k3次中转作业；ρ4为运输总路程进行了k4次编组作业；ρ5为运输总路程等待了k5次调车作业。

5 结束语

为推动铁路货运高质量发展，铁路货运设备的改进和组织方式的优化势在必行，而基于铁路庞大数量的基础设备的特征，有必要探索在原有设备基础上优化增添设备并以此优化组织方式。以人工智能技术应用为导向改进现有运输设备和运输关系，可以达到大幅提高铁路运输时效性和运输能力的目的，为有效避免人为原因造成的调车失误乃至调车事故提供参考。