基于可变操纵策略的延误场景下节能时刻表调整优化方法与流程

1.本发明涉及城市轨道交通控制领域，尤其涉及基于可变操纵策略的延误场景下节能时刻表调整优化方法。


背景技术：

2.随着我国城市化进程的加速，大城市客流需求急剧增长。快速发展的城市轨道交通有效地缓解了客流压力。2021年，43个城市的城市轨道交通总客运量为236.02亿人次，日均6480.79万人次。其中，北京地铁的年客运量达 30.66亿人次，日均840万人次，单日最高1375.38万人次。如此庞大的城市轨道交通系统所消耗的能量也是巨大的。2020年，北京地铁总运行能耗超过20亿 kw
·
h，其中牵引能耗近12亿kw
·
h，占总运行能耗的60％。在实际运行中，设备设施故障、线路施工、异物侵限、不良天气、临时限速调度命令等因素都可能使列车延误，最终无法按照既定运行计划行车。
3.因此，在延误场景下，根据列车运行状态快速地给出可行的操纵策略来进行时刻表的调整优化，将进一步扩展节能时刻表优化方法的运用场景，助力未来轨道交通的智能化发展。


技术实现要素：

4.为了实现上述目的，本发明以列车晚点时间和能耗值综合最优为目标，构建考虑节能的运行调整优化模型，在满足时刻表安全约束条件下，基于可变操纵策略的动态多目标优化算法求解出列车的运行时间以及相应的列车节能操纵策略，进而在弥补延误的同时，降低列车能耗。本发明具体采用如下技术方案：
5.一种基于可变操纵策略的延误场景下节能时刻表调整优化方法，该方法包括如下步骤：
6.(1)在列车延误场景下，以列车晚点时间和能耗值综合最优为目标，在满足时刻表安全约束条件下，分别构建节能时刻表运行调整优化模型和列车节能操纵策略优化模型；所述延误场景包括初始扰动型延误和临时限速型延误，初始扰动型延误是指通过给定初始扰动，使列车产生延误的场景；临时限速型延误是指因为在特定位置设置临时限速，使得在一定时间通过该位置所有列车允许的限制速度下降、运行时分增加，进而造成列车延误的场景；
7.(2)基于步骤(1)建立的节能时刻表运行调整优化模型和列车节能操纵策略优化模型，首先，输入原始时刻表和给定的扰动信息得到调整后的时刻表，并根据调整后时刻表的到发时间计算列车在区间的运行时间；然后，结合扰动信息判断得到的运行时间是否够用，如果够用，则进入步骤(3)；如果不够用，首先重新计算列车最短运行时间，然后更新运行调整优化模型中的区间最短运行时间约束，并在此基础上重新计算调整后的时刻表以及对应的列车区间运行时间；
8.(3)采用可变操纵策略的动态多目标优化算法求解出列车的运行时间以及相应的
列车节能操纵策略，首先进行给定操纵策略条件下的速度距离曲线仿真，然后采用dnsga-ii算法，以列车能耗和运行时间综合最优为目标，通过不断地迭代寻优，找到能耗与时间平衡的pareto最优解集，然后从中选择符合条件的解。优选的，所述步骤(1)包括如下步骤：
9.(1.1)建立节能时刻表运行调整优化模型
10.(1.1.1)建立目标函数：
[0011][0012]
式中，z是线路上所有列车总的运行调整优化目标，α是全部列车在所有停车站的总到达晚点时间与全部列车在所有区间的总运行时间偏差的占比；
[0013]
(1.1.2)建立基本约束：
[0014][0015]
式(2)保证列车i在区间j的运行时间以及在车站j的停站时间分别满足区间和车站的最短作业时间要求；
[0016][0017]
式(3)保证相邻列车在车站j接发列车满足车站间隔时间安全约束；
[0018][0019]
式(4)中，a
i,j,h
和d
i,j,h
分别是列车i进入和离开计算区段h的时刻，该约束保证列车i在相邻计算区段到发时刻的连续性；
[0020][0021]
式(5)中，ho和he分别代表区间j内第一个和最后一个计算区段，该约束确保了列车进去区间j的时刻即为进入区间j内第一个计算区段的时刻，列车离开区间j内最后一个计算区段的时刻即为离开区间j的时刻；
[0022]
(1.1.3)建立因扰动产生的约束条件
[0023]
设置0-1决策变量φ
i,j,h
表征列车i是否在区间j运行区段h受到影响，如果被影响，则φ
i,j,h
＝1，否则φ
i,j,h
＝0；
[0024]
定义d
i,j
＝d
i,j,0
，a
i,j
＝a
i,j,0
，φ
i,j,0
表征列车i是否在车站j受到影响，则延误场景下φ
i,j,h
满足：
[0025][0026]
当列车在车站或者计算区段的到发时刻满足式(6)时，列车运行将受到扰动因素
影响，在扰动区域内，需保证受影响列车的速度不高于给定的临时限制速度，则：
[0027][0028]
式中，是列车i在区间j的计算区段h的第s步仿真时的速度，是区间j的计算区段h的最大允许速度，是延误场景下区间j的计算区段h的临时限制速度。
[0029]
(1.2)列车节能操纵策略优化模型
[0030]
(1.2.1)建立目标函数
[0031][0032]
式中：z
energy
是线路上所有列车能耗。
[0033]
(1.2.2)建立基本约束
[0034][0035]
其中，u
t
和ub分别是牵引力和制动力的控制系数，以调节列车实际输出的牵引力和制动力大小，fr包括列车受到的基本阻力和因坡道、隧道和曲线线路条件引起的附加阻力值；
[0036][0037]
约束(10)是列车的速度约束，其表示列车i在区间j的第一个计算区段ho的速度为0m/s，在最后一个计算区段he的速度也为0m/s；以及在区间j内，前一计算区段h的驶出速度等于后一计算区段h+1的驶入速度；以及约束了列车的速度始终满足限制速度要求；
[0038][0039]
约束(11)是列车的距离约束，计算区段h的距离由加速、匀速、惰行以及制动距离组成，区间距离由其包含的计算区段组成；
[0040][0041]
式(12)为列车在区间运行时间，其中v(s)代表列车实时仿真的速度。
[0042]
优选的，所述步骤(3)包括如下步骤：
[0043]
(3.1)给定操纵策略条件下的速度距离曲线仿真
[0044]
列车在计算区段h的操纵策略由计算区段h的目标速度与下一计算区段 h+1的目标速度确定，根据与大小关系，以及是否与制动曲线相交，列车采用的操纵策略包括以下三种：
[0045]
1)加速/匀速策略：如果且与制动曲线无交点，则列车从计算区段h的起点以最大加速度加速，当速度达到就保持该速度匀速运行直到计算区段h的终点；
[0046]
2)惰行策略：如果且与制动曲线无交点，则列车以速度从计算区段h的终点反向惰行搜索，如果搜索的距离小于计算区段距离，但速度已达到则保持该速度匀速运行直到计算区段起点；如果搜索完计算区段h，但速度仍小于则继续反向惰行搜索直到与正向曲线相交；
[0047]
3)制动策略：如果与制动曲线相交，则根据制动曲线采用制动策略；
[0048]
(3.2)dnsga-ii算法求解
[0049]
以列车能耗和运行时间综合最优为目标，通过不断地迭代寻优，找到能耗与时间平衡的pareto最优解集，然后从中选择符合条件的解，优化目标为：
[0050]
min f(x)＝(f
energy
(x),f
time
(x))
ꢀꢀꢀ
(22)
[0051]
式中，f(x)是总优化目标，f
energy
(x)和f
time
(x)分别是列车的能耗和运行时间；
[0052]
算法dnsga-ii计算步骤如下：
[0053]
步骤1：初始化。令迭代次数l、列车初始位置s0、初始速度v0均为0，给出最大迭代次数maxl、结束位置s
end
，并令列车位置s
train
＝s0。首先，随机生成n-1 个个体，考虑到最短运行时间条件下的速度距离曲线一定是可行解，因此，生成包含最短运行时间条件的n个个体的父代p
l
。令仿真计算时间tc＝0；
[0054]
步骤2：通过选择、交叉、变异操作(参见nsga-ii算法)生成子代q
l
，q
l
与p
l
合并后生成含2n个个体的r
l
；
[0055]
步骤3：如果超过最大迭代次数maxl，或者超过最大允许仿真计算时间tc，则从pareto最优解中选择与运行调整模型得到的区间运行时间最接近、且不大于该时间的解p
*
，否则，采用非支配排序计算所有解的支配等级和拥挤距离，并基于精英策略选择前n个个体生成新的父代p
l+1
，令l＝l+1，转步骤2；
[0056]
步骤4：判断是否到达结束位置s
end
，根据需要确定判断位置，如在列车到达车站时进行判断。如果没有结束，更新仿真的初始位置s0和初始速度v0，令l＝0、 tc＝0，根据v0、s0到s
end
的线路条件生成新的父代p
l
，转步骤2；否则，已经到达结束位置，停止计算。
附图说明
[0057]
图1是区间最优驾驶策略图。
[0058]
图2是列车区间能耗随富余时间增加的变化趋势图。
[0059]
图3是运行图调整示意图。
[0060]
图4是两种延误场景示意图。
[0061]
图5是城市轨道交通线路示意图。
[0062]
图6是计算区段、区间关系图。
[0063]
图7是本发明方法流程图。
[0064]
图8是相邻计算区段可能的几种速度距离曲线情况图：(a)～(c)采用加速/ 匀速
策略，(d)～(i)采用惰行策略，(j)采用制动策略。
[0065]
图9是dnsga-ii算法的流程图。
具体实施方式
[0066]
列车节能操纵旨在保证列车安全运行前提下使得列车能耗最小。列车在区间可以呈现加速、匀速、惰行和制动4种运行状态(见图1)，对于某些距离较短的区间，列车运行状态仅包括加速、惰行和制动3种，其中，运行状态转换点的确定是列车节能的关键。
[0067]
列车在时刻表中的运行时间是在最短运行时间基础上增加一定量富余时间得到的，以使列车有能力应对一定程度的晚点。当列车正常运行时，合理运用富余时间可实现列车能耗的节约。总体上，列车能耗与运行时间呈负相关关系，即随着富余时间的增加，列车能耗将逐渐降低(见图2)。但是，列车的运行时间不能一味地增加，否则乘客的旅行时间以及候车时间都将增加。
[0068]
当延误发生时，通过调整运行图弥补延误的措施主要是变更列车的到达和发车时刻。如图3所示，假设车站b因某原因在图中红色框时间内无法正常接发列车，列车a必须在该扰动结束后才能通过车站b，如果不及时进行调整，列车a将与后续列车b发生运行冲突。需要注意的是，在调整了列车到发时刻后，列车在区间的速度距离曲线也往往随着运行时间的改变而改变。
[0069]
本发明主要研究“初始扰动型延误”和“临时限速型延误”两种场景(见图4)。其中，初始扰动型延误是指通过给定初始扰动，使列车产生延误的场景(见图4 (a)，其中红色框代表扰动信息)。临时限速型延误是指因为在特定位置设置临时限速，使得在一定时间通过该位置所有列车允许的限制速度下降、运行时分增加，进而造成列车延误的场景(见图4(b)，其中浅红色区域为临时限速区)。实际上，初始扰动型延误可以看作是一种特殊的临时限速型延误，即扰动发生的起始点和结束点在车站重合，且限速值为0m/s。为了表达方便，将上述两种延误的场景统称为延误场景。
[0070]
本发明开展实际线路条件下的动态时刻表调整优化问题研究。以列车晚点时间和能耗值综合最优为目标，构建考虑节能的运行调整优化模型，在满足时刻表安全约束条件下，求解出列车的运行时间以及相应的列车节能操纵策略，进而在弥补延误的同时，降低列车能耗。
[0071]
1模型构建
[0072]
考虑一条含有n个车站的复线城市轨道交通线路，两端车站均具备折返线以供车辆折返。假设所有列车均采用“站站停”的停站方案，运行到折返站后进行折返作业，并担当下一个车次任务，因此可将线路视为含有2n个车站的等价线路(见图5)。其中，上行方向首发车站为车站1，下行方向首发车站为车站n+1。
[0073]
轨道交通线路线型条件复杂，包括频繁变化的坡度、曲线，部分线路还含限速等。为了便于描述，本发明定义区间内线型条件完全相同的线路为一个计算区段，一个区间一般包含有多个计算区段。如图6所示，在区间j，由于线型条件的变化，依次可划分计算区段h、计算区段h+1等。
[0074]
文中涉及的主要参数及变量见表1。
[0075]
表1主要参数定义及变量说明
[0076][0077]
[0078]
1.1考虑节能的运行调整优化模型
[0079]
(1)目标
[0080][0081]
式中，z是线路上所有列车总的运行调整优化目标，公式右侧第一部分描述了全部列车在所有停车站的总到达晚点时间，第二部分描述了全部列车在所有区间的总运行时间偏差，α代表了总目标中两部分的占比。当α＝1时，说明该调整以恢复原时刻表为唯一目标，可能严重压缩列车在区间的运行时间；当α＝0时，说明该调整以保持原有区间运行时间为目标。
[0082]
(2)基本约束
[0083][0084]
约束(2)保证了列车i在区间j的运行时间以及在车站j的停站时间分别满足区间和车站的最短作业时间要求。
[0085][0086]
约束(3)保证了相邻列车在车站j接发列车满足车站间隔时间安全约束。
[0087][0088]
式(4)中，a
i,j,h
和d
i,j,h
分别是列车i进入和离开计算区段h的时刻。该约束保证了列车i在相邻计算区段到发时刻的连续性。
[0089][0090]
式(5)中，ho和he分别代表区间j内第一个和最后一个计算区段，该约束确保了列车进去区间j的时刻即为进入区间j内第一个计算区段的时刻，列车离开区间j内最后一个计算区段的时刻即为离开区间j的时刻。
[0091]
(3)因扰动产生的约束条件
[0092]
扰动同时具备时间(扰动开始to和结束时间te)和空间属性(扰动发生的起始和结束位置)，只有在扰动发生时间、经过扰动位置的列车的运行才会受到影响。设置0-1决策变量φ
i,j,h
表征列车i是否在区间j运行区段h受到影响，如果被影响，则φ
i,j,h
＝1，否则φ
i,j,h
＝0。定义d
i,j
＝d
i,j,0
，a
i,j
＝a
i,j,0
，φ
i,j,0
表征列车i是否在车站j受到影响，则延误场景下φ
i,j,h
满足：
[0093]
[0094]
当列车在车站或者计算区段的到发时刻满足式(6)时，即列车运行将受到影响。注意，这里的影响指的是受到扰动因素的直接影响，其他列车虽然不会受到直接影响，但是可能受到扰动列车的间接影响。在扰动区域内，需保证受影响列车的速度不高于给定的临时限制速度，则：
[0095][0096]
式中，是列车i在区间j的计算区段h的第s步仿真时的速度，是区间j的计算区段h的最大允许速度，是延误场景下区间j的计算区段h的临时限制速度。
[0097]
1.2列车节能操纵策略优化模型
[0098]
(1)目标
[0099][0100]
式中：z
energy
是线路上所有列车能耗。
[0101]
(2)基本约束
[0102][0103]
其中，u
t
和ub分别是牵引力和制动力的控制系数，以调节列车实际输出的牵引力和制动力大小，其中，u
t
∈[0,1]，ub∈[0,1]。fr包括列车受到的基本阻力和因坡道、隧道和曲线等线路条件引起的附加阻力值，fr值可根据经验公式计算。
[0104][0105]
约束(10)是列车的速度约束，第一个公式表示列车i在区间j的第一个计算区段ho的速度为0m/s，在最后一个计算区段he的速度也为0m/s。第二个公式表示在区间j内，前一计算区段h的驶出速度等于后一计算区段h+1的驶入速度。第三个公式约束了列车的速度始终满足限制速度要求。
[0106][0107]
约束(11)是列车的距离约束，计算区段h的距离由加速、匀速、惰行以及制动距离组成，区间距离由其包含的计算区段组成。
[0108][0109]
式(12)为列车在区间运行时间，其中v(s)代表列车实时仿真的速度。列车在区间的运行时间也是宏观时刻表和微观列车控制问题协同优化的耦合要素。
[0110]
2、算法设计
[0111]
在延误场景下，宏观层面的时刻表和微观层面的列车速度距离曲线均需要调整，只有两者调整的结果相互匹配才能确保调整后的方案能够真正执行。延误场景最重要的特点是要求算法可以快速地给出一种可行的解决方法，从而在弥补延误的同时，降低列车能耗。
[0112]
在考虑实际线路条件的节能时刻表优化过程中，寻找列车最优操纵策略以生成速度距离曲线所消耗的时间远大于求解规划模型的时间，而且计算速度距离曲线的时间将随着计算量、计算精细度的增加而急剧增长。这里，计算精细度与操纵策略给定方法有关，操纵策略越简单则计算越粗糙，操纵策略越复杂则计算越精细。本发明设计一种可变操纵策略的动态多目标优化算法。最复杂的操纵策略即需要为列车所有的计算区段找到最优的目标速度组合，如果能在列车运行初期 (计算量较大)，在允许时间内找到可行的操纵策略，然后随着剩余未运行距离的减少，逐渐迭代寻找能耗更优的操纵策略，即可既保留一定的计算精细度，又有效提高算法的计算效率，方法的流程图见下图7：
[0113]
首先，输入原始时刻表和给定的扰动信息得到调整后的时刻表，并根据调整后时刻表的到发时间计算列车在区间的运行时间。然后，结合扰动信息判断得到的运行时间是否够用。如果够用，则采用可变操纵策略的动态多目标优化算法求得列车最优速度距离曲线；否则，更新区间最短运行时间，并重新计算程序。
[0114]
2.1基于可变操纵策略的动态多目标优化算法
[0115]
同样的，针对初始扰动型延误场景，优化算法m_dmoovc基于运行调整模型得到的列车在区间的运行时间一定够用，而对于临时限速型延误场景，需要重新计算并更新运行调整模型中的列车最短运行时间，然后在此基础上再次计算调整后的时刻表以及对应的列车区间运行时间。
[0116]
(1)给定操纵策略条件下的速度距离曲线仿真
[0117]
在实际线路条件下，速度距离曲线可由一组操纵策略(即计算区段目标速度集合)唯一确定，其中在给定操纵策略条件下的速度距离曲线仿真过程如下(见图8)：
[0118]
列车在计算区段h的操纵策略本质上由计算区段h的目标速度与下一计算区段h+1的目标速度确定。根据与大小关系，以及是否与制动曲线相交，列车可能采用的操纵策略包括以下三种：
[0119]
(1)加速/匀速策略：如果且与制动曲线无交点，则列车从计算区段h的起点以最大加速度加速，当速度达到就保持该速度匀速运行直到计算区段h的终点。
[0120]
(2)惰行策略：如果且与制动曲线无交点，则列车以速度从计算区段h的终点反向惰行搜索。如果搜索的距离小于计算区段距离，但速度已达到则保持该速度匀速运行直到计算区段起点；如果搜索完计算区段h，但速度仍小于则继续反向惰行搜索直到与正向曲线相交
[0121]
(3)制动策略：如果与制动曲线相交，则根据制动曲线采用制动策略。
[0122]
(2)dnsga-ii算法
[0123]
以列车能耗和运行时间综合最优为目标，通过不断地迭代寻优，找到能耗与时间平衡的pareto最优解集，然后从中选择符合条件的解。优化目标为：
[0124]
min f(x)＝(f
energy
(x),f
time
(x))
ꢀꢀꢀ
(22)
[0125]
式中，f(x)是总优化目标，f
energy
(x)和f
time
(x)分别是列车的能耗和运行时间。
[0126]
方法m_dmoovc设计一种动态的求解算法dnsga-ii(dynamicnon-dominated sorting genetic algorithm ii,dnsga-ii)，也即随着列车在线路运行，动态地更新最优速度距离曲线集，具体计算流程见图9。
[0127]
方法dnsga-ii计算步骤如下：
[0128]
步骤1：初始化。令迭代次数l、列车初始位置s0、初始速度v0均为0，给出最大迭代次数maxl、结束位置s
end
，并令列车位置s
train
＝s0。首先，随机生成n-1 个个体，考虑到最短运行时间条件下的速度距离曲线一定是可行解，因此，生成包含最短运行时间条件的n个个体的父代p
l
。令仿真计算时间tc＝0。
[0129]
步骤2：通过选择、交叉、变异操作(参见nsga-ii算法)生成子代q
l
，q
l
与p
l
合并后生成含2n个个体的r
l
。
[0130]
步骤3：如果超过最大迭代次数maxl，或者超过最大允许仿真计算时间tc，则从pareto最优解中选择与运行调整模型得到的区间运行时间最接近、且不大于该时间的解p
*
。否则，采用非支配排序计算所有解的支配等级和拥挤距离，并基于精英策略选择前n个个体生成新的父代p
l+1
，令l＝l+1，转步骤2。注意，因为考虑到对计算速度的要求，所以同时设置了最大迭代次数和最大允许仿真计算时间两个判断量，初期计算量较大的时候，可以保证在最大允许仿真计算时间内返回结果，后期计算量较小时，可以在达到最大迭代次数后即返回结果。
[0131]
步骤4：判断是否到达结束位置s
end
，根据需要确定判断位置，如在列车到达车站时进行判断。如果没有结束，更新仿真的初始位置s0和初始速度v0，令l＝0、 tc＝0，根据v0、s0到s
end
的线路条件生成新的父代p
l
，转步骤2；否则，已经到达结束位置，停止计算。

技术特征：
1.一种基于可变操纵策略的延误场景下节能时刻表调整优化方法，其特征在于，该方法包括如下步骤：(1)在列车延误场景下，以列车晚点时间和能耗值综合最优为目标，在满足时刻表安全约束条件下，分别构建节能时刻表运行调整优化模型和列车节能操纵策略优化模型；所述延误场景包括初始扰动型延误和临时限速型延误，初始扰动型延误是指通过给定初始扰动，使列车产生延误的场景；临时限速型延误是指因为在特定位置设置临时限速，使得在一定时间通过该位置所有列车允许的限制速度下降、运行时分增加，进而造成列车延误的场景；(2)基于步骤(1)建立的节能时刻表运行调整优化模型和列车节能操纵策略优化模型，首先，输入原始时刻表和给定的扰动信息得到调整后的时刻表，并根据调整后时刻表的到发时间计算列车在区间的运行时间；然后，结合扰动信息判断得到的运行时间是否够用，如果够用，则进入步骤(3)；如果不够用，首先重新计算列车最短运行时间，然后更新运行调整优化模型中的区间最短运行时间约束，并在此基础上重新计算调整后的时刻表以及对应的列车区间运行时间；(3)采用可变操纵策略的动态多目标优化算法求解出列车的运行时间以及相应的列车节能操纵策略，首先进行给定操纵策略条件下的速度距离曲线仿真，然后采用dnsga-ii算法，以列车能耗和运行时间综合最优为目标，通过不断地迭代寻优，找到能耗与时间平衡的pareto最优解集，然后从中选择符合条件的解。2.如权利要求1所述的一种基于可变操纵策略的延误场景下节能时刻表调整优化方法，其特征在于，所述步骤(1)包括如下步骤：(1.1)建立节能时刻表运行调整优化模型(1.1.1)建立目标函数：式中，z是线路上所有列车总的运行调整优化目标，α是全部列车在所有停车站的总到达晚点时间与全部列车在所有区间的总运行时间偏差的占比；(1.1.2)建立基本约束：式(2)保证列车i在区间j的运行时间以及在车站j的停站时间分别满足区间和车站的最短作业时间要求；式(3)保证相邻列车在车站j接发列车满足车站间隔时间安全约束；
式(4)中，a
i,j,h
和d
i,j,h
分别是列车i进入和离开计算区段h的时刻，该约束保证列车i在相邻计算区段到发时刻的连续性；式(5)中，h
o
和h
e
分别代表区间j内第一个和最后一个计算区段，该约束确保了列车进去区间j的时刻即为进入区间j内第一个计算区段的时刻，列车离开区间j内最后一个计算区段的时刻即为离开区间j的时刻；(1.1.3)建立因扰动产生的约束条件设置0-1决策变量φ
i,j,h
表征列车i是否在区间j运行区段h受到影响，如果被影响，则φ
i,j,h
＝1，否则φ
i,j,h
＝0；定义d
i,j
＝d
i,j,0
，a
i,j
＝a
i,j,0
，φ
i,j,0
表征列车i是否在车站j受到影响，则延误场景下φ
i,j,h
满足：当列车在车站或者计算区段的到发时刻满足式(6)时，列车运行将受到扰动因素影响，在扰动区域内，需保证受影响列车的速度不高于给定的临时限制速度，则：式中，是列车i在区间j的计算区段h的第s步仿真时的速度，是区间j的计算区段h的最大允许速度，是延误场景下区间j的计算区段h的临时限制速度。(1.2)列车节能操纵策略优化模型(1.2.1)建立目标函数式中：z
energy
是线路上所有列车能耗。(1.2.2)建立基本约束其中，u
t
和u
b
分别是牵引力和制动力的控制系数，以调节列车实际输出的牵引力和制动力大小，f
r
包括列车受到的基本阻力和因坡道、隧道和曲线线路条件引起的附加阻力值；约束(10)是列车的速度约束，其表示列车i在区间j的第一个计算区段h
o
的速度为0m/s，
在最后一个计算区段h
e
的速度也为0m/s；以及在区间j内，前一计算区段h的驶出速度等于后一计算区段h+1的驶入速度；以及约束了列车的速度始终满足限制速度要求；约束(11)是列车的距离约束，计算区段h的距离由加速、匀速、惰行以及制动距离组成，区间距离由其包含的计算区段组成；式(12)为列车在区间运行时间，其中v(s)代表列车实时仿真的速度。3.如权利要求1所述的一种基于可变操纵策略的延误场景下节能时刻表调整优化方法，其特征在于，所述步骤(3)包括如下步骤：(3.1)给定操纵策略条件下的速度距离曲线仿真列车在计算区段h的操纵策略由计算区段h的目标速度与下一计算区段h+1的目标速度确定，根据与大小关系，以及是否与制动曲线相交，列车采用的操纵策略包括以下三种：1)加速/匀速策略：如果且与制动曲线无交点，则列车从计算区段h的起点以最大加速度加速，当速度达到就保持该速度匀速运行直到计算区段h的终点；2)惰行策略：如果且与制动曲线无交点，则列车以速度从计算区段h的终点反向惰行搜索，如果搜索的距离小于计算区段距离，但速度已达到则保持该速度匀速运行直到计算区段起点；如果搜索完计算区段h，但速度仍小于则继续反向惰行搜索直到与正向曲线相交；3)制动策略：如果与制动曲线相交，则根据制动曲线采用制动策略；(3.2)dnsga-ii算法求解以列车能耗和运行时间综合最优为目标，通过不断地迭代寻优，找到能耗与时间平衡的pareto最优解集，然后从中选择符合条件的解，优化目标为：min f(x)＝(f
energy
(x),f
time
(x))
ꢀꢀꢀꢀ
(22)式中，f(x)是总优化目标，f
energy
(x)和f
time
(x)分别是列车的能耗和运行时间；算法dnsga-ii计算步骤如下：步骤1：初始化。令迭代次数l、列车初始位置s0、初始速度v0均为0，给出最大迭代次数maxl、结束位置s
end
，并令列车位置s
train
＝s0。首先，随机生成n-1个个体，考虑到最短运行时间条件下的速度距离曲线一定是可行解，因此，生成包含最短运行时间条件的n个个体的父代p
l
。令仿真计算时间t
c
＝0；步骤2：通过选择、交叉、变异操作(参见nsga-ii算法)生成子代q
l
，q
l
与p
l
合并后生成含2n个个体的r
l
；
步骤3：如果超过最大迭代次数maxl，或者超过最大允许仿真计算时间t
c
，则从pareto最优解中选择与运行调整模型得到的区间运行时间最接近、且不大于该时间的解p
*
，否则，采用非支配排序计算所有解的支配等级和拥挤距离，并基于精英策略选择前n个个体生成新的父代p
l+1
，令l＝l+1，转步骤2；步骤4：判断是否到达结束位置s
end
，根据需要确定判断位置，如在列车到达车站时进行判断。如果没有结束，更新仿真的初始位置s0和初始速度v0，令l＝0、t
c
＝0，根据v0、s0到s
end
的线路条件生成新的父代p
l
，转步骤2；否则，已经到达结束位置，停止计算。

技术总结
本发明提供了一种基于可变操纵策略的延误场景下节能时刻表调整优化方法，该方法开展实际线路条件下的动态时刻表调整优化问题研究。以列车晚点时间和能耗值综合最优为目标，构建考虑节能的运行调整优化模型，在满足时刻表安全约束条件下，基于可变操纵策略的动态多目标优化算法，为列车所有的计算区段找到最优的目标速度组合，求解出列车的运行时间以及相应的列车节能操纵策略，即既保留一定的计算精细度，又有效提高算法的计算效率，进而在弥补延误的同时，降低列车能耗。降低列车能耗。降低列车能耗。


技术研发人员：张惠茹 魏运 豆飞 刘洁 宁尧 朱鸿涛 刘宇然
受保护的技术使用者：北京市地铁运营有限公司技术创新研究院分公司
技术研发日：2022.11.15
技术公布日：2023/3/3