一种基于随机网络演算的列车追踪间隔优化方法

1.本发明涉及列车运行控制技术领域，尤其涉及一种基于随机网络演算的列车追踪间隔优化方法。


背景技术：

2.列车运行控制系统是保证列车高效安全运行的核心系统。目前中国列车运行控制系统(chinese train control system,ctcs)主要包括ctcs-0到ctcs-4共5个等级，其中ctcs-3级列控系统被广泛应用于中国高速铁路。ctcs-3级列控系统基于车地无线通信系统实现列车与地面设备的双向信息传输。无线闭塞中心通过gsm(global system for mobile communications，全球移动通信系统)-r通信网络获取管辖范围内所有列车的运行状态信息，从而计算生成所有列车行车许可。每辆列车根据行车许可计算列车运行防护曲线来保证运行安全。
3.现有技术中的一种列控系统的列车行车许可计算方式如图1所示。其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
分
闭塞分区长度，l
车
表示列车车长。在高速铁路运行过程中，由于存在多普勒频移效应，通信速率主要受到列车运行速度的影响，从而使得通信时延呈现动态变化性，因此在计算l
附
时，难以使列车追踪距离随通信时延进行动态变化。为了解决这个问题，实际应用过程中常使用通信最恶劣情况下(即设计最高时速)的通信时延上界来代替，但是列车运行时都会低于设计的最高时速，因此列车追踪间隔就会过大，从而影响了运行效率。
4.随着通信技术在列车运行控制系统中的不断发展，现有的列车追踪间隔优化研究中，基于车车通信的列车追踪间隔优化方法可以使列车间建立直接的通信链路，从而使后车直接获取前车的运行状态信息(位置、速度等)，并生成列车运行防护曲线，调整列车间的追踪间隔。图2为现有技术中的一种车车通信下列车区间运行追踪距离示意图。其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长。相比较传统的车地通信，车车通信的时延会明显下降。然而和现有的列控系统一样，基于车车通信的列车追踪间隔计算中，通信时延仍采用最恶劣通信环境下(即设计最高时速)的时延上界，在大部分的运行时间中，列车间隔都会偏大，使运行效率降低。
5.随机网络演算通过对业务数据流和通信传输能力建立概率模型来分析通信时延在不同违约概率下的时延上界。这种方法主要分为三个过程：
6.1)根据列车通信需求建立列车通信业务数据流模型来描述通信过程中产生的数据量；
7.2)根据通信传输速率建立通信传输能力模型来描述在不同的应用环境下，通信系统转发数据的能力；
8.3)利用业务数据流和通信传输能力模型求解在不同违约概率下的通信时延上界。
9.由于通信时延上界的违约概率表示实际的通信时延大于理论时延边界的概率，因此当违约概率足够小时，列车的运行安全可以得到保证。当得到列车不同运行速度下的通
信时延边界时，在违约概率的保证下，可以对车车通信下列车追踪间隔进行优化。
10.随着无线通信技术在列车运行控制系统中的发展与进步。基于车车通信的列车运行控制系统受到了大量研究。在这种情况下，由于列车可以直接获取前车的运行状态信息，通信时延相比较现有系统有着明显下降，因此衍生出了“软撞墙”的行车许可计算方法。如图2所示，列车的行车许可在前车停车后其尾部的前方。
11.目前，现有技术中的一种列车追踪运行防护方法首先由前车根据计轴器、应答器、速度传感器等设备计算得到自身的位置信息，并将其通过gsm-r无线传输网络发送到无线闭塞中心；无线闭塞中心根据线路运行条件和管辖范围内前车的位置信息生成后车的行车许可，并将其传送到后车。后车再根据行车许可生成列车运行防护曲线，从而保证列车的运行安全。随着通信技术的发展，车车通信正在替代传统车地通信，使后车可以通过无线通信直接获取前车的运行状态信息，并生成列车运行防护曲线。无论是在哪种运行模式下，列车的行车许可都会考虑通信时延来进行建模。
12.上述现有技术中的列车追踪运行防护方法的缺点包括：
13.1)无线通信容易受到外界环境的影响，由于在列车高速运行过程中存在多普勒频移效应，通信速率在列车不同的运行速度会有所不同，通信时延呈现动态变化性，这将导致后车难以实时地获取到前车的运行状态信息，影响行车安全。
14.2)通信时延是列车运行防护曲线计算的重要影响因素，现有的计算方式中通信时延被设置为定值，因此难以反应其动态变化的特征，这就会导致运行效率的下降。为了解决上述问题对列车运行安全的影响，需要一种新的考虑通信网络状态的列车追踪间隔优化方法在保证列车运行安全性的前提下，通过缩短列车追踪间隔来提高运行效率。
15.无论是列车是在现有的ctcs-3下，还是在车车通信、虚拟编组运行系统下，列车自动防护系统和列车自动驾驶系统都是根据前车的实时运行状态信息生成的。而无线通信系统容易受到外界环境影响，这就会使通信过程出现丢包或者断链等异常情形，最终导致通信时延变大，并呈现动态变化性。列车的运行防护曲线是主要是根据前车位置、自身运行速度以及通信时延计算产生；同时在大量的研究工作中，自动驾驶系统列车的控制命令都会考虑通信时延进行建模。因此通信时延的动态变化性不仅会影响列车的运行安全，还会影响列车运行控制的精确性。然而实际工程中，列车无法直接获取到通信时延的性能指标，往往是采用历史数据的平均值作为代替项。这种方式难以反应实际通信系统变化对运行防护和列车控制的影响，还会导致运行效率的下降。
16.综上所述，需要寻找一种新的方式对通信系统时延动态变化特征进行建模分析，并通过这种模型来优化列车追踪间隔，从而提升运行效率。


技术实现要素：

17.本发明的实施例提供了一种基于随机网络演算的列车追踪间隔优化方法，以实现优化列车间追踪间隔，提高列车运行效率。
18.为了实现上述目的，本发明采取了如下技术方案。
19.一种基于随机网络演算的列车追踪间隔优化方法，包括：
20.根据车车通信系统中列车运行控制业务特征，建立列车周期性的随机到达曲线；
21.基于车车通信移动中继架构模型和无线网络的数据服务模型，构建车车通信系统
的随机服务曲线；
22.根据所述列车周期性的随机到达曲线和所述车车通信系统的随机服务曲线，分析得到了不同违约概率下、不同列车运行速度下的通信时延上界；
23.根据所述通信时延上界得到车车通信下的列车追踪间隔，构造基于列车目标速度和列车追踪间隔的目标函数，利用所述目标函数控制列车运行，优化所述列车追踪间隔。
24.优选地，所述的根据车车通信系统中列车运行控制业务特征，建立列车周期性的随机到达曲线，包括：
25.建立列车运行过程中列车运行控制业务的数据到达流曲线和车车通信节点的随机服务曲线；在车车通信模式下，列车通过车车通信链路，与前后车进行数据交互，列车的运行控制业务是一个周期性的业务流，假设列车运行控制业务流α(t)在时刻{t＝uτ+nτ,n＝0,1,2,3,
…
}产生ω的数据量，u是初始时刻并且满足[0,1]的均匀分布，任务产生的周期为τ，则列车周期性的随机到达曲线表示为如下：
[0026]
α(t)＝[ζ(θ,t)+θ
′
]*t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0027][0028][0029]
其中θ、θ
′
是自由变量，f(x)是业务流的违约概率，即实际产生数据量a(t)与α(t)的差值大于x的概率不超过f(x)，表示为如下：
[0030]
p{sup{a(t)-α(t)}＞x}≤f(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0031]
采用基于漏桶模型的竞争流的随机到达曲线描述其他业务与列车控制业务对通信节点服务资源的竞争关系，表示为如下：
[0032]
αc(t)＝r*t+b,fc(x)＝a*e-θx
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0033]
其中r为竞争流的到达速率，b为竞争流的突发数据量，f(x)为竞争流的违约概率，a和θ是自由变量，t为时间，x为数据量。
[0034]
优选地，所述的基于车车通信移动中继架构模型和无线网络的数据服务模型，构建车车通信系统的随机服务曲线，包括：
[0035]
假设通信节点是服务速率为c(v)的常速率服务器，则通信节点的随机服务曲线β(t)表示为如下：
[0036]
β(t)＝c(v)*t,g(x)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0037]
其中g(t)为节点服务的违约概率，t为时间，v是列车的运行速度；
[0038]
车车通信通常采用中继辅助的方式进行信号传输，假设列车间间隔为d
headway
，任意两个通信中继节点的间隔为d
node
，列车间的通信中继数量满足其中表示向上取整数，假设车车通信系统中的某条列车控制业务流经过包含n
node
个通信中继的端到端链路时，在每个节点{i＝1,2,
…
,n
node
}处都存在来自其他业务的竞争数据流αc(t)，根据随机网络演算的剩余服务量定理，中继节点i的随机服务曲线si(t,x)～＜gi(x),βi(t)＞表示为如下：
[0039]
βi(t)＝β(t)-αc(t)＝c(v)*t-r*t-b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0040][0041]
其中为最小加卷积运算；
[0042]
对于多节点的车车通信系统，将实时控制业务流经过所有节点服务进行加合，根据串联服务定理得到车车通信链路中，对于业务流α(t)提供的随机服务曲线s
net
(t,x)～＜g
net
(x),β
net
(t)＞表示为如下：
[0043][0044][0045]
优选地，所述的根据所述列车周期性的随机到达曲线和所述车车通信系统的随机服务曲线，分析得到了不同违约概率下、不同列车运行速度下的通信时延上界，包括：
[0046]
根据列车运行控制业务流的随机到达曲线a(t,x)～＜f(x),α(t)＞和车车通信系统多节点的随机服务曲线s
net
(t,x)～＜g
net
(x),β
net
(t)＞，得到：
[0047][0048][0049][0050]
所以第i个节点处的通信时延表示为如下：
[0051][0052]
的分布表示为如下：
[0053][0054]
令则车车通信的时延边界为其中ε表示为时延边界的违约概率，在车车通信系统中ε的物理含义为实际工程中的通信时延超过理论时延上界d的概率。
[0055]
优选地，所述的根据所述通信时延上界得到车车通信下的列车追踪间隔，构造基于列车目标速度和列车追踪间隔的目标函数，利用所述目标函数控制列车运行，优化所述列车追踪间隔，包括：
[0056]
车车通信下列车区间运行追踪距离l
追
为：
[0057]
l
追
＝l
附
+l
后制
+l
安
+l
车-l
前制
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0058]
其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长；
[0059]
根据通信时延得到列车间的追踪距离，根据追踪距离调整追踪间隔，列车追踪距离l
追
、追踪间隔t
追
以及线路通过能力n的公式为：
[0060]
l
追
＝l
附
+l
后制
+l
安
+l
车-l
前制
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0061][0062][0063]
其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长，v
车
表示列车运行速度，a
车
表示列车的加速度。
[0064]
构造基于列车目标速度和列车追踪间隔的目标函数，利用所述目标函数控制列车运行，优化所述列车追踪间隔，所述目标函数为：
[0065][0066][0067]
其中pv(vi)分别为距离和速度的势能函数，v
target
是列车期望的目标追踪间隔和目标速度，为列车i和列车j之间的追踪间隔，列车i控制器输出的ui表示为如下：
[0068]
ui＝γ*∑(
‑▽
pv)+λ*∑
▽
p
ij
,j＝i
±1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0069]
其中γ,λ为变量且满足γ+λ＝1。
[0070]
由上述本发明的实施例提供的技术方案可以看出，本发明实施例提出在车车通信下基于随机网络演算的列车追踪间隔优化方法。列车间建立车车通信链路来传输运行状态信息，后车根据前车速度、位置信息和通信时延来计算追踪间隔。考虑到列车运行速度对通信时延的影响，利用随机网络演算方法对通信业务数据流和传输能力进行建模，并得到不同违约概率，不同列车运行速度下的通信时延边界。利用这种方法不仅可以通过设置违约概率来保证运行安全，还可以求解得到不同运行速度下的通信时延，从而优化列车间追踪间隔，进而提高列车运行效率。相比较传统利用平均值或最恶劣环境下通信时延来计算列车追踪间隔的方法，这种方法可以通过调整违约概率来适应复杂的运行环境，从而优化列车追踪间隔，提升列车运行效率。
[0071]
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0072]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0073]
图1为现有技术中的一种列控系统的列车行车许可计算方式示意图；
[0074]
图2为现有技术中的一种车车通信下列车区间运行追踪距离示意图；
[0075]
图3为本发明实施例提供的一种基于随机网络演算的列车追踪间隔优化方法的处理流程图；
[0076]
图4为本发明实施例提供的一种基于随机网络演算的列车业务数据流和通信传输能力曲线示意图；
[0077]
图5为本发明实施例提供的一种车车通信中继节点串联结构示意图；
[0078]
图6为本发明实施例提供的一种车车通信下列车区间运行追踪距离示意图；
[0079]
图7为本发明实施例提供的一种通信时延与违约概率和列车运行速度的关系示意图；
[0080]
图8为本发明实施例提供的一种列车追踪距离两次调整示意图。
具体实施方式
[0081]
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0082]
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
[0083]
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0084]
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0085]
本发明实施例提供了一种基于随机网络演算的列车追踪间隔优化方法。该方法通过建立前后列车间的直接通信链路，使后车可以直接获取前车的运行状态信息。后车根据前车的速度和位置信息，基于随机网络演算求解列车的追踪间隔，并调整列车运行速度从而提高列车的运行效率。考虑到高速铁路列车间追踪间隔较大，为了增加工程应用中的可实现性，车车通信采用中继转发的形式实现。同时传统的车地通信方案仍保留存在，作为新模式工作异常情况的后备选择。
[0086]
本发明实施例提供的一种基于随机网络演算的列车追踪间隔优化方法的处理流程如图3所示，包括如下的处理步骤：
[0087]
步骤s10、根据车车通信系统中列车运行控制业务特征，建立周期性的随机到达曲线。基于车车通信移动中继架构模型和无线网络的数据服务模型，建立通信节点的随机服务曲线。针对通信节点业务的非唯一性，建立竞争流的随机到达曲线；
[0088]
步骤s20、车车通信的中继节点通常呈现串联特性同时承载非唯一业务，因此引入随机网络演算的串联服务定理及节点剩余服务量分析方法，构建车车通信系统的随机服务曲线；
[0089]
步骤s30、利用步骤步骤s10中的周期性业务流随机到达曲线和步骤步骤s20中车车通信系统的随机服务曲线，推导出通信时延边界，得到时延边界与系统违约概率及列车运行速度的函数化关系；
[0090]
步骤s40、根据步骤s30的分析结果可以进一步计算出线路通过能力与系统违约概率及列车运行速度的函数化关系，进而得到了列车运行过程中提升线路通过能力的方法。以多列车达到共同速度和期望的目标追踪间隔为目标，提出一种目标函数，使列车的速度和前后车间隔可以有效收敛到期望目标点。
[0091]
进一步地，上述步骤s10具体包括：
[0092]
(1)图4为本发明实施例提供的一种基于随机网络演算的列车业务数据流和通信传输能力曲线示意图。建立列车运行过程中列车运行控制业务的数据到达流曲线和车车通信节点的随机服务曲线。车车通信模式下，列车通过车车通信链路，与前后车进行数据交互。通常情况下，列车的控制器周期性输出控制率，使列车改变运行速度，这就要求列车可以在每个控制周期内获取到前后列车的运行状态信息。因此列车的运行控制业务是一个周期性的业务流。假设列车运行控制业务流α(t)在时刻{t＝uτ+nτ,n＝0,1,2,3,
…
}可以产生ω的数据量，u是初始时刻并且满足[0,1]的均匀分布，任务产生的周期为τ，则随机到达曲线可表示为如下：
[0093]
α(t)＝[ζ(θ,t)+θ
′
]*t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0094][0095][0096]
其中θ、θ
′
是自由变量。f(x)是业务流的违约概率，即实际产生数据量a(t)与α(t)的差值大于x的概率不超过f(x)，可表示为如下：
[0097]
p{sup{a(t)-α(t)}＞x}≤f(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0098]
车车通信节点的服务主要表现为承接并转发业务流的数据，考虑车车通信过程中由于列车运行速度而带来的多普勒频移效应，假设通信节点是服务速率为c(v)的常速率服务器，则节点的随机服务曲线β(t)可表示为如下：
[0099]
β(t)＝c(v)*t,g(x)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0100]
其中g(t)为节点服务的违约概率，t为时间，v是列车的运行速度。
[0101]
考虑到车车通信的通信节点所承载的通信业务具有非唯一性，因此提出一种基于漏桶模型的竞争流随机到达曲线，来描述其他业务与列车控制业务对通信节点服务资源的竞争关系，可表示为如下：
[0102]
αc(t)＝r*t+b,fc(x)＝a*e-θx
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0103]
其中r为竞争流的到达速率，b为竞争流的突发数据量，f(x)为竞争流的违约概率，a和θ是自由变量，t为时间，x为数据量。
[0104]
进一步地，上述步骤s20具体包括：
[0105]
图5为本发明实施例提供的一种车车通信中继节点串联结构示意图。为了解决车车通信链路因信号衰落导致通信质量不佳的情况，车车通信通常采用中继辅助的方式进行信号传输。如图5所示，假设列车间间隔为d
headway
，任意两个通信中继节点的间隔为d
node
，列车间的通信中继数量满足其中表示向上取整数。假设车车通信系统中的某条列车控制业务流经过包含n
node
个通信中继的端到端链路时，在每个节点{i＝1,2,
…
,n
node
}处都存在来自其他业务的竞争数据流αc(t)。根据随机网络演算的剩余服务量定理，中继节点i的随机服务曲线si(t,x)～＜gi(x),βi(t)＞可表示为如下：
[0106]
βi(t)＝β(t)-αc(t)＝c(v)*t-r*t-b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0107][0108]
其中为最小加卷积运算。
[0109]
对于多节点的车车通信系统，需要将实时控制业务流经过所有节点服务进行加合。根据串联服务定理得到车车通信链路中，对于业务流α(t)提供的随机服务曲线s
net
(t,x)～＜g
net
(x),β
net
(t)＞可表示为如下：
[0110][0111][0112]
通过端到端分析方法得到通信时延边界与违约概率和列车间间隔的函数关系。根据随机网络演算的时延边界定理，时延边界可表示为如下：
[0113][0114][0115]
其中h(α+x,β)表示在时刻t随机到达曲线α(t)和随机服务曲线的最大水平距离β(t)。公式12中h()是随机网络演算演算中数据到达流和数据服务流之间的水平距离(如图4中的“时延”)。由于数据到达和服务都存在随机性，所以该时延是存在一定动态特征的。公式11中的d是指实际工程中的时延，不等于右端就是时延的违约概率。这个h()就是时延上界，它会随着违约概率的变化而变化，也就是公式17中大括号中的那个分数(大括号中不等号右侧)。
[0116]
进一步地，上述步骤s30具体包括：
[0117]
根据步骤s10中的列车运行控制业务流的随机到达曲线a(t,x)～＜f(x),α(t)＞和步骤s20中车车通信系统多节点的随机服务曲线s
net
(t,x)～＜g
net
(x),β
net
(t)＞，可以得到：
[0118][0119][0120]
[0121]
所以第i个节点处的时延可表示为如下：
[0122][0123]
由于所以的分布可表示为如下：
[0124][0125]
令则车车通信的时延边界为其中ε表示为时延边界的违约概率。在车车通信系统中ε的物理含义为实际工程中的通信时延超过理论时延上界d的概率。
[0126]
进一步地，上述步骤s40具体包括：
[0127]
图6为本发明实施例提供的一种车车通信下列车区间运行追踪距离示意图。如图6所示，车车通信下列车区间运行追踪距离l
追
为：
[0128]
l
追
＝l
附
+l
后制
+l
安
+l
车-l
前制
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0129]
其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长。在lte-r的规定中通信时延不超过0.5s，因此l
附
通常小于100米。同时当前后车速度相同时，由于列车的制动特性一致，其制动距离也相等。此外列车车长通常不超过400m，列车的安全距离不超过200m。综上列车的追踪距离大致在1000m内，考虑到车车通信性能，通信中继节点的部署距离大概为500m，因此为了保证列车运行安全本专利在分析时节点个数为3。
[0130]
图7为本发明实施例提供的一种通信时延与违约概率和列车运行速度的关系示意图，通信时延与违约概率和列车运行速度的关系。列车运行速度和违约概率是影响车车通信时延的重要指标。当违约概率不变时，随着列车运行速度的增大，通信时延上界会逐渐增大。这是因为由于在列车高速运行过程中，列车运行速度越快，其带来的多普勒频移效应就会越明显，这将导致通信速率呈现下降的趋势，从而导致车车通信时延变大。当列车运行速度一定时，随着通信系统的违约概率的增大，通信时延上界会逐渐下降。这是因为违约概率是描述实际系统通信时延超过理论通信时延边界的概率，因此违约概率的增大，意味着通信时延的上界就会减小。
[0131]
根据上述计算得到的不同违约概率、不同列车运行速度下的通信时延上界，来动态调整列车间的追踪间隔，从而提高运行效率。具体做法为：列车通过车车通信获取前后车运行状态信息，并根据根据列车运行速度计算出通信时延，从而得到列车间的追踪距离，进而调整追踪间隔。其中列车追踪距离l
追
、追踪间隔t
追
以及线路通过能力n的公式为：
[0132]
l
追
＝l
附
+l
后制
+l
安
+l
车-l
前制
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0133][0134]
[0135]
其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长，v
车
表示列车运行速度，a
车
表示列车的加速度。表1是相比较利用最恶劣通信时延(0.5s)的车车通信追踪间隔，本发明在不同违约概率、不同列车运行速度下线路通过能力提升情况。其中l
安
为200米，l
车
为400米。当速度一定时，随着违约概率的增大，线路通过能力逐渐增大。这是因为违约概率的增大会导致通信时延上界会逐渐减小，因此列车追踪间隔就会减小、列车追踪距离也会下降，从而提高了线路的通过能力。当通信时延上界的违约概率一定时，随着列车运行速度的增大，线路通过能力也会逐渐增大。这是因为虽然通信时延上界会随着列车运行速度的增大而增大，但是列车运行速度的提升使逐渐下降，从而使t
追
减小，最终使整体的线路通过能力得到了提升。
[0136]
表1不同违约概率、不同列车运行速度下线路通过能力指标提升
[0137] 10-10
10-9
10-8
10-7
10-6
10-5
10-4
10-3
10-2
1002.56％2.66％2.77％2.87％2.98％3.08％3.19％3.30％3.40％1503.60％3.78％3.95％4.13％4.31％4.49％4.67％4.86％5.04％2004.39％4.67％4.94％5.21％5.49％5.76％6.04％6.32％6.60％2504.83％5.23％5.62％6.02％6.42％6.83％7.24％7.65％8.07％3004.91％5.27％5.84％6.41％6.99％7.57％8.16％8.76％9.36％
[0138]
为了保证多列车追踪间隔的稳定，列车在稳定状态时应保持相同的运行速度。为了保证列车可以自适应的改变追踪距离，构造基于列车追踪间隔和列车运行速度的目标函数，目标函数的输入是目标速度和追踪间隔，输出为列车的控制器的加速度，利用所述目标函数控制列车运行，优化列车追踪间隔。
[0139]
目标函数可表示为如下：
[0140][0141][0142]
其中pv(vi)分别为距离和速度的目标函数。v
target
是列车期望的目标追踪间隔和目标速度。为列车i和列车j之间的追踪间隔。因此列车i控制器输出ui可表示为如下：
[0143][0144]
其中γ,λ为变量且满足γ+λ＝1。
[0145]
图8为本发明实施例提供的一种列车追踪距离两次调整示意图，如图8所示，列车在运行过程中运行速度从300km/h调整到200km/h最后又调整到了100km/h，显然本发明所提出的基于势函数的列车追踪距离调整方法可以在列车运行过程中有效调整列车之间的距离。
[0146]
综上所述，本发明实施例提出了一种在车车通信下基于随机网络演算的列车追踪
间隔优化方法。列车间建立车车通信链路来传输运行状态信息，后车根据前车速度、位置信息和通信时延来计算追踪间隔。考虑到列车运行速度对通信时延的影响，利用随机网络演算方法对通信业务数据流和传输能力进行建模，并得到不同违约概率，不同列车运行速度下的通信时延边界。利用这种方法不仅可以通过设置违约概率来保证运行安全，还可以求解得到不同运行速度下的通信时延，从而优化列车间追踪间隔，进而提高运行效率。并且列车运行速度在100km/h～300km/h，通信时延上界违约概率在10-10
～10-2
范围内时，本发明可以提升线路通过能力2％～10％。
[0147]
本发明方法可以细粒度地描述不同状态的通信时延上界分布情况，不再采用最恶劣环境下的时延上界来描述所有情况，因此可以有效的降低通信状态好时，通信时延的上界。
[0148]
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
[0149]
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0150]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0151]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种基于随机网络演算的列车追踪间隔优化方法，其特征在于，包括：根据车车通信系统中列车运行控制业务特征，建立列车周期性的随机到达曲线；基于车车通信移动中继架构模型和无线网络的数据服务模型，构建车车通信系统的随机服务曲线；根据所述列车周期性的随机到达曲线和所述车车通信系统的随机服务曲线，分析得到了不同违约概率下、不同列车运行速度下的通信时延上界；根据所述通信时延上界得到车车通信下的列车追踪间隔，构造基于列车目标速度和列车追踪间隔的目标函数，利用所述目标函数控制列车运行，优化所述列车追踪间隔。2.根据权利要求1所述的方法，其特征在于，所述的根据车车通信系统中列车运行控制业务特征，建立列车周期性的随机到达曲线，包括：建立列车运行过程中列车运行控制业务的数据到达流曲线和车车通信节点的随机服务曲线；在车车通信模式下，列车通过车车通信链路，与前后车进行数据交互，列车的运行控制业务是一个周期性的业务流，假设列车运行控制业务流α(t)在时刻{t＝uτ+nτ,n＝0,1,2,3,
…
}产生ω的数据量，u是初始时刻并且满足[0,1]的均匀分布，任务产生的周期为τ，则列车周期性的随机到达曲线表示为如下：α(t)＝[ζ(θ,t)+θ
′
]*t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)(1)其中θ、θ
′
是自由变量，f(x)是业务流的违约概率，即实际产生数据量a(t)与α(t)的差值大于x的概率不超过f(x)，表示为如下：p{sup{a(t)-α(t)}＞x}≤f(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)采用基于漏桶模型的竞争流的随机到达曲线描述其他业务与列车控制业务对通信节点服务资源的竞争关系，表示为如下：α
c
(t)＝r*t+b,f
c
(x)＝a*e-θx
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中r为竞争流的到达速率，b为竞争流的突发数据量，f(x)为竞争流的违约概率，a和θ是自由变量，t为时间，x为数据量。3.根据权利要求2所述的方法，其特征在于，所述的基于车车通信移动中继架构模型和无线网络的数据服务模型，构建车车通信系统的随机服务曲线，包括：假设通信节点是服务速率为c(v)的常速率服务器，则通信节点的随机服务曲线β(t)表示为如下：β(t)＝c(v)*t,g(x)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中g(t)为节点服务的违约概率，t为时间，v是列车的运行速度；车车通信通常采用中继辅助的方式进行信号传输，假设列车间间隔为d
headway
，任意两个通信中继节点的间隔为d
node
，列车间的通信中继数量满足其中表示向上取整数，假设车车通信系统中的某条列车控制业务流经过包含n
node
个通信中继的端到端
链路时，在每个节点{i＝1,2,
…
,n
node
}处都存在来自其他业务的竞争数据流α
c
(t)，根据随机网络演算的剩余服务量定理，中继节点i的随机服务曲线s
i
(t,x)～＜g
i
(x),β
i
(t)＞表示为如下：β
i
(t)＝β(t)-α
c
(t)＝c(v)*t-r*t-b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中为最小加卷积运算；对于多节点的车车通信系统，将实时控制业务流经过所有节点服务进行加合，根据串联服务定理得到车车通信链路中，对于业务流α(t)提供的随机服务曲线s
net
(t,x)～＜g
net
(x),β
net
(t)＞表示为如下：(t)＞表示为如下：4.根据权利要求3所述的方法，其特征在于，所述的根据所述列车周期性的随机到达曲线和所述车车通信系统的随机服务曲线，分析得到了不同违约概率下、不同列车运行速度下的通信时延上界，包括：根据列车运行控制业务流的随机到达曲线a(t,x)～＜f(x),α(t)＞和车车通信系统多节点的随机服务曲线s
net
(t,x)～＜g
net
(x),β
net
(t)＞，得到：(t)＞，得到：(t)＞，得到：所以第i个节点处的通信时延表示为如下：表示为如下：的分布表示为如下：令则车车通信的时延边界为其中ε表示为时延边界的违约概率，在车车通信系统中ε的物理含义为实际工程中的通信时延超过理论时延上界d的概率。5.根据权利要求4所述的方法，其特征在于，所述的根据所述通信时延上界得到车车通信下的列车追踪间隔，构造基于列车目标速度和列车追踪间隔的目标函数，利用所述目标函数控制列车运行，优化所述列车追踪间隔，包括：车车通信下列车区间运行追踪距离l
追
为：l
追
＝l
附
+l
后制
+l
安
+l
车-l
前制
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长；根据通信时延得到列车间的追踪距离，根据追踪距离调整追踪间隔，列车追踪距离l
追
、追踪间隔t
追
以及线路通过能力n的公式为：l
追
＝l
附
+l
后制
+l
安
+l
车-l
前制
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)(19)其中l
附
表示通信时延和司机反应时间带来的走行距离，l
制
表示列车的制动距离，l
安
表示安全距离，l
车
表示列车车长，v
车
表示列车运行速度，a
车
表示列车的加速度。构造基于列车目标速度和列车追踪间隔的目标函数，利用所述目标函数控制列车运行，优化所述列车追踪间隔，所述目标函数为：行，优化所述列车追踪间隔，所述目标函数为：其中p
v
(v
i
)分别为距离和速度的势能函数，v
target
是列车期望的目标追踪间隔和目标速度，为列车i和列车j之间的追踪间隔，列车i控制器输出的u
i
表示为如下：其中γ,λ为变量且满足γ+λ＝1。

技术总结
本发明提供了一种基于随机网络演算的列车追踪间隔优化方法。该方法包括：根据车车通信系统中列车运行控制业务特征，建立列车周期性的随机到达曲线；基于车车通信移动中继架构模型和无线网络的数据服务模型，构建车车通信系统的随机服务曲线；根据列车周期性的随机到达曲线和所述车车通信系统的随机服务曲线，分析得到了不同违约概率下、不同列车运行速度下的通信时延上界；根据通信时延上界得到车车通信下的列车追踪间隔，基于列车目标速度和列车追踪间隔建立目标函数，根据目标函数实现列车追踪间隔的调整。本发明方法可以通过设置违约概率来保证运行安全，可以求解得到不同运行速度下的通信时延，从而优化列车间追踪间隔，进而提高运行效率。而提高运行效率。而提高运行效率。


技术研发人员：董海荣 宋海锋 吴为 宋希颖 马建军
受保护的技术使用者：北京交通大学
技术研发日：2023.01.28
技术公布日：2023/4/25