基于端边云协同的列车群分布式控制系统及方法

1.本发明涉及列车运行控制技术领域，具体涉及一种基于端边云协同的列车群分布式控制系统及方法。


背景技术：

2.列车运行控制系统是高速铁路的重要组成部分，通过对列车群状态数据进行综合分析，持续监测列车运行状态，实时调整列车运行规划，保障列车群的高效、可靠运行。采用自主研发的中国列车运行控制系统(chinesetrain controlsystem,ctcs)，包含ctcs-0到ctcs-4共5个等级，目前普遍使用ctcs-3级别的列控系统。ctcs-3级列控系统采用“端-云”两层结构实现列车控制，包括代表云端的调度中心系统和代表终端的车站系统。其中调度中心由rbc、tcc、zpw-2000系列轨道电路、应答器、gsm-r通信接口等地面设备组成，车站系统由车载安全计算机、gsm-r无线通信单元、轨道电路信息接收单元、应答器信息接收模块、记录单元、人机界面、列车接口单元等车载设备组成。ctcs-3级列控系统的稳定运行，主要依赖于调度中心依据列车群状态信息所产生的智能化决策，保证列车群在路径搜索、发车顺序和运行状态调整等规划问题上给出合理决策。
3.在实际使用过程中，由于列车群数量较大，调度中心会收到大量列车控制请求。一方面，大量列控请求的传输可能导致调度中心网络通信质量下降，调度中心对列车信息的接收缓慢；另一方面，对大量列控请求的处理将对调度中心造成巨大的计算负载，调度中心决策过程缓慢。这些负面影响都会降低列控系统的效率，增加列控决策时延，对高速运行状态的列车群来说存在较大的安全隐患。


技术实现要素：

4.本发明的目的在于提供一种对高速运行的列车群产生的列控请求进行及时可靠的响应，提升了列车群的效率与安全性的基于端边云协同的列车群分布式控制系统及方法，以解决上述背景技术中存在的至少一项技术问题。
5.为了实现上述目的，本发明采取了如下技术方案：
6.一方面，本发明提供一种基于端边云协同的列车群分布式控制系统，包括：
7.云端服务器、云端列车规划调度中心、边缘端决策服务器和终端列车信息采集设备；云端列车规划调度中心与云端服务器、边缘端决策服务器、终端列车信息采集设备连接。
8.优选的，终端列车信息采集设备对列车运行位置、运行状态、列车时刻表、列车路径规划信息进行统计，并存储在列车本地数据库服务器中；在列车周期结束时，终端列车信息采集设备寻找列车轨道周边最为邻近的边缘端决策服务器，并将周期内的统计学习传输到边缘端决策服务器中，等待返回的列控决策。
9.优选的，边缘端决策服务器综合一段时间内接受的列车群运行状态信息，通过服务器内部署的智能决策模型(如蚁群算法、协同粒子群算法)对数据进行分析，给出最优的
列控决策，将决策信息返回到相应列车中。
10.其中，智能决策模型包括：边缘端决策服务器实时统计列车群的信息(如速度、当前位置和目标位置等)，作为蚁群算法、粒子群优化算法等的输入数据。由于列车群控制涉及多种列车信息，各智能决策算法可以依据某种关键信息进行决策，也可以综合多种信息进行决策。在此，以粒子群优化算法为例，将列车群的运行信息作为基本参数，构造多个粒子子群，粒子群分别面向不同的列车运行控制目标(如列车晚点数量、晚点时间等)。多个子群之间的优化过程相互影响，子群中的粒子速度更新公式除受到本子群粒子的局部和全局最优位置影响外，也受到其余子群的影响。通过多次迭代优化得到最终的列车运行控制决策，并将其约束在满足各子群对应的运行控制目标范围内，保证列车群晚点数量、晚点时间等运行控制目标达到列车群控制的总体目标。其他类型的智能优化算法与上述算法类似。边缘决策服务器在得到最终决策时会将其发送到对应的列车上。此外，智能决策算法中涉及到的超参数(如粒子群优化算法中的学习因子等)对算法的收敛速度、决策性能等具有较大影响，边缘决策服务器会周期性地将决策信息发送到云端服务器上进行综合分析，由云端服务器对智能决策算法的超参数进行调节。
11.第二方面，本发明提供一种利用如上所述的基于端边云协同的列车群分布式控制系统的基于端边云协同的列车群分布式控制方法，包括：
12.终端列车信息采集设备对列车运行位置、运行状态、列车时刻表、列车路径规划信息进行统计，并存储在列车本地数据库服务器中；
13.在列车周期结束时，终端列车信息采集设备寻找列车轨道周边最为邻近的边缘端决策服务器，并将周期内的统计学习传输到边缘决策服务器中，等待返回的列控决策；
14.边缘端决策服务器综合一段时间内接受的列车群运行状态信息，通过服务器内部署的智能决策模型(如蚁群算法、协同粒子群算法)对数据进行分析，给出最优的列控决策，将决策信息返回到相应列车中；
15.列车在收到返回的列控决策后，依据该决策进行列车运行状态的调整，并开始下一周期的列车信息采集。
16.优选的，边缘端决策服务器在周期内对收集到的列车信息和决策模型参数进行统计，并存储在边缘端决策服务器的数据控服务器中。
17.优选的，边缘端决策服务器周期结束时，将统计信息传输到云端列车规划调度中心中，等待返回的模型优化决策。
18.优选的，云端列车规划调度中心综合分析一段时间内接受的多个边缘决策服务器的信息，对决策模型的参数进行聚合，将聚合后的模型参数返回到各边缘决策服务器中；边缘决策服务器在收到返回的模型优化决策后，对本地模型进行调整，并开始下一周期的信息统计。
19.本发明有益效果：实现了分布式列车群调度，减少调度中心通信资源消耗；减少了云端调度中心的计算决策负载，提升了列车群控制决策的实时性和可靠性。
20.本发明附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本发明的实践了解到。
附图说明
21.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。
22.图1为本发明实施例所述的列车群分布式控制方法的系统结构图。
23.图2为本发明实施例所述的云端列车规划调度中心的基本功能示意图。
24.图3为本发明实施例所述的边缘端决策服务器的基本功能示意图。
25.图4为本发明实施例所述的列车信息采集设备的基本功能示意图。
26.图5为本发明实施例所述的列车群分布式控制方法流程图。
具体实施方式
27.下面详细叙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。
28.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。
29.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。
30.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、元件和/或它们的组。
31.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
32.为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。
33.本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。
34.实施例
35.如图1至图4所示，本实施例提供一种基于端边云协同的列车群分布式控制系统，包括：云端服务器、云端列车规划调度中心、边缘端决策服务器和终端列车信息采集设备；云端列车规划调度中心与云端服务器、边缘端决策服务器、终端列车信息采集设备连接。所述系统从上到下包括云端的规划调度中心、边缘端的决策服务器和终端的列车信息采集设
备三层，同时列车调度中心作为进行宏观调控和人为干预的接口，可以与每一层的设备进行通信，保障快速有效的列车运行策略发布。在上述列车群运行控制系统中，相邻的两层之间可以相互通信，下层设备为上层设备提供周期性的设备状态信息，上层设备为下层设备提供综合决策信息，实现智能化的列车群运行控制，最外层的列车调度中心保持和端边云每一层的联系，依据实际需求对列车群运行决策进行人为调控。
36.所述云端规划调度中心由数据库服务器、应用服务器、网络通信服务器、电务维护工作站等部分组成。所述边缘端的决策服务器由数据库服务器、应用服务器、网络通信服务器等部分组成。所述列车信息采集设备由数据库服务器、应用服务器、网络通信服务器、信息采集设备、人机交互设备等部分组成。
37.所述列车调度中心由中心机房设备和调度所设备组成，包含数据库服务器、应用服务器、网络通信服务器、人机交互设备、调度员工作站、计划员工作站、综合维修工作站等。
38.如图5所示，本实施例中，利用上述的系统实现了一种基于端边云协同的列车群分布式控制方法，步骤如下：
39.步骤一：系统各层设备运行控制周期开始；
40.步骤二：列车信息采集设备对列车运行位置、运行状态、列车时刻表、列车路径规划等信息进行统计，并存储在列车本地数据库服务器中；
41.步骤三：在列车周期结束时，列车信息采集设备寻找列车轨道周边最为邻近的边缘端决策服务器，并将周期内的统计学习传输到边缘决策服务器中，等待返回的列控决策；
42.步骤四：边缘决策服务器综合一段时间内接受的列车群运行状态信息，通过服务器内部署的智能决策模型对数据进行分析，给出最优的列控决策，将决策信息返回到相应列车中；
43.其中，智能决策模型包括：边缘端决策服务器实时统计列车群的信息(如速度、当前位置和目标位置等)，作为蚁群算法、粒子群优化算法等的输入数据。由于列车群控制涉及多种列车信息，各智能决策算法可以依据某种关键信息进行决策，也可以综合多种信息进行决策。在此，以粒子群优化算法为例，将列车群的运行信息作为基本参数，构造多个粒子子群，粒子群分别面向不同的列车运行控制目标(如列车晚点数量、晚点时间等)。多个子群之间的优化过程相互影响，子群中的粒子速度更新公式除受到本子群粒子的局部和全局最优位置影响外，也受到其余子群的影响。通过多次迭代优化得到最终的列车运行控制决策，并将其约束在满足各子群对应的运行控制目标范围内，保证列车群晚点数量、晚点时间等运行控制目标达到列车群控制的总体目标。其他类型的智能优化算法与上述算法类似。边缘决策服务器在得到最终决策时会将其发送到对应的列车上。此外，智能决策算法中涉及到的超参数(如粒子群优化算法中的学习因子等)对算法的收敛速度、决策性能等具有较大影响，边缘决策服务器会周期性地将决策信息发送到云端服务器上进行综合分析，由云端服务器对智能决策算法的超参数进行调节。
44.步骤五：列车在收到返回的列控决策后，依据该决策进行列车运行速度、轨迹等方面的调整，并开始下一周期的列车信息采集；
45.步骤六：边缘决策服务器在周期内对收集到的列车信息和决策模型参数进行统计，并存储在边缘服务器的数据控服务器中；
46.步骤七：在边缘决策服务器周期结束时，边缘端设备将统计信息传输到云端规划调度中心中，等待返回的模型优化决策；
47.步骤八：云端规划调度中心综合分析一段时间内接受的多个边缘决策服务器的信息，对决策模型的参数进行聚合，得到具有更强决策能力的智能决策模型，将聚合后的模型参数返回到各边缘决策服务器中；
48.步骤九：边缘决策服务器在收到返回的模型优化决策后，对本地模型进行调整，并开始下一周期的信息统计。
49.综上所述，本发明实施例所述的基于端边云协同的列车群分布式控制系统及方法，以分层分布式的系统结构为列车群提供运行控制决策，提升列车群运行的效率和安全性。实现了分布式列车群调度，减少调度中心通信资源消耗；减少了云端调度中心的计算决策负载，提升列车群控制决策的实时性和可靠性。
50.本发明实施例所述的基于端边云协同的列车群分布式控制系统及方法，车载终端设备周期性地对列车行驶位置、列车运行状态等信息进行统计及存储，并在单个周期结束后，将统计信息发送到列车轨道附近的边缘服务器。边缘服务器在接收到列车状态信息后，对列车群行驶轨迹进行综合分析，并通过边缘服务器上的预测模型给出列车行驶指令，此外，边缘服务器需要周期性地将本地模型数据发送到云端。云端服务器在收到多个边缘服务器的模型数据后进行模型聚合，并将聚合后的模型下发到各边缘服务器上，提升边缘服务器模型性能。
51.本发明通过边缘决策服务器对列车群的运行状态进行实时有效的控制决策，利用距离列车较近的边缘服务器对一片区域内的列车群进行控制，同时云端的规划调度中心对多个不同区域的边缘决策服务器进行宏观调控，对其决策模型进行调整。利用边缘服务器的本地信息处理和决策能力，实现列车群运行调度规划，将列控运行决策任务分布式地部署在列车群附近，保障列车群高效、安全地运行。
52.由上述本发明的基于端边云协同的列车群分布式控制方法所提供的技术方案可以看出，本发明通过边缘决策服务器对列车群的运行状态进行实时有效的控制决策，依赖于当前多样化的通信技术，“端-边-云”的三层结构能够实现实时处理终端设备请求，数据传输将控制在列车附近的局部范围内，实现本地化的列控智能决策。对于大量的列车群运行控制系统来说，利用现有列车运行架构，通过在列车运行轨道附近部署少量的边缘服务器，列车群状态信息和控制请求可以传输至离列车较近的边缘服务器上进行处理，无需传输至调度中心进行决策，调度中心只需周期性地对边缘服务器中的关键信息进行更新，在整体上保证各边缘服务器的决策维持在合理、安全的范围内。
53.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
54.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
55.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
56.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
57.上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种基于端边云协同的列车群分布式控制系统，其特征在于，包括：云端服务器、云端列车规划调度中心、边缘端决策服务器和终端列车信息采集设备；云端列车规划调度中心与云端服务器、边缘端决策服务器、终端列车信息采集设备连接。2.根据权利要求1所述的基于端边云协同的列车群分布式控制系统，其特征在于，终端列车信息采集设备对列车运行位置、运行状态、列车时刻表、列车路径规划信息进行统计，并存储在列车本地数据库服务器中；在列车周期结束时，终端列车信息采集设备寻找列车轨道周边最为邻近的边缘端决策服务器，并将周期内的统计学习传输到边缘端决策服务器中，等待返回的列控决策。3.根据权利要求1所述的基于端边云协同的列车群分布式控制系统，其特征在于，边缘端决策服务器综合一段时间内接受的列车群运行状态信息，通过服务器内部署的智能决策模型(如蚁群算法、协同粒子群算法)对数据进行分析，给出最优的列控决策，将决策信息返回到相应列车中。4.一种利用如权利要求1-3任一项所述的基于端边云协同的列车群分布式控制系统的基于端边云协同的列车群分布式控制方法，其特征在于，包括：终端列车信息采集设备对列车运行位置、运行状态、列车时刻表、列车路径规划信息进行统计，并存储在列车本地数据库服务器中；在列车周期结束时，终端列车信息采集设备寻找列车轨道周边最为邻近的边缘端决策服务器，并将周期内的统计学习传输到边缘决策服务器中，等待返回的列控决策；边缘端决策服务器综合一段时间内接受的列车群运行状态信息，通过服务器内部署的智能决策模型对数据进行分析，给出最优的列控决策，将决策信息返回到相应列车中；列车在收到返回的列控决策后，依据该决策进行列车运行状态的调整，并开始下一周期的列车信息采集。5.根据权利要求4所述的基于端边云协同的列车群分布式控制方法，其特征在于，边缘端决策服务器在周期内对收集到的列车信息和决策模型参数进行统计，并存储在边缘端决策服务器的数据控服务器中。6.根据权利要求5所述的基于端边云协同的列车群分布式控制方法，其特征在于，边缘端决策服务器周期结束时，将统计信息传输到云端列车规划调度中心中，等待返回的模型优化决策。7.根据权利要求6所述的基于端边云协同的列车群分布式控制方法，其特征在于，云端列车规划调度中心综合分析一段时间内接受的多个边缘决策服务器的信息，对决策模型的参数进行聚合，将聚合后的模型参数返回到各边缘决策服务器中；边缘决策服务器在收到返回的模型优化决策后，对本地模型进行调整，并开始下一周期的信息统计。

技术总结
本发明提供一种基于端边云协同的列车群分布式控制系统及方法，属于列车运行控制技术领域，包括：云端服务器、云端列车规划调度中心、边缘端决策服务器和终端列车信息采集设备；云端列车规划调度中心与云端服务器、边缘端决策服务器、终端列车信息采集设备连接。本发明实现了分布式列车群调度，减少调度中心通信资源消耗；减少了云端调度中心的计算决策负载，提升了列车群控制决策的实时性和可靠性。提升了列车群控制决策的实时性和可靠性。提升了列车群控制决策的实时性和可靠性。


技术研发人员：丁春涛 李浥东 于锦汇 金一 郎丛妍
受保护的技术使用者：北京交通大学
技术研发日：2022.12.26
技术公布日：2023/4/25