地鐵列車運(yùn)行自動(dòng)控制系統(tǒng)設(shè)計(jì)

蘭州交通大學(xué)光電技術(shù)與智能控制教育部重點(diǎn)實(shí)驗(yàn)室 王曉亞 邢東峰

地鐵列車運(yùn)行自動(dòng)控制系統(tǒng)設(shè)計(jì)

蘭州交通大學(xué)光電技術(shù)與智能控制教育部重點(diǎn)實(shí)驗(yàn)室 王曉亞 邢東峰

針對(duì)地鐵列車運(yùn)行自動(dòng)控制特點(diǎn)和現(xiàn)有控制方式存在缺陷的需要，提出了基于微粒群(PSO)算法的地鐵列車運(yùn)行自動(dòng)控制(ATC)系統(tǒng)的設(shè)計(jì)思想和實(shí)現(xiàn)方法。首先根據(jù)西安地鐵2號(hào)線實(shí)際運(yùn)營(yíng)情況建立適合地鐵列車運(yùn)行自動(dòng)控制的數(shù)學(xué)模型，然后利用VC++6．0和SQL Server 2005數(shù)據(jù)庫(kù)完成地鐵列車運(yùn)行自動(dòng)控制系統(tǒng)的設(shè)計(jì)，最后通過(guò)單車晚點(diǎn)情況的仿真研究驗(yàn)證模型的正確性和算法的可行性。

地鐵；微粒群算法；列車自動(dòng)控制；仿真研究

1 引言

隨著城市化建設(shè)的推進(jìn)和土地空間的限制，地鐵成為緩解城市交通壓力的一種新型運(yùn)載工具，具有速度快、能耗低、運(yùn)量大、污染小等優(yōu)勢(shì)。地鐵列車運(yùn)行在正常情況下嚴(yán)格按照計(jì)劃運(yùn)行圖，但是在運(yùn)行過(guò)程中當(dāng)列車受到隨機(jī)因素的影響可能會(huì)和計(jì)劃運(yùn)行圖發(fā)生偏離，由于列車運(yùn)行密度大并且相互追蹤間隔短，單車晚點(diǎn)情況往往會(huì)影響后續(xù)列車的正常運(yùn)行，甚至?xí)率拐麄€(gè)地鐵系統(tǒng)嚴(yán)重癱瘓[1]。

本文完成了基于PSO算法的ATC系統(tǒng)的仿真設(shè)計(jì)，并且考慮到單車晚點(diǎn)對(duì)后續(xù)列車運(yùn)行可能造成的影響，因此研究適合列車運(yùn)行自動(dòng)控制的方法具有現(xiàn)實(shí)意義。

2 微粒群算法概述

列車自動(dòng)控制(ATC)系統(tǒng)是城市軌道交通控制系統(tǒng)的核心，能夠最大限度地保證行車安全、提高運(yùn)輸效率[2]。從而提出了基于微粒群算法的地鐵列車運(yùn)行自動(dòng)控制系統(tǒng)的思想方法。

圖1 位置與速度更新過(guò)程示意圖

2.1 微粒群算法的基本原理

微粒群(PSO)算法是一種基于種群的隨機(jī)尋優(yōu)算法，最早于1995年由Kennedy和Eberhart共同提出，其基本思想結(jié)合生物學(xué)家Heppner的群體模型對(duì)鳥類群體覓食行為進(jìn)行模擬仿真研究[3]。

PSO算法是對(duì)鳥類飛行的行為進(jìn)行模擬智能優(yōu)化，也就是空間中的一只鳥被稱為微粒，每個(gè)微粒的飛行方向和位移都由一個(gè)速度變量來(lái)決定。在二維空間中，微粒的位置與速度更新過(guò)程如圖1所示。

假設(shè)有N個(gè)微粒存在于D維空間中，則其當(dāng)前位置和飛行速度分別表示為，。其速度和位置更新過(guò)程如下式(1)、(2)所示：

2.2 算法控制參數(shù)的選取

PSO算法選取以下5種控制參數(shù)：

(1)種群規(guī)模：依據(jù)問(wèn)題的復(fù)雜程度選取種群規(guī)模，取種群規(guī)模為N=30。

(2)慣性權(quán)重：用于平衡算法的全局和局部搜索能力。其具體公式如下：

(3)學(xué)習(xí)因子：微粒最優(yōu)位置步長(zhǎng)分別由認(rèn)知系數(shù)c1和社會(huì)系數(shù)c2調(diào)節(jié)。

(4)最大速度：微粒最大移動(dòng)距離由最大速度vmax決定，取vmax=xmax=12600。

(5)最大迭代次數(shù)：根據(jù)算法的搜索效率和優(yōu)化效果設(shè)定最大迭代次數(shù)，設(shè)定最大迭代次數(shù)=50。

3 仿真結(jié)果分析

3.1 仿真系統(tǒng)基礎(chǔ)數(shù)據(jù)

表1為西安地鐵2號(hào)線的實(shí)際運(yùn)營(yíng)數(shù)據(jù)，包括站間距、區(qū)間運(yùn)行時(shí)間及停站時(shí)間，數(shù)據(jù)將用于編制列車運(yùn)行圖[4]。

表1 西安地鐵2號(hào)線實(shí)際運(yùn)營(yíng)數(shù)據(jù)

3.2 仿真分析

(1)列車運(yùn)營(yíng)相關(guān)參數(shù)：

①車站總數(shù)：m=16；

②列車區(qū)間運(yùn)行時(shí)間(單位:s)如下：

RT=[130,96,108,85,89,79,76,90,85,89,93,107,101,78,82]；

③列車停站時(shí)間(單位：s)如下：

ST=[40,50,40,40,40,60,40,40,40,40,40,40,40,35,40]；

④列車最小追蹤間隔：△T=180s；

⑤列車最小停站時(shí)間：Smin=15s。

(2)PSO算法主要參數(shù)：

①種群規(guī)模：選取N=30；

②最大速度：vmax=xmax=12600；

當(dāng)單車發(fā)生晚點(diǎn)情況，將會(huì)造成晚點(diǎn)傳播。此處設(shè)定晚點(diǎn)的列車為10702次，在運(yùn)動(dòng)公園站首次發(fā)生晚點(diǎn)，初始晚點(diǎn)時(shí)間為235s。列車運(yùn)行線在晚點(diǎn)調(diào)整控制前后的仿真結(jié)果如圖2所示。

圖2 單車晚點(diǎn)調(diào)整控制仿真結(jié)果顯示界面

從圖2可以看出，10702次列車在運(yùn)動(dòng)公園站發(fā)生晚點(diǎn)，晚點(diǎn)時(shí)間比較大造成了晚點(diǎn)傳播，直接影響了后行10802次列車的正常運(yùn)行。采用PSO算法進(jìn)行調(diào)整后，10702次和10802次列車在極短時(shí)間內(nèi)恢復(fù)正常運(yùn)行。10702次和10802次列車調(diào)整控制前后時(shí)刻表分別如圖3、圖4所示。

圖3 10702次列車時(shí)刻表顯示界面

圖4 10802次列車時(shí)刻表顯示界面

圖5 單車晚點(diǎn)總時(shí)間變化情況

從圖3可以看出，10702次列車在運(yùn)動(dòng)公園站出站時(shí)從7:05:26至7:09:21晚點(diǎn)235s，晚點(diǎn)時(shí)間隨著站序推移不斷減少，到體育場(chǎng)站時(shí)降為0s；同樣從圖4可以看出10802次列車的晚點(diǎn)調(diào)整情況。列車在各車站的總晚點(diǎn)時(shí)間變化情況如圖5所示。

從圖5中看出，列車首次出現(xiàn)晚點(diǎn)是在車站3，總晚點(diǎn)時(shí)間達(dá)到最大是在車站4，其值為490s，列車在各站的晚點(diǎn)總時(shí)間隨著站序的推移不斷減小，到達(dá)車站15時(shí)晚點(diǎn)時(shí)間降到0s，即晚點(diǎn)被消除。

4 結(jié)束語(yǔ)

本文結(jié)合ATC系統(tǒng)的相關(guān)控制模型，建立了適合地鐵列車運(yùn)行自動(dòng)控制的優(yōu)化數(shù)學(xué)模型，結(jié)果表明該系統(tǒng)模型達(dá)到高安全、高可靠的要求。運(yùn)用PSO算法對(duì)單車晚點(diǎn)情況進(jìn)行仿真研究以及數(shù)據(jù)分析，縮短了列車晚點(diǎn)的影響范圍，滿足了列車自動(dòng)控制實(shí)時(shí)性的要求。因此，運(yùn)用PSO算法解決地鐵列車運(yùn)行自動(dòng)控制的問(wèn)題是可行的，為列車自動(dòng)控制的實(shí)現(xiàn)提供了新思路。

[1]孔維珍．基于微粒群算法的城市軌道交通列車運(yùn)行調(diào)整研究[D]．蘭州:蘭州交通大學(xué),2013．

[2]李曉艷．地鐵ATC系統(tǒng)ATS子系統(tǒng)的仿真研究[D]．西安:西安電子科技大學(xué),2013．

[3]崔志華,曾建潮．微粒群優(yōu)化算法[M]．北京:科學(xué)出版社,2011．

[4]史常慶,倪少權(quán)．列車運(yùn)行圖計(jì)算機(jī)編制系統(tǒng)的運(yùn)用與發(fā)展分析[J]．鐵道運(yùn)輸與經(jīng)濟(jì),2013,37(02):6-28．

王曉亞（1990—），男，甘肅靜寧人，在讀碩士研究生，研究方向?yàn)榻煌ㄐ畔⒐こ碳翱刂啤?/p>

邢東峰（1982—），男，山東人，碩士，講師，學(xué)位論文指導(dǎo)老師，主要研究領(lǐng)域?yàn)橹悄芸刂啤?/p>